sonicpure 0.1.0

Audio noise reduction and enhancement library with multiple engines

SonicPure 🎙️

Audio Noise Reduction & Enhancement Library

Profesyonel ses temizleme kütüphanesi - çoklu motor desteği, otomatik sessizlik kısaltma ve akıllı normalizasyon.

✨ Özellikler

• 🎯 3 Güçlü Gürültü Giderme Motoru

  • SpeechBrain MetricGAN+ (en kaliteli)
  • RNNoise (hızlı, gerçek zamanlı)
  • NoiseReduce (basit, hızlı)

• 🔇 Akıllı Sessizlik Kısaltma

  • Otomatik sessizlik tespiti (RMS-based)
  • Uzun sessizlikleri 0.5 saniyeye kısaltır
  • %2-13 arası süre tasarrufu

• 📊 Gentle Normalization

  • Referans dosya bazlı RMS normalizasyonu
  • Tanh-based yumuşak limiting (analog tarzı)
  • Pik sesleri önler, doğal kaliteyi korur

• ⚡ Hızlı & Verimli

  • 50 saniyelik ses → 2 saniyede işlenir
  • Otomatik sample rate dönüşümü
  • Geçici dosyalar otomatik temizlenir

📦 Kurulum

Pip ile (Önerilen)

# Development modunda kurulum (düzenlenebilir)
pip install -e .

# Normal kurulum
pip install .

Manuel Kurulum

# Bağımlılıkları yükle
pip install -r requirements.txt

# Kütüphaneyi Python path'ine ekle
export PYTHONPATH="${PYTHONPATH}:/path/to/sonicpure"

🚀 Hızlı Başlangıç

CLI Kullanımı

# Basit kullanım
python clean_audio.py input.wav output.wav

# Farklı motor seç
python clean_audio.py input.wav output.wav --engine rnnoise

# Daha agresif sessizlik kısaltma
python clean_audio.py input.wav output.wav --max-silence 0.3

# Ara dosyaları kaydet (debug için)
python clean_audio.py input.wav output.wav --save-intermediate

# Normalizasyon olmadan
python clean_audio.py input.wav output.wav --no-normalize

Python Kütüphanesi Olarak

from sonicpure import AudioPipeline

# Basit kullanım
pipeline = AudioPipeline()
result = pipeline.process("input.wav", "output.wav")

print(f"Original: {result['original_duration']:.2f}s")
print(f"Final: {result['final_duration']:.2f}s")
print(f"Saved: {result['time_saved']:.2f}s")

İleri Seviye Örnekler

from sonicpure import AudioPipeline

# Özelleştirilmiş pipeline
pipeline = AudioPipeline(
    engine='speechbrain',        # veya 'rnnoise', 'noisereduce'
    max_silence=0.5,             # maksimum sessizlik süresi
    silence_threshold_db=-40,    # sessizlik eşiği
    normalize=True,              # normalizasyon uygula
    reference_file='ref.wav'     # referans dosya (opsiyonel)
)

result = pipeline.process("input.wav", "output.wav")

# Detaylı sonuçlar
print(f"Engine: {result['engine']}")
print(f"Processing time: {result['processing_time']:.2f}s")
print(f"Time saved: {result['time_saved']:.2f}s ({result['time_saved']/result['original_duration']*100:.1f}%)")

Motorları Ayrı Ayrı Kullanma

from sonicpure.engines import SpeechBrainEngine, RNNoiseEngine, NoiseReduceEngine
from sonicpure.processors import SilenceTrimmer, AudioNormalizer

# Sadece gürültü temizleme
engine = SpeechBrainEngine()
engine.process("input.wav", "denoised.wav")

# Sadece sessizlik kısaltma
trimmer = SilenceTrimmer()
trimmer.trim("input.wav", "trimmed.wav", max_silence_duration=0.5)

# Sadece normalizasyon
normalizer = AudioNormalizer()
normalizer.normalize("input.wav", "normalized.wav", reference_file="ref.wav")

🎛️ Motorlar Karşılaştırması

Motor	Hız	Kalite	Kullanım Durumu
SpeechBrain	🐢 Yavaş	⭐️⭐️⭐️⭐️⭐️ En İyi	Podcast, video dubbing, profesyonel kullanım
RNNoise	🚀 Hızlı	⭐️⭐️⭐️⭐️ Çok İyi	Gerçek zamanlı, streaming, batch işleme
NoiseReduce	⚡️ Çok Hızlı	⭐️⭐️⭐️ İyi	Hızlı önizleme, basit temizlik

📊 Test Sonuçları

Gerçek TTS ses dosyaları üzerinde test edildi:

Dosya	Süre	İşlem	Tasarruf	Sonuç
test0.wav	3.32s	1.40s	0.42s (%12.7)	✅ Çok iyi
test1.wav	43.88s	2.26s	1.25s (%2.8)	✅ Mükemmel
tts_original.wav	49.48s	8.70s	2.04s (%4.1)	✅ Harika

🛠️ Teknik Detaylar

Pipeline Adımları

1. Noise Reduction

   • SpeechBrain: 16kHz model, otomatik resampling
   • RNNoise: Frame-based processing, Savitzky-Golay smoothing
   • NoiseReduce: Spectral subtraction, prop_decrease=0.7

2. Silence Trimming

   • RMS energy-based detection
   • -40 dB threshold (ayarlanabilir)
   • Minimum 0.3s sessizlik tespiti
   • Maksimum 0.5s sessizlik bırakır

3. Normalization

   • Referans dosya bazlı RMS matching
   • Safe gain hesaplama (clipping önleme)
   • Tanh-based gentle limiter (threshold: 0.95)
   • Max peak: -0.5 dBFS (güvenlik için)

Ses Kalitesi Garantisi

• ✅ Pik sesler engellenir (gentle limiting)
• ✅ Doğal ses karakteri korunur
• ✅ Artifact-free işlem
• ✅ Clipping önleme garantili

📁 Proje Yapısı

sonicpure/
├── sonicpure/               # Ana kütüphane
│   ├── __init__.py         # Paket tanımı
│   ├── engines.py          # Gürültü temizleme motorları
│   ├── processors.py       # Trimmer & Normalizer
│   └── pipeline.py         # All-in-one pipeline
├── clean_audio.py          # CLI aracı
├── test_*.py               # Test scriptleri
├── audio_analyzer.py       # Ses analiz aracı
├── audio_normalizer.py     # Standalone normalizer
├── silence_trimmer.py      # Standalone trimmer
├── setup.py                # Paket kurulum
├── requirements.txt        # Bağımlılıklar
├── README.md              # Bu dosya
└── prd.md                 # Proje gereksinimleri

🤝 Katkıda Bulunma

1. Fork yapın
2. Feature branch oluşturun (git checkout -b feature/amazing-feature)
3. Commit edin (git commit -m 'Add amazing feature')
4. Push edin (git push origin feature/amazing-feature)
5. Pull Request açın

📝 Lisans

MIT License - Detaylar için LICENSE dosyasına bakın.

🙏 Teşekkürler

• SpeechBrain - MetricGAN+ modeli
• RNNoise - RNN-based denoising
• noisereduce - Spectral gating

📧 İletişim

Mehmet Yerli - [e-mail]

Proje Linki: https://github.com/mehmetyerli/sonicpure

---

⭐️ Projeyi beğendiyseniz yıldız vermeyi unutmayın!