Papers with Code · CC BY-SA 4.0

Speech Enhancement

136 평가 기록 29 datasets

Speech Enhancement is a signal processing task that involves improving the quality of speech signals captured under noisy or degraded conditions. The goal of speech enhancement is to make speech signals clearer, more intelligible, and more pleasant to listen to, which can be used for various applications such as voice recognition, teleconferencing, and hearing aids. A representative Github project with online demo : ClearerVoice-Studio.

<span style="color:grey; opacity: 0.6">( Image credit: A Fully Convolutional Neural Network For Speech Enhancement )</span>

개요는 각 항목의 일부입니다. 위 탭에서 전체 기록을 페이지별로 탐색할 수 있습니다.

벤치마크

Papers with Code 아카이브의 데이터셋별 기록 예시입니다. 평가 조건과 지표 방향이 검증되지 않아 순위를 의미하지 않습니다.

Dataset기록된 모델 예시MetricPaperCode
ROSE-CD(PESQ)
PESQ (wb): 3.99CSIG: 4.63CBAK: 3.37COVL: 4.30
논문 코드
ZipEnhancer (M)
SI-SDR-WB: 22.22PESQ-NB: 4.08PESQ-WB: 3.81STOI: 98.65
- -
Inter-Channel Conv-TasNet
SDR: 19.67PESQ: 2.67STOI: 0.973
논문 -
Schrödinger Bridge (PESQ loss)
PESQ-WB: 3.09SI-SDR: 16.29ESTOI: 0.73SIGMOS: 3.18
논문 코드
MaxDI (Baseline)
STOI: 0.544PESQ: 1.17ViSQOL: 1.68HASQI: 0.249
논문 코드
ZipEnhancer (M)
PESQ-NB: 4.08PESQ-WB: 3.81
- -
MambAttention
PESQ (wb): 3.026ESTOI: 0.801SSNR: 7.674SI-SDR: 16.684
논문 코드
SepFormer
PESQ: 2.84SI-SNR: 10.58SDR: 12.29
논문 코드
WD-TCN
SI-SDR: 12.26PESQ: 3.5ESTOI: 93.5SRMR: 8.8
논문 코드
DCUNet-MC
PESQ-NB: 3.44
논문 코드
Conv-TasNet-SNR
PESQ: 2.75ΔPESQ: 0.93
논문 -
CleanMel-L-map
PESQ-WB: 2.10DNSMOS OVRL: 3.25DNSMOS: 3.82DNSMOS BAK: 4.03
논문 코드

데이터셋

29개

논문

라이브러리

Papers with Code 리더보드 row에 연결된 구현 저장소입니다.

하위 태스크