Home

我幫你把兩個程式做了功能、數學流程、推理模式上的比較，讓你清楚看到它們差在哪裡，以及各自的設計重點：

---

1. 處理方式差異

項目	AudioDenoiser（16kHz）	FortyEightKHzDenoiser（48kHz）
採樣率	16 kHz	48 kHz
時頻轉換	手動 torch.stft → 頻域處理 → torch.istft 還原	無 STFT，直接時域模型（input_frame）做推論
模型輸入型態	複數 STFT Frame（實部+虛部）+ 三個 Cache（conv_cache / tra_cache / inter_cache）	單一時域 Frame（大小固定 hopSize=480）+ 狀態向量（state）+ 限幅參數（atten_lim_db）
模型推論流程	Frame-by-frame 頻域卷積處理，需持續更新三種內部緩存狀態	Frame-by-frame 時域推論，僅需更新一個 state 陣列
輸出還原	頻域合成複數張量 → istft → 時域波形	時域波形直接拼接（cat）
數據緩衝管理	須手動重建 Real/Imag 矩陣	輸出直接拼接，然後去掉 Padding

---

4. 如何選擇

• 如果要保留更多音質細節、特別是對付特定頻段噪聲 → 用 16kHz STFT 頻域版。

• 如果延遲極低、且能接受端到端模型音色特性 → 用 48kHz 時域版。

• 如果需要跨平台實時處理（WebRTC、SIP）→ 時域模型更容易整合，因為不用額外 FFT/IFFT。