因果Mamba实时降噪达3.32 PESQ

在25毫秒算法延迟约束下，实时语音增强可以做到3.32 PESQ——这是Rong Chao等人自报的RT-SEMamba在Voicebank-DEMAND上的结果，模型基于因果时频Mamba块。

此前实时降噪要在延迟和音质之间取舍，8层教师模型虽好但算力重。作者用渐进知识蒸馏把8层教师压到1层学生，PESQ由朴素1层基线的3.06升至3.18，稳态RTF不变，较教师提速2.64倍。作者称固定大小循环状态使长时推理更省内存与带宽。

以上均为作者自报的基准结果，尚未见第三方复现。预印本首版8月12日提交，9月16日修订至v2，arXiv页面标注获INTERSPEECH 2026接收（arXiv:2608.12099）。