尝试训练一个小模型，将气流声转换为标准嗓音。用于帮助无声带人士发声。
因后天因素手术切除声带，一般仍可说话，但是嗓音类似悄悄话一样，只有轻微气流声发声。
或者夜晚游戏，为防止扰民，开麦时启用悄悄话转换功能。
目前初步训练一个1M小模型，可以将气流声转换嗓音
输入音频16k采样率，16位深度 转换为mel图 模型使用conv+conv+conv+lstm+upconv+upconv+upconv实现，数据量大概采集10分钟，预估增大数据集后，参数量仍可减少 一次处理 序列（帧）长度64，在mel图以128hop转换时，对应16K采样率大概0.5s转换一次，仍有优化空间
main 主分支 70万参数
1_3M 130万参数版本
src/audio_process 进行实时转换的测试 src/train 模型训练脚本 src/test-case 测试模型效果的脚本 src/audio_model 模型设计文件 src/dataset 数据集加载文件
自己在训练过程中，总结的一些想法也记录下来：
1.重视数据的标准化，数据的分布。有一天突然想起改变标准化方式用对数后归一化，效果立马好了很多。
2.有一段时间测试输出的音频一直有很大噪音，后来才发现是输入数据log处理后，转回线性过程中引入了噪声，导致训练的目标中就包括了噪声。有时候问题可能不是模型的问题。
2.1还有次发现，录制训练数据时默认开的音频增强，而实际测试中时有时没有,也导致和预期效果差很大，后边全部重新录制了一遍数据
3.借助正则化技术，小的数据集也可以训练出像样的模型。
4.以前以为L1loss，L2loss是每批的均值，用了才知道默认是所有批次的均值
5.激活函数的选择根据自己输出目标的分布来决定，不同的激活函数，效果可能差别非常大。
6.训练中打印模型的梯度信息，学习率，可以提前观察到梯度爆炸梯度消失等信息。
7.优化器上Adam基本没错，RMSprop有时候效果也很好
8.数据集不够可以上数据增强，迅速增大数据集，还有一定正则化作用，用了以后验证集上损失明显下降。比如为了使模型不处理正常声音，将正常声音最为输入加入模型，用正常声音作为目标训练，模型还能够具备一定的区分能力，针对呼吸声进行转换。
9.tensorboard对比不同批次很方便，记录重要信息
10.git记录很有用，多在分支上修改，至少保存训练最好的结果分支。
11.涉及到训练参数的，尽量不要在代码中设置默认参数，否则中间环节一个默认，排查都不好排查。然后最好是统一管理，不然可能出现测试和训练用的不是一套数据这种低级错误。