ClearerVoice-Studio - 通义语音处理技术，集成语音增强、语音分离和音视频说话人提取等功能，本地一键整合包下载

无言***

ClearerVoice-Studio - 通义语音处理技术，集成语音增强、语音分离和音视频说话人提取等功能，本地一键整合 ...

通义实验室开源 ClearerVoice-Studio，一个集成 语音增强、语音分离和音视频说话人提取 等功能的语音处理框架。通过融合复数域深度学习算法，我们大幅提升了语音降噪和分离的性能，能够最大限度地消除背景噪声并保留语音清晰度，同时保持语音失真最小化。

随着语音技术的普及，语音质量已成为人们关注的焦点。环境噪声、混响、设备拾音等问题，常常使语音质量和可懂度大打折扣。无论是录制清晰语音却因周围环境嘈杂充满噪声，还是在地铁、餐厅等喧闹场景中与人通话时不得不提高嗓音，这些场景都体现了语音处理技术的迫切需求。特别是在复杂的多人对话环境中，如何有效分离目标说话人的语音信号，避免其他干扰，一直是语音处理领域的难点和热点。

ClearerVoice-Studio的出现，以上问题就迎刃而解了。和之前分享的 Remove-Noise 类似，但经过测试，ClearerVoice-Studio 的语音处理效果更好，不仅仅是简单的降噪，还包括降噪后语音效果增强，使得降噪增强后的音质更加纯净。非常适合需要训练语音模型的小伙伴。
ClearerVoice-Studio包含两个模块，ClearVoice和SpeechScore。
ClearVoice主要是语音增强和分离，还能使用面部识别从多个说话人的视频中提取每个说话人的声音，并分割出不同说话人的场景片段。
SpeechScore则主要为评估语音质量而设计。

ClearerVoice-Studio 能为您做什么？
语音降噪：将嘈杂的音频信号转化为高质量的清晰语音，适用于各种嘈杂环境，比如会议室、街道或咖啡馆。

语音分离：从复杂混合音频中无缝提取目标语音，无论是双人对话还是多人会议，都可以做到“各听其声”。
目标说话人提取：精确识别并提取目标说话人的声音，比如从一段访谈音频中只提取特定嘉宾的发言部分。


适用场景
1、会议录音整理将多人会议的音频分离为独立的语音信号，同时降噪提升语音质量，方便后续整理与归档。
2、电话录音优化对嘈杂背景中的电话语音进行降噪和分离，确保客户服务记录清晰无误。
3、视频后期制作精确提取目标说话人语音，提高音频质量，减少后期处理时间。
4、语音研究为研究者提供便捷的工具包，结合质量评估模块快速验证模型效果。


使用教程：
1、准备一段包含噪声的语音文件；
2、上传至指定页面；
3、一键处理后，您可以在线试听，也可以下载处理结果到本地。
即刻获得清晰的音质、和卓越的降噪效果。

下载地址：
迅雷云盘：https://pan.xunlei.com/s/VODUTr95zd-y_4HQhcvGvqfcA1?pwd=6x38
夸克网盘：https://pan.quark.cn/s/a6b5f8c72e94
百度网盘：

游客，上上宾会员可免费下载该资源，点此开通上上宾 免费下载全站99%的付费资源。或单独支付 30碎银 下载该资源立即购买

ns***

这个可以，期待楼主一键包，谢谢

学***

返校分享 期待

tdw***

跟MSST比较效果如何？

simonch***

对视频语音的提取效果和效率是否更有优势比其他语音处理大模型

无言***

simonchen760918 发表于 2024-12-7 20:09
对视频语音的提取效果和效率是否更有优势比其他语音处理大模型

这个侧重分离和降噪

Imperia***

无言以对 发表于 2024-12-7 22:23
这个侧重分离和降噪

大佬，很奇怪，为啥用自带的示例wav文件效果不错，但是我上传的文件输出却是牛叫一般的声音呢，用的2070跑的，明天我用4090跑一下看看。

无言***

ImperialJensen 发表于 2024-12-7 23:32
大佬，很奇怪，为啥用自带的示例wav文件效果不错，但是我上传的文件输出却是牛叫一般的声音呢，用的2070 ...

我自己录了几个带噪音的测试了，没问题。
这个主要是降噪和分离，其他杂音没测试，可能不应有效果。并非所有的杂音都能完美分离

Unis***

ImperialJensen 发表于 2024-12-7 23:32
大佬，很奇怪，为啥用自带的示例wav文件效果不错，但是我上传的文件输出却是牛叫一般的声音呢，用的2070 ...

我也是，牛叫的声音一样

qi***

ImperialJensen 发表于 2024-12-7 23:32
大佬，很奇怪，为啥用自带的示例wav文件效果不错，但是我上传的文件输出却是牛叫一般的声音呢，用的2070 ...

处理后改变了原始声音的采样率，用audition把采样率转回原来的采样率就好了