توسيع النطاق هو كل ما تحتاجه

لقد شهدت تقنيات توليد وتعزيز الكلام تقدمًا حديثًا في الجودة بفضل التعلم العميق. تعمل هذه الطرق عمومًا على معدل أخذ عينات محدود يتراوح بين 16-22 كيلو هرتز بسبب التعقيد الحسابي ومجموعات البيانات المتاحة. تفرض هذه القيود فجوة بين مخرجات مثل هذه الطرق و تطبيقات الصوت الواقعية عالية الدقة (≥44 كيلو هرتز). تقترح هذه الورقة طريقة جديدة لتوسيع النطاق (BWE) التي توسع إشارات الكلام من 8-16 كيلو هرتز إلى 48 كيلو هرتز. تعتمد الطريقة على هيكل WaveNet قائم على التغذية الأمامية تم تدريبه باستخدام فقدان ميزات عميقة قائم على GAN. تُظهر تجربة تقييم متوسط الرأي (MOS) تحسينًا كبيرًا في الجودة مقارنة بأحدث الطرق المتاحة في BWE. يكشف اختبار AB أن BWE الخاص بنا من 16 إلى 48 كيلو هرتز قادر على تحقيق دقة عادةً لا يمكن تمييزها عن التسجيلات عالية الدقة الحقيقية. نستخدم طريقتنا لتعزيز مخرجات تقنيات توليد الكلام الحديثة وطرق إزالة الضوضاء، وتظهر التجارب تحسينًا كبيرًا في جودة الصوت مقارنة بهذه المعايير الأساسية. نقترح هذه الطريقة كنهج عام لتضييق الفجوة بين الكلام المولد والكلام المسجل، دون الحاجة لتكييف هذه الطرق لمعدلات أخذ عينات أعلى.