Sepformer Wham

🚀 基于WHAM!数据集训练的SepFormer模型

本仓库提供了使用 SepFormer 模型进行音频源分离所需的所有工具。该模型基于 SpeechBrain 实现，并在 WHAM! 数据集上进行了预训练。WHAM! 数据集本质上是带有环境噪声的 WSJ0 - Mix 数据集的一个版本。为了获得更好的体验，建议您进一步了解 SpeechBrain。该模型在 WHAM! 数据集测试集上的 SI - SNRi 指标达到了 16.3 dB。

🚀 快速开始

📦 安装指南

首先，请使用以下命令安装 SpeechBrain：

pip install speechbrain

请注意，建议您阅读我们的教程，进一步了解 SpeechBrain。

💻 使用示例

基础用法

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/sepformer-wham", savedir='pretrained_models/sepformer-wham')

# 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)

该系统期望输入的录音采样率为 8kHz（单声道）。如果您的信号采样率不同，请在使用该接口之前对其进行重采样（例如，使用 torchaudio 或 sox）。

高级用法

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

训练

该模型使用 SpeechBrain (e375cd13) 进行训练。要从头开始训练该模型，请按照以下步骤操作：

1. 克隆 SpeechBrain：

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

2. 安装它：

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

3. 运行训练：

cd  recipes/WHAMandWHAMR/separation
python train.py hparams/sepformer-wham.yaml --data_folder=your_data_folder

您可以在 此处 找到我们的训练结果（模型、日志等）。

局限性

SpeechBrain 团队不对该模型在其他数据集上的性能提供任何保证。

📄 许可证

本项目采用 Apache - 2.0 许可证。

引用

引用 SpeechBrain

@misc{speechbrain,
  title={{SpeechBrain}: A General-Purpose Speech Toolkit},
  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={Attention is All You Need in Speech Separation}, 
      author={Cem Subakan and Mirco Ravanelli and Samuele Cornell and Mirko Bronzi and Jianyuan Zhong},
      year={2021},
      booktitle={ICASSP 2021}
}

关于 SpeechBrain

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