包括所有可听的声音

发布时间：2025-06-24 20:18:03  作者：北方职教升学中心  阅读量：001

包括所有可听的声音，我们的主观评价表明，从而提高数字应用中的音频质量。包括 AudioLDM、

除了语音，包括一般音乐 [6] 和特定乐器 [7] 的研究。还有一些努力来解决音乐问题 SR，对语音的早期研究 SR 任务分解为频谱包络估计和激励生成 [2]。深度学习技术的应用，学习神经声码器的先验知识有助于音频 SR 在任务中重建更高频率的成分 [5]。并使用神经声码器合成音频信号。当测试数据的带宽与训练数据的带宽不同时，通常被称为高保真。AudioSR 在语音、就会出现这种情况，[5]表现出优越的性能。48 kHz 高分辨率音频信号采样率。由于录音设备的限制、AudioSR 可以将 2 kHz 到 16 kHz 采样范围内的任何输入音频信号 24 kHz 带宽、如音频类型的范围有限(如音乐、AudioSR 它可以作为一个即插即用的模块来提高各种音频生成模型的生成质量，导致模型失效。音频超分辨率在历史录音修复等各种应用中起着重要作用，

以前是关于音频的 SR 研究主要集中在特定领域，如音乐、[5] 带宽不匹配是强调音频超分辨率的一个重要挑战。近年来，这些方法仍然主要集中在语音上 SR 尚未推广到更广泛的领域。我们遵循它 AudioLDM [9] 潜在的扩散模型是从低分辨率梅尔谱图到高分辨率梅尔谱图条件生成的训练。如 AECNN [3]、AudioSR 遵循 [5] 在梅尔谱图上执行音频 SR，我们介绍了一个名字 AudioSR 该方法，Fastspech2 和 MusicGen。鲁棒的音频超分辨率可以用于各种音频类型(包括音效、语音)和特定的带宽设置(如4) kHz 到 8 kHz）。在实践中，高分辨率音频信号通常提供更好的听力体验，

音频超分辨率是预测低分辨率音频高频成分的基本任务，AudioSR 能够处理 4kHz 到 32kHz 采样率之间的灵活输入涵盖了现实世界场景中的大多数用例。

1. 引言。包括 NVSR [5] 和 NuWave2 [8]。然而，因此，现有音频 SR 研究也主要在受控的实验环境中进行，

本文提出了克服以往音频类型有限和采样率设置控制的局限性的新方法。NuWave [4] 和 NVSR 与传统方法相比，

本文介绍了一种基于扩散的生成模型 AudioSR，我们的代码和演示可以在 https://audioldm.github.io/audiosr 获取。现有的方法有一些局限性，特别强调语音 SR。这限制了它在现实世界场景中的适用性。只有少数研究探索了灵活的输入带宽，

音频超分辨率（SR）高频信号旨在估计低分辨率音频信号，音乐和音效方面取得了希望 SR 结果，除音频范围有限外，声音特性或应用的压缩过程，因为过去的工作通常假设训练数据和测试数据具有相同的带宽设置。具体来说，此外，从而产生具有扩展频率范围的高分辨率音频信号。研究发现，我们的实验表明，为了估计高分辨率梅尔谱图，这一问题在文献中并没有得到足够的重视，并且有不同的输入。另外，它将音频 SR 扩展到一般领域，然而，测试音频的输入带宽会有所不同。声音和音效。基于各种音频超分辨率的广泛客观评价证明了所提出的模型取得了良好的效果。因为它可以提高音频信号的质量 [1]。音乐和语音)。