Dprnntasnet Ks16 WHAM Sepclean

🚀 Asteroidモデル mpariente/DPRNNTasNet(ks=16)_WHAM!_sepclean

♻️ https://zenodo.org/record/3903795#.X8pMBRNKjUI からインポートされました。

このモデルは、Manuel ParienteによってAsteroidのwham/DPRNNレシピを使用してトレーニングされました。WHAM!データセットのsep_cleanタスクでトレーニングされました。

🚀 クイックスタート

このモデルは、音声ソース分離のために設計されており、Asteroidフレームワークを使用してトレーニングされました。以下のセクションでは、このモデルの使用方法とトレーニング設定について説明します。

✨ 主な機能

• WHAM!データセットのsep_cleanタスクでトレーニングされた音声ソース分離モデル。
• Asteroidフレームワークを使用して開発されている。

📦 インストール

インストールに関する具体的な手順は提供されていません。

💻 使用例

基本的な使用法

# coming soon

高度な使用法

# 高度な使用法に関する説明はまだ提供されていません。

📚 ドキュメント

トレーニング設定

結果

Asteroidの引用

@inproceedings{Pariente2020Asteroid,
    title={Asteroid: the {PyTorch}-based audio source separation toolkit for researchers},
    author={Manuel Pariente and Samuele Cornell and Joris Cosentino and Sunit Sivasankaran and
            Efthymios Tzinis and Jens Heitkaemper and Michel Olvera and Fabian-Robert Stöter and
            Mathieu Hu and Juan M. Martín-Doñas and David Ditter and Ariel Frank and Antoine Deleforge
            and Emmanuel Vincent},
    year={2020},
    booktitle={Proc. Interspeech},
}

またはarXivでの引用:

@misc{pariente2020asteroid,
      title={Asteroid: the PyTorch-based audio source separation toolkit for researchers}, 
      author={Manuel Pariente and Samuele Cornell and Joris Cosentino and Sunit Sivasankaran and Efthymios Tzinis and Jens Heitkaemper and Michel Olvera and Fabian-Robert Stöter and Mathieu Hu and Juan M. Martín-Doñas and David Ditter and Ariel Frank and Antoine Deleforge and Emmanuel Vincent},
      year={2020},
      eprint={2005.04132},
      archivePrefix={arXiv},
      primaryClass={eess.AS}
}

📄 ライセンス

このモデルはCC BY-SA 4.0ライセンスの下で提供されています。