Ich bin kürzlich auf ein Open-Source-Projekt gestoßen, das ich hier kurz vorstellen möchte: DeepFilterNet – ein Framework zur KI-gestützten Rauschunterdrückung in Audiosigalen. Als Funkamateur hat mich dabei vor allem der praktische Nutzen für den Empfangsbetrieb interessiert. Da DeepFilterNet keine Verbindung zum Internet benötigt, ist es eine Alternative zu RM Noise, das in der aktuellen Version nur genutzt werden kann, wenn ein Onlinezugang besteht.
Was ist DeepFilterNet?
DeepFilterNet ist ein quelloffenes Framework, das neuronale Netze einsetzt, um Sprache von Hintergrundrauschen zu trennen. Es verarbeitet Audio mit 48 kHz und steht unter MIT- sowie Apache-2.0-Lizenz, ist also frei verwendbar. Das Projekt ist auf GitHub verfügbar und wird dort aktiv gepflegt – mit über 4.000 Sternen hat es eine nennenswerte Nutzerbasis.
Für technische Details, Installationsanleitungen und die verschiedenen Modellversionen verweise ich direkt auf die offizielle Projektseite: github.com/rikorose/deepfilternet
Warum ist das für Funkamateure interessant?
Kurzwellen- und UKW-Empfang ist oft von Hintergrundrauschen, atmosphärischen Störungen oder schwachen Signalen begleitet. Genau hier kann DeepFilterNet hilfreich sein: Audiostreams – etwa vom SDR-Empfänger – lassen sich damit ich echtzeit filtern und die Sprachverständlichkeit deutlich verbessern.
Windows-Benutzeroberfläche
Da DeepFilterNet ursprünglich über die Kommandozeile bedient wird, habe ich mir überlegt, den Einstieg für Windows-Nutzer zu erleichtern. Mit Unterstützung von Claude Code – dem KI-gestützten Entwicklungswerkzeug von Anthropic – habe ich eine grafische Benutzeroberfläche für Windows erstellt, die die API von DeepFilterNet nutzt.
Nachfolgend ein Bildschirmfoto der aktuellen Version. Auf der linken Seite sieht man als Wasserfall das Original-Audiosignal und auf der rechten Seite das gefilterte Signal. Die Filterstärke lässt sich über den Regler „Strength“ zwischen 0% ud 100% frei einstellen. Für einen direkten A/B-Vergleich kann der Filter über Kopfdruck aktiviert und deaktiviert werden. Die Auflösung des Wasserfalls kann in 5 kHz Schritten bis 20 kHz eingestellt werden. Dies dient nur der Visualisierung und hat keinen Einfluß auf den Filter selbst.Gleichen gilt für WF Gain. Aus diese Einstellung hat nur Einfluß auf die Anzeige des Wasserfall.
Bildschirmfoto mit Filterstellung Strength = 100%.
Das gefilterte Signal auf der rechten Seite ist komplett frei von Rauschen. Es zeigt ein starkes SSB Signal auf dem 20m Band. Das Signal hätte auch ohne DeepFilterNet problemlos empfangen werden können. Durch das herausgefiltere Rauschen ist das zuhören aber deutlich angenehmer.
Audiobeispiel 1
DeepFilterNet Strength 100%, WebSDR 40 m Band mit 5,4 kHz SSB Filterbreite. Während der Aufnahme wurde der Filter sporadisch ein und ausgeschaltet. Anmerkung: Die gefilterte Audioqualität scheint besser zu sein, wenn der SSB Filter nicht zu schmal eingestellt ist, daher das Beispiel mit 5,4 kHz SSB Filterbreite.
Wer DeepFilterNet zusammen mit meiner GUI auf seinem Windowsrechner ausprobieren will, kann mir gerne eine E-Mail schicken. Die App schicke ich dann gerne zu.
Audiobeispiel 2 (Bildschirmaufnahme mit Audio)
DeepFilterNet mit unterschiedlichen Strength-Einstellungen. WebSDR 15 m Band mit 6 kHz SSB Filterbandbreite.
todo
Fazit
DeepFilterNet ist ein praktisches Werkzeug, das ich jedem empfehlen kann, der verrauschte Audiosignale verbessern möchte. Für Funkamateure ergibt sich ein konkreter Mehrwert im Empfangsbetrieb. Wer mehr über das Projekt erfahren möchte, findet alle Informationen auf GitHub.
Offizielle DeepFilterNet Projektseite: github.com/rikorose/deepfilternet