站内导读

中文

定位:开源 48kHz 人声隔离模型,专为嘈杂录音和直播音频降噪,把人声干净分离出来且尽量保留说话人身份特征。

核心能力

  • 提供离线高质量版与实时流式版两款同架构模型,前者整段八秒分块处理,后者仅二十毫秒前瞻适合直播管线
  • 适用于录音清理后播出发布、语音数据集整理与语音流水线预处理等场景,强调分离后说话人身份不丢失
  • 可用原声减去隔离出的人声得到背景噪声或伴奏残差,从而兼顾人声与音乐的分离需求与二次利用
  • 一行命令安装并处理 WAV 文件,同时输出干净人声与被移除的背景两个文件,方便逐一检查分离效果并做后续编辑处理,输出格式也便于直接进入常见音频工作流程使用

适用人群:播客与视频创作者、做语音数据整理和实时通话直播功能的开发者与团队。

注意:它不是说话人选择器,也不是音频修复模型。

相关项目 · HuggingFace

查看全部「HuggingFace」项目 →