Speech-Denoising-Wavenet 项目教程

1. 项目目录结构及介绍

speech-denoising-wavenet/
├── sessions/
│   └── 001/
│       ├── models/
│       └── config.json
├── config.json
├── config.md
├── datasets.py
├── denoise.py
├── layers.py
├── main.py
├── models.py
├── README.md
├── requirements.txt
└── util.py

目录结构介绍

• sessions/: 包含训练和推理会话的目录，每个会话目录下包含模型文件和配置文件。
  • 001/: 第一个会话目录，包含预训练模型和配置文件。
    • models/: 存放预训练模型的目录。
    • config.json: 会话的配置文件。
• config.json: 项目的全局配置文件。
• config.md: 配置文件的详细说明文档。
• datasets.py: 处理数据集的脚本。
• denoise.py: 用于语音去噪的主要功能实现。
• layers.py: 定义神经网络层的脚本。
• main.py: 项目的启动文件。
• models.py: 定义神经网络模型的脚本。
• README.md: 项目的基本介绍和使用说明。
• requirements.txt: 项目依赖的Python包列表。
• util.py: 项目中使用的工具函数。

2. 项目的启动文件介绍

main.py

main.py 是项目的启动文件，负责训练和推理的主要逻辑。它支持两种模式：训练 (training) 和推理 (inference)。

主要功能

• 训练模式: 使用给定的配置文件进行模型训练。
• 推理模式: 使用预训练模型对输入的噪声语音进行去噪处理。

使用示例

# 训练模式
THEANO_FLAGS=device=gpu python main.py --mode training --config config.json

# 推理模式
THEANO_FLAGS=device=gpu python main.py --mode inference --config sessions/001/config.json --noisy_input_path data/NSDTSEA/noisy_testset_wav --clean_input_path data/NSDTSEA/clean_testset_wav

3. 项目的配置文件介绍

config.json

config.json 是项目的配置文件，包含了模型训练和推理所需的各种参数。

主要配置项

• mode: 运行模式，可以是 training 或 inference。
• config: 配置文件的路径。
• noisy_input_path: 噪声输入文件的路径（仅在推理模式下使用）。
• clean_input_path: 干净语音输入文件的路径（仅在推理模式下使用）。
• target_field_length: 目标字段长度，定义了每次前向传播中去噪的样本数量。
• batch_size: 批处理大小，定义了每次处理的数据样本数量。

示例配置

{
  "mode": "inference",
  "config": "sessions/001/config.json",
  "noisy_input_path": "data/NSDTSEA/noisy_testset_wav",
  "clean_input_path": "data/NSDTSEA/clean_testset_wav",
  "target_field_length": 16001,
  "batch_size": 4
}

config.md

config.md 是配置文件的详细说明文档，提供了所有可配置参数的详细解释和使用示例。

主要内容

• 配置文件结构: 解释了 config.json 中每个参数的作用和取值范围。
• 使用示例: 提供了不同场景下的配置示例，帮助用户快速上手。

通过以上内容，您可以快速了解并使用 speech-denoising-wavenet 项目进行语音去噪任务。