本文的作者是Santiago Pascual，Antonio Bonafonte，Joan Serra。研究动机目前语音增强的技术都是用在频谱域上或者高维特征上，这样的话，大多数的音频处理会受到噪声环境数量的限制并且依赖一阶统计特征。为了解决这些问题，深度网络是可以从大型的数据集上学习到复杂的映射。本论文中，提出了增强GAN网络，名叫SEGAN，它是直接用时域的波形当作输入送入到网络当中去的，在看

查了网上很多的解决办法，第一条的解决办法是import的顺序不对，但是我的包导的比较多，所以不知道具体的顺序是什么，而且之前都还是好好的，用了一下librosa这个包就出现错误了，改了好多版本的顺序都不管用。第二条是紧接着第一条的后面出现的，所以我两种出错都搜了，第二条总是说版本不对劲，我卸了安，安了卸的真的不太管用。我是一直报sklearn的错误，所以在我出错的那个.py文件里面import s

python导包出现错误。

python---音频的线性叠加

linux安装matlab。

File "/home/hwja/anaconda3/envs/py2/lib/python2.7/site-packages/soundfile.py", line 373, in readsubtype, endian, format, closefd) as f:File "/home/hwja/anaconda3/envs/py2/lib/python2.7/site-packages/s

本文的作者是 Ilya Sklyar, Anna Piunova, Yulan Liu。Amazon Alexa。动机：端到端的语音识别系统开始研究有重叠片段的多个说话人的语音了，但是，因为有低延迟的限制，所以不太适合语音助手之类的交互。本论文主要是集中于多个说话人识别上，在低延迟的可能下提高识别精度，而且是在线识别。采用了一种流式的RNN-T的两种方法：确定性输出目标分配（DAT）和PIT，研究

研究动机时域上的深度学习方法，不管是多通道还是单通道的语音增强，这些方法都操作在了模拟的数据上面。这样的话，在真实的数据上泛化性能好不好就是未知的。所以这篇论文为了探究在模拟数据和真实数据上的差距而做的实验，并且尽可能去弥补这种差距。最开始的实验这种差距表现的很大，为了弥补这些差距，将多通道的Conv-TasNet整合到beamforming模型中，并且采用了联合训练方式和语音识别模型测试性能。实

这个错误在linux下出现就是权限的问题，如果是用服务器的，可以安装xshell，又对应的xftp文件，是一个图形化界面，在对应的文件夹下点击右键就会有一个更改权限，把权限改为777就可以了，777代表可写可读可执行。如果这样操作还不行，可以在服务器的黑框屏幕里面输入chmod 777 加上对应要修改权限的目录或者文件 ， 这样就可以把对应的权限改掉了。我之前碰到的错误就是这样的，在实验室上面换了