使用场景
在会议中，通过 LookOnceToHear 选择听取特定发言人的声音
在嘈杂的公共场所，帮助听力障碍者集中听取对话
在音频分析研究中，用于区分和提取多个声源
产品特色
用户通过看向目标说话者几秒钟来选择想要听到的声音
使用 Scaper 工具包合成生成音频混合
提供自包含的数据集和训练用的 .jams 规范文件
支持实时语音提取和目标语音听力模型的评估
提供了模型的检查点，方便用户进行训练和评估
适用于嘈杂环境下的语音识别和提取
使用教程
下载并解压提供的 .zip 文件到 data/ 目录
运行命令以开始训练过程
使用 Scaper 的 generate_from_jams 函数在 .jams 规范文件上生成音频混合
下载并加载目标语音听力模型的检查点进行评估
根据需要调整模型参数以优化性能
在实际应用中，用户只需看向目标说话者即可开始语音提取
