SepFormer基于WHAM！数据集进行语音增强（8k采样频率）

此存储库提供了使用SpeechBrain实现的 SepFormer 模型进行语音增强（降噪）的所有必要工具，并在 WHAM! 数据集上进行了预训练，采用8k采样频率。该数据集基本上是WSJ0-Mix数据集的一个版本，包含8k的环境噪声和混响。为了更好的体验，我们鼓励您了解 SpeechBrain 的更多信息。给定模型在WHAM！数据集的测试集上的性能为14.35 dB SI-SNR。

安装SpeechBrain

首先，请使用以下命令安装SpeechBrain：

pip install speechbrain

请注意，我们鼓励您阅读我们的教程，了解更多关于 SpeechBrain 的信息。

对自己的音频文件执行语音增强

from speechbrain.pretrained import SepformerSeparation as separator
import torchaudio

model = separator.from_hparams(source="speechbrain/sepformer-wham-enhancement", savedir='pretrained_models/sepformer-wham-enhancement')

# for custom file, change path
est_sources = model.separate_file(path='speechbrain/sepformer-wham-enhancement/example_wham.wav') 

torchaudio.save("enhanced_wham.wav", est_sources[:, :, 0].detach().cpu(), 8000)

在GPU上进行推理

要在GPU上执行推理，请在调用from_hparams方法时添加run_opts={"device":"cuda"}。

训练

训练脚本目前正在进行一个正在进行的拉取请求。

一旦PR合并，我们将更新模型卡片。

您可以在此处找到我们的训练结果（模型、日志等） here 。

限制

SpeechBrain团队不对将该模型用于其他数据集时的性能提供任何保证。

@misc{speechbrain,
  title={{SpeechBrain}: A General-Purpose Speech Toolkit},
  author={Mirco Ravanelli and Titouan Parcollet and Peter Plantinga and Aku Rouhe and Samuele Cornell and Loren Lugosch and Cem Subakan and Nauman Dawalatabad and Abdelwahab Heba and Jianyuan Zhong and Ju-Chieh Chou and Sung-Lin Yeh and Szu-Wei Fu and Chien-Feng Liao and Elena Rastorgueva and François Grondin and William Aris and Hwidong Na and Yan Gao and Renato De Mori and Yoshua Bengio},
  year={2021},
  eprint={2106.04624},
  archivePrefix={arXiv},
  primaryClass={eess.AS},
  note={arXiv:2106.04624}
}

@inproceedings{subakan2021attention,
      title={Attention is All You Need in Speech Separation}, 
      author={Cem Subakan and Mirco Ravanelli and Samuele Cornell and Mirko Bronzi and Jianyuan Zhong},
      year={2021},
      booktitle={ICASSP 2021}
}

关于SpeechBrain

• 网站： https://speechbrain.github.io/
• 代码： https://github.com/speechbrain/speechbrain/
• HuggingFace： https://huggingface.co/speechbrain/