Nonlinear Residual Echo Suppression Based on Multi-stream Conv-TasNet
Nanjing University(南京大学)
由于回波信号与远端信号之间的非线性关系,线性自适应滤波器不能完全去除回波信号。通常需要后处理模块来进一步抑制回声。在本文中,我们提出了一种残余回声抑制方法的基础上修改的全卷积时域音频分离网络(Conv-TasNet)。采用线性声学回声消除系统的残留信号和自适应滤波器的输出来形成Conv-TasNet的多个流,从而在保持整个系统的较低延迟的同时实现更有效的回声抑制。仿真结果验证了该方法在单端和双端情况下的有效性。
2020-05-15 cs.LG cs.SD eess.AS
Multi-Scale Feature Fusion Transformer Network for End-to-End Single Channel Speech Separation
近年来,时域音频分离网络(TasNets)的研究在语音分离方面取得了很大的进展。最具代表性的TasNets之一是采用双路径分段方法的网络。然而,称为DPRNN的原始模型在网络的所有层中使用固定的特征尺寸和不变的段大小。本文在传统双通道结构的基础上,提出了一种多尺度特征融合Transformer网络(MSFFT-Net)用于单通道语音分离。不同于传统的双路径结构,其中只有一个处理路径存在,采用几个迭代块与交替块内和块间操作来捕获本地和全局上下文信息,建议MSFFT-Net具有多个并行处理路径,其中的特征信息可以在多个并行处理路径之间交换。实验结果表明,基于多尺度特征融合结构的网络在WSJ 0 - 2 mix上取得了比原双路径模型更好的结果,MSFFT-3 P的SI-SNRi得分为20.7dB(提高1.47%),MSFFT-2 P的SI-SNRi得分为21.0dB(提高3.45%),在WSJ 0 - 2 mix上实现了SOTA,无需任何数据增强方法.
2022-12-14 cs.SD eess.AS
DF-Conformer: Integrated architecture of Conv-TasNet and Conformer using linear complexity self-attention for speech enhancement
Google Research(谷歌研究院)
单通道语音增强(SE)是语音处理中的一个重要课题。广泛使用的框架将分析/合成滤波器组与掩模预测网络相结合,例如Conv-TasNet架构。在这样的系统中,去噪性能和计算效率主要受掩模预测网络的结构影响。在这项研究中,我们的目标是通过将Conformer层集成到一个新的掩模预测网络中来提高Conv-TasNet架构的顺序建模能力。为了使模型在计算上可行,我们使用线性复杂性注意力和堆叠的1-D扩张的dependency卷积层来扩展Conformer。我们在3,396小时的噪声语音数据上训练了该模型,并表明(i)使用线性复杂度注意避免了高计算复杂度,(ii)我们的模型比改进的时间扩张卷积网络(TDCN++)(Conv-TasNet的扩展版本)实现了更高的尺度不变信噪比。
2021-08-05 cs.SD eess.AS
A comparison of handcrafted, parameterized, and learnable features for speech separation
Northwestern Polytechnical University(西北工业大学)
声学特征的设计是语音分离的重要环节。它可以大致分为三类:手工制作的,参数化的和可学习的功能。其中,可学习特征,即以端到端的方式与分离网络联合训练,成为现代语音分离研究的新趋势,例如卷积时域音频分离网络(Conv-Tasnet),而手工和参数化特征在最近的研究中也显示出竞争力。然而,这三种声学特征之间的系统比较尚未进行。在本文中,我们比较了它们的框架Conv-Tasnet通过设置其编码器和解码器具有不同的声学特征。我们还推广了手工制作的多相伽玛滤波器组(MPGTF),一个新的参数化多相伽玛滤波器组(ParaMPGTF)。在WSJ 0 - 2 mix语料库上的实验结果表明:(i)如果解码器是可学习的,那么将编码器设置为STFT、MPGTF、ParaMPGTF和可学习特征会导致相似的性能;(ii)当STFT、MPGTF和ParaMPGTF的伪逆变换用作解码器时,所提出的ParaMPGTF性能优于其他两个手工特征。
2021-01-14 cs.SD
Beam-Guided TasNet: An Iterative Speech Separation Framework with Multi-Channel Output
时域音频分离网络(TasNet)在盲源分离(BSS)中取得了显著的效果。经典的多通道语音处理框架采用信号估计和波束形成。例如,Beam-TasNet将多通道卷积TasNet(MC-Conv-TasNet)与最小方差无失真响应(MVDR)波束成形相连接,这利用了数据驱动网络的强大建模能力,并通过准确估计语音统计来提高波束成形的性能。这种集成可以被看作是一个有向无环图,通过接受多通道输入和生成多源输出。本文设计了一个多通道输入、多通道多源输出(MIMMO)的语音分离系统--“Beam-Guided TasNet”,其中MC-Conv-TasNet和MVDR在有向循环流的作用下可以更紧密地相互作用和促进。具体地说,第一阶段使用Beam-TasNet来生成估计的单扬声器信号,这有利于第二阶段的分离。所提出的框架有利于迭代信号细化与波束成形的指导下,并寻求达到上限的MVDR为基础的方法。在空间化WSJ 0 - 2 MIX上的实验结果表明,Beam-Guided TasNet实现了21.5 dB的SDR,在相同的模型大小下超过基线Beam-TasNet 4.1 dB,并将与基于oracle信号的MVDR的差距缩小到2 dB。
2022-04-12 eess.AS
Effective Low-Cost Time-Domain Audio Separation Using Globally Attentive Locally Recurrent Networks
Tencent AI Lab(腾讯人工智能实验室)
时域音频分离网络(TasNets)的研究为语音分离带来了巨大的成功。然而,传统的TasNet难以满足工业应用中的内存和延迟限制。在这方面,我们设计了一个低成本的高性能的架构,即全球关注本地复发(GALR)网络。与双路径RNN(DPRNN)一样,我们首先将特征序列分割为2D片段,然后沿着片段内和片段间维度处理序列。我们的主要创新之处在于,在沿段间维度循环处理的特征之上,GALR将自注意机制应用于沿段间维度的序列,其聚合上下文感知信息,并且还实现并行化。我们的实验表明,GALR是一个明显更有效的网络比以前的工作。一方面,仅用1.5M参数,它以低得多的成本实现了相当的分离性能,相对于DPRNN,运行时内存减少36.1%,计算操作减少49.4%。另一方面,在与DPRNN相当的模型大小中,GALR在三个数据集中的表现一直优于DPRNN,特别是在基准WSJ 0 - 2 mix任务中,SI-SNRi的绝对改善幅度为2.4dB。
2021-01-13 cs.AI cs.LG cs.SD
An enhanced Conv-TasNet model for speech separation using a speaker distance-based loss function
这项工作使用预先训练的深度学习模型解决了西班牙语中的语音分离问题。与许多语音处理任务一样,与英语不同的其他语言的大型数据库很少。因此,这项工作使用Conv-TasNet模型作为基准来探索不同的训练策略。最佳训练策略的尺度不变信号失真比(SI-SDR)度量值为9.9 dB。然后,通过实验,我们发现了说话人的相似性和模型的性能之间的反比关系,因此提出了一种改进的ConvTasNet架构。增强的Conv-TasNet模型使用预先训练的语音嵌入在代价函数中添加扬声器之间的余弦相似性项,产生10.6 dB的SI-SDR。最后,关于实时部署的最终实验显示了扬声器的通道同步中的一些缺点,这是由于需要处理仅出现一个扬声器的小语音段。
2022-06-17 eess.AS
Inter-channel Conv-TasNet for multichannel speech enhancement
Korea Advanced Institute of Science and Technology (KAIST)(韩国高等科学技术院(KAIST))
提出端到端通道间 Conv-TasNet,通过三维编码器—掩码—解码器结构及维度独立卷积建模多通道关系,以十分之一参数在 CHiME-3 上取得更优语音增强效果。
2021-11-08 cs.SD eess.AS
MultiSV: Dataset for Far-Field Multi-Channel Speaker Verification
Brno University of Technology(布尔诺理工大学)
受未整合的数据情况和缺乏一个标准的基准在该领域,我们补充我们以前的努力,并提出了一个全面的语料库,旨在训练和评估文本无关的多通道说话人确认系统。它也可以很容易地用于去混响、去噪和语音增强的实验。我们通过在Voxceleb数据集的干净部分上利用数据模拟来解决缺乏多通道训练数据的问题。开发和评估试验是基于一个重传的声音在复杂的环境设置(VOiCES)语料库,我们修改,以提供多通道试验。我们发布了完整的食谱,从公共来源创建数据集作为MultiSV语料库,我们提供了两个多通道说话人验证系统的结果,该系统基于预测理想的二进制掩码或最新的Conv-TasNet,具有基于神经网络的波束成形。
2021-11-11 cs.LG cs.SD eess.AS
Dual-path RNN: efficient long sequence modeling for time-domain single-channel speech separation
Microsoft Research(微软研究院)
最近在基于深度学习的语音分离方面的研究已经证明了时域方法优于传统的基于时频的方法。与时频域方法不同,时域分离系统通常接收由大量时间步长组成的输入序列,这为建模极长序列带来了挑战。由于优化困难,传统的递归神经网络(RNN)无法有效地对如此长的序列进行建模,而一维卷积神经网络(1-D CNN)在其感受野小于序列长度时无法执行话语级序列建模。在本文中,我们提出了双路径递归神经网络(DPRNN),这是一种简单而有效的方法,用于在深层结构中组织RNN层,以建模超长序列。DPRNN将长序列输入分成较小的块,并迭代地应用块内和块间操作,其中输入长度可以与每个操作中的原始序列长度的平方根成比例。实验表明,通过用DPRNN代替1-D CNN,并在时域音频分离网络(TasNet)中应用样本级建模,在WSJ 0 - 2 mix上实现了新的最先进的性能,模型比以前的最佳系统小20倍。
2020-03-27 cs.LG cs.SD eess.AS
Two-stage model and optimal SI-SNR for monaural multi-speaker speech separation in noisy environment
在日常的听音环境中,语音常常受到背景噪声、室内混响和扬声器干扰的影响而失真。随着深度学习方法的发展,单耳多说话人语音分离研究取得了很大进展。然而,在这方面的研究大多集中在一个简单的问题设置的实验室环境中,没有考虑背景噪声和房间混响。在本文中,我们提出了一个基于conv-TasNet的两阶段模型,分别处理噪声和干扰扬声器的显着影响,其中使用深度扩展时间卷积网络(TCN)依次进行增强和分离。此外,我们提出了一种新的目标函数,称为最佳尺度不变信噪比(OSI-SNR),它在任何情况下都优于原来的SI-SNR。通过与OSI-SNR联合训练两阶段模型,我们的算法大大优于一阶段分离基线。
2020-08-01 cs.SD eess.AS
One Shot Learning for Speech Separation
National Taiwan University(台湾大学);Academia Sinica(中央研究院)
尽管语音分离模型最近取得了成功,但它们在面对不同人群或嘈杂环境时无法正确分离源。为了解决这个问题,我们提出将元学习应用于语音分离任务。我们的目标是找到一个元初始化模型,它可以通过只看到这些人生成的一个混合来快速适应新的说话者。在本文中,我们使用模型不可知元学习(MAML)算法和几乎没有内部循环(ANIL)算法在Conv-TasNet来实现这一目标。实验结果表明,该模型不仅能适应新的说话人集合,而且能适应噪声环境。此外,我们发现编码器和解码器作为特征重用层,而分离器是特定于任务的模块。
2021-05-03 cs.SD eess.AS
EEND-SS: Joint End-to-End Neural Speaker Diarization and Speech Separation for Flexible Number of Speakers
Carnegie Mellon University(卡内基梅隆大学);Tencent AI Lab(腾讯人工智能实验室)
在本文中,我们提出了一个新的框架,共同执行三个任务:说话人日记,语音分离,说话人计数。我们提出的框架集成了基于端到端神经日记化(EEND)模型的说话人日记化,基于编码器-解码器的吸引子(EDA)的说话人计数,以及使用Conv-TasNet的语音分离。此外,我们提出了一个多个1x 1卷积层架构,用于估计对应于一个灵活的扬声器数量的分离掩码和融合技术,用于细化分离的语音信号与获得的扬声器diarization信息,以改善联合框架。使用LibriMix数据集的实验表明,我们提出的方法在固定和灵活数量的扬声器的日记化和分离度量方面优于单任务基线,并提高了灵活数量扬声器的扬声器计数性能。所有材料将在ESPnet工具包中开源和可复制。
2022-12-15 cs.SD eess.AS
Separation Guided Speaker Diarization in Realistic Mismatched Conditions
University of Science and Technology of China(中国科学技术大学);iFlytek Research(科大讯飞研究院);Georgia Institute of Technology(佐治亚理工学院)
我们提出了一种分离引导的说话人日志化(SGSD)方法,充分利用语音分离和说话人聚类的互补性。由于传统的基于聚类的说话人日记化(CSD)方法不能很好地处理重叠的语音段,我们调查,在这项研究中,基于分离的说话人日记化(SSD),它固有的潜力,以处理说话人重叠区域。我们的初步分析表明,最先进的基于Conv-TasNet的语音分离,这是相当不错的模拟数据,是不稳定的,在现实的会话语音由于在模拟训练语音和读取语音的高失配说话风格。在这样做时,基于分离的处理可以帮助CSD在现实失配条件下处理重叠的语音段。具体而言,几个策略的SSD和CSD系统的结果之间进行选择的基础上分析的SSD系统性能的不稳定性。DIHARD-III挑战赛的对话电话语音(CTS)数据上的实验表明,所提出的SGSD系统可以显着提高国家的最先进的CSD系统的性能,产生的相对日记错误率降低20.2%和20.8%的开发集和评估集,分别。
2021-07-06 cs.SD eess.AS
On Time Domain Conformer Models for Monaural Speech Separation in Noisy Reverberant Acoustic Environments
The University of Sheffield(谢菲尔德大学)
本文提出时域Conformer模型用于噪声混响环境下的单声道语音分离,通过子采样层提升效率,在WHAMR和WSJ0-2Mix基准上分别取得14.6 dB和21.2 dB的SISDR改进。
2023-10-09 cs.AI cs.LG cs.SD
Closing the Gap Between Time-Domain Multi-Channel Speech Enhancement on Real and Simulation Conditions
Shanghai Jiao Tong University(上海交通大学);Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);Carnegie Mellon University(卡内基梅隆大学)
基于深度学习的时域模型,例如Conv-TasNet,在单通道和多通道语音增强方面都显示出巨大的潜力。然而,时域语音增强模型的实验大多是在模拟环境下进行的,其良好的性能能否推广到实际应用中还没有得到很好的研究。在本文中,我们的目的是提供一个有见地的调查应用多通道Conv-TasNet为基础的语音增强的模拟和真实数据。我们的初步实验表明,在ASR性能方面,两种条件之间存在很大的性能差距。有几种方法被用来缩小这一差距,包括将多通道Conv-TasNet集成到具有各种策略的波束形成模型中,以及语音增强和语音识别模型的联合训练。在CHiME-4语料库上的实验表明,本文提出的方法在保持前端强大的语音增强能力的同时,可以大大降低仿真数据与真实数据之间的语音识别性能差异。
2021-10-27 cs.SD eess.AS
MedleyVox: An Evaluation Dataset for Multiple Singing Voices Separation
Gaudio Lab, Inc.(Gaudio实验室公司)
针对多人声分离研究缺乏基准数据集的问题,本文发布了MedleyVox评估数据集并定义四类分离任务,提出利用单人声数据集构建训练混合数据的策略和改进型超分辨率网络iSRNet,在该数据集子集上取得了与理想时频掩膜相当的分离性能。
2023-05-04 cs.LG cs.SD eess.AS
Exploring Self-Attention Mechanisms for Speech Separation
Université Laval(拉瓦尔大学);Concordia University(康考迪亚大学);Mila-Quebec AI Institute(米拉-魁北克人工智能研究所);Università Politecnica delle Marche(马尔凯理工大学);Université de Sherbrooke(舍布鲁克大学)
本文深入研究基于 Transformer 的语音分离方法,扩展 SepFormer 至带噪及混响场景,并首次探索 Linformer、Lonformer、ReFormer 等高效自注意力机制,在降低内存需求的同时取得优于 Conv-TasNet 的性能。
2023-05-27 cs.LG cs.SD eess.AS
Music Source Separation in the Waveform Domain
Facebook AI Research(Facebook AI研究院);INRIA(法国国家信息与自动化研究所);École Normale Supérieure(巴黎高等师范学院);PSL Research University(巴黎文理研究大学)
音乐的声源分离是将来自不同乐器的贡献或茎分离出来的任务,这些乐器单独录制并安排在一起形成一首歌曲。类似于许多音频合成任务,其中最好的性能是通过直接生成波形的模型来实现的,用于音乐的声源分离的最新技术是计算幅度谱上的掩码。在本文中,我们比较了两种波形域架构。我们首先适应Conv-Tasnet,最初开发的语音声源分离,音乐声源分离的任务。虽然Conv-Tasnet击败了许多现有的频谱域方法,但它遭受了显着的伪影,如人类评估所示。我们提出了一种新的波形到波形模型Demucs,它具有U-Net结构和双向LSTM。在MusDB数据集上的实验表明,通过适当的数据增强,Demucs击败了现有的最先进的架构,包括Conv-Tasnet,平均6.3 SDR,(并且高达6.8,具有150首额外的训练歌曲,甚至超过了低音源的Brachiracle)。使用模型量化的最新发展,Demucs可以被压缩到120 MB而不会损失任何准确性。我们还提供了人类的评估,表明Demucs受益于音频自然度的大幅度提升。然而,它遭受了一些出血,特别是在人声和其他来源之间。
2021-04-28 cs.LG cs.SD eess.AS
On Data Sampling Strategies for Training Neural Network Speech Separation Models
The University of Sheffield(谢菲尔德大学)
本研究分析训练信号长度限制对SepFormer、Conv-TasNet两种语音分离模型的影响,发现特定长度限制可通过增加独特训练样本提升性能,4.42秒限制结合动态混合训练的SepFormer性能与无限制最优模型相当,且训练时间减少44%。
2023-06-16 cs.AI cs.LG cs.NE
Exploring the time-domain deep attractor network with two-stream architectures in a reverberant environment
Institute of Acoustics, CAS(中国科学院声学研究所);University of Chinese Academy of Sciences(中国科学院大学)
深度吸引子网络(DAN)通过区分性嵌入和说话人吸引子来执行语音分离。与基于排列不变训练(PIT)的方法相比,DAN定义了一个深度嵌入空间,并在每个时频(T-F)bin上提供更精细的表示。然而,已经观察到,如果直接部署在混响环境中,则DAN在信号质量上实现有限的改善。继时域分离网络在纯净混合语音上取得成功之后,我们提出了一种具有两个卷积网络流的时域DAN(TD-DAN),该网络在可变数量扬声器的条件下有效地执行去混响和分离任务。TD-DAN的说话人编码流(SES)被训练以在嵌入空间中对说话人信息进行建模。语音解码流(SDS)接受来自SES的扬声器吸引子,并学习从频谱-时间表示中估计早期反射。同时,额外的聚类损失被用来弥合预言和估计的吸引子之间的差距。实验在空间化多发言人华尔街日报(SMS-WSJ)数据集上进行。将早期反射信号与消声信号和混响信号进行比较,选择早期反射信号作为学习目标。实验结果表明,TD-DAN在混响2/3扬声器评估集上实现了9.79/7.47 dB的尺度不变源失真比(SI-SDR)增益,分别超过基线DAN和卷积时域音频分离网络(Conv-TasNet)1.92/0.68 dB和0.91/0.47 dB。
2021-04-21 cs.SD eess.AS
Binaural multichannel blind speaker separation with a causal low-latency and low-complexity approach
Carl von Ossietzky University(卡尔·冯·奥西茨基大学)
提出用于噪声混响环境的因果低延迟低复杂度双耳多通道盲说话人分离模型 GCBFSnet,通过 GC 显著降低模型规模与复杂度,并在多数指标上匹配 TasNet 基线。
2023-12-08 cs.SD eess.AS
Single-Microphone Speaker Separation and Voice Activity Detection in Noisy and Reverberant Environments
Bar-Ilan University(巴伊兰大学)
针对嘈杂与混响环境,提出单麦克风说话人分离网络Sep-TFAnet及其结合VAD的变体,基于TCN和STFT/iSTFT实现,并验证了其在真实录音上优于竞争方法的泛化能力。
2024-01-07 cs.SD eess.AS
SpEx: Multi-Scale Time Domain Speaker Extraction Network
Nanyang Technological University(南洋理工大学);National University of Singapore(新加坡国立大学);University of Bremen(不来梅大学);Kriston AI Lab(Kriston AI实验室)
说话人提取的目的是模仿人类的选择性听觉注意,从多说话人环境中提取目标说话人的声音。通常在频域中进行提取,并从提取的幅度谱和估计的相位谱重建时域信号。然而,这种方法受到相位估计的固有困难的不利影响。受Conv-TasNet的启发,我们提出了一种时域说话人提取网络(SpEx),它将混合语音转换为多尺度嵌入系数,而不是将语音信号分解为幅度和相位谱。通过这种方式,我们避免了相位估计。SpEx网络由四个网络组件组成,即扬声器编码器、语音编码器、扬声器提取器和语音解码器。具体地说,语音编码器将混合语音转换成多尺度嵌入系数,说话人编码器学习用说话人嵌入来表示目标说话人。说话人提取器将多尺度嵌入系数和目标说话人嵌入作为输入,并估计接收掩码。最后,语音解码器从掩蔽的嵌入系数重构目标说话人的语音。我们还提出了一个多任务学习框架和多尺度嵌入实现。实验结果表明,在开放评价条件下,该算法在信失真比(SDR)、尺度不变SDR(SI-SDR)和语音质量感知评价(PESQ)方面比最佳基线分别提高了37.3%、37.7%和15.0%.
2020-04-17 cs.CL cs.SD eess.AS
UX-NET: Filter-and-Process-based Improved U-Net for Real-time Time-domain Audio Separation
University of Texas at Dallas(德克萨斯大学达拉斯分校)
本研究提出了UX-Net,一个时域音频分离网络(TasNet)的基础上修改的U-Net架构。所提出的UX网络实时工作,并处理单个或多个麦克风输入。受基于滤波和处理的人类听觉行为的启发,所提出的系统引入了新颖的混合器和分离模块,从而实现了语音源的成本和存储器有效建模。混合器模块在潜在特征空间中组合编码输入,并输出期望数量的输出流。然后,在分离模块中,应用修改的U-Net(UX)块。UX块首先以各种分辨率对编码输入进行滤波,然后聚合滤波后的信息并应用递归处理来估计分离源的掩码。UX-Net中的字母“X”是UX块中使用的递归层类型的名称占位符。WSJ 0 - 2 mix基准测试数据集的实证结果表明,其中一种UX-Net配置的性能优于最先进的Conv-TasNet系统0.85 dB SI-SNR,同时仅使用16%的模型参数,计算量减少58%,并保持低延迟。
2022-10-28 cs.SD eess.AS
LibriMix: An Open-Source Dataset for Generalizable Speech Separation
近年来,wsj 0 - 2 mix已成为单通道语音分离的参考数据集。如今,大多数基于深度学习的语音分离模型都是以它为基准的,然而,最近的研究表明,当在wsj 0 - 2 mix上训练的模型在其他类似的数据集上进行评估时,性能会大幅下降。为了解决这个泛化问题,我们创建了LibriMix,它是wsj 0 - 2 mix及其噪声扩展WHAM!的开源替代品。LibriMix基于LibriSpeech,由两个或三个扬声器的混合声与来自WHAM!的环境噪声样本组成。使用Conv-TasNet,我们在所有LibriMix版本上都实现了具有竞争力的性能。为了公平地评估数据集,我们引入了第三个基于语音和WHAM的VCTK测试集!噪音。我们的实验表明,使用LibriMix训练的模型的泛化误差比使用WHAM!在干净和嘈杂的条件下。为了在更现实、类似对话的场景中进行评估,我们还发布了LibriMix测试集的一个稀疏重叠版本。
2020-05-22 eess.AS
Real-time Neonatal Chest Sound Separation using Deep Learning
Monash University(莫纳什大学);University of British Columbia(不列颠哥伦比亚大学)
本文提出一种受 Conv-TasNet 启发的深度学习模型,通过编码器、解码器和掩码生成器实时分离新生儿胸音中的心音与肺音,在失真度量和计算时间上均显著优于现有方法。
2023-10-26 cs.SD eess.AS
Effects of Dataset Sampling Rate for Noise Cancellation through Deep Learning
University of Maryland(马里兰大学)
本研究探讨训练数据采样率对轻量级深度神经网络ConvTasNET在移动设备上实现主动噪声消除性能的影响,发现较高采样率(如48kHz)能显著提升音频质量评估指标,但会增加处理时间。
2024-05-30 cs.AI cs.SD eess.AS