StuPASE: Miglioramento vocale di qualità da studio con basse allucinazioni

I ricercatori hanno introdotto StuPASE, un modello generativo di miglioramento vocale che raggiunge una qualità da studio riducendo al minimo le allucinazioni. Basato sul framework PASE, StuPASE affronta due limitazioni chiave: migliora la de riverberazione ottimizzando con target secchi invece di quelli con prime riflessioni simulate, e sostituisce il modulo basato su GAN con un modulo di flow-matching per gestire il rumore additivo forte. Gli esperimenti mostrano che StuPASE produce costantemente voce di alta qualità con basse allucinazioni, superando i metodi all'avanguardia. Demo audio disponibili online.