基于神经网络的语音分离必读论文和教程列表 该存储库包含用于纯语音分离和多模式语音分离的论文。 通过Kai Li（如果有任何建议，请与我联系！电子邮件： ）。 提示：对于语音分离初学者，我建议您阅读“深度群集”和“ PIT＆uPIT”作品，这将有助于理解问题。 如果您发现以下某些文章的代码，欢迎添加链接。 纯语音分离 :check_mark: [用于单声道信号源分离的蒙版和深度递归神经网络的联合优化，黄波森，TASLP 2015] :check_mark: [用于单声道语音分离的复杂比率掩盖，DS Williamson，TASLP，2015年] :check_mark: [深度聚类：用于分段和分离的区分嵌入，JR Hershey，ICASSP 2016] :check_mark: [使用深度聚类的单通道多扬声器分离，Y Isik，Interspeech 2016] :check_mark: [用于与说话者无关的多说话者语音分离的深度模型的置换

言语增强 文件DCUnet.ipynb源自的程序。 已进行了一些修改，以使该程序可以在2021年2月在Colab的版本上运行。具体地说，笔记本电脑使用以下程序包： torchaudio == 0.5.0a0 + 738ccba tqdm == 4.56.2 numpy == 1.19.2 pesq == 0.0.2 scipy == 1.4.1 matplotlib == 3.3.1 火炬== 1.5.1 DCUnet16.ipynb：在16kHz波形文件上进行训练和测试DCUnet48.ipynb：在48kHz波形文件上进行训练和测试（类似于 ）

用于单通道语音增强的深噪声抑制模型的比较评估 考虑到视频会议系统和流传输工具的日益增加的使用，具有计算有效和有效的语音增强器变得有利和必要。 Microsoft DNS挑战极大地促进了该领域的创新，但仍有很大的改进空间。 这项工作比较了此挑战中提出的两种用于语音增强的深度学习模型：NSNet2和双信号转换LSTM网络（DTLN）。 在基于混响时间RT60和信噪比（SNR）规范的两种对比条件下，分别使用两个数据集和三种不同的以语音质量为中心的措施对这两种模型进行了比较：语音质量的感知评估（PESQ），深噪声抑制平均意见分数（DNSMOS）和虚拟语音质量目标听众（ViSQOL）。 概述 这是“单声道语音增强的深噪声抑制模型的比较评估”研究报告的伴随代码，该研究由EstebanGómez进行，该研究是巴塞罗那Pompeu Fabra大学的声音和音乐计算硕士学位的学生，是音乐信息的一部分检索过程。

SEWUNet 通过深波U-Net增强语音 在检查全文。 介绍 在本文中，我们提出了一种端到端的方法来从其原始波形上的语音信号中删除背景上下文。 网络的输入是音频，具有16kHz的采样率，并在5dB到15dB的信噪比内均匀分布地被附加噪声所破坏。 该系统旨在产生具有清晰语音内容的信号。 当前，有多种深度学习架构可用于此任务，从基于频谱的前端到原始波形，其结果令人鼓舞。 我们的方法基于Wave-U-Net体系结构，并对我们的问题进行了一些调整，在初始化主要任务的训练之前，建议通过自动编码器进行权重初始化。 我们表明，通过定量指标，我们的方法优于经典的维纳滤波。 如何使用 有两种使用此存储库的方式：1.使用数据训练自己的模型2.仅将技术应用于具有预先训练的模型的数据 如何训练 tl; dr：以与本文所示相同的方式训练最佳模型的步骤。 将LibriSpeech数据集和UrbanSound8K

很棒的语音增强 语音前端列表，例如语音增强\语音分离\声源定位 语音分离 Tasnet：时域音频分离网络，用于实时单通道语音分离 Conv-TasNet：用于语音分离的超越理想的时频屏蔽 双路径RNN：用于时域单通道语音分离的高效长序列建模 DANet：用于单通道语音分离的深层吸引网络（DANet） TAC端到端麦克风排列和数目不变的多通道语音分离 uPIT进行语音分离：使用发声级PIT进行语音分离 LSTM_PIT_Speech_Separation 深度集群 小行星：面向研究人员的基于PyTorch的音频源分离工具套件 声音分离（Google） 声音分离：使用Pytorch基于深度学习的语音源分离 ONSSEN：开源语音分离和增强库 音乐源分离 歌声分离 盲源分离技术比较 FastICA 基于本地化和优先级的双耳分离算法 卷积传递函数不变SDR 语音