asteroid

---

El asteroide es un kit de herramientas de separación de fuente de audio basado en Pytorch que permite una rápida experimentación en conjuntos de datos comunes. Viene con un código fuente que admite una amplia gama de conjuntos de datos y arquitecturas, y un conjunto de recetas para reproducir algunos artículos importantes.

¿Usas asteroid o quieres?

Por favor, si ha encontrado un error, abra un problema, si lo resuelve, ¡abra una solicitud de extracción! Lo mismo ocurre con nuevas características, díganos lo que quiere o ayúdanos a construirlo. ¡No dude en unirse a la holgura y hacer preguntas / sugerir nuevas funciones allí también! ¡Asteroid está destinado a ser un proyecto basado en la comunidad, así que salga y ayúdanos!

Contenido

• Contenido
• Instalación
• Tutoriales
• Ejecutar una receta
• Recetas disponibles
• Conjuntos de datos compatibles
• Modelos previos a la aparición
• Que contribuye
• Visualización de TensorBoard
• Principios rectores
• Citando asteroide

Instalación

(↑ hasta el contenido) Para instalar asteroides, clonar el repositorio e instálelo con conda, pip o python:

 # First clone and enter the repo
git clone https://github.com/asteroid-team/asteroid
cd asteroid

• Con pip

 # Install with pip in editable mode
pip install -e .
# Or, install with python in dev mode
# python setup.py develop

• Con conda (si aún no tienes conda, mira aquí).

conda env create -f environment.yml
conda activate asteroid

• Asteroid también está en Pypi, puede instalar la última versión con

pip install asteroid

Tutoriales

(↑ hasta el contenido) Aquí hay una lista de cuadernos que muestran el uso de ejemplo de las características de Asteroid.

• Empezando con asteroid
• Introducción y descripción general
• API de FilterBank
• Permutación Wrapper de entrenamiento invariante PITLossWrapper
• Procesar archivos WAV grandes

Ejecutar una receta

(↑ hasta el contenido) La ejecución de las recetas requiere paquetes adicionales en la mayoría de los casos, recomendamos ejecutar:

 # from asteroid/
pip install -r requirements.txt

¡Luego elija la receta que desea ejecutar y ejecutarla!

 cd egs/wham/ConvTasNet
. ./run.sh

Más información en EGS/README.MD.

Recetas disponibles

(↑ hasta el contenido)

• Convtasnet (Luo et al.)
• Tasnet (Luo et al.)
• Profunda agrupación (Hershey et al. E ISIK et al.)
• Chimera ++ (Luo et al. Y Wang et al.)
• Dualpathrnn (Luo et al.)
• Aprendizaje de dos pasos (Tzinis et al.)
• Sudormrfnet (Tzinis et al.)
• DPTNet (Chen et al.)
• DCCRNET (Hu et al.)
• Dcunet (Choi et al.)
• CrossNet-Open-Unmix (Sawata et al.)
• DPRNN de múltiples decodificadores (Zhu et al.)
• Open-Unmix (próximamente) (Stöter et al.)
• Wavesplit (próxima) (Zeghidour et al.)

Conjuntos de datos compatibles

(↑ hasta el contenido)

• WSJ0-2MIX / WSJ03MIX (Hershey et al.)
• Wham (Wichern et al.)
• Whamr (Maciejewski et al.)
• Librimix (Cosentino et al.)
• Microsoft DNS Challenge (Chandan et al.)
• SMS_WSJ (Drude et al.)
• MusdB18 (Raffi et al.)
• Fuss (Wisdom et al.)
• Avspeech (Ephrat et al.)
• Kinect-WSJ (Sivaskaran et al.)

Modelos previos a la aparición

(↑ hasta el contenido) Ver aquí

Que contribuye

(↑ hasta el contenido) Siempre estamos buscando expandir nuestra cobertura de la investigación de separación y mejora del habla, la siguiente es una lista de cosas que nos faltan. ¿Quieres contribuir? ¡Este es un gran lugar para comenzar!

• Wavesplit (Zeghidour y Grangier)
• FURCANEXT (Shi et al.)
• Deepcasa (liu y want)
• Conjuntos de prueba VCTK de Kadioglu et al.
• Pit interrumpido y en cascada (Yang et al.)
• Controlantes de consistencia (Wisdom et al.)
• Stoi y Pesq de retroceso.
• Bancos de filtro parametrizados de Tukuljac et al.
• Misi de extremo a extremo (Wang et al.)

No olvides leer nuestras pautas contribuyentes.

También puede abrir un problema o hacer un PR para agregar algo que nos perdimos en esta lista.

Visualización de TensorBoard

El registrador predeterminado es Tensorboard en todas las recetas. Desde la carpeta de recetas, puede ejecutar lo siguiente para visualizar los registros de todas sus ejecuciones. También puede comparar diferentes sistemas en el mismo conjunto de datos ejecutando un comando similar desde el conjunto de datos Directiories.

 # Launch tensorboard (default port is 6006)
tensorboard --logdir exp/ --port tf_port

Si su lanzamiento de Tensorboard de forma remota, debe abrir un túnel SSH

 # Open port-forwarding connection. Add -Nf option not to open remote.
ssh -L local_port:localhost:tf_port user@ip

Luego abra http://localhost:local_port/ . Si ambos puertos son los mismos, puede hacer clic en la URL de Tensorboard dada en el control remoto, es más práctico.

Principios rectores

(↑ hasta el contenido)

• Modularidad. Los bloques de construcción se consideran y se diseñan para estar sin problemas. Los bancos de filtros, codificadores, enmascaradores, decodificadores y pérdidas son bloques de construcción comunes que se pueden combinar de manera flexible para crear nuevos sistemas.
• Extensibilidad. Extender el asteroide con nuevas características es simple. Agregue un nuevo banco de filtro, arquitectura separadora, conjunto de datos o incluso receta muy fácilmente.
• Reproducibilidad. Las recetas proporcionan una manera fácil de reproducir los resultados con la preparación de datos, el diseño del sistema, la capacitación y la evaluación en un solo script. ¡Esta es una herramienta esencial para la comunidad!

Citando asteroide

(↑ hasta el contenido) Si te encantó usar asteroid y quieres citarnos, usa esto:

 @inproceedings { Pariente2020Asteroid ,
    title = { Asteroid: the {PyTorch}-based audio source separation toolkit for researchers } ,
    author = { Manuel Pariente and Samuele Cornell and Joris Cosentino and Sunit Sivasankaran and
            Efthymios Tzinis and Jens Heitkaemper and Michel Olvera and Fabian-Robert Stöter and
            Mathieu Hu and Juan M. Martín-Doñas and David Ditter and Ariel Frank and Antoine Deleforge
            and Emmanuel Vincent } ,
    year = { 2020 } ,
    booktitle = { Proc. Interspeech } ,
}