面向铁路客运站场景的语音降噪模型研究

为进一步提升铁路客运站嘈杂环境下的语音识别效果，文章提出一种基于Conformer的语音降噪模型ConformerGAN。其训练流程类似生成对抗网络，生成器采用Conformer进行语音特征提取，对特征建模；鉴别器使用代理评估函数对语音感知进行质量评价。为增强模型的泛化能力并提高模型对未知噪声的降噪能力，在噪声的叠加上采用随机截取片段融入的方式，并构建铁路客运站场景噪声数据集。与语音降噪相关模型效果对比的结果表明，ConformerGAN模型可将客观语音质量评估（PESQ,Perceptual Evaluation of Speech Quality）分数提高0.19，有效提高铁路客运站嘈杂环境下的语音识别准确率，改善铁路旅客语音交互体验。