nnnoiseless

nnnoiseless 是一个用于抑制音频噪声的 Rust crate。它是 C 库 RNNoise 的 Rust 版本，基于循环神经网络。

尽管 nnnoiseless 主要用作库，但也提供了一个简单的命令行工具作为示例。它操作 WAV 文件或 RAW PCM 文件。运行

cargo install nnnoiseless

以安装它（您可能需要先安装 rust）。一旦安装了 nnnoiseless，您就可以像这样运行它

nnnoiseless input.wav output.wav

，或者，对于更高级的使用，尝试

nnnoiseless --help

安全性

除了下面描述的 C API 之外，nnnoiseless 主要使用安全的 Rust 编写。它目前在两个地方使用 unsafe，将 f32 数组转换为长度减半的 Complex<f32> 数组；这带来了小幅但可测量的性能提升。如果 RustFFT 的未来版本具有内置对仅实数 FFT 的支持，则此不安全代码将被移除。

C API

您可以将 nnnoiseless 安装为一个库，该库可以从 C 使用，并具有与 RNNoise 兼容的头文件。

$ cargo install cargo-c
$ mkdir staging-nnnoiseless
$ cargo cinstall --destdir staging-nnnoiseless
$ sudo cp -a staging-nnnoiseless/* /

自定义模型

nnnoiseless 基于神经网络。有一个内置的模型，但您也可以用您自己的模型替换内置网络。（这可能很有用，例如，如果您有一种特定的噪声要过滤掉，而 nnnoiseless 的内置网络做得不够好。）

加载 nnnoiseless 网络文件

假设你已经训练（或从某处下载）了你的神经网络权重，并且它们存储在文件 weights.rnn 中。你可以通过传递 --model 选项来使用这些权重进行 nnnoiseless 二进制操作。

nnnoiseless --model=weights.rnn input.wav output.wav

另一方面，如果你将 nnnoiseless 作为库使用，你可以使用 RnnModel::from_bytes 或 RnnModel::from_static_bytes 加载你的神经网络权重。

转换 RNNoise 网络

有些人已经为 RNNoise 制作了自己的神经网络权重（例如，这里）。这些权重也可以在 nnnoiseless 中使用，但你需要首先将它们从基于文本的 RNNoise 格式转换为二进制 nnnoiseless 格式。在 train 目录中有一个脚本可以为你完成这个任务：只需运行

python train/convert_rnnoise.py input_file.txt output_file.rnn

训练你自己的权重

这个过程有些复杂，但现在已经有文档说明了。有关更多信息，请参阅 train/README.md。