语音降噪模型 GTCRN 学习笔记（二）

语音降噪模型 GTCRN 依靠 ERB、SFE 与 Mask 三个模块完成从带噪频谱到纯净语音的转换。ERB 利用预先算好的转换矩阵将 257 维 STFT 特征转换为 129 维，SFE 通过引入相邻频带将 3 通道数据扩展至 9 通道。模型输出复数比率掩码（CRM），相比实数掩码能同时修正幅度与相位，实现更好的降噪效果。