xiaobin-rong / gtcrn Goto Github PK

晓彬，您好：
非常感谢您的开源精神，我正在使用您开源的训练框架 SEtrain。
我发现训练出来的小参数网络在低信噪比场景下会出现降噪不干净，人声听感难受的问题。在尝试更换网络结构、更换mask、单独使用mse或sisnr均无明显改善，并且减小参数时问题更加明显。
您开源的本模型在处理低信噪比音频时同样会出现降噪不干净，听感难受的问题。您能否提出建议帮助解决这一问题。
期待回复，感谢！

I use the loss function in loss.py to train my network, but I get nan in some epoch, how can i fix this problem?

hello,man?

请问README Tabel1 跟Tabel2 中的RNNoise 的MACs 是怎么统计的呢？ 单计算网络部分的话，不会有0.04（G/s) 这么大的， 我按你代码中的统计方式，如果按帧长512，帧移256 计算出来的Macs 为5.53M （约0.0055 G/s)， 如果按帧长320， 帧移160计算出来的Macs为8.74M （约0.0087 G/s)

你好！多谢你的工作及开源！如果我想使用48k采样率，需要对模型代码进行修改吗，还是只需要改变输入数据即可。
祝您工作顺利！

首先非常感谢您的工作，我这里使用onnxsim.simplify导出时会报这个错
RuntimeError: /project/third_party/onnx-optimizer/onnxoptimizer/passes/eliminate_shape_gather.h:48: runTransform: Assertion 'indices_val < dims.size()' failed.
我和DeepVQE对比后排查了如下的地方：
chunk改切片
转置卷积去掉
groups去掉
空洞卷积去掉
layernorm去掉
均没有排查到原因，还是报上述的错
请问您找到问题在哪了吗

Hello 新年好， 请问下 Temporal Recurrent Attention的具体作用应该如何理解？

您好，恭喜您完成了一个非常棒的工作，同时非常感谢您无私的分享。
就像您说的这个模型参数和运算量都是非常低的，不知道有没有一个稍微大一点 参数和运算量的模型，同时能达到更好的效果，应该朝哪个方向调参？
谢谢！

您好，恭喜您完成了一个非常棒的工作并且被ICASSP 2024 收录。关于Subband Feature Extraction这一块中，您使用了nn.Unfold的操作，我想请教一下这一块的设计**和作用是什么？感谢您的回答！

Hi, what license is this code released under?