英文

SepFormer 在 WHAMR 数据集上训练!

该存储库提供了使用 SpeechBrain 实施的 SepFormer 模型在 WHAMR! 数据集上进行音频源分离所需的所有工具。 WHAMR! 数据集基本上是带有环境噪声和混响的 WSJ0-Mix 数据集的一个版本,我们鼓励您了解更多关于 SpeechBrain 的信息以获得更好的体验。该模型在 WHAMR! 数据集的测试集上的性能为13.7 dB SI-SNRi。

Release Test-Set SI-SNRi Test-Set SDRi
30-03-21 13.7 dB 12.7 dB

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并了解更多关于 SpeechBrain 的信息。

对自己的音频文件执行源分离

from speechbrain.pretrained import SepformerSeparation as separator
import torchaudio

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

# for custom file, change path
est_sources = model.separate_file(path='speechbrain/sepformer-wsj02mix/test_mixture.wav') 

torchaudio.save("source1hat.wav", est_sources[:, :, 0].detach().cpu(), 8000)
torchaudio.save("source2hat.wav", est_sources[:, :, 1].detach().cpu(), 8000)

该系统希望以8kHz(单声道)的采样率输入录音。如果您的信号具有不同的采样率,请在使用界面之前对其进行重采样(例如使用 torchaudio 或 sox)。

在 GPU 上推断

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

训练

该模型是使用 SpeechBrain(e375cd13)进行训练的。要从头开始训练,请按照以下步骤进行:

  • 克隆 SpeechBrain:
  • git clone https://github.com/speechbrain/speechbrain/
    
  • 安装它:
  • cd speechbrain
    pip install -r requirements.txt
    pip install -e .
    
  • 运行训练:
  • cd  recipes/WHAMandWHAMR/separation
    python train.py hparams/sepformer-whamr.yaml --data_folder=YOUR_DATA_FOLDER --rir_path=YOUR_ROOM_IMPULSE_SAVE_PATH 
    

    您可以在此处找到我们的训练结果(模型、日志等) here

    限制

    SpeechBrain 团队不对在其他数据集上使用此模型时所达到的性能提供任何保证。

    引用 SpeechBrain
    @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}
    }
    
    引用 SepFormer
    @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