Speech Enhancement 是一个基于深度学习模型的语音降噪和去混响工具。

• 支持多种格式音频文件
• 基于 CPU 推理的语音增强模型
• 基于 EBU R128 标准对响度进行归一化处理
• 分片并行处理，提高处理效率

1. 拉取Docker镜像

   dockerHub

   docker pull goomd/ghcr.io.tech-podcasts.speech_enhancement:latest

   Github Packages

   docker pull ghcr.io/tech-podcasts/speech_enhancement:latest

2. 启动容器

   dockerHub

   docker run -p <主机端口>:8080 -d goomd/ghcr.io.tech-podcasts.speech_enhancement:latest

   Github Packages

   docker run -p <主机端口>:8080 -d speech_enhancement:latest

   其中，主机端口是指用户在主机上访问该服务的端口。

你可以通过浏览器访问主机的端口，即可使用该服务。

我们的处理链默认音频格式为采样率44100Hz,采样深度16bit的wav文件，如果你的文件不是这个格式会进行转码操作，从而会增加一定的处理时间。

最终完成的文件将是一个wav文件，所以文件会比原文件大很多。以mp3为例，如果原文件大小为10M，那么处理后的文件大小将会是50M左右。

在 4 核 8 线程的 CPU 上，处理 40 分钟的音频文件，耗时在5分钟左右。

DeepFilterNet

ffmpeg

ffmpeg-normalize

gin