Skip to content

基于深度学习的语音增强工具(Speech Enhancement Tools Based on Deep Learning)

License

Notifications You must be signed in to change notification settings

tech-podcasts/SpeechEnhancement

Repository files navigation

Speech Enhancement

Speech Enhancement 是一个基于深度学习模型的语音降噪和去混响工具。

  • 支持多种格式音频文件
  • 基于 CPU 推理的语音增强模型
  • 基于 EBU R128 标准对响度进行归一化处理
  • 分片并行处理,提高处理效率

安装

Docker

  1. 拉取Docker镜像

    dockerHub

    docker pull goomd/ghcr.io.tech-podcasts.speech_enhancement:latest

    Github Packages

    docker pull ghcr.io/tech-podcasts/speech_enhancement:latest

  2. 启动容器

    dockerHub

    docker run -p <主机端口>:8080 -d goomd/ghcr.io.tech-podcasts.speech_enhancement:latest

    Github Packages

    docker run -p <主机端口>:8080 -d speech_enhancement:latest

    其中,主机端口是指用户在主机上访问该服务的端口。

使用

你可以通过浏览器访问主机的端口,即可使用该服务。

我们的处理链默认音频格式为采样率44100Hz,采样深度16bit的wav文件,如果你的文件不是这个格式会进行转码操作,从而会增加一定的处理时间。

最终完成的文件将是一个wav文件,所以文件会比原文件大很多。以mp3为例,如果原文件大小为10M,那么处理后的文件大小将会是50M左右。

性能

在 4 核 8 线程的 CPU 上,处理 40 分钟的音频文件,耗时在5分钟左右。

参考

DeepFilterNet

ffmpeg

ffmpeg-normalize

gin