Sepformer Wsj02mix

🚀 SepFormer在WSJ0 - 2Mix上的预训练模型

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 WSJ0 - 2Mix 数据集上进行了预训练。为了获得更好的使用体验，我们建议您进一步了解 SpeechBrain。该模型在 WSJ0 - 2Mix 数据集测试集上的性能达到了 22.4 dB。

您可以通过 此处 收听在 WSJ0 - 2/3Mix 测试集上获得的示例结果。

🚀 快速开始

✨ 主要特性

• 提供基于 SepFormer 模型的音频源分离工具。
• 模型在 WSJ0 - 2Mix 数据集上预训练，性能良好。
• 支持在自定义音频文件上进行源分离。
• 可在 GPU 上进行推理。

📦 安装指南

首先，请使用以下命令安装 SpeechBrain：

pip install speechbrain

请注意，我们建议您阅读我们的教程，进一步了解 SpeechBrain。

💻 使用示例

基础用法

from speechbrain.inference.separation import SepformerSeparation as separator
import torchaudio

model = separator.from_hparams(source="speechbrain/sepformer-wsj02mix", savedir='pretrained_models/sepformer-wsj02mix')

# 对于自定义文件，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
from speechbrain.inference.separation import SepformerSeparation as separator
import torchaudio

model = separator.from_hparams(source="speechbrain/sepformer-wsj02mix", savedir='pretrained_models/sepformer-wsj02mix', run_opts={"device":"cuda"})

# 对于自定义文件，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)

🔧 技术细节

训练步骤

该模型使用 SpeechBrain（fc2eabb7）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 SpeechBrain：

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

3. 运行训练：

cd  recipes/WSJ0Mix/separation
python train.py hparams/sepformer.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）。

📄 许可证

本项目采用 Apache 2.0 许可证。

📚 详细文档

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

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

⚠️ 重要提示

SpeechBrain 团队不对该模型在其他数据集上的性能提供任何保证。

💡 使用建议

为了获得更好的使用体验，建议您进一步了解 SpeechBrain。