本文主要是介绍RNNoise要注意的部分（草稿记录），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
rnnoise会有一个pitch_filter
这是由于因为它们在生成特征时不是用频域上所有频点，而是采取bark's scale的切分频段来对不同频率的频段进行特征处理
这样的话频域上的分辨率会降低，然后导致最后在进行降噪后生成的语音会有一个现象就是oversmoothing,即你会辨别不清共振峰．
尽管bark's scale 在低频部分的频段分得很细，但是他把好几个频率都归为一个频带，就会使得生成波形很平滑（想想看，以前每个频点分别处理，现在几个频点虽然代表不同频率，但都是统一类，一起处理，就会平滑）但在语音中，过度平滑不是好处，对识别人听和识别是坏处的，所以pitch_filter就是去sharp这些共振峰的．
这个处理oversmoothing 的部分在另外一个项目也就是中科大sednn降噪的 global variance处理也能体现出来．
然后会有人问，可不可以不用barks'scale 处理，直接频点处理呢，可以，但在高频会有问题．
因为帧与帧之间在低频部分会有小部分变化，但那种变化并不是特别大，可是在高频部分变化是非常剧烈的（拿段音频做频谱分析你就能知道）
原因有两个：
１．高频部分信噪比比较低，所以噪声较大，SE处理后噪点多
２．因为高频部分是n阶谐波，基频变一点，高频变很多
如果把每个频点单独处理的话，到时候降噪可能会产生残余噪点，影响听觉感受． 这也能理解为啥mfcc高频的滤波器跨越的频率那么宽，低频滤波器很多
最后，改了rnnoise的东西能生成16k的模型，用aishell的数据进行训练和测试，asr 效果确有提高～
我把rnnoise 16k的训练方法开源出来了， 有兴趣参考 rnnoise16k
这篇关于RNNoise要注意的部分（草稿记录）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
