Aprimoramento de qualidade de áudio por meio de Redes Generativas Adversárias Condicionais
Melo, Breno Russo Guedes de Souza
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
Neste trabalho, exploramos o uso de Redes Generativas Adversárias Condicionais (CGANs), mais especificamente o modelo de Pix2Pix, para aprimorar a qualidade do áudio, com objetivo na remoção de ruídos. A metodologia envolve a criação de um banco de dados de pares de áudios: um puro, sem ruído, e outro idêntico, porém com a adição de um tipo específico de ruído. Ambos os áudios são então transformados em espectrogramas. A CGAN é treinada utilizando esses pares, habilitando-a a aprender a remover ruídos do áudio. Essa abordagem busca oferecer insights sobre a eficácia das CGANs na melhoria da qualidade do áudio, com potencial para ser adaptada a contextos específicos.
Ficha do documento
- Tipo
- Outro
- Ano
- 2023
- Instituição
- Fundação Getulio Vargas
- Fonte
- Repositório da FGV
- Idioma
- Português
- Acesso
- Acesso aberto
- Identificador
- oai:repositorio.fgv.br:10438/35382
- Temas
- Dados
Conteúdos relacionados
- DissertaçãoTratamento de dados faltantes via Misturas de Gaussianas Subtrativas e Distância Euclidiana EsperadaFundação Getulio Vargas · 2026
- DissertaçãoA Transformer model for Dengue time series forecastFundação Getulio Vargas · 2025
- TeseData visualization from a category theory perspectiveFundação Getulio Vargas · 2025
- DissertaçãoBalancing performance and explanation plausibilityFundação Getulio Vargas · 2024
