模型:
JunzheJosephZhu/MultiDecoderDPRNN
许可:
cc-by-sa-4.0代码:此预训练模型的代码可以在此处找到 here .
笔记本:包含示例的 Colab 笔记本可以在此处找到 here
Paper :"多解码器 DPRNN:高准确度源计数和分离",朱军哲,叶瑞蒙,Mark Hasegawa-Johnson。ICASSP(2021)。
摘要:本模型在具有未知扬声器数量的源分离问题上达到了 SOTA 级别。它使用多个解码器头(每个头处理不同数量的扬声器),以及一个分类器头,用于选择要使用的解码器头。
该模型由 Joseph Zhu 使用 Asteroid 中的 wsj0-mix-var/Multi-Decoder-DPRNN 配方进行训练。它是在 Wsj0MixVar 数据集的 sep_count 任务上进行训练的。
filterbank: n_filters: 64 kernel_size: 8 stride: 4 masknet: n_srcs: [2, 3, 4, 5] bn_chan: 128 hid_size: 128 chunk_size: 128 hop_size: 64 n_repeats: 8 mask_act: 'sigmoid' bidirectional: true dropout: 0 use_mulcat: false training: epochs: 200 batch_size: 2 num_workers: 2 half_lr: yes lr_decay: yes early_stop: yes gradient_clipping: 5 optim: optimizer: adam lr: 0.001 weight_decay: 0.00000 data: train_dir: "data/{}speakers/wav8k/min/tr" valid_dir: "data/{}speakers/wav8k/min/cv" task: sep_count sample_rate: 8000 seglen: 4.0 minlen: 2.0 loss: lambda: 0.05
'Accuracy': 0.9723333333333334, 'P-Si-SNR': 10.36027378628496
本作品 "MultiDecoderDPRNN" 是根据 CSR-I (WSJ0) Complete 的衍生作品,由 LDC 使用在 LDC User Agreement for Non-Members 下(仅用于研究)。"MultiDecoderDPRNN" 由 Joseph Zhu 根据 Attribution-ShareAlike 3.0 Unported 授权许可。