嘈杂录音一条命令变干净
Inworld Voice Isolator v1.0.0·开源 48kHz 人声分离,分离线和实时两个模型
播客、配音和口播素材里的空调声、键盘声、街噪,不用付费云服务,也不用在音频软件里逐段修,本机就能批量清掉。
- 🟢 两个模型:
voice-isolator-v1(64M 参数)处理录好的文件,每一帧都参考所在的完整 8 秒片段,长音频按 8 秒切块、相邻块重叠 2 秒。voice-isolator-v1-realtime(58M)用于直播和通话,前瞻 20 ms 时算法延迟 63 ms。v1 只做降噪(denoising,把人声以外的声音去掉),不补回录音缺失的高频;修复(restoration)计划在 v2 做。 - 🟢 顺手拿到背景轨:CLI 把人声写进
xxx_clean.wav,被去掉的部分写进xxx_clean_background.wav,两者相加就是原始输入,所以也能用来抽背景音、做人声和伴奏分离。两人同时说话时,保留更响的那个;两人音量接近时通常都保留。 - 🟢 硬件:有 NVIDIA 显卡时用 CUDA;Apple Silicon Mac 在 PyTorch 2.6 及以上用 Metal(
mps);其余情况用 CPU。官方只在 A100 / H100 / B200 / B300 和 CPU 上测过,小显卡还没测。HF 上已有社区做的 WebGPU 浏览器版 Space。 - 🟢 成熟度:权重 11-14 上传 HF,GitHub 仓库 11-16 创建,v1.0.0 和 PyPI 包
inworld-voice-isolation11-18 发布;代码和权重都是 Apache-2.0。HF 点赞 233(候选池 11-20 快照),GitHub ★153(11-22 网页抓取)。新,未经时间检验。
pip install inworld-voice-isolation,再跑 voice-isolate 输入.wav 输出.wav,首次运行会自动下载权重并校验。也可以让 coding agent 按仓库 AGENTS.md 的安装一节来装,它会先用 voice-isolate-doctor 检查机器。
- README 里的 VIBE 排行榜是 Inworld 自建的,用的内部评测集没有公开,第三方还没复测。
- 中文口播和混响大的房间效果如何没试过,输出默认是 48 kHz float32 WAV(
--output-sr 0可保留原采样率);正式用前先拿一段自己的录音对比听。
核实记录
HF 模型接口存 _raw/fetch/hf-voice-isolator.json(createdAt 2026-11-14、likes 233、Apache-2.0、文件列表含 denoiser.safetensors / denoiser_realtime.safetensors);模型卡存 hf-voice-isolator-readme.md,64M / 58M、8 秒切块重叠 2 秒、63 ms、背景轨文件名、mps 条件、测试硬件都取自原文;GitHub README 存 readme-voice-isolator-gh.md(11-22 抓 HEAD 版),Plans 一节写明小显卡未测、修复排在 v2;GitHub release 订阅 atom-voice-isolator-releases.xml 显示 v1.0.0 发于 11-18 05:39 UTC,提交订阅显示 Initial release 在 11-17;PyPI 接口 pypi-voice-isolation.json 显示 1.0.0 上传于 11-18 08:06;GitHub 星数和建仓时间取自 11-22 网页 page-inworld-ai__voice-isolator.html。没有安装试用。