阿里巴巴达摩院通义实验室开源了名为ClearerVoice-Studio的语音处理技术，旨在提升语音质量和可懂度，解决环境噪声、混响和设备拾音等问题带来的语音清晰度挑战。该技术融合了语音增强、语音分离和音视频说话人提取等功能，并采用了先进的复数域深度学习算法，显著提升了语音降噪和分离的性能，最大程度地保留语音清晰度，同时将语音失真降到最低。其核心模型包括在2022年IEEE/INTER Speech DNS Challenge中获得整体第二的FRCRN模型，以及在语音分离任务中表现卓越的MossFormer系列模型，为开发者和研究者提供了强大的语音处理工具。
阿里巴巴达摩院的通义实验室近期宣布开源一项名为ClearerVoice-Studio的语音处理技术，旨在提升语音质量和可懂度。随着语音技术的广泛应用，语音质量受到越来越多人的关注，尤其是在环境噪声、混响和设备拾音等情况下，语音处理技术的需求日益迫切。
ClearerVoice-Studio集成了语音增强、语音分离和音视频说话人提取等功能，通过融合复数域深度学习算法，大幅提升了语音降噪和分离的性能。该技术能够最大限度地消除背景噪声，保留语音清晰度，同时保持语音失真最小化。
ClearerVoice-Studio的核心模型与算法包括在2022年IEEE/INTER Speech DNS Challenge中获得整体第二的FRCRN模型，以及在语音分离任务中表现卓越的MossFormer系列模型。基于MossFormer2的48kHz语音增强模型在有效抑制噪声的同时，大幅降低了语音失真。
阿里巴巴通义实验室希望通过ClearerVoice-Studio平台，为开发者、研究者和企业提供强大的语音处理工具，助力创新应用落地。用户可以通过在线体验Demo，准备一段包含噪声的语音文件，上传至指定页面，一键处理后在线试听或下载处理结果，即刻获得清晰的音质和卓越的降噪效果。
GitHub 仓库:https://github.com/modelscope/ClearerVoice-Studio
在线体验 Demo:https://huggingface.co/spaces/alibabasglab/ClearVoice
ClearerVoice-Studio提供便捷的在线体验和GitHub仓库，方便用户快速上手使用。该技术的开源将推动语音处理技术的进步和应用，为更多语音相关领域带来革新。期待其在未来能有更广泛的应用场景。