摘要：
论文地址：双路信号变换LSTM网络的实时噪声抑制 论文代码：https：//github.com/breizhn/DTLN 引用格式：Westhausen N L, Meyer B T. Dual-signal transformation LSTM network for real-time no 阅读全文
posted @ 2022-03-07 11:12
凌逆战
阅读(3012)
评论(4)
推荐(1)
摘要：
前言 至于为什么写这个教程，首先是为了自己学习做个记录，其次是因为Tensorflow的API写的很好，但是他的教程写的太乱了，不适合新手学习。tensorflow 1 和tensorflow 2 有相似之处但是不兼容，tensorflow 2将keras融合了。TensorFlow™ 是一个采用 阅读全文
posted @ 2022-03-01 16:40
凌逆战
阅读(3451)
评论(2)
推荐(10)
摘要：
论文地址：PACDNN：一种用于语音增强的相位感知复合深度神经网络 相似代码：https://github.com/phpstorm1/SE-FCN 引用格式：Hasannezhad M，Yu H，Zhu W P，et al. PACDNN： A phase-aware composite deep 阅读全文
posted @ 2022-02-15 15:39
凌逆战
阅读(1945)
评论(0)
推荐(3)
摘要：
2013年 word Embedding 2017年 Transformer 2018年 ELMo、Transformer-decoder、GPT-1、BERT 2019年 Transformer-XL、XLNet、GPT-2 2020年 GPT-3 Transformer 谷歌提出的Transfo 阅读全文
posted @ 2022-01-29 11:22
凌逆战
阅读(3681)
评论(0)
推荐(7)
摘要：
博客作者：凌逆战 论文地址：DeepFilterNet：基于深度滤波器的全频带音频低复杂度语音增强框架 论文代码：https://github.com/Rikorose/DeepFilterNet 引用：Schröter H, Rosenkranz T, Maier A. DeepFilterNet 阅读全文
posted @ 2022-01-20 21:21
凌逆战
阅读(4623)
评论(5)
推荐(5)
摘要：
论文地址：TCNN：时域卷积神经网络用于实时语音增强 论文代码：https://github.com/LXP-Never/TCNN（非官方复现） 引用格式：Pandey A, Wang D L. TCNN： Temporal convolutional neural network for real 阅读全文
posted @ 2022-01-18 17:42
凌逆战
阅读(2780)
评论(1)
推荐(2)
摘要：
论文地址：FLGCNN:一种新颖的全卷积神经网络，用于基于话语的目标函数的端到端单耳语音增强 论文代码：https://github.com/LXP-Never/FLGCCRN(非官方复现) 引用格式：Zhu Y, Xu X, Ye Z. FLGCNN: A novel fully convolut 阅读全文
posted @ 2022-01-12 10:48
凌逆战
阅读(1635)
评论(5)
推荐(1)
摘要：
论文地址：MetricGAN+：用于语音增强的 MetricGAN 的改进版本 论文代码：https://github.com/JasonSWFu/MetricGAN 引用格式：Fu S W, Yu C, Hsieh T A, et al. MetricGAN+: An Improved Versi 阅读全文
posted @ 2021-12-21 17:02
凌逆战
阅读(2784)
评论(0)
推荐(3)
摘要：
论文地址：使用感知动机目标和损失的低延迟语音增强 引用格式：Zhang X, Ren X, Zheng X, et al. Low-Delay Speech Enhancement Using Perceptually Motivated Target and Loss[J]. Proc. Inte 阅读全文
posted @ 2021-12-13 11:18
凌逆战
阅读(1224)
评论(7)
推荐(3)
摘要：
论文地址：一种低复杂度实时增强全频带语音的感知激励方法 论文代码：https://github.com/search?q=PercepNet 引用格式：Valin J M, Isik U, Phansalkar N, et al. A Perceptually Motivated Approach 阅读全文
posted @ 2021-12-12 17:00
凌逆战
阅读(3359)
评论(2)
推荐(2)
摘要：
论文地址：通过语音增强的电话强化感知损失提高感知质量 论文代码：https://github.com/aleXiehta/PhoneFortifiedPerceptualLoss 引用格式：Hsieh T A, Yu C, Fu S W, et al. Improving Perceptual Qu 阅读全文
posted @ 2021-12-09 08:11
凌逆战
阅读(1177)
评论(0)
推荐(0)
摘要：
论文地址：使用门控卷积循环网络学习复数谱映射以增强单耳语音 代码地址：https://github.com/JupiterEthan/GCRN-complex 作者主页：https://jupiterethan.github.io/ 引用格式：Tan K, Wang D L. Learning co 阅读全文
posted @ 2021-12-08 22:04
凌逆战
阅读(2875)
评论(0)
推荐(2)
摘要：
论文地址：用于实时语音增强的卷积递归神经网络 代码地址：https://github.com/JupiterEthan/CRN-causal 作者主页：https://jupiterethan.github.io/ 引用格式：Tan K, Wang D L. A Convolutional Recu 阅读全文
posted @ 2021-12-08 18:31
凌逆战
阅读(4703)
评论(2)
推荐(5)
摘要：
论文地址：基于神经网络的实时语音增强的加权语音失真损失 论文代码：https://github.com/GuillaumeVW/NSNet 引用：Xia Y, Braun S, Reddy C K A, et al. Weighted speech distortion losses for neu 阅读全文
posted @ 2021-12-06 15:25
凌逆战
阅读(1595)
评论(0)
推荐(1)
摘要：
论文地址：基于深度波形U-Net进行单耳语音增强 论文代码：https://github.com/Hguimaraes/SEWUNet 引用格式：Guimarães H R, Nagano H, Silva D W. Monaural speech enhancement through deep 阅读全文
posted @ 2021-12-01 18:48
凌逆战
阅读(2709)
评论(3)
推荐(0)
摘要：
论文地址：基于动态注意的递归网络单耳语音增强 论文代码：https://github.com/Andong-Li-speech/DARCN 引用格式：Li, A., Zheng, C., Fan, C., Peng, R., Li, X. (2020) A Recursive Network wit 阅读全文
posted @ 2021-12-01 16:01
凌逆战
阅读(771)
评论(0)
推荐(0)
摘要：
论文地址：两阶段深度网络的解耦幅度和相位优化 引用格式：Li A, Liu W, Luo X, et al. ICASSP 2021 deep noise suppression challenge: Decoupling magnitude and phase optimization with 阅读全文
posted @ 2021-11-30 12:21
凌逆战
阅读(1197)
评论(2)
推荐(1)
摘要：
论文名称：扩展卷积密集连接神经网络用于时域实时语音增强 论文代码：https://github.com/ashutosh620/DDAEC 引用：Pandey A, Wang D L. Densely connected neural network with dilated convolution 阅读全文
posted @ 2021-11-26 12:05
凌逆战
阅读(996)
评论(0)
推荐(1)
摘要：
论文地址：MelGAN：条件波形合成的生成对抗网络 代码地址：https://github.com/descriptinc/melgan-neurips 音频实例：https://melgan-neurips.github.io/ 配有MelGAN解码器的音乐翻译网络：https://www.des 阅读全文
posted @ 2021-11-24 15:44
凌逆战
阅读(1566)
评论(0)
推荐(1)
摘要：
论文地址：用于端到端语音增强的卷积递归神经网络 论文代码：https://github.com/aleXiehta/WaveCRN 引用格式：Hsieh T A, Wang H M, Lu X, et al. WaveCRN: An efficient convolutional recurrent 阅读全文
posted @ 2021-11-23 17:47
凌逆战
阅读(1491)
评论(0)
推荐(1)
摘要：
论文地址：在波形域的实时语音增强 论文作者：facebook AI 研究所 论文代码：https://github.com/facebookresearch/denoiser 摘要 我们提出了一个基于原始波形的因果语音增强模型，该模型在笔记本电脑CPU上实时运行。所提出的模型是基于一个带有跳跃连接的 阅读全文
posted @ 2021-11-17 19:50
凌逆战
阅读(2156)
评论(0)
推荐(3)
摘要：
论文地址：Fullsubnet：实时单通道语音增强的全频带和子频带融合模型 代码地址：https://github.com/haoxiangsnr/FullSubNet 引用格式：Hao X, Su X, Horaud R, et al. FullSubNet: A Full-Band and Su 阅读全文
posted @ 2021-11-10 11:59
凌逆战
阅读(2109)
评论(0)
推荐(2)
摘要：
作为一个AI工程师，对Linux的一些技能的掌握也能从一定层面反应工程师的资深水平。 要求1：基于SSH的远程访问（本篇文章） 能用一台笔记本电脑，远程登陆一台linux服务器 能随时使用笔记本电脑启动训练任务 能熟练的让代码和文件在笔记本电脑与LINUX服务器之间的传输 要求2：Linux系统的文 阅读全文
posted @ 2021-08-29 19:05
凌逆战
阅读(8336)
评论(0)
推荐(6)
摘要：
网上已经有很多人翻译了，但我做这工作只是想让自己印象更深刻 论文地址：基于DSP/深度学习的实时全频带语音增强方法 博客地址：https://www.cnblogs.com/LXP-Never/p/15144882.html 论文代码：https://github.com/xiph/rnnoise 阅读全文
posted @ 2021-08-16 20:07
凌逆战
阅读(2994)
评论(0)
推荐(4)
摘要：
这是很基础的教程，我只是写给自己看，作为一个学习笔记记录一下，如果正在阅读的你觉得简单，请不要批评，可以关掉选择离开 如何学好一门编程语言 掌握基础知识，为将来进一步学习打下良好的基础。 上机实践，通过大量的例题学习怎么设计算法，培养解题思路。 养成良好的编码习惯，注释一定要写，要不然保你一周后自己 阅读全文
posted @ 2021-07-14 12:17
凌逆战
阅读(455)
评论(0)
推荐(0)
摘要：
论文：2019_Transfer Learning from Speaker Verification to Multispeaker Text-To-Speech Synthesis 翻译总结：只需5秒音源，这个网络就能实时“克隆”你的声音 代码：Real-Time-Voice-Cloning | 阅读全文
posted @ 2021-06-08 20:33
凌逆战
阅读(1973)
评论(0)
推荐(0)
摘要：
TensorFlow Lite 开源企业：谷歌 GitHub地址：https://github.com/tensorflow/tflite-micro TensorFlow Lite for Microcontrollers 是TensorFlow Lite的实验端口，旨在在只有千字节内存的微控制器 阅读全文
posted @ 2021-06-02 19:45
凌逆战
阅读(6950)
评论(0)
推荐(4)
摘要：
深度神经网络在人工智能的应用中，包括语音识别、计算机视觉、自然语言处理等各方面，在取得巨大成功的同时，这些深度神经网络需要巨大的计算开销和内存开销，严重阻碍了资源受限下的使用。模型压缩是对已经训练好的深度模型进行精简，进而得到一个轻量且准确率相当的网络，压缩后的网络具有更小的结构和更少的参数，可以有 阅读全文
posted @ 2021-06-02 11:53
凌逆战
阅读(5695)
评论(0)
推荐(2)
摘要：
引言 深度神经网络模型被广泛应用在图像分类、物体检测等机器视觉任务中，并取得了巨大成功。然而，由于存储空间和功耗的限制，神经网络模型在嵌入式设备上的存储与计算仍然是一个巨大的挑战。 目前工业级和学术界设计轻量化神经网络模型主要有4个方向： 人工设计轻量化神经网络模型 基于神经网络架构搜索（Neura 阅读全文
posted @ 2021-06-02 10:34
凌逆战
阅读(2689)
评论(0)
推荐(2)
摘要：
Group convolution Group convolution最早出现在AlexNet中，是为了解决单卡显存不够，将网络部署到多卡上进行训练而提出。Group convolution可以减少单个卷积1/g的参数量。如何计算的呢？ 假设 输入特征的的维度为$HWC_1$; 卷积核的维度为$ 阅读全文
posted @ 2021-06-02 09:22
凌逆战
阅读(553)
评论(0)
推荐(1)
摘要：
文章作者：凌逆战 文章代码（pytorch实现）：https://github.com/LXP-Never/AEC_DeepModel 文章地址（转载请指明出处）：https://www.cnblogs.com/LXP-Never/p/14779360.html 写这篇文章的目的： 降低全国想要做基 阅读全文
posted @ 2021-05-21 22:11
凌逆战
阅读(17426)
评论(69)
推荐(67)
摘要：
我醉了呀，当我花一天翻译完后，发现已经网上已经有现成的了，而且翻译的比我好，哎，造孽呀，但是他写的是论文笔记，而我是纯翻译，能给读者更多的思想和理解空间，并且还有参考文献，也不错哈，反正翻译是写给自己看的 文章方向：语音分离， 论文地址：Conv-TasNet：超越理想的语音分离时频幅度掩蔽 博客地 阅读全文
posted @ 2021-05-15 20:31
凌逆战
阅读(4511)
评论(4)
推荐(8)
摘要：
大名鼎鼎的UNet和我们经常看到的编解码器模型，他们的模型都是先将数据下采样，也称为特征提取，然后再将下采样后的特征恢复回原来的维度。这个特征提取的过程我们称为“下采样”，这个恢复的过程我们称为“上采样”，本文就专注于神经网络中的下采样和上采样来进行一次总结。写的不好勿怪哈。 神经网络中的降维方法 阅读全文
posted @ 2021-01-09 19:46
凌逆战
阅读(8861)
评论(0)
推荐(6)
摘要：
🎯 写在前面 GitHub 是全球最大的开源代码托管平台，汇集了无数优秀的开源项目。但很多国内用户都有同样的痛点： git clone 速度慢到怀疑人生，甚至动辄失败。 本文总结了多种解决方案，从零门槛到高阶玩法，总有一种适合你。 1 📌 为什么 GitHub 下载会很慢？ 地理位置与网络环境： 阅读全文
posted @ 2021-01-08 22:56
凌逆战
阅读(11057)
评论(0)
推荐(2)
摘要：
论文地址：基于高效多任务卷积神经网络的残余声回波抑制 摘要 回声会降低语音通信系统的用户体验，因此需要完全抑制。提出了一种利用卷积神经网络实现实时残余声回波抑制的方法。在多任务学习的背景下，采用双语音检测器作为辅助任务来提高RAES的性能。该训练准则基于一种新的损失函数，我们称之为抑制损失，以平衡残 阅读全文
posted @ 2021-01-08 15:58
凌逆战
阅读(1562)
评论(2)
推荐(6)
摘要：
论文地址：深度学习用于噪音和双讲场景下的回声消除 博客地址：https://www.cnblogs.com/LXP-Never/p/14210359.html 摘要 传统的声学回声消除（AEC）通过使用自适应算法识别声学脉冲响应来工作。 我们将AEC公式化为有监督的语音分离问题，该问题将说话人信号和 阅读全文
posted @ 2020-12-31 16:17
凌逆战
阅读(2867)
评论(5)
推荐(6)
摘要：
本文代码请见：https://github.com/Ryuk17/SpeechAlgorithms 博客地址（转载请指明出处）：https://www.cnblogs.com/LXP-Never/p/14142108.html 如果你觉得写得还不错，点赞👍，关注是对我最大的支持，谢谢😃 传统的语 阅读全文
posted @ 2020-12-25 22:35
凌逆战
阅读(20745)
评论(26)
推荐(34)
摘要：
论文地址：声学回声消除与双信号变换LSTM网络 预训练模型：https://github.com/breizhn/DTLN-aec 论文代码：https://github.com/breizhn/DTLN 博客作者： 摘要 本文将双信号变换LSTM网络(dual-signal transformat 阅读全文
posted @ 2020-12-15 19:13
凌逆战
阅读(1764)
评论(0)
推荐(2)
摘要：
神经网络中最重要的就是参数了，其中包括权重项$W$和偏置项$b$。 我们训练神经网络的最终目的就是得到最好的参数，使得目标函数取得最小值。参数的初始化也同样重要，因此微调受到很多人的重视， 只列一些常用的！ Tensorflow 常数初始化 tf.constant_initializer(value 阅读全文
posted @ 2020-11-10 17:45
凌逆战
阅读(3019)
评论(0)
推荐(1)
摘要：
我最近在学使用Pytorch写GAN代码，发现有些代码在训练部分细节有略微不同，其中有的人用到了detach()函数截断梯度流，有的人没用detch()，取而代之的是在损失函数在反向传播过程中将backward(retain_graph=True)，本文通过两个 gan 的代码，介绍它们的作用，并分 阅读全文
posted @ 2020-11-09 23:40
凌逆战
阅读(5953)
评论(5)
推荐(5)
浙公网安备 33010602011771号