@audio/denoise-detect 
denoise——内容意识自动选择器:发现缺陷是录音带(如果有的话)及其方法的路径
npm install @audio/denoise-detect
import denoise, { classify } from '@audio/denoise-detect'
找到缺陷的录音带 并引导它到方法。 每条路线都需要证据;如果没有证据,就没有任何东西被去掉,声音就会恢复原样(原样:'none') (中文(简体) ).
denoise(data) // → cleaned Float32Array, or a copy: nothing to remove
denoise(data, { returnPlan: true }) // → { out, plan }
denoise(data, { force: 'wiener' }) // skip classifier
classify(data, fs) // → { method, scores }, the plan alone
| 参数 | 默认 | |
|---|---|---|
fs | 44100 | 抽样率 |
force | —— 说 | 一个 'none' | 'dehum' | 'declick' | 'dewind' | 'deesser' | 'dereverb' | 'omlsa' | 'wiener' |
returnPlan | false | 返回时 { out, plan } 带有分类分数 + 所选方法 |
按优先顺序排列 (一次STFT扫地,帧相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相接相
- 哼 哼 哼 哼 哼 哼
dehum: Dehum自己的测量发现一个主干系列,它发现的线条A-加权(IEC 61672-1)位于程序A-加权级的50分贝之内(HUM_LEVEL,-50;下面还有一系列没有听到,而是被留下)。 一个声音下方的孤60Hz线30dB就在那里,而耳朵听到60Hz 26dB小于1kHz. - 点击
declick: 超过1分一秒(CLICK_RATE在AR(30)出错的局部尺度上站出32×(其1.5ms块RMS的中位数为±12ms,作为去点击评分)的冲动,单是:没有半个大小的2.5-40ms的两边(一个声音的脉冲,裂为25个Hz),之后没有声音10个dB比以前大(一个快爆,一个音符的攻击). - 动静 □
deesser: 5–9 kHz 大于 0.2–2 kHz 功率大于 8. - 噪音床 –
omlsa: 25分贝内一层(BED_SNR; 程序: 在最响度的40分贝范围内的帧, 显示于其 暂停 或进入 稳定带。暂停时间在框架水平第10百分位的6分位以内,为0.15秒或多;床位是其中位水平. 噪声:平和而无行从300赫兹. 发言:在程序下一直有一个床位,所以在每个乐队中,暂停坐到乐队沉入全程(其5%)的地方,没有比高斯噪音本身所传播的更进一步(1.645-4.34/√(n/1.5) dB 在n bins上)加上3 dB在床上缓慢地徘徊(乐队的中位数),它们不会持有来去的部分(中间持续到0.1;babble读为0.04-0.08)。 每段暂停和横跨音符的一行被扣住,引擎的,扇子的,像主音的语气,是地板的一部分;安静的音乐通道不是:它的音符来去去去去去去去去去去去去去去去去,它的暂停站倒在地板上去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去不去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去不去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去不去去去去去去去去去去去去. 稳定带:一个乐队,其安静的半个不同,不超过高斯人在其垃圾桶上的噪音的两倍,没有线条. 一行是一行乐队的精细结构(log power 减去它的±4-bin 平均值)与帧 N 背相关联,它没有共享样本:一个部分地持有它的bins,噪音再画出它们. - 风起地起
dewind:在0.15 s区块的十分之一以上,方案20 dB范围内的低端( < 200 Hz),6 dB比300-2000 Hz的波段多出一分之一,没有线条,没有床表. 风在麦克风上是动荡,没有一段时间(Nelke & Vary, IWAENC 2014);低音线或声音低端会在其发音中重复. - 稳定吨位 –
dehum: dehum's (英语)tones()找到通过程序暂停而保持的行,在它下面,它们的相位会变成一行行(一呼,测试语调;见 de),在节目的50分贝内被A-加权,如hum是. - 否则
none。 。 。 .
何处 tones() 找到平稳的音量,并采用另一条路线(点击、摇动、床、风等), dehum 先跑:每桶加一层,最多在地上站起一行(口音:一行7千赫,0.3分;白噪:0.01分: wiener 单是10.5 dB SNR, dehum 接下来 wiener 24.2 (英语). force 独自运行强制方法.
每张床都去 omlsa一张床比起风来,每张床都比起路由器所派发的喧闹的言语node scripts/detect.js tune reduce, (中文(简体) ), python scripts/detect.py score tune; PESQ 宽带、STOI、DNSMOS SIG 以16千赫为 scripts/speech.py 分数 :
| 噪音(摄取) | PESQ: 吵闹地 wiener • 妇女 omlsa • 妇女 dewind | STOI,同样的 | SIG,一样 |
|---|---|---|---|
| VoiceBank+DEMAND,它的十个训练噪音(504个) | 1.47 · 1.84 · 1.83 · 1.68 | 0.841 · 0.833 · 0.842 · 0.828 | 3.00 − 3.18 − 3.18 − 2.98 |
| 其中43辆 | 2.43 · 3.27 · 3.32 · 3.06 | 0.959 · 0.954 · 0.961 · 0.949 | 3.49 3.50 3.50 3.45 (中文(简体) ) |
| DAND 洗衣机、场地、公园、河流、走廊(126) | 1.77 − 2.25 2.26 1.98 | 0.883 - 0.87 0.887 - 0.870 妇女 | 3.28 · 3.42 · 3.43 · 3.27 |
| 白色,粉红色噪音 0-20分贝(168分贝) | 1.42 · 1.86 · 1.85 · 1.62 | 0.809 · 0.811 · 0.820 · 0.787 | 3.20 • 3.33 3.32 3.15 |
| 6个谈话者bable 0-20 dB(84) | 1.53 • 1.57 1.57 1.55 | 0.761 · 0.753 · 0.756 · 0.752 | 2.78 · 2.94 2.93 2.76 |
| 有记录并产生风能0,10分贝(84) | 1.51 · 1.99 1.98 · 2.07 | 0.891; 0.889; 0.896; 0.886) | 3.34 · 3.35 · 3.32 · 3.26 |
| 合成风管0,10分贝(28) | 1.48 · 1.52 · 1.56 · 1.88 | 0.871 · 0.867 · 0.870 · 0.874 | 3.22 · 3.17 3.10 3.20 |
整个994年 omlsa 保持STOI 0.007过 wiener''s (paired, ±0.001 at 95%;在除6个对讲器和合成气泡外的每个噪声上,其间隔为0) 在同一 PESQ (−0.001 ± 0.006)和SIG (−0.008 ± 0.012); wiener'边缘 BAK和OVRL在静止的噪音上(白色,粉红色,语音形状:OVRL 0.02-0.09)就位于左侧的噪音上,而不是语音上. 0.4把一张床送来了 wiener一个平稳的低地隆波是一张床:在汽车,交通,地铁,田地,公园上 omlsa 取了0.1-0.3 PESQ和0.01-0.02 STOI 的标注 dewind风在床外排出 记录和产生出风分道扬镳: dewind 领先PESQ 0.09, omlsa 以0.010为STOI,以0.06为SIG; 中间有镇静的合成气管为: dewind他们的镇静状态显示没有床 大约一半 + wind gusts (以下各行). 运行一次 test1628年(score test:STOI + 0.008 ± 0.000再次,PESQ-0.006 ± 0.005和SIG-0.010 ± 0.008(在VoiceBank+DEMAND的测试噪声上+ 0.002和− 0.013; dewind 这里有2.25至 omlsa2.36),记录有风起于上 tune (单位:千美元)dewind PESQ 1.93, (英语), omlsa (一) SIG 3.14和3.24.
0.3没有 none每段录音都去了某个地方 它的地板统计(一个滚动最小帧能量的传播) 将程序本身的动态读作流浪的噪音床,所以干净的演讲和音乐去了 omlsa一个低音重音组合 dewind (低于3级以上中能) declick它的冲动是用口拍打和冲出 盲目的SSNR估计无法站入床位,每个假设一个类似语音的程序:在下面的培训材料上,由WADA-SNR(Kim & Stern,Interspeech,2008年)去清音读取5.4 dB(中间),由NIST STNR类似帧直方图取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取的取取取取取取取取取取取取取的取取取取取取取取取取取取取取取取取取的取取取取取取取取取取取取的取取取取取取取取取取取取取取取的取取取取取取取取取取取取取取取取取取取 床必须展示自己,其中程序暂停或永远无法到达.
node scripts/detect.js tune|test 路由标签材料和打印每类内容(脚本中的出处和混合物); 共享路由右,0.4.1~0.5.0, 选择的阈值 tune (声音银行+ DENAND的训练子集,DENAND的洗衣机,场地,公园,河流和走廊在每段录音的前半部分,口语维基百科的叙述,修理/音乐,VocalSet歌手m1 f2 m2 f1,甚至斯拉克混音,MUSDB18列车, scripts/wind.py曲调的一半, test 运行一次(VoiceBank+DEMAND测试集,每集DEMAND录制的后半部分,另外十集,其他歌手,音轨和风:
| 材料 | 通缉 | 曲调 | 测试 |
|---|---|---|---|
| 清廉的演讲,语音银行(504-824) | none | 97 — 97% | 95 — 95% |
| 说明(20-20) | none | 90% − 90% | 85-85% (中文(简体) ) |
| 清洁音乐(62-56) | none | 98 — 97% | 93 — 91% (91%) |
| 语音银行+DEMAND 噪音(504 − 824) | 缩写器 | 75 — 91% (91%) | 59 — 76% |
| 语音 + 需求 2.5–17.5 dB 下 (126–206) | 缩写器 | 55 — 79% | 63 — 78% |
| 语音 + 白色,粉红色噪音 0-20 dB 下方 | 缩写器 | 95%-96% | 100起 — 100% |
| 语音 + 出声 0 - 20 dB | 缩写器 | 76 — 79% | 80%-80% |
| 音乐+白噪声 10-20分贝 | 缩写器 | 92-92% (中文(简体) ) | 89 — 89% (中文(简体) ) |
| 音乐+粉红色噪音 10-20 dB 下方 | 缩写器 | 68 – 73% (73%) | 68 — 70% |
| 音乐 + 要求 10, 20 dB 下 (124- 112) | 缩写器 | 27~34% (中文(简体) ) | 28 — 32% (中文(简体) ) |
| 语音+录音风能 0, 10 dB 下 (84-138) | dewind 或减量器 | 92-92% (中文(简体) ) | 91 — 91% |
| 语音、音乐 + 主声 | dehum | 83 — 83% (单位:千美元) | 81起 — 81% |
| 语音、音乐+点击 5x | declick | 94 − 94% | 90% − 90% |
| 语音 + 风 下 0-10 dB | dewind | 93 – 64% (64%) | 89 — 54 % |
| 0-10分贝以下 | dewind | 38 — 33% | 50%-45% |
| 全部打进 | 80.3 — 86.0% | 77.8 – 83.5% |
每个噪音,响亮的语音导向一个减压器(VoiceBank+DEMAND的训练与测试集有不同的噪音):
| 曲调 | 测试 | ||
|---|---|---|---|
| 泡泡鱼 | 79 — 80% | 公共汽车 | 38起 — 55% |
| 食堂 | 64 — 81% | 咖啡馆 | 86 − 95% |
| 汽车 | 33 — 77% | 客厅 | 64-92% (中文(简体) ) |
| 厨房 | 90%-98% | 办公室 | 46 — 51% |
| 会议 | 71 — 91% | 公共广场 | 60 — 90% |
| 地铁 | 55 ~ 92% (92%) | ||
| 餐厅 | 95 — 100% | ||
| 语音形状 | 100起 — 100% | ||
| 车站 | 98-98% | ||
| 交通 | 58起 — 100% |
| 语音需求 | 曲调 | 测试 |
|---|---|---|
| 洗衣机 | 15%-15% | 21 — 21% (单位:千美元) |
| 字段 | 24 — 100% (单位:千美元) | 29 — 71% |
| 公园 | 84 — 96% | 83 – 100% (单位:千美元) |
| 河流 | 100起 — 100% | 100起 — 100% |
| 走廊 | 52 – 84% (中文(简体) ) | 80%-100% |
无去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去去 剩下的大部分都交给了 declick 在VoiceBank的口哨上(14和37分,32-124x出错) omlsa (5和6): 3个声波银行拍摄,每集1个解说,其下层为语音下8-25分贝(Audio-lena's: 22分贝),1个吉他Set麦克风和1个VocalSet取出1个19-25分贝,2个MUSDB18混音(wiener'''在0.4.1中。 ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 错过了: 方案下的床比 BED_SNR因此测试组的公交车和办公用地在12:5和17:5的公交车和办公用地在暂停时间为26–33分B, 训练组的车在15分B, 洗衣机的鼓在16分Hz几乎没有留下任何东西。 ~10–18 ms每秒出声.
大部分测试的缺失是:总线和办公时间分别为12.5分和17.5分,在0-52%的抽取量中,其余为75-100%。 他们的噪音占其功率的88%(公共汽车)和95%(办公室)在40赫兹以下(每3次测试都进行,噪音更低);63赫兹以上位于声音下方的26–33分贝,而VoiceBank的清洁则保留自己的房间(10–90分贝30–40分贝 ) 。 在培训材料上,一个足够低的栏杆不支付费用:超过351个调取(VoiceBank+DEMAND的训练集,每6个口音干净而吵闹地讲出话来) audio是因为 bench/rx/assistant.mjs 将每张在T DB下读到的床的路向 omlsa 以+40.4为总和的PESQ在25分贝,+41.7为28分贝,+34.8为31分贝,+19.0为34分贝(STOI+0.24,+0.22,+0.03,−0.29): omlsa 带一个干净的摄取室15分贝 和它的PESQ0.40。 在方案下只睡到40分贝(ACX的噪音地板在它的响度下; threshold 4)会减速倒计时,+33.4分31分和+27.0分34分,但从未达到25分B';暂停的功率在20–63赫兹,15–20分B在测试集总线和办公室下的声音会比其干净的28分多出18分B或更低,在培训演讲者净取量的5%. 链下40赫兹高通(图)@audio/chain这些床大部分都走了.
dereverb没有可靠的单行道签名,因此自動模組从不选择它——直接通过 denoise(data, { force: 'dereverb' }) 或者说 dereverb()。 。 。 .
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