GCRN Python SDK

GCRN 语音增强 Python 推理 SDK。模型输入 16 kHz 单声道噪声语音的 STFT 谱 [1, 2, 401, 161]（4 秒分块），输出增强谱，再还原为增强波形。

安装

pip install -r requirements.txt

axengine 需要 AX650 板端（或带 AX runtime 的主机）；普通电脑可以装 onnxruntime 后用 ONNX 模型调试。

快速使用

python3 demo.py --model ../models/model.axmodel --input ../test_audio/mix.wav --output enhanced.wav

API

from gcrn_sdk import GCRNDenoiser

denoiser = GCRNDenoiser("models/model.axmodel")   # .onnx 自动走 onnxruntime
report = denoiser.enhance_file("noisy.wav", "enhanced.wav")
print(report["real_time_factor"])

# 直接处理 int16 PCM：
pcm = ...  # np.int16
enhanced = denoiser.enhance(pcm)

预处理说明

输入要求：16 kHz、单声道、16-bit PCM WAV；
分块：4 秒（64000 样本），不足补零，逐块增强后拼接；
STFT：n_fft=320, hop=160, win=320，hamming（sym）窗，与模型训练端一致；
模型边界：stft_input [1,2,401,161] float32 -> stft_output [1,2,401,161] float32 （布局为 batch, real/imag, time, freq）。