GTCRN实际上还是对幅度谱做mask？

[HuixiangH]

您好：
非常感谢您的开源模型。
我目前正在基于您的模型进行一些测试，注意到GTCRN的输出通过tanh激活并预测实部和虚部的mask，对预测出来的mask与输入特征的实部虚部做了复数乘法得到了预测特征。
而当我将虚部mask的值打印出来时，发现在大部分情况下，mask的值都是接近于0（大约在10^-3~10^-4或者更低)，我使用了两个checkpoints对test_wavs/mix.wav进行测试，以及使用了一些本地数据进行测试，基本都是这个现象。
关于上述现象：1. GTCRN是否实际上已经退化成了幅度谱的mask。2. 如果确实发生了退化，这种退化的可能原因是什么，以及是否可以通过训练目标的选择，或者是模型的调整，将GTCRN的恢复到对CRM的估计？
期待您的回复，谢谢！

[Xiaobin-Rong]

您好：
您所说的现象之前也有人反馈过，所以的确有可能预测的CRM退化成了IRM。我认为这种退化的原因可能是模型容量受限。在我的一些实验中发现，对于小模型，直接预测幅度谱会取得与预测复数谱差不多的性能，甚至更好。以复数谱为目标却预测到接近幅度谱的结果，一定程度上也支持了上述结论。我认为实质的困难在于小模型难以精确的预测相位。

[maoyapeng]

您好： 非常感谢您的开源模型。 我目前正在基于您的模型进行一些测试，注意到GTCRN的输出通过tanh激活并预测实部和虚部的mask，对预测出来的mask与输入特征的实部虚部做了复数乘法得到了预测特征。 而当我将虚部mask的值打印出来时，发现在大部分情况下，mask的值都是接近于0（大约在10^-3~10^-4或者更低)，我使用了两个checkpoints对test_wavs/mix.wav进行测试，以及使用了一些本地数据进行测试，基本都是这个现象。 关于上述现象：1. GTCRN是否实际上已经退化成了幅度谱的mask。2. 如果确实发生了退化，这种退化的可能原因是什么，以及是否可以通过训练目标的选择，或者是模型的调整，将GTCRN的恢复到对CRM的估计？ 期待您的回复，谢谢！

严验证的真细致呀