Sepformer Libri2mix

🚀 基於Libri2Mix訓練的SepFormer模型

本倉庫提供了使用 SepFormer 模型進行音頻源分離所需的所有工具。該模型使用 SpeechBrain 實現，並在 Libri2Mix 數據集上進行了預訓練。為了獲得更好的體驗，我們建議您進一步瞭解 SpeechBrain。該模型在 Libri2Mix 數據集測試集上的性能達到了 20.6 dB。

您可以通過 此處 收聽在 WSJ0 - 2/3Mix 測試集上獲得的示例結果。

🚀 快速開始

本倉庫提供了使用基於 SpeechBrain 實現的 SepFormer 模型進行音頻源分離的必要工具，該模型在 Libri2Mix 數據集上進行了預訓練。為獲得更好的使用體驗，建議您進一步瞭解 SpeechBrain。該模型在 Libri2Mix 數據集測試集上的性能為 20.6 dB。

📦 安裝指南

安裝 SpeechBrain

首先，請使用以下命令安裝 SpeechBrain：

pip install speechbrain

建議您閱讀我們的教程，進一步瞭解 SpeechBrain。

💻 使用示例

基礎用法

在您自己的音頻文件上進行源分離：

from speechbrain.pretrained import SepformerSeparation as separator
import torchaudio

model = separator.from_hparams(source="speechbrain/sepformer-libri2mix", savedir='pretrained_models/sepformer-libri2mix')

# 若使用自定義文件，請修改路徑
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)

系統期望輸入的錄音採樣率為 8kHz（單聲道）。如果您的信號採樣率不同，請在使用該接口之前對其進行重採樣（例如，使用 torchaudio 或 sox）。

高級用法

在 GPU 上進行推理

若要在 GPU 上進行推理，在調用 from_hparams 方法時添加 run_opts={"device":"cuda"}。

🔧 技術細節

訓練步驟

該模型使用 SpeechBrain (fc2eabb7) 進行訓練。若要從頭開始訓練，請按照以下步驟操作：

1. 克隆 SpeechBrain 倉庫：

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

2. 安裝依賴：

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

3. 運行訓練：

cd  recipes/Libri2Mix/separation
python train.py hparams/sepformer.yaml --data_folder=your_data_folder

您可以在 此處 找到我們的訓練結果（模型、日誌等）。

侷限性

SpeechBrain 團隊不對該模型在其他數據集上的性能提供任何保證。

📄 許可證

本項目採用 Apache - 2.0 許可證。

🔖 參考文獻

SpeechBrain 引用

@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}
}

SepFormer 引用

@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}
}

@article{subakan2023exploring,
  author={Subakan, Cem and Ravanelli, Mirco and Cornell, Samuele and Grondin, François and Bronzi, Mirko},
  journal={IEEE/ACM Transactions on Audio, Speech, and Language Processing}, 
  title={Exploring Self-Attention Mechanisms for Speech Separation}, 
  year={2023},
  volume={31},
  pages={2169-2180},
}

關於 SpeechBrain

• 官網：https://speechbrain.github.io/
• 代碼倉庫：https://github.com/speechbrain/speechbrain/
• HuggingFace 頁面：https://huggingface.co/speechbrain/