GTCRN:超轻量级语音增强模型的官方实现
项目基础介绍和主要编程语言
GTCRN(Grouped Temporal Convolutional Recurrent Network)是一个超轻量级的语音增强模型,其官方实现托管在GitHub上,项目地址为:https://github.com/Xiaobin-Rong/gtcrn。该项目主要使用Python语言进行开发,适合对语音处理和模型优化感兴趣的开发者。
项目核心功能
GTCRN模型的核心功能是提供一种计算资源需求极低的语音增强解决方案。该模型仅包含23.7 K参数和33.0 MMACs每秒的计算量,远低于同类模型。实验结果表明,GTCRN不仅在性能上超越了RNNoise等典型轻量级模型,而且在与计算资源需求更高的基线模型相比时,也表现出竞争性的性能。
项目最近更新的功能
最近,GTCRN项目在以下几个方面进行了更新:
- 性能优化:通过修改ERB模块中的映射方式,将模型的计算复杂度从39.6 MMACs每秒进一步降低到33.0 MMACs每秒。
- 流式推理支持:新增了流式推理功能,提供了在stream文件夹中的实现,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。
- 预训练模型提供:在checkpoints文件夹中提供了预训练模型,这些模型分别在DNS3和VCTK-DEMAND数据集上进行了训练。
这些更新使得GTCRN在实际应用中的部署更加灵活和高效,尤其适合资源受限的环境。