RNNAec

RNNAec is a C library. RNNAec has no bugs, it has no vulnerabilities, it has a Permissive License and it has low support. You can download it from GitHub.

关于效果比较差不太好说，直接原因是训练数据不充分导致的，举个简单例子，我录个几分钟数据，然后就用这几分钟数据去训练模型，然后其他人不知道哪里搞了段数据，来测试，“然后说不行”，基于传统建模和数学公式推导的算法普适性更好，这个是有物理意义的，比如基于谐振腔的发声模型一定是有基频和谐波存在，所以你随便拿段数据应该是有效果的；但是能不能根据几分钟数据训练一个模型学习到发声模型的基频和谐波特性，这个就难说了，也许能，也许部分能，也许完全不能，但是如果数据是完备的，那我想应该是能的。 所以如果我提供的数据集（后文有下载链接）效果是可以的，那么我建议扩充数据集（或者数据下载链接整理后发我邮箱，里头应该还有些小细节以及和基于模型的算法配合需要尝试），至少涵盖你测试case的数据情况，应该也是可以的，但要普适性基于建模的方法应该是要的。 上面所述过程类似于图片识别，训练集中没有人像照片，然后拿个人的照片灌入模型，“说模型识别成狗了”， 我觉得很正常；但是基于信号处理建模的方法，预先并不需要人像的照片，人的五官特征和相对位置关系具有物理学上的意义，根据这些意义建模然后去识别人像就可以work，我这里的模型不是信号处理建模，建模的过程靠数据，如果你测试数据恰好被我的模型训练结果涵盖了，那应该行，如果很不幸没覆盖到，那不没效果，甚至更差也是可能的。. 为了方便重现，这里把生成的训练数据和结果传了上来，应该比较大，只截取的数据含结果12G（这12G包含的训练集生成算法一样的，也许生成两三个G的结果训练集效果和这差不多），如果你只用我附带的部分数据training，我不清楚训练的结果是否能和我一样。 链接: 提取码: kqm2 复制这段内容后打开百度网盘手机App，操作更方便哦. result.png是前几秒的效果图。 I also generated result.png for view. RNNAec is a echo suppression library based on a recurrent neural network. I refered from RNNnoise Open Source Project. To compile, just type: % ./autogen.sh % ./configure % make. Optionally: % make install.