Noise2Noise স্পিচ এনহান্সমেন্ট

For speech enhancement it matters because clean recordings are expensive or impossible to obtain, yet noisy ones are everywhere.

2018 সালে NVIDIA গবেষকদের দ্বারা প্রবর্তিত, Noise2Noise একটি আশ্চর্যজনক দাবি করেছে: আপনি শুধুমাত্র দূষিত উদাহরণ ব্যবহার করে একটি ডিনোইজারকে প্রশিক্ষণ দিতে পারেন। অন্তর্দৃষ্টি পরিসংখ্যানগত. আপনি যদি একটি নেটওয়ার্ককে একই অন্তর্নিহিত সংকেতের দুটি শোরগোল ভার্সন দেন এবং গড় বর্গক্ষেত্র ত্রুটির মতো ক্ষতি ব্যবহার করে একে অপরের সাথে ম্যাপ করতে বলেন, তাহলে নেটওয়ার্কটি লক্ষ্যে এলোমেলো শব্দের পূর্বাভাস দিতে পারে না, তাই এটি সর্বোত্তম করতে পারে প্রত্যাশিত মানটি আউটপুট করা, যা পরিষ্কার সংকেত। গোলমাল গড় আউট. বক্তৃতায় প্রয়োগ করা হলে, আপনি একটি পরিষ্কার-ইশ উচ্চারণ নিন, দুটি স্বতন্ত্র শব্দের নমুনা যোগ করুন এবং মডেলটিকে অন্যটি থেকে একটি শোরগোল ক্লিপের পূর্বাভাস দিতে প্রশিক্ষণ দিন। অনুমানে মডেলটি বাস্তব রেকর্ডিং থেকে শব্দ সরিয়ে দেয়। এটি তত্ত্বাবধানে ডিনোইজিংয়ের মূল বাধাকে সরিয়ে দেয়: পুরোপুরি পরিষ্কার গ্রাউন্ড-ট্রুথ অডিও প্রয়োজন।