如何消除librosa griffin lim引入的失真？

Question

我在做：

import librosa


D = librosa.stft(samples, n_fft=nperseg, 
                 hop_length=overlap, win_length=nperseg,
                 window=scipy.signal.windows.hamming)

spect, _ = librosa.magphase(D)

audio_signal = librosa.griffinlim(spect, n_iter=1024, 
                                  win_length=nperseg, hop_length=overlap, 
                                  window=signal.windows.hamming)
print(audio_signal, audio_signal.shape)
sf.write('test.wav', audio_signal, sample_rate)

并且它在重建的音频信号中引入了明显的失真。我能做些什么来改善这一点？

Answer 1

您需要使用居中的窗口函数，以便窗口信号是零相位的，即它完全对称于窗口的中心。在这种情况下，您可以使用hann窗口，这是一个具有非零端点的升余弦窗口。

D = librosa.stft(samples, n_fft=nperseg, 
                 hop_length=overlap, win_length=nperseg,
                 window=scipy.signal.windows.hann)

spect, _ = librosa.magphase(D)

audio_signal = librosa.griffinlim(spect, n_iter=1024, 
                                  win_length=nperseg, hop_length=overlap, 
                                  window=signal.windows.hann)
print(audio_signal, audio_signal.shape)
sf.write('test.wav', audio_signal, sample_rate)

Answer 2

你应该使用像WaveNet这样的基于神经网络的声码器进行重建