摘要：
论文地址：PACDNN：一种用于语音增强的相位感知复合深度神经网络 相似代码：https://github.com/phpstorm1/SE-FCN 引用格式：Hasannezhad M，Yu H，Zhu W P，et al. PACDNN： A phase-aware composite deep 阅读全文
摘要：
2013年 word Embedding 2017年 Transformer 2018年 ELMo、Transformer-decoder、GPT-1、BERT 2019年 Transformer-XL、XLNet、GPT-2 2020年 GPT-3 Transformer 谷歌提出的Transfo 阅读全文
摘要：
博客作者：凌逆战 论文地址：DeepFilterNet：基于深度滤波器的全频带音频低复杂度语音增强框架 论文代码：https://github.com/Rikorose/DeepFilterNet 引用：Schröter H, Rosenkranz T, Maier A. DeepFilterNet 阅读全文
摘要：
论文地址：TCNN：时域卷积神经网络用于实时语音增强 论文代码：https://github.com/LXP-Never/TCNN（非官方复现） 引用格式：Pandey A, Wang D L. TCNN： Temporal convolutional neural network for real 阅读全文
摘要：
论文地址：FLGCNN:一种新颖的全卷积神经网络，用于基于话语的目标函数的端到端单耳语音增强 论文代码：https://github.com/LXP-Never/FLGCCRN(非官方复现) 引用格式：Zhu Y, Xu X, Ye Z. FLGCNN: A novel fully convolut 阅读全文
摘要：
论文地址：MetricGAN+：用于语音增强的 MetricGAN 的改进版本 论文代码：https://github.com/JasonSWFu/MetricGAN 引用格式：Fu S W, Yu C, Hsieh T A, et al. MetricGAN+: An Improved Versi 阅读全文
摘要：
论文地址：使用感知动机目标和损失的低延迟语音增强 引用格式：Zhang X, Ren X, Zheng X, et al. Low-Delay Speech Enhancement Using Perceptually Motivated Target and Loss[J]. Proc. Inte 阅读全文
摘要：
论文地址：一种低复杂度实时增强全频带语音的感知激励方法 论文代码：https://github.com/search?q=PercepNet 引用格式：Valin J M, Isik U, Phansalkar N, et al. A Perceptually Motivated Approach 阅读全文
摘要：
论文地址：通过语音增强的电话强化感知损失提高感知质量 论文代码：https://github.com/aleXiehta/PhoneFortifiedPerceptualLoss 引用格式：Hsieh T A, Yu C, Fu S W, et al. Improving Perceptual Qu 阅读全文
摘要：
论文地址：使用门控卷积循环网络学习复数谱映射以增强单耳语音 代码地址：https://github.com/JupiterEthan/GCRN-complex 作者主页：https://jupiterethan.github.io/ 引用格式：Tan K, Wang D L. Learning co 阅读全文
摘要：
论文地址：用于实时语音增强的卷积递归神经网络 代码地址：https://github.com/JupiterEthan/CRN-causal 作者主页：https://jupiterethan.github.io/ 引用格式：Tan K, Wang D L. A Convolutional Recu 阅读全文
摘要：
论文地址：基于神经网络的实时语音增强的加权语音失真损失 论文代码：https://github.com/GuillaumeVW/NSNet 引用：Xia Y, Braun S, Reddy C K A, et al. Weighted speech distortion losses for neu 阅读全文
摘要：
论文地址：基于深度波形U-Net进行单耳语音增强 论文代码：https://github.com/Hguimaraes/SEWUNet 引用格式：Guimarães H R, Nagano H, Silva D W. Monaural speech enhancement through deep 阅读全文
摘要：
论文地址：基于动态注意的递归网络单耳语音增强 论文代码：https://github.com/Andong-Li-speech/DARCN 引用格式：Li, A., Zheng, C., Fan, C., Peng, R., Li, X. (2020) A Recursive Network wit 阅读全文
摘要：
论文地址：两阶段深度网络的解耦幅度和相位优化 引用格式：Li A, Liu W, Luo X, et al. ICASSP 2021 deep noise suppression challenge: Decoupling magnitude and phase optimization with 阅读全文
摘要：
论文名称：扩展卷积密集连接神经网络用于时域实时语音增强 论文代码：https://github.com/ashutosh620/DDAEC 引用：Pandey A, Wang D L. Densely connected neural network with dilated convolution 阅读全文
摘要：
论文地址：MelGAN：条件波形合成的生成对抗网络 代码地址：https://github.com/descriptinc/melgan-neurips 音频实例：https://melgan-neurips.github.io/ 配有MelGAN解码器的音乐翻译网络：https://www.des 阅读全文
摘要：
论文地址：用于端到端语音增强的卷积递归神经网络 论文代码：https://github.com/aleXiehta/WaveCRN 引用格式：Hsieh T A, Wang H M, Lu X, et al. WaveCRN: An efficient convolutional recurrent 阅读全文
摘要：
论文地址：在波形域的实时语音增强 论文作者：facebook AI 研究所 论文代码：https://github.com/facebookresearch/denoiser 摘要 我们提出了一个基于原始波形的因果语音增强模型，该模型在笔记本电脑CPU上实时运行。所提出的模型是基于一个带有跳跃连接的 阅读全文
摘要：
论文地址：Fullsubnet：实时单通道语音增强的全频带和子频带融合模型 代码地址：https://github.com/haoxiangsnr/FullSubNet 引用格式：Hao X, Su X, Horaud R, et al. FullSubNet: A Full-Band and Su 阅读全文
摘要：
作为一个AI工程师，对Linux的一些技能的掌握也能从一定层面反应工程师的资深水平。 要求1：基于SSH的远程访问（本篇文章） 能用一台笔记本电脑，远程登陆一台linux服务器 能随时使用笔记本电脑启动训练任务 能熟练的让代码和文件在笔记本电脑与LINUX服务器之间的传输 要求2：Linux系统的文 阅读全文
摘要：
网上已经有很多人翻译了，但我做这工作只是想让自己印象更深刻 论文地址：基于DSP/深度学习的实时全频带语音增强方法 博客地址：https://www.cnblogs.com/LXP-Never/p/15144882.html 论文代码：https://github.com/xiph/rnnoise 阅读全文
摘要：
这是很基础的教程，我只是写给自己看，作为一个学习笔记记录一下，如果正在阅读的你觉得简单，请不要批评，可以关掉选择离开 如何学好一门编程语言 掌握基础知识，为将来进一步学习打下良好的基础。 上机实践，通过大量的例题学习怎么设计算法，培养解题思路。 养成良好的编码习惯，注释一定要写，要不然保你一周后自己 阅读全文
摘要：
论文：2019_Transfer Learning from Speaker Verification to Multispeaker Text-To-Speech Synthesis 翻译总结：只需5秒音源，这个网络就能实时“克隆”你的声音 代码：Real-Time-Voice-Cloning | 阅读全文
摘要：
TensorFlow Lite 开源企业：谷歌 GitHub地址：https://github.com/tensorflow/tflite-micro TensorFlow Lite for Microcontrollers 是TensorFlow Lite的实验端口，旨在在只有千字节内存的微控制器 阅读全文
摘要：
深度神经网络在人工智能的应用中，包括语音识别、计算机视觉、自然语言处理等各方面，在取得巨大成功的同时，这些深度神经网络需要巨大的计算开销和内存开销，严重阻碍了资源受限下的使用。模型压缩是对已经训练好的深度模型进行精简，进而得到一个轻量且准确率相当的网络，压缩后的网络具有更小的结构和更少的参数，可以有 阅读全文
摘要：
引言 深度神经网络模型被广泛应用在图像分类、物体检测等机器视觉任务中，并取得了巨大成功。然而，由于存储空间和功耗的限制，神经网络模型在嵌入式设备上的存储与计算仍然是一个巨大的挑战。 目前工业级和学术界设计轻量化神经网络模型主要有4个方向： 人工设计轻量化神经网络模型 基于神经网络架构搜索（Neura 阅读全文
摘要：
Group convolution Group convolution最早出现在AlexNet中，是为了解决单卡显存不够，将网络部署到多卡上进行训练而提出。Group convolution可以减少单个卷积1/g的参数量。如何计算的呢？ 假设 输入特征的的维度为$HWC_1$; 卷积核的维度为$ 阅读全文
摘要：
文章作者：凌逆战 文章代码（pytorch实现）：https://github.com/LXP-Never/AEC_DeepModel 文章地址（转载请指明出处）：https://www.cnblogs.com/LXP-Never/p/14779360.html 写这篇文章的目的： 降低全国想要做基 阅读全文
摘要：
我醉了呀，当我花一天翻译完后，发现已经网上已经有现成的了，而且翻译的比我好，哎，造孽呀，但是他写的是论文笔记，而我是纯翻译，能给读者更多的思想和理解空间，并且还有参考文献，也不错哈，反正翻译是写给自己看的 文章方向：语音分离， 论文地址：Conv-TasNet：超越理想的语音分离时频幅度掩蔽 博客地 阅读全文
摘要：
大名鼎鼎的UNet和我们经常看到的编解码器模型，他们的模型都是先将数据下采样，也称为特征提取，然后再将下采样后的特征恢复回原来的维度。这个特征提取的过程我们称为“下采样”，这个恢复的过程我们称为“上采样”，本文就专注于神经网络中的下采样和上采样来进行一次总结。写的不好勿怪哈。 神经网络中的降维方法 阅读全文
摘要：
众所周知，GitHub是一个巨大的开源宝库，以及程序员和编程爱好者的聚集地，包括我之前推荐的诸多优秀的开源项目全部都是位于GitHub上。但是每当我们看到优秀的开源项目，准备去 下（bai）载（piao） 时，会发现 git clone 的速度异常之慢！这简直太难受了。小项目倒还好，即便是下载，也需 阅读全文
摘要：
论文地址：基于高效多任务卷积神经网络的残余声回波抑制 摘要 回声会降低语音通信系统的用户体验，因此需要完全抑制。提出了一种利用卷积神经网络实现实时残余声回波抑制的方法。在多任务学习的背景下，采用双语音检测器作为辅助任务来提高RAES的性能。该训练准则基于一种新的损失函数，我们称之为抑制损失，以平衡残 阅读全文
摘要：
论文地址：深度学习用于噪音和双讲场景下的回声消除 博客地址：https://www.cnblogs.com/LXP-Never/p/14210359.html 摘要 传统的声学回声消除（AEC）通过使用自适应算法识别声学脉冲响应来工作。 我们将AEC公式化为有监督的语音分离问题，该问题将说话人信号和 阅读全文
摘要：
本文代码请见：https://github.com/Ryuk17/SpeechAlgorithms 博客地址（转载请指明出处）：https://www.cnblogs.com/LXP-Never/p/14142108.html 如果你觉得写得还不错，点赞👍，关注是对我最大的支持，谢谢😃 传统的语 阅读全文
摘要：
论文地址：声学回声消除与双信号变换LSTM网络 预训练模型：https://github.com/breizhn/DTLN-aec 论文代码：https://github.com/breizhn/DTLN 博客作者： 摘要 本文将双信号变换LSTM网络(dual-signal transformat 阅读全文
摘要：
神经网络中最重要的就是参数了，其中包括权重项$W$和偏置项$b$。 我们训练神经网络的最终目的就是得到最好的参数，使得目标函数取得最小值。参数的初始化也同样重要，因此微调受到很多人的重视， 只列一些常用的！ Tensorflow 常数初始化 tf.constant_initializer(value 阅读全文
摘要：
我最近在学使用Pytorch写GAN代码，发现有些代码在训练部分细节有略微不同，其中有的人用到了detach()函数截断梯度流，有的人没用detch()，取而代之的是在损失函数在反向传播过程中将backward(retain_graph=True)，本文通过两个 gan 的代码，介绍它们的作用，并分 阅读全文
摘要：
pytorch对一下常用的公开数据集有很方便的API接口，但是当我们需要使用自己的数据集训练神经网络时，就需要自定义数据集，在pytorch中，提供了一些类，方便我们定义自己的数据集合 torch.utils.data.Dataset：所有继承他的子类都应该重写 __len()__ ， __geti 阅读全文
摘要：
博客作者：凌逆战 博客地址：https://www.cnblogs.com/LXP-Never/p/13404523.html 音频时域波形具有以下特征：音调，响度，质量。我们在进行数据增强时，最好只做一些小改动，使得增强数据和源数据存在较小差异即可，切记不能改变原有数据的结构，不然将产生“脏数据” 阅读全文