language: "zh" thumbnail: tags:

• 源分离
• 语音分离
• 音频源分离
• WSJ02Mix
• SepFormer
• Transformer
• 音频到音频
• 音频源分离
• speechbrain license: "apache-2.0" datasets:
• WSJ0-2Mix metrics:
• SI-SNRi
• SDRi

基于WSJ0-2Mix训练的RE-SepFormer模型

本仓库提供使用RE-SepFormer模型进行音频源分离的所有必要工具，该模型由SpeechBrain实现，并在WSJ0-2Mix数据集上进行了预训练。为了更好地使用体验，我们建议您了解更多关于SpeechBrain的信息。该模型在WSJ0-2Mix测试集上的性能为18.6 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，了解更多关于SpeechBrain的信息。

对您自己的音频文件进行源分离

from speechbrain.inference.separation import SepformerSeparation as separator
import torchaudio

model = separator.from_hparams(source="speechbrain/resepformer-wsj02mix", savedir='pretrained_models/resepformer-wsj02mix')

# 对于自定义文件，请更改路径
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)

系统期望输入录音的采样率为8kHz（单声道）。如果您的信号采样率不同，请在使用接口前重新采样（例如使用torchaudio或sox）。

在GPU上进行推理

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

训练

该模型使用SpeechBrain（fc2eabb7版本）训练。从头开始训练步骤如下：

1. 克隆SpeechBrain：

git clone https://github.com/speechbrain/speechbrain/

2. 安装：

cd speechbrain
pip install -r requirements.txt
pip install -e .

3. 运行训练：

cd recipes/WSJ0Mix/separation
python train.py hparams/sepformer.yaml --data_folder=您的数据文件夹

您可以在这里找到我们的训练结果（模型、日志等）。

局限性

SpeechBrain团队不保证该模型在其他数据集上的性能表现。

引用SpeechBrain

@misc{speechbrain,
  title={{SpeechBrain}: 通用语音工具包},
  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RE-SepFormer

@inproceedings{dellalibera2024resourceefficient,
      title={资源高效的分离Transformer}, 
      author={Luca Della Libera and Cem Subakan and Mirco Ravanelli and Samuele Cornell and Frédéric Lepoutre and François Grondin},
      year={2024},
      booktitle={ICASSP 2024},
}

关于SpeechBrain

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