speech enhancement mask unet

提供商huseinzol05
分类speech-enhancement
许可证Apache-2.0
下载量0
星标0

简介

这是一个基于 Mask UNet 架构的语音增强模型，旨在通过掩码机制有效分离语音信号与背景噪声。与传统的滤波方法不同，它能更精准地在时频域还原人声，特别适合处理环境嘈杂的录音素材。对于开发者而言，该模型上手门槛较低，可作为语音预处理管线中的关键环节，在将音频输入给 ASR（语音识别）或 TTS（语音合成）模型前，先用它提升信噪比，从而显著提高后续任务的识别准确率。

核心亮点

  • 基于 Mask UNet 架构，精准分离人声与噪声
  • 显著提升嘈杂环境下的语音清晰度
  • 可作为 ASR 识别前的音频预处理插件
  • 采用 Apache-2.0 协议，商业集成无压力

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("huseinzol05/speech-enhancement-mask-unet")
tokenizer = AutoTokenizer.from_pretrained("huseinzol05/speech-enhancement-mask-unet")

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 huseinzol05/speech-enhancement-mask-unet

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 huseinzol05/speech-enhancement-mask-unet 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('huseinzol05/speech-enhancement-mask-unet')

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/huseinzol05/speech-enhancement-mask-unet

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/huseinzol05/speech-enhancement-mask-unet

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('huseinzol05/speech-enhancement-mask-unet')
tokenizer = AutoTokenizer.from_pretrained('huseinzol05/speech-enhancement-mask-unet')
查看官方来源