通义实验室开源 ClearerVoice-Studio语音处理框架

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。

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。

💡 ClearerVoice-Studio 能为您做什么？

• 高效去除背景噪声，将嘈杂语音处理成高质量、清晰的语音信号；

• 从复杂音频混合中轻松分离目标语音，满足多种语音处理需求；

• 使用音视频结合的模型精确提取目标说话人的语音信号；

• 使用模型训练和调优工具进行模型效果打磨；

📂 代码仓库

• GitHub 仓库：ClearerVoice-Studio https://github.com/modelscope/ClearerVoice-Studio

• 在线 Demo：Hugging Face Space https://huggingface.co/spaces/alibabasglab/ClearVoice

‍▎核心模型与算法亮点

• FRCRN 模型：