GTCRN 开源项目使用教程

1. 项目介绍

GTCRN（Grouped Temporal Convolutional Recurrent Network）是一个超轻量级的语音增强模型，旨在以极低的计算资源实现高效的语音增强。该模型仅包含23.7 K参数和33.0 MMACs每秒的计算量，使其在资源受限的环境中表现出色。GTCRN不仅在性能上超越了类似计算负担的典型轻量级模型RNNoise，而且在与计算资源要求更高的基线模型相比时，也表现出竞争性的性能。

2. 项目快速启动

2.1 环境准备

首先，确保你已经安装了Python和必要的依赖库。你可以通过以下命令安装所需的依赖：

pip install -r requirements.txt

2.2 下载预训练模型

预训练模型已经提供在checkpoints文件夹中，你可以直接使用这些模型进行推理。

2.3 运行推理

使用以下命令运行推理脚本：

python infer.py --input_wav_path path_to_input_wav --output_wav_path path_to_output_wav

其中，path_to_input_wav是输入音频文件的路径，path_to_output_wav是输出增强后音频文件的路径。

3. 应用案例和最佳实践

3.1 实时语音增强

GTCRN的流式推理版本在stream文件夹中提供，展示了在12th Gen Intel(R) Core(TM) i5-12400 CPU @ 2.50 GHz上的实时因子（RTF）为0.07。这使得GTCRN非常适合用于实时语音增强应用。

3.2 低资源环境下的语音增强

由于GTCRN的极低计算资源需求，它特别适合在嵌入式设备或移动设备上部署，用于改善语音通信质量。

4. 典型生态项目

4.1 SEtrain

SEtrain是一个用于基于DNN的语音增强训练代码模板，可以帮助开发者快速搭建和训练自己的语音增强模型。

4.2 TRT-SE

TRT-SE是一个示例项目，展示了如何将语音增强模型转换为流式格式，并使用ONNX或TensorRT进行部署。

通过这些生态项目，开发者可以进一步扩展和优化GTCRN的应用场景。