Habr iconHabrSep 2, 2026 ~1 min source read

Меньше шума, больше смысла: опыт SESAME для Speech Enhancement

Мы — Александр Забурдаев, Ксения Золина, Даниил Марценюк, Илья Трофименко, Илья Кулешов — студенты мастерской по сервисам и платформам ИИ в Инженерно-математической школе НИУ ВШЭ и VK. Речь пойдёт о задаче улучшения качества речи (Speech Enhancement, SE) и о том, как получилось интегрировать в неё разреженную смесь экспертов (sparse Mixture of Experts, MoE).

Меньше шума, больше смысла: опыт SESAME для Speech Enhancement

Share this story

Send the public story page.

Useful takeaways from this story.

Мы — Александр Забурдаев, Ксения Золина, Даниил Марценюк, Илья Трофименко, Илья Кулешов — студенты мастерской по сервисам и платформам ИИ в Инженерно-математической школе НИУ ВШЭ и VK.

Речь пойдёт о задаче улучшения качества речи (Speech Enhancement, SE) и о том, как получилось интегрировать в неё разреженную смесь экспертов (sparse Mixture of Experts, MoE).

Модель мы назвали SESAME — Speech Enhancement with Sparse Adaptive Mixture of Experts.

Building the complete brief

The page is ready to read now. The fuller skim-friendly version will appear here automatically.

The useful part

Мы — Александр Забурдаев, Ксения Золина, Даниил Марценюк, Илья Трофименко, Илья Кулешов — студенты мастерской по сервисам и платформам ИИ в Инженерно-математической школе НИУ ВШЭ и VK. Речь пойдёт о задаче улучшения качества речи (Speech Enhancement, SE) и о том, как получилось интегрировать в неё разреженную смесь экспертов (sparse Mixture of Experts, MoE). Модель мы назвали SESAME — Speech Enhancement with Sparse Adaptive Mixture of Experts.

How it works

  • В ней стандартные полносвязные блоки внутри трансформера заменены на разреженный MoE-модуль.
  • А заодно разберём, какие трюки из мира LLM в аудио работают, а какие нет (например, Expert Choice) — и почему.

Keep reading in the app

Open the app view to save this story, compare related coverage, and continue from the same source.

Open in app