关于复现SEGAN:: Speech Enhancement Generative Adversarial Network

近期在复现文献《Speech Enhancement Generative Adversarial Network》的代码，代码：https://github.com/santi-pdp/segan。（写这个主要是怕后面给忘了，现在也是处于尝试阶段）

目前有pytorch 和TensorFlow两个版本。我这次主要选择原版TensorFlow0.12.1版本。

首先关于环境配置：

ubuntu18.04 +cuda8.0+cudnn5.1+python2.7

环境最好按照作者提供的配置要求来配，不然会出现不知名的错误。

训练阶段：train_segan.sh

#!/bin/bash

# Place the CUDA_VISIBLE_DEVICES="xxxx" required before the python call
# e.g. to specify the first two GPUs in your system: CUDA_VISIBLE_DEVICES="0,1" python ...

# SEGAN with no pre-emph and no bias in conv layers (just filters to downconv + deconv)
#CUDA_VISIBLE_DEVICES="2,3" python main.py --init_noise_std 0. --save_path segan_vanilla \
#                                          --init_l1_weight 100. --batch_size 100 --g_nl prelu \
#                                          --save_freq 50 --epoch 50

# SEGAN with pre-emphasis to try to discriminate more high freq (better disc of high freqs)
#CUDA_VISIBLE_DEVICES="1,2,3" python main.py --init_noise_std 0. --save_path segan_preemph \
#                                          --init_l1_weight 100. --batch_size 100 --g_nl prelu \
#                                          --save_freq 50 --preemph 0.95 --epoch 86

# Apply pre-emphasis AND apply biases to all conv layers (best SEGAN atm)
CUDA_VISIBLE_DEVICES="0,1" python main.py --init_noise_std 0. --save_path segan_allbiased_preemph \
                                          --init_l1_weight 100. --batch_size 100 --g_nl prelu \
                                          --save_freq 50 --preemph 0.95 --epoch 86 --bias_deconv True \
                                          --bias_downconv True --bias_D_conv True
 

 

测试阶段：原来的clean_wav.sh好像只能一次处理一个语音文件，我不知道为什么，但是只能处理一个语音，我一直没改好。

#!/bin/bash

# guia file containing pointers to files to clean up
#if [ $# -lt 1 ]; then
    #echo 'ERROR: at least wavname must be provided!'
    #echo "Usage: $0 [optional:save_path]"
    #echo "If no save_path is specified, clean file is saved in current dir"
    #exit 1
#fi

#NOISY_WAVNAME='/home/zyf/SEGAN/segan-master1/noisy_testset_wav_16k/p232_022.wav'
NOISY_WAVNAME="/home/zyf/SEGAN/segan-master1/mytest/p232_023.wav"
SAVE_PATH='test_clean_results'
#if [ $# -gt 1 ]; then
 # SAVE_PATH="$2"
#fi

#echo "INPUT NOISY WAV: $NOISY_WAVNAME"
#echo "SAVE PATH: $SAVE_PATH"
mkdir -p $SAVE_PATH

python main.py --init_noise_std 0. --save_path segan_v1.1 \
               --batch_size 100 --g_nl prelu --weights SEGAN-41700 \
               --preemph 0.95 --bias_deconv True \
               --bias_downconv True --bias_D_conv True \
               --test_wav $NOISY_WAVNAME --save_clean_path $SAVE_PATH
     

后来，我找到一个github，是其他人针对SEGAN做的修改版本，其中加了一个test_all.sh，是可以批量处理语音的脚本：https://github.com/lordet01/segan/blob/master/test_all.sh

我对其修改如下：

#!/bin/bash

# Set foler pathes for noisy and enhanced files
#if [ $# -lt 2 ]; then
    #echo 'ERROR: Noisy and Ehnahced Pathes should be provided!'
    #echo "Usage: $0 "
    #exit 1
#fi

NOISY_PATH="/home/zyf/SEGAN/segan-master1/mytest"
ENHANCED_PATH="test_clean_results"
mkdir -p $ENHANCED_PATH

FILES=$NOISY_PATH/*.wav

for f in $FILES 
do 
  sh clean_wav.sh $f $ENHANCED_PATH
done

我做了一个测试，一次对8个含噪语音信号进行降噪处理，用matlab进行语音播放，初步看是有明显降噪效果。