DeepFilterNet3训练数据集配置详解

数据集准备概述

DeepFilterNet3作为一款先进的语音增强工具，其训练过程需要精心准备的数据集配置。本文将详细介绍如何为DeepFilterNet3准备训练所需的数据集，包括DNS4、PTDB和VCTK等关键数据源的处理方法。

DNS4数据集处理

DNS4数据集是DeepFilterNet3训练的核心数据源，处理后会生成多个HDF5格式文件：

• 语音数据文件：包括read_speech_TRAIN.hdf5、french_speech_TRAIN.hdf5等多语言语音文件
• 噪声数据文件：noise_fullband_TRAIN.hdf5
• RIR数据文件：SLR26_TRAIN.hdf5和SLR28_TRAIN.hdf5
• 验证集文件：noisy_testclips_VALID.hdf5

在配置dataset.cfg文件时，需要将这些文件合理分配到训练集、验证集和测试集中。其中，所有带"_TRAIN"后缀的文件应归入训练集部分，而验证集目前仅包含一个噪声文件。

辅助数据集处理

PTDB数据集

PTDB数据集包含男女声的语音数据，其中需要注意：

• 数据分为LAR(喉头信号)、MIC(麦克风信号)和REF(参考音高轨迹)三类
• 训练时应只使用MIC目录下的干净语音信号
• LAR目录下的喉头信号噪声应排除在训练数据外

VCTK/DEMAND数据集

该数据集包含干净和带噪的语音对，结构清晰：

• clean_testset_wav/和clean_trainset_wav/存放干净语音
• noisy_testset_wav/和noisy_trainset_wav/存放对应带噪语音
• testset_txt/和trainset_txt/包含文本信息

处理时应当将干净语音和带噪语音配对处理，生成适合DeepFilterNet3训练的HDF5格式文件。

数据集配置建议

在实际配置dataset.cfg时，建议：

1. 训练集部分包含所有语音、噪声和RIR的TRAIN文件
2. 验证集目前仅能配置噪声VALID文件
3. 测试集可根据实际需求配置
4. 不同语言语音文件可设置不同采样权重
5. RIR文件应单独配置以模拟不同房间声学特性

通过合理配置这些数据集，可以确保DeepFilterNet3训练出最优的语音增强模型，在各种噪声环境下都能表现出色。