基于 Transformer 的实时音频噪声抑制技术原理与应用前景解析

Abstract

随着数字通信、智能设备和人工智能技术的飞速发展，用户对音频质量，特别是实时通信中的语音清晰度要求日益提高。音频噪声抑制技术作为提升语音质量的关键环节，经历了从传统数字信号处理（DSP）到深度学习（Deep Learning, DL）的深刻变革。近年来，在自然语言处理等领域取得巨大成功的Transformer模型，因其强大的长距离依赖建模能力，在音频处理领域崭露头角。本报告旨在深入探讨利用Transformer模型实现实时音频噪声抑制的核心技术原理、面临的挑战，以及广阔的应用前景。