Less is More: Data Curation Matters in Scaling Speech Enhancement
Rattachement africain : cn, us, jp, de. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
The vast majority of modern speech enhancement systems rely on data-driven neural network models. Conventionally, larger datasets are presumed to yield superior model performance, an observation empirically validated across numerous tasks in other domains. However, recent studies reveal diminishing returns when scaling speech enhancement data. We focus on a critical factor: prevalent quality issues in “clean” training labels within large-scale datasets. This work re-examines this phenomenon and demonstrates that, within large-scale training sets, prioritizing high-quality training data is more important than merely expanding the data volume. Experimental findings suggest that models trained on a carefully curated subset of 700 hours can outperform models trained on the 2,500 -hour full dataset. This outcome highlights the crucial role of data curation in scaling speech enhancement systems effectively.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Less is More: Data Curation Matters in Scaling Speech Enhancement
- Date Crossref
- 06/12/2025
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Shanghai Jiao Tong University pays non établi dans la noticeUniversité ou école supérieure
-
Google (United States) pays non établi dans la noticeEntreprise
-
Waseda University pays non établi dans la noticeUniversité ou école supérieure
-
Carnegie Mellon University pays non établi dans la noticeUniversité ou école supérieure
-
Technische Universität Braunschweig pays non établi dans la noticeUniversité ou école supérieure
-
Google DeepMind pays non établi dans la noticeInstitution
-
Technische Universitä pays non établi dans la noticeInstitution
-
Meta pays non établi dans la noticeInstitution
Shanghai Jiao Tong University, Google (United States) et Waseda University, avec 5 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.