标签:

• 小行星
• 音频
• DPTNet
• 音频转音频 数据集:
• Libri1Mix
• 增强单声道 许可证:
• 知识共享署名-相同方式共享 4.0

小行星模型 JorisCos/DPTNet_Libri1Mix_enhsignle_16k

描述:

该模型由Joris Cosentino使用Asteroid中的librimix配方训练而成。 它是在Libri1Mix数据集的enh_single任务上进行训练的。

训练配置:

数据:
  音源数量: 1
  采样率: 16000
  片段长度: 3
  任务: 增强单声道
  训练目录: data/wav16k/min/train-360
  验证目录: data/wav16k/min/dev
滤波器组:
  核大小: 16
  滤波器数量: 64
  步长: 8
掩码网络:
  双向: 是
  块大小: 100
  丢弃率: 0
  前馈激活函数: relu
  前馈隐藏层: 256
  跳跃大小: 50
  输入通道: 64
  掩码激活函数: sigmoid
  重复次数: 2
  音源数量: 1
  归一化类型: gLN
  输出通道: 64
优化器:
  学习率: 0.001
  优化算法: adam
  权重衰减: 1.0e-05
调度器:
  模型维度: 64
  每周期步数: 10000
训练:
  批次大小: 4
  早停: 是
  周期数: 200
  梯度裁剪: 5
  半学习率: 是
  工作线程数: 4

结果:

在Libri1Mix最小测试集上:

si_sdr: 14.829670037349064
si_sdr提升: 11.379888731489366
sdr: 15.395712644737149
sdr提升: 11.893049845524112
sir: 无穷大
sir提升: 非数值
sar: 15.395712644737149
sar提升: 11.893049845524112
stoi: 0.9301948391058859
stoi提升: 0.13427501556534832

许可证声明:

本作品"DPTNet_Libri1Mix_enhsignle_16k"衍生自Vassil Panayotov的LibriSpeech ASR语料库，使用遵循CC BY 4.0许可；以及Whisper.ai的WSJ0 Hipster Ambient Mixtures数据集，使用遵循CC BY-NC 4.0许可(仅限研究用途)。"DPTNet_Libri1Mix_enhsignle_16k"由Joris Cosentino根据知识共享署名-相同方式共享 3.0 未移植许可授权。