@audio/denoise-debreath (英语) 
脱呼吸:在被取下来的句子之间呼吸,按其长度,水平和停顿的两边;房间和演讲停留
npm install @audio/denoise-debreath
import debreath from '@audio/denoise-debreath'
在句子之间呼吸 range;周围的房间, 和演讲,留下。 吸入的气息(Ruinskiy & Lavner,2007年):没有声音,长于相通;在讲话中,在短语之间,其声音由开口道所形成。 每帧 vad,在0.3~8 kHz的波段上:有10 dB以上在室上(乐队的10-百分位框),12 dB以上在会话下(其第95回),有一半以上在4 kHz下(无斜体),有80%以下在1 kHz下(呼吸的噪音位于开阔道的成形物上;有句子的衰变元音,其杂音和杂音位于1 kHz下,它们所碰到的气息不再被部分吸出). 这种相框的运行是气息,当它们持续0.15–1秒时,它们的中位数站在房间上方的14分B,其能量不到60%的能量在1千赫兹下,其相框的表达最多为一半(周期为50–1000赫兹的波段,其中声波的第一个口号是:Talkin正常的交叉交响0.6或以上,波段为6分B,而波段为周期性;@audio/vad的周期,读取最高为4克赫兹,通过狭小的共振或代码的波段进行呼吸),而房间一级相框位于0.1 s:暂停,一个词本身的相框没有. 剪接在乐队上超过300赫兹(零相分出:一室一气下隆起是房间一气相分出),坡道在上方 attack 结束 release 在呼吸中, 永远不要把它 在房间的水平 在乐队, 它会留下一个洞. room 既非言语又非口音, 整段片段一并被读取(流出:虚假).
debreath(data, { fs: 48000 }) // breaths 12 dB down
debreath(data, { range: -20, room: -6 }) // deeper, and the room between phrases 6 dB down too
| 参数 | 默认 | |
|---|---|---|
range | -12 | dB,呼吸多远 |
room | 0 | dB,什么是既不说话,又不呼吸 |
attack | 0.005 | s, 切口的坡道进入(与 room:增益起于言前 |
release | 0.01 | s, 其坡道出(与 room:增益在演说后倒下 |
反对iZotope RX 12 呼吸控制, node bench/rx/debreath.mjs 内 音频 (2026-10): 10口语维基百科的叙事,每句3分,他们的90口口音被一个吸入口音所贴上标签(最清晰的吸入分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分来分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出分出 在另外10个陈述(55口)和28个演讲者(26口)上选择的每一个场景,由Youden的J, 呼吸捕获的说话框较少受损害; RX at Gain -12 dB, range''s(它的默认 0 dB 更改无),调制:离线,Gated,灵敏度 0 (默认实时,Natural, 5). 每口呼吸,其0.3至8千赫水平会发生变化;每个语音框架(声音,或每口0.1秒范围内的词边),被超过3分贝拒绝或不拒绝:
| 叙述:呼吸,中位数 -- -- 下 -- -- 6分贝 | 语音框下调 > 3 dB | 其他框架,中位数 | 语音库+呼吸:中位数 向下 | 语音框下调 > 3 dB | |
|---|---|---|---|---|---|
| RX 12 默认值 (Gain 0 dB) | 0.0分贝 0.0% | 0.0 % (单位:千美元) | 0.0分贝 | 0.0分贝 0.0% | 0.0 % (单位:千美元) |
| RX 12 默认值, 增益 - 12 dB | -9.7分贝 − 81% | 0.69% (单位:千美元) | 0.0分贝 | -6.6分贝 52% | 0.59% (单位:千美元) |
| RX 12 调制 | - 12.0分贝 − 88% | 1.96% (百分比) | -0.1分贝 | - 120分贝 73% | 0.99% (单位:千美元) |
| 6.2.1 国家 | 0.0分贝 11% | 0.11% (中文(简体) ) | 0.0分贝 | 0.0分贝 20% | 0.19% (百分比) |
| 0.3.0 (中文(简体) ) | - 10.9分贝 78% | 0.49% (单位:千美元) | 0.0分贝 | -11.2分贝 78% | 0.58% (单位:千美元) |
| 0.4.0 (中文(简体) ) | - 11.2分贝 92% (%) | 0.76% (单位:千美元) | 0.0分贝 | - 11.5分贝 88% 妇女 | 0.49% (单位:千美元) |
0.3.0错过了90个叙述呼吸中的20个. 8通过它的静音框(元音衰变,发作的喃喃)跑入了它们前后的句子中,它通过平分的分级传递给呼吸:接通了一跑,它在那一侧没有停顿. 六,一则解码器作为几段窄带留下一口气的叙述,被读取为由@audio/vad的周期所表达出,其长度可达4千赫. 0.4.0捕获了8个中的6个和6个;它也问出一个帧的形状(1千赫以下0.3-8千赫能的80%以下),并读出语音第一个口音的发音,低于1千赫;在调音说明上选择的房间里运行需要的中位数从15到14分B(再呼吸一口气,就不再说话了)。 在调音机上,呼吸抓住了51~54分的55分和19~20分的26分,语音框触动了0.23~0.15%和0.21~0.37%. 在测试描述中,它接触的语音比0.3.0(0.76%对0.49%,仍然低于RX的1.96%):大多数新的跨度是短语之间的噪音,在下个短语发作时吸入,或者在1 kHz下周期性地保持了几个帧,这个度量的0.1 s字边值算作语音;一个是短语的creaky结尾. 0.2.1拒绝了VAD没有叫的语音;它的语音从一个元音到0.3 s的相隔0.15 s的相隔,这个相隔大部分的呼吸. 音乐和歌唱(Vibe Ace, Brahms, Nutcracker,一号小号,4个VocalSet arpeggios),在被超过3分贝拒绝的30分B以内帧:无(0.3.0分,计算方式相同:占小号的1.8%;0.2.1分,按当时计算:勃拉姆斯8.8%分,Vibe Ace 2.2%分). VoiceBank+DEMAND 响亮的测试演讲,每四分之一的演讲,在30分贝范围内, 超过3分贝的低音:0.07%(0.3.0:0.05%;0.2.1,然后计算:5.0%).
使用时 : 声音转换、播客、叙事.
不为: 他的气息或房间的音调 room, (中文(简体) ), gate, (中文(简体) ), omlsa。 。 。 .
部分 @ audio/ denoise (英语) ——出家伞. 此 README 由伞形文件生成 .
麻省理工学院 音频