Mtl Mimic Voicebank

🚀 类ResNet模型

本仓库提供了在SpeechBrain中进行语音增强和鲁棒自动语音识别（ASR）训练所需的所有工具。为获得更好的使用体验，建议您进一步了解 SpeechBrain。该模型的性能如下：

该模型适用于SpeechBrain v0.5.12版本。

🚀 快速开始

本项目提供了在SpeechBrain中进行语音增强和鲁棒自动语音识别（ASR）训练的工具，若想获得更好体验，建议了解 SpeechBrain。

✨ 主要特性

• 标签：Robust ASR、audio-to-audio、speech-enhancement、PyTorch、speechbrain
• 许可证：apache-2.0
• 数据集：Voicebank、DEMAND
• 评估指标：WER、PESQ、COVL

📦 安装指南

首先，请使用以下命令安装SpeechBrain：

pip install speechbrain

建议您阅读我们的教程，进一步了解 SpeechBrain。

💻 使用示例

基础用法

使用以下简单代码，即可使用经过模拟损失训练的模型进行语音增强：

import torchaudio
from speechbrain.inference.enhancement import WaveformEnhancement

enhance_model = WaveformEnhancement.from_hparams(
    source="speechbrain/mtl-mimic-voicebank",
    savedir="pretrained_models/mtl-mimic-voicebank",
)
enhanced = enhance_model.enhance_file("speechbrain/mtl-mimic-voicebank/example.wav")

# Saving enhanced signal on disk
torchaudio.save('enhanced.wav', enhanced.unsqueeze(0).cpu(), 16000)

该系统使用采样率为16kHz（单声道）的录音进行训练。调用 enhance_file 时，代码会自动对音频进行归一化处理（即重采样和单声道选择）。如果使用 enhance_batch，请确保输入张量符合预期的采样率。

高级用法

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

import torchaudio
from speechbrain.inference.enhancement import WaveformEnhancement

enhance_model = WaveformEnhancement.from_hparams(
    source="speechbrain/mtl-mimic-voicebank",
    savedir="pretrained_models/mtl-mimic-voicebank",
    run_opts={"device":"cuda"}
)
enhanced = enhance_model.enhance_file("speechbrain/mtl-mimic-voicebank/example.wav")

# Saving enhanced signal on disk
torchaudio.save('enhanced.wav', enhanced.unsqueeze(0).cpu(), 16000)

📚 详细文档

管道描述

模拟损失训练系统包含以下三个步骤：

1. 在干净语音特征上预训练一个感知模型，该特征类型与增强掩码系统所使用的特征类型相同。
2. 使用预训练的感知模型，通过模拟损失训练一个增强模型。
3. 使用增强前端对在LibriSpeech上预训练的大型ASR模型进行微调。

增强模型和ASR模型可以一起使用，也可以独立使用。

训练步骤

若要从头开始训练该模型，请按照以下步骤操作：

1. 克隆SpeechBrain仓库：

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

2. 安装SpeechBrain：

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

3. 运行训练脚本：

cd  recipes/Voicebank/MTL/ASR_enhance
python train.py hparams/enhance_mimic.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。

🔧 技术细节

模拟损失训练系统分三步：先在干净语音特征预训练感知模型，再用其训练增强模型，最后微调ASR模型。增强和ASR模型可联用或单用。

📄 许可证

本项目采用 apache-2.0 许可证。

🔗 引用信息

引用模拟损失

如果您觉得模拟损失有用，请引用以下文献：

@inproceedings{bagchi2018spectral,
title={Spectral Feature Mapping with Mimic Loss for Robust Speech Recognition},
author={Bagchi, Deblin and Plantinga, Peter and Stiff, Adam and Fosler-Lussier, Eric},
booktitle={IEEE Conference on Audio, Speech, and Signal Processing (ICASSP)},
year={2018}
}

引用SpeechBrain

如果您在研究或业务中使用了SpeechBrain，请引用以下内容：

@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}
}

🔗 关于SpeechBrain

• 官网：https://speechbrain.github.io/
• 代码仓库：https://github.com/speechbrain/speechbrain/
• HuggingFace：https://huggingface.co/speechbrain/