yongxuUSTC / sednn

deep learning based speech enhancement using keras or pytorch, make it easy to use
http://staff.ustc.edu.cn/~jundu/The%20team/yongxu/demo/SE_DNN_taslp.html
334 stars 124 forks source link

如何使用多种信噪比数据来训练一个model? #48

Open Huer-H opened 5 years ago

Huer-H commented 5 years ago

你好,很感谢您的代码,然我对se有了更深的理解。 现在我有一些问题需要您的帮助。 1.您的代码中prepare_data.py中的pack_features中 这一部分我有点疑惑“Pad start and finish of the spectrogram with boarder values.” 这里为什么要使用边界值来填充谱图呢?

2.您的代码中是针对单独的SNR来进行增强过程的,我想问的是,我能不能通过多种信噪比的混合语音训练一个泛化性能较好的模型?具体实现方法您可不可以给一些建议?

3.您可不可以帮忙解释一个问题: 进行短时傅里叶变换的方法之间的区别 一个是使用librosa库,一个是您代码中的scipy库?

期待您的回复!

qiuqiangkong commented 5 years ago

您好!

1. 用边界值填充谱的原因是让预测的谱和原始谱的shape一样

2. 可以通过多信噪比进行混合,比如0db,5db等等。

3. 我们开发的第一个版本使用了scipy库,后来转向使用了librosa库。

Best wishes,

Qiuqiang


From: JH2018-2021 notifications@github.com Sent: 25 September 2019 10:01 To: yongxuUSTC/sednn sednn@noreply.github.com Cc: Subscribed subscribed@noreply.github.com Subject: [yongxuUSTC/sednn] 如何使用多种信噪比数据来训练一个model? (#48)

你好,很感谢您的代码,然我对se有了更深的理解。 现在我有一些问题需要您的帮助。 1.您的代码中prepare_data.py中的pack_features中 这一部分我有点疑惑“Pad start and finish of the spectrogram with boarder values.” 这里为什么要使用边界值来填充谱图呢?

2.您的代码中是针对单独的SNR来进行增强过程的,我想问的是,我能不能通过多种信噪比的混合语音训练一个泛化性能较好的模型?具体实现方法您可不可以给一些建议?

3.您可不可以帮忙解释一个问题: 进行短时傅里叶变换的方法之间的区别 一个是使用librosa库,一个是您代码中的scipy库?

期待您的回复!

― You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHubhttps://eur02.safelinks.protection.outlook.com/?url=https%3A%2F%2Fgithub.com%2FyongxuUSTC%2Fsednn%2Fissues%2F48%3Femail_source%3Dnotifications%26email_token%3DADFXTSIEXPHKQAMEB6D4O5TQLMSF3A5CNFSM4I2J2WWKYY3PNVWWK3TUL52HS4DFUVEXG43VMWVGG33NNVSW45C7NFSM4HNRELQQ&data=02%7C01%7Cq.kong%40surrey.ac.uk%7Cab4db5bd865646a1a82308d74196edbe%7C6b902693107440aa9e21d89446a2ebb5%7C0%7C0%7C637049988799328388&sdata=SFBaLREWHe%2BgPmBZa2WVeUFqGR0Yj0C%2FI7P1jRaTMK0%3D&reserved=0, or mute the threadhttps://eur02.safelinks.protection.outlook.com/?url=https%3A%2F%2Fgithub.com%2Fnotifications%2Funsubscribe-auth%2FADFXTSMAOM6ZM7DIWE4IT2DQLMSF3ANCNFSM4I2J2WWA&data=02%7C01%7Cq.kong%40surrey.ac.uk%7Cab4db5bd865646a1a82308d74196edbe%7C6b902693107440aa9e21d89446a2ebb5%7C0%7C0%7C637049988799338381&sdata=rucqfTF37XOOaxzoDYYZKx2V%2FgdKRXXC1VLFaUauiNo%3D&reserved=0.