unet speech enhancement

提供商SSB258369
分类speech-enhancement
许可证Apache-2.0
下载量6
星标0

简介

U-Net Speech Enhancement 是一款基于经典 U-Net 架构的语音增强模型，旨在通过深度学习手段从嘈杂的背景中提取纯净的人声。它通过编码器-解码器结构捕捉语音的时频特征，能够有效过滤环境噪音并降低回声，非常适合处理录音质量较差的播客、会议记录或语音助手输入。对于开发者而言，该模型上手难度较低，可作为语音预处理管线中的关键环节，在将音频送入 ASR（语音识别）模型前进行降噪，从而显著提升识别准确率。

核心亮点

  • 基于 U-Net 架构，高效过滤背景环境噪音
  • 提升语音识别 ASR 的前端输入质量
  • 适用于播客修复、会议录音降噪等场景
  • 采用 Apache-2.0 协议，对商业集成友好

使用方法

安装依赖
# 安装 Hugging Face transformers
pip install transformers torch
SDK 使用
# 使用 transformers 加载模型
from transformers import AutoModel, AutoTokenizer

model = AutoModel.from_pretrained("SSB258369/unet-speech-enhancement")
tokenizer = AutoTokenizer.from_pretrained("SSB258369/unet-speech-enhancement")

Hugging Face 下载

我们推荐使用命令行或者 Hugging Face Hub SDK 来进行模型的下载。

操作指引：在下载前，请先通过如下命令安装 huggingface_hub：

操作指引 
pip install -U huggingface_hub

命令行下载

下载完整模型库

下载完整模型库 
huggingface-cli download SSB258369/unet-speech-enhancement

下载单个文件到指定本地文件夹（以下载 config.json 到当前路径下 ./dir 目录为例）

下载单个文件到指定本地文件夹（以下载 config.json 到当前路径下 ./dir 目录为例） 
huggingface-cli download SSB258369/unet-speech-enhancement config.json --local-dir ./dir

更多命令行下载选项，可参见官方文档

SDK 下载

SDK 下载 
# 模型下载
from huggingface_hub import snapshot_download
model_dir = snapshot_download('SSB258369/unet-speech-enhancement')

Git 下载

请确保 lfs 已经被正确安装

Git 下载 
git lfs install
git clone https://huggingface.co/SSB258369/unet-speech-enhancement

如果您希望跳过 lfs 大文件下载，可以使用如下命令

跳过 LFS 
GIT_LFS_SKIP_SMUDGE=1 git clone https://huggingface.co/SSB258369/unet-speech-enhancement

模型文件托管在 Hugging Face Hub，使用 HF CLI / SDK / Git 直接下载，不经过本站。

PyTorch / Transformers 使用

安装 Transformers

安装 Transformers 
pip install -U transformers torch

模型加载和推理

模型加载和推理 
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained('SSB258369/unet-speech-enhancement')
tokenizer = AutoTokenizer.from_pretrained('SSB258369/unet-speech-enhancement')
查看官方来源