DPDFNet

DPDFNet 是一系列用于实时降噪的因果、单声道语音增强模型。
它在 DeepFilterNet2 的基础上，在编码器中添加了双路径 RNN (DPRNN) 模块，以增强长距离建模能力，同时保持流式处理友好。

链接

• 项目主页（音频示例 + 架构）：https://ceva-ip.github.io/DPDFNet/
• 论文（arXiv）：https://arxiv.org/abs/2512.16420
• 代码（GitHub）：https://github.com/ceva-ip/DPDFNet
• 演示空间：https://huggingface.co/spaces/Ceva-IP/DPDFNetDemo
• 评估数据集：https://huggingface.co/datasets/Ceva-IP/DPDFNet_EvalSet

本仓库内容

• TFLite：*.tflite（根目录）
• ONNX：onnx/*.onnx
• PyTorch 检查点：checkpoints/*.pth

模型变体

16 kHz 模型

48 kHz 全频带模型

推荐推理方式（仅 CPU，ONNX）

pip install dpdfnet

命令行

# 增强单个文件
dpdfnet enhance noisy.wav enhanced.wav --model dpdfnet4

# 增强整个目录
dpdfnet enhance-dir ./noisy_wavs ./enhanced_wavs --model dpdfnet2

# 下载模型
dpdfnet download
dpdfnet download dpdfnet8
dpdfnet download dpdfnet4 --force

Python API

import soundfile as sf
import dpdfnet

# 内存中增强：
audio, sr = sf.read("noisy.wav")
enhanced = dpdfnet.enhance(audio, sample_rate=sr, model="dpdfnet4")
sf.write("enhanced.wav", enhanced, sr)

# 增强单个文件：
out_path = dpdfnet.enhance_file("noisy.wav", model="dpdfnet2")
print(out_path)

# 查看可用模型：
for row in dpdfnet.available_models():
    print(row["name"], row["ready"], row["cached"])

# 下载模型：
dpdfnet.download()				# 所有模型
dpdfnet.download("dpdfnet4")	# 指定模型

引用

@article{rika2025dpdfnet,
  title  = {DPDFNet: Boosting DeepFilterNet2 via Dual-Path RNN},
  author = {Rika, Daniel and Sapir, Nino and Gus, Ido},
  year   = {2025}
}

许可证

Apache-2.0