fasr-enhancement-deepfilternet 0.5.7

DeepFilterNet audio enhancement model for fasr

fasr-enhancement-deepfilternet

英文文档地址: README_EN.md

DeepFilterNet 音频增强插件。离线 enhance() 和流式 push_chunk() 现在都 使用 deepfilternet-rs 包，由它通过 PyO3 将官方 DeepFilterNet Rust runtime 暴露给 Python。

安装

pip install fasr-enhancement-deepfilternet

stream_backend = "rust" 由独立的 deepfilternet-rs 包提供。使用 deepfilternet-rs 预编译 wheel 时，目标机器不需要 Rust。

注册模型

注册名	类	适用场景
deepfilternet	DeepFilterNetEnhancement	高质量离线与流式降噪

使用方式

from fasr.data import Waveform
from fasr_enhancement_deepfilternet import DeepFilterNetEnhancement

model = DeepFilterNetEnhancement(sample_rate=16000)
enhanced = model.enhance(Waveform(data=audio, sample_rate=16000))

流式使用：

from fasr.data import AudioChunk, Waveform
from fasr_enhancement_deepfilternet import DeepFilterNetEnhancement

model = DeepFilterNetEnhancement(sample_rate=16000, stream_backend="rust")
for enhanced_chunk in model.push_chunk(
    AudioChunk(
        stream_id="session-1",
        waveform=Waveform(data=chunk_audio, sample_rate=16000),
        is_last=False,
    )
):
    ...

Confection 配置

[enhancement_model]
@enhancement_models = "deepfilternet"
sample_rate = 16000
post_filter = true
compensate_delay = true
attenuation_limit_db = 100.0
stream_backend = "rust"
stream_log_level = "warn"
post_filter_beta = 0.0

参数

参数	类型	默认值	说明
sample_rate	int	16000	输出给下游模型的采样率
deepfilter_sample_rate	int	48000	DeepFilterNet Rust runtime 内部处理采样率
binary_path	`str	None`	None
model_path	`str	None`	None
post_filter	bool	true	是否启用 DeepFilterNet post-filter
compensate_delay	bool	true	是否传入 -D 补偿算法延迟
attenuation_limit_db	float	100.0	降噪衰减上限，会传给 -a
timeout_seconds	float	120.0	为兼容旧配置保留的废弃字段
stream_model_path	`str	None`	None
stream_log_level	`str	None`	"warn"
stream_backend	"rust"	"rust"	流式 backend。仅支持 deepfilternet-rs 提供的 rust backend
post_filter_beta	float	0.0	流式 backend 支持时使用的 post-filter beta

Realtime 状态

当前插件支持一种流式 push_chunk() backend：

• rust：使用 deepfilternet-rs，它通过 PyO3 封装官方 DeepFilterNet Rust DfTract runtime。

音频会在内部重采样到 backend 要求的采样率，处理完成后再重采样回 sample_rate 供下游 fasr VAD/ASR 使用。现在 batch 与 realtime 共用同一条 runtime 路径， 两种模式下的增强行为会保持一致。