fasr-enhancement-gtcrn 0.5.8

GTCRN audio enhancement model for fasr

fasr-enhancement-gtcrn

英文文档地址: README_EN.md

GTCRN 音频增强插件。第一版内置官方 gtcrn_simple.onnx，并通过 EnhancementModel.enhance() 提供离线整段音频增强能力。

安装

pip install fasr-enhancement-gtcrn

注册模型

注册名	类	适用场景
gtcrn	GTCRNEnhancement	轻量级 CPU 降噪

使用方式

from fasr.data import Waveform
from fasr_enhancement_gtcrn import GTCRNEnhancement

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

Confection 配置

[enhancement_model]
@enhancement_models = "gtcrn"
sample_rate = 16000
providers = ["CPUExecutionProvider"]
intra_op_num_threads = 1
inter_op_num_threads = 1

参数

参数	类型	默认值	说明
sample_rate	int	16000	输出采样率
model_path	str | None	None	可选自定义 ONNX 模型路径，默认使用内置模型
providers	list[str]	["CPUExecutionProvider"]	ONNX Runtime 推理 provider
intra_op_num_threads	int >= 1	1	显式设置 ORT intra-op 线程数，服务端推荐开启以避免默认绑核告警
inter_op_num_threads	int >= 1	1	显式设置 ORT inter-op 线程数，服务端推荐开启以避免默认绑核告警
n_fft	int	512	STFT FFT 大小
hop_length	int	256	STFT hop 长度
win_length	int	512	STFT window 长度

Realtime 状态

当前版本同时支持离线 enhance() 和流式 push_chunk()。流式路径复用了官方 streaming ONNX 的逐帧推理逻辑，并优先保证与离线输出的数值一致性。当前实现 通过 istft 重建新产生的尾部音频，稳定且容易验证，但在 CPU 开销上还不是最 终极的高性能包装方式。