为什么要降噪？

在许多语音相关的应用场景中，噪声的存在会严重影响性能和用户体验。例如：

• 语音识别:  噪声会降低语音识别的准确率，尤其是在低信噪比环境下。
• 语音克隆:  噪声会使依据参考音频合成语音的自然度和清晰度下降。

通过语音降噪能够一定程度上解决这些问题。

常见的降噪方法

目前，语音降噪技术主要有以下几种方法：

1. 谱减法： 这是一种经典的降噪方法，原理简单。
2. 维纳滤波： 这种方法对稳定的噪声效果较好，但对于变化的噪声效果有限。
3. 深度学习： 这是目前最先进的降噪方法。利用强大的深度学习模型，例如循环神经网络 (RNN)、卷积神经网络 (CNN) 和生成对抗网络 (GAN)，来学习噪声和语音之间的复杂关系，实现更精准、更自然的降噪效果。

ZipEnhancer 模型：深度学习降噪

本工具基于通义实验室开源的 ZipEnhancer 模型 ，并提供了一个简单易用的界面和 API 接口，让每个人都能轻松体验深度学习降噪的魅力。

项目已在 GitHub 开源

ZipEnhancer 模型的核心是 Transformer 网络结构和多任务学习策略。它不仅能够去除噪声，还能同时增强语音质量和消除回声。工作原理如下：

• 自注意力机制： 捕捉语音信号中重要的长时关系，理解声音的上下文信息。
• 多头注意力机制： 从不同的角度分析语音特征，实现更精细的噪声抑制和语音增强。

如何使用本工具？

Windows 预打包版：

1. 下载并解压预打包版本 (https://github.com/jianchang512/remove-noise/releases/download/v0.1/win-remove-noise-0.1.7z)。
2. 双击 runapi.bat 文件，浏览器将自动打开 http://127.0.0.1:5080 。
3. 选择音频或视频文件，即可开始降噪。

源码部署：

1. 环境准备： 确保安装了 Python 3.10 - 3.12。
2. 安装依赖： 运行 pip install -r requirements.txt --no-deps。
3. CUDA 加速（可选）： 如果你有 NVIDIA 显卡，可以安装 CUDA 12.1 来加速处理：

   pip uninstall -y torch torchaudio torchvision
   pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

4. 运行程序： 运行 python api.py。

Linux 系统:

• 需要安装 libsndfile 库：sudo apt-get update && sudo apt-get install libsndfile1。
• 注意: 请确保 datasets 库版本为 3.0，否则可能会出现错误。可以使用 pip list | grep datasets 命令查看版本。

界面预览

API 使用方法

接口地址: http://127.0.0.1:5080/api

请求方法: POST

请求参数:

• stream: 0 返回音频 URL，1 返回音频数据。
• audio: 待处理的音频或视频文件。

返回结果 (JSON):

• 成功 (stream=0): {"code": 0, "data": {"url": "音频URL"}}
• 成功 (stream=1): WAV 音频数据。
• 失败: {"code": -1, "msg": "错误信息"}

示例代码 (Python): (已在原文基础上优化)

import requests

url = 'http://127.0.0.1:5080/api'
file_path = './300.wav'


# 获取音频 URL
try:
  res = requests.post(url, data={"stream": 0}, files={"audio": open(file_path, 'rb')})
  res.raise_for_status() 
  print(f"降噪后音频 URL: {res.json()['data']['url']}")

except requests.exceptions.RequestException as e:
    print(f"请求失败: {e}")



# 获取音频数据
try:
    res = requests.post(url, data={"stream": 1}, files={"audio": open(file_path, 'rb')})
    res.raise_for_status()
    with open("ceshi.wav", 'wb') as f:
        f.write(res.content)
    print("降噪后的音频已保存为 ceshi.wav")

except requests.exceptions.RequestException as e:
    print(f"请求失败: {e}")