Denoiser: 实时语音增强在波形域的应用（Interspeech 2020）我们提供了论文《波形域中的实时语音增强》的PyTorch...

简介：
本文介绍了实时语音增强技术在波形域的应用，提出了基于Pytorch框架的Denoiser模型，在Interspeech 2020会议上发表。 本段落介绍了一种在Interspeech 2020会议上提出的实时语音增强方法的实现。我们提出了一种因果性语音增强模型，可以在便携式计算机CPU上进行原始波形处理，并实现实时运行。 该模型基于具有跳过连接的编码器-解码器架构设计而成。通过使用多个损失函数，在时间域和频率域对其进行优化，可以有效消除各种背景噪音（包括固定与非固定的环境噪声以及房间混响）。此外，我们还提出了一种直接在原始波形上应用数据增强技术的方法，以进一步提高模型性能及泛化能力。 安装步骤如下：首先，请确保您已经安装了Python 3.7版本（推荐使用Anaconda）；接着根据您的需求选择相应的操作方式。如果您仅想利用预训练的模型进行测试，则可以通过pip命令快速完成依赖项安装；而如果需要对模型进行培训或学习，建议先克隆此存储库并按照说明安装相关依赖环境。我们还建议在全新的virtualenv中运行以避免潜在冲突问题。