Convtasnet Libri1Mix Enhsingle 16k

🚀 Asteroid模型 JorisCos/ConvTasNet_Libri1Mix_enhsignle_16k

該模型是一個音頻處理相關的模型，主要基於ConvTasNet架構，在特定的音頻數據集上進行訓練，可用於音頻增強等任務。

✨ 主要特性

• 基於Asteroid框架，使用librimix配方進行訓練。
• 針對Libri1Mix數據集的enh_single任務進行訓練。

📦 安裝指南

文檔未提及安裝步驟，暫不提供。

💻 使用示例

文檔未提及使用示例代碼，暫不提供。

📚 詳細文檔

模型描述

此模型由Joris Cosentino使用Asteroid中的librimix配方進行訓練。它在Libri1Mix數據集的enh_single任務上進行訓練。

訓練配置

data:
  n_src: 1
  sample_rate: 16000
  segment: 3
  task: enh_single
  train_dir: data/wav16k/min/train-360
  valid_dir: data/wav16k/min/dev
filterbank:
  kernel_size: 32
  n_filters: 512
  stride: 16
masknet:
  bn_chan: 128
  hid_chan: 512
  mask_act: relu
  n_blocks: 8
  n_repeats: 3
  n_src: 1
  skip_chan: 128
optim:
  lr: 0.001
  optimizer: adam
  weight_decay: 0.0
training:
  batch_size: 6
  early_stop: true
  epochs: 200
  half_lr: true
  num_workers: 4

模型結果

在Libri1Mix最小測試集上的結果如下：

si_sdr: 14.743051006476085
si_sdr_imp: 11.293269700616385
sdr: 15.300522933671061
sdr_imp: 11.797860134458015
sir: Infinity
sir_imp: NaN
sar: 15.300522933671061
sar_imp: 11.797860134458015
stoi: 0.9310514162434267
stoi_imp: 0.13513159270288563

📄 許可證

此作品 "ConvTasNet_Libri1Mix_enhsignle_16k" 是Vassil Panayotov的 LibriSpeech ASR語料庫 的衍生作品，該語料庫遵循 CC BY 4.0 許可使用；也是 Whisper.ai 的The WSJ0 Hipster Ambient Mixtures數據集的衍生作品，該數據集遵循 CC BY - NC 4.0（僅用於研究）許可使用。"ConvTasNet_Libri1Mix_enhsignle_16k" 由Joris Cosentino根據 Attribution - ShareAlike 3.0 Unported 許可使用。