Speech Enhancement with Generalized Gaussian Distribution Model

Requrement

Python

• Python 3.6
• CUDA 10.1 & CuDNN 7.6
  • Please choose the appropriate CUDA and CuDNN version to match your NNabla version

Packages

Please install the following packages with pip. (If necessary, install latest pip first.)

• nnabla (over v1.1)
• nnabla-ext-cuda (over v1.1)
• scipy
• numba
• joblib
• pyQT5
• pyqtgraph (after installing pyQT5)
• pypesq (see "install with pip" in offical site)

Program

この順で実行する必要あり

A_SpeechClassification.py

音声からbetaを推定し(最尤推定)，csvファイルで保存するプログラム

音声を読み込み，
'../01 Data/SEGAN/clean_existence'
'../01 Data/SEGAN/noisy_existence/'
に平均・標準偏差・betaのファイルを保存する (平均・標準偏差は使わないので省略してOK)

B_data_beta.py

クリーンbetaとノイジーbetaの結合・補正・pkl化

Aで保存したbetaが入ったcsvファイルを読み込み，
結合・転置し，10以上の値の場合は10に補正する．
'pkl'にbeta_Training.pklを保存

D_SpeechToBeta.py, D_STB_settings.py, D_data.py

音声→betaになるように学習するプログラム

'pkl'の中からspeech.pkl(音声+雑音,なければ作成)とbeta_Training.pkl(Bで作ったファイル)を読み込む
学習しパラメータを'D_tmp.monitor'に保存 出力は行わず，学習のみを行う

prop.py, prop_param.py, prop_data.py

Wave-U-Netをもとにした音声強調を行う

'pkl'の中からclean.pkl,noisy.pkl(なければ作成)とDのパラメータを'D_tmp.monitor'から読み込む
Dのパラメータは更新せずに音声強調を行う 出力音声は'results'の中に保存される