基于深度学习的语音增强与音频质量评测 Demo产品系统

在会议、录音设备、在线通话、智能硬件等场景中，采集到的语音通常会受到环境噪声、混响及其他声源干扰，从而影响语音清晰度和后续语音识别效果。
本项目实现了一套完整的语音增强实验 Demo，从 WAV 音频读取、STFT 时频分析、特征提取、深度学习模型推理，到增强语音重建及指标评测形成完整流程。
项目主要用于展示语音信号处理、深度学习音频模型及算法实验能力，也可以作为语音增强、降噪及音频算法研究的基础框架。

系统支持输入带噪语音，并输出增强后的语音及对应评测结果。
主要功能包括：
WAV/PCM 音频读取与预处理；
STFT 时频变换；
幅度谱、相位谱及 LPS 特征提取；
深度学习模型推理；
Mask 预测及频谱增强；
iSTFT 重建增强语音；
原始语音与增强语音波形对比；
Spectrogram 频谱图可视化；
支持 STOI、SNR 等指标统计；
批量音频推理与实验结果汇总。
系统可用于语音增强算法验证及不同模型效果对比。

项目基于 Python + PyTorch 搭建完整语音增强 Pipeline。
音频首先经过采样率统一、归一化及 STFT 变换得到复数频谱，并从频谱中提取模型所需的时频特征。
模型根据输入特征预测时频 Mask，通过 Mask 对原始频谱进行增强，再结合相位信息使用 iSTFT 重建时域音频。
评测模块对原始音频和增强音频进行统一分析，并生成波形图、Spectrogram 以及语音质量指标。
整个流程将音频预处理、模型推理、后处理及评测进行模块化拆分，方便快速替换模型结构、特征和评价指标。