语言: "英文" 缩略图: 标签:

• 源分离
• 语音分离
• 音频源分离
• Libri3Mix
• SepFormer
• 变压器
• 音频到音频
• 音频源分离
• speechbrain 许可证: "apache-2.0" 数据集:
• Libri3Mix 指标:
• SI-SNRi
• SDRi

基于Libri3Mix训练的SepFormer

此仓库提供了使用SepFormer模型进行音频源分离所需的所有工具，该模型由SpeechBrain实现，并在Libri3Mix数据集上进行了预训练。为了更好地体验，我们鼓励您了解更多关于SpeechBrain的信息。该模型在Libri3Mix数据集测试集上的性能为19.8 dB SI-SNRi。

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。

对您自己的音频文件进行源分离

from speechbrain.pretrained import SepformerSeparation as separator
import torchaudio

model = separator.from_hparams(source="speechbrain/sepformer-libri3mix", savedir='pretrained_models/sepformer-libri3mix')

est_sources = model.separate_file(path='speechbrain/sepformer-wsj03mix/test_mixture_3spks.wav') 

torchaudio.save("source1hat.wav", est_sources[:, :, 0].detach().cpu(), 8000)
torchaudio.save("source2hat.wav", est_sources[:, :, 1].detach().cpu(), 8000)
torchaudio.save("source3hat.wav", est_sources[:, :, 2].detach().cpu(), 8000)

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

在GPU上进行推理

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

训练

该模型使用SpeechBrain（fc2eabb7）进行训练。要从头开始训练，请按照以下步骤操作：

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/LibriMix/separation
python train.py hparams/sepformer.yaml --data_folder=your_data_folder

注意：在yaml文件中将num_spks更改为3。

您可以在这里找到我们的训练结果（模型、日志等）。

限制

SpeechBrain团队不对该模型在其他数据集上的性能提供任何保证。

引用SpeechBrain

@misc{speechbrain,
  title={{SpeechBrain}: 一个通用语音工具包},
  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SepFormer

@inproceedings{subakan2021attention,
      title={注意力机制在语音分离中的全面应用}, 
      author={Cem Subakan and Mirco Ravanelli and Samuele Cornell and Mirko Bronzi and Jianyuan Zhong},
      year={2021},
      booktitle={ICASSP 2021}
}

@article{subakan2023exploring,
  author={Subakan, Cem and Ravanelli, Mirco and Cornell, Samuele and Grondin, François and Bronzi, Mirko},
  journal={IEEE/ACM音频、语音与语言处理汇刊}, 
  title={探索自注意力机制在语音分离中的应用}, 
  year={2023},
  volume={31},
  pages={2169-2180},

关于SpeechBrain

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