论文页面 - 一个模型，多种延迟：面向多样化实时应用的通用语音增强

来源：https://huggingface.co/papers/2606.25621

摘要

一种采用并行卷积与早退机制的通用语音增强模型，可配置算法延迟与计算延迟控制。

不同的实时语音应用对延迟预算有各自严格的要求，往往需要针对每种场景单独训练增强模型。本文提出一个“一统全局”的实时通用语音增强模型，能够显式控制算法延迟与计算延迟。算法延迟可通过可配置的前瞻帧灵活调整。为避免因填充配置变化导致的学习效率低下，我们引入了对应不同前瞻设置的并行卷积层。计算延迟则通过早退机制进行控制，允许在不同网络深度进行推理。为了缩小专用模型与灵活模型之间的性能差距，我们提出了一种两阶段训练策略，并采用“共享到多解码器过渡”结构。总体而言，所提框架使得单个模型能够在不同延迟预算下部署，而无需重新训练多个独立模型。

查看 arXiv 页面 (https://arxiv.org/abs/2606.25621)查看 PDF (https://arxiv.org/pdf/2606.25621)项目页面 (https://huggingface.co/nvidia/Real-time_RE-USE)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.25621)

社区

论文提交者

14分钟前 (https://huggingface.co/papers/2606.25621#6a43df4f08125d98ebd3645f)

•

编辑于13分钟前 (https://huggingface.co/papers/2606.25621#6a43df4f08125d98ebd3645f)

通过拖拽、粘贴或点击此处上传图片、音频和视频。

在此处点击或粘贴以上传图片

在您的代理中获取此论文：

hf papers read 2606\.25621

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型1

nvidia/Real-time_RE-USE 音频到音频• 13.5M• 更新于约6小时前 • 49 • 10 (https://huggingface.co/nvidia/Real-time_RE-USE)

引用此论文的数据集0

无数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2606.25621 以从此页面链接。

引用此论文的 Spaces1

包含此论文的合集0

无合集包含此论文

添加此论文到合集 (https://huggingface.co/new-collection) 以从此页面链接。