noise-suppression-poconetlike-0001¶
ユースケースと概要説明¶
これは、音声をよりクリーンにするノイズ抑制を行う PoCoNet に似たモデルです。このモデルは PoCoNet アーキテクチャーに基づいており、DNS-Challenge データセットの論文に基づいてトレーニングされています。ネットワークは 16kHz でサンプリングされたモノラルオーディオで動作します。オーディオは 2048 サイズのパッチによって反復処理されます。各反復で 2048 (128ms) サンプルを入力として受け取り、640 (40ms) サンプル遅延で 2048 (128ms) サンプルを出力として返します。さらに、ネットワークでは処理をシームレスにするため 50 個の状態テンソルが必要です。最初の反復では、状態テンソルを 0 で埋める必要があります。反復の結果として、テンソルは前の反復の対応する出力から取得する必要があります。ノイズ抑制 Python* デモを試して、その仕組みを確認してください。
精度¶
SISDR 品質メトリックは、DNS-Challenge 2021 データセットから 100 個の開発テスト合成音声クリップに基づいて計算されました。
メトリック |
値 |
---|---|
入力ノイズ信号用の SISDR |
11.73 dB |
出力クリーン信号用の SISDR |
20.54 dB |
SISDR の増加 |
+8.81 dB |
入力¶
シーケンスパッチ、名前: input
、形状: 1, 2048
、形式: B, T
。
説明:
B
- バッチサイズT
- パッチ内のサンプル数
入力状態、名前: inp_state_*
、前のステップからの対応する out_state_*
を入力する必要があります。
出力¶
シーケンスパッチ、名前: output
、形状: 1, 2048
、形式: B, T
。
説明:
B
- バッチサイズ-
T
- パッチ内のサンプル数 注: 出力パッチは、時間内で 640 (40ms) サンプルずつ “シフト” されます。したがって、output[0,i] サンプルは input[0,i-640] サンプルと同期されます。
出力状態、名前: out_state_*
、次のステップで対応する inp_state_*
を埋めるために使用する必要があります。
法務上の注意書き¶
* その他の社名、製品名などは、一般に各社の表示、商標または登録商標です。