Fasnettac Paper

🚀 Asteroid模型 Samuele Cornell/FasNetTAC_TACDataset_separatenoisy

這是一個音頻處理相關的模型，基於Asteroid框架訓練，可用於多聲道音頻分離等任務，在TACDataset數據集上進行訓練並取得了一定的效果。

🚀 快速開始

該模型從 Zenodo 導入。

✨ 主要特性

• 標籤豐富：涵蓋小行星、音頻、FasNet - TAC、音頻到音頻轉換、多聲道、波束形成等領域標籤。
• 數據集適用：在TACDataset和sep_noisy數據集上進行訓練。

📚 詳細文檔

描述

此模型由popcornell使用Asteroid中的TAC/TAC配方進行訓練，在TACDataset數據集的separate_noisy任務上進行訓練。

訓練配置

data:
    dev_json: ./data/validation.json
    sample_rate: 16000
    segment: None
    test_json: ./data/test.json
    train_json: ./data/train.json
net:
    chunk_size: 50
    context_ms: 16
    enc_dim: 64
    feature_dim: 64
    hidden_dim: 128
    hop_size: 25
    n_layers: 4
    n_src: 2
    window_ms: 4
optim:
    lr: 0.001
    weight_decay: 1e-06
training:
    accumulate_batches: 1
    batch_size: 8
    early_stop: True
    epochs: 200
    gradient_clipping: 5
    half_lr: True
    num_workers: 8
    patience: 30
    save_top_k: 10

結果

si_sdr: 10.871864315894744
si_sdr_imp: 11.322284052560262

📄 許可證

本作品 "FasNetTAC_TACDataset_separatenoisy" 是Vassil Panayotov的LibriSpeech ASR語料庫（在CC BY 4.0許可下使用）以及Yi Luo、Zhuo Chen、Nima Mesgarani、Takuya Yoshioka的《End - to - end Microphone Permutation and Number Invariant Multi - channel Speech Separation》（在CC BY 4.0許可下使用）的衍生作品。"FasNetTAC_TACDataset_separatenoisy" 由popcornell根據Attribution - ShareAlike 3.0 Unported許可進行許可。