#74 · 主分类: 语音合成与识别
asteroid
audio-separation
deep-learning
pretrained-models
pytorch
source-separation
speech-enhancement
speech-separation
面向研究人员的基于PyTorch的音频源分离工具包
项目最后更新:05/13/26
GitHub Stars
2.6K
Forks数量
450
贡献者数量
61
许可证
MIT
收录理由
做语音或音乐分离的研究者往往要先花上好几天搭滤波器组、编码器和掩蔽网络,才能动手验证一个想法。Asteroid 把这些繁琐的底层工作收拾干净,让你直接使用模块化的组件拼装自己的分离系统,不必绑定在某一种固定架构上。仓库里收录了多篇已发表论文的复现配方,训练和评估流程都写得清清楚楚,既适合拿来当可靠基线,也可以作为新实验的出发点。预训练模型放在 Zenodo 上,想听效果不用自己跑完整训练,直接加载就能试。对于实验室或小团队做原型验证,这是一条从原始音频到可用模型相当省力的路径。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。