近日，張學(xué)良教授課題組（IMUSPEECHLab）何樹(shù)林同學(xué)在目標(biāo)說(shuō)話(huà)人提?。═arget Speaker Extraction，TSE）方面的研究取得新進(jìn)展，相關(guān)論文“Enhancing Target Speaker Extraction with Hierarchical Speaker Representation Learning”發(fā)表在Neural Networks學(xué)術(shù)期刊。該刊是計(jì)算機(jī)科學(xué)、神經(jīng)網(wǎng)絡(luò)領(lǐng)域國(guó)際旗艦期刊，最新影響因子為6.0。
在智能音頻處理領(lǐng)域中目標(biāo)說(shuō)話(huà)人提取作為語(yǔ)音增強(qiáng)和語(yǔ)音分離的替代方案?jìng)涫荜P(guān)注，何樹(shù)林同學(xué)提出了創(chuàng)新的Hierarchical Speaker Representation Learning (HSRL)方法，與傳統(tǒng)的目標(biāo)說(shuō)話(huà)人提取技術(shù)不同，論文通過(guò)構(gòu)建一個(gè)包含局部和全局說(shuō)話(huà)人特征提取器的層次化策略，顯著提升了目標(biāo)說(shuō)話(huà)人提取的性能。
圖1 所提HSRL-TSE方法框圖
內(nèi)蒙古大學(xué)為論文第一完成單位，論文第一作者為2021級(jí)博士研究生何樹(shù)林，通訊作者為計(jì)算機(jī)學(xué)院張學(xué)良教授。這項(xiàng)研究得到了國(guó)家自然科學(xué)基金、中國(guó)科協(xié)青年人才托舉工程博士生專(zhuān)項(xiàng)計(jì)劃等項(xiàng)目的支持。
論文鏈接：https://www.sciencedirect.com/science/article/pii/S0893608025002679
第一作者簡(jiǎn)介：
何樹(shù)林
博士四年級(jí) 指導(dǎo)教師：張學(xué)良 主要研究方向：目標(biāo)說(shuō)話(huà)人提取，語(yǔ)音增強(qiáng)。
2019年于內(nèi)蒙古大學(xué)獲得學(xué)士學(xué)位，同年開(kāi)始碩博連讀，2021年于中國(guó)科學(xué)院自動(dòng)化研究所模式識(shí)別重點(diǎn)實(shí)驗(yàn)室訪(fǎng)問(wèn)交流，2022年-2023年入選騰訊犀牛鳥(niǎo)精英人才計(jì)劃聯(lián)合培養(yǎng)并獲得騰訊犀牛鳥(niǎo)精英人才計(jì)劃優(yōu)秀學(xué)生獎(jiǎng)，2023年-2024年于香港科技大學(xué)訪(fǎng)學(xué)，聯(lián)合培養(yǎng)。入選首批中國(guó)科協(xié)青年人才托舉工程博士生專(zhuān)項(xiàng)計(jì)劃。多次入選NCMMSC優(yōu)秀學(xué)生論壇。多次在大象聲科(深圳)科技有限公司實(shí)習(xí)。截止目前，何樹(shù)林在語(yǔ)音領(lǐng)域頂級(jí)會(huì)議ICASSP以一作身份共錄用4篇論文，并合作發(fā)表論文十余篇。并擔(dān)任ICASSP審稿人。
