去混响数据集会公开吗？

[lth456321]

此外，我没有找到有关去混响评价指标的代码，您能说明下如何计算这些去混响的评价指标吗，感谢

[yxlu-0102]

去混响数据可以在 Reverb Challenge 网站获得，里面包括了计算指标的工具。

[lth456321]

感谢您的回复，但我发现这个数据集需要使用付费的语音数据进行制作，假如我使用我自己制作的数据集，是否可以使用这个指标计算工具，或者需要其他计算指标的方法？

[yxlu-0102]

是可以用这个工具的，同时你也可以用这个仓库里提供的指标计算工具，我在实际使用的时候发现用这个 pysepm 包计算出的指标跟 REVERB Challenge 提供的指标计算出的结果不一致（PESQ 和 SRMR是一致的），但你只要对所有 baseline 都使用同一组指标就行。

[lth456321]

感谢回复，我发现在您的期刊版论文中使用了一种复谱的一致性loss减小两个decoder之间的gap，这个一致性loss是指phase decoder输出的Xr，Xi和generator输出的denoised_com之间的MSE_loss吗

[yxlu-0102]

感谢回复，我发现在您的期刊版论文中使用了一种复谱的一致性loss减小两个decoder之间的gap，这个一致性loss是指phase decoder输出的Xr，Xi和generator输出的denoised_com之间的MSE_loss吗

不是哦，phase decoder 输出的实部和虚部只用于计算相位，可以默认为幅度是 1。一致性 loss 是为了缩小模型输出的幅度相位组合后的复数谱，以及这个复数谱经过 iSTFT 得到波形再经过 STFT 得到的复数谱之间的 gap。因为 STFT 域实际上不是整个复数域，所以模型直接预测的复数谱可能在 STFT 域外，经过 iSTFT 之后 再做 STFT 就在域内了，所以可能会存在 gap.

[lth456321]

我尝试加入了一致性loss，并修改了loss_gen和您期刊论文相同，但这似乎造成了训练不稳定，是我哪里写错了吗？

[yxlu-0102]

在提取幅度相位的时候都加上一个 bias 就可以了，其实这个问题之前困扰了我好久哈哈哈

[lth456321]

感谢回复，我正在尝试复现您期刊论文中的模型。对照论文，以此模型为基础，我们删去了conformer中的conv moudle以及第一个FFN，将第二个FFN的第一层linear换为BiGru，仍然设置ffm_mult=4，但得到模型的参数量2.61M和您论文给出中的2.26M相差较大，请问您是否对模型做了其他修改或者调整了参数？

[yxlu-0102]

感谢回复，我正在尝试复现您期刊论文中的模型。对照论文，以此模型为基础，我们删去了conformer中的conv moudle以及第一个FFN，将第二个FFN的第一层linear换为BiGru，仍然设置ffm_mult=4，但得到模型的参数量2.61M和您论文给出中的2.26M相差较大，请问您是否对模型做了其他修改或者调整了参数？

我还将转置卷积换成了 sub-pixel 卷积。

[lth456321]

我使用conv2d和在forward中进行reshape操作将转置卷积替换为了sub-pixel conv，但这对模型参数量仍然与论文给出的有很大差距，请问您没有对模型的其他参数（比如ffm_mult会较大影响参数量）进行修改吗