BigVGAN v2 是由 NVIDIA 推出的高性能神经声码器，专门用于将梅尔频谱图还原为高质量的音频波形。相比前代，v2 版本在 22kHz 采样率下表现出极强的鲁棒性，能有效消除合成语音中的金属感和电音，使人声更加自然、饱满。对于开发...
nvidia
语音分离
1.8M
0
BigVGAN v2 是由 NVIDIA 开发的高性能神经声码器，专门用于将频谱图还原为高质量的音频波形。该版本支持 44.1kHz 高采样率和 128 频段，旨在解决传统 TTS 或语音合成中常见的金属感和伪影问题。对于开发者而言，它不仅...
nvidia
语音分离
755.8K
0
TIGER DnR 是一款专注于音频去噪与修复（De-noising & Restoration）的音频到音频模型。它旨在解决录音环境嘈杂、底噪过大或音质受损等痛点，能够将受干扰的音频信号还原为纯净的人声或背景音。对于播客主、视频创作者或需...
JusperLee
语音分离
107.5K
0
BigVGAN v2 是由 NVIDIA 开发的高质量神经声码器，专门用于将频谱图还原为高质量音频。相比前代，v2 版本在 24kHz 采样率下表现出极强的鲁棒性，能够有效消除合成语音中常见的金属感或电音杂质，使人声更加自然、纯净。对于开发...
nvidia
语音分离
47.3K
0
MP SENet DNS 是一款专注于语音增强（DNS）的音频处理模型，旨在从嘈杂的背景音中精准提取纯净的人声。它采用了 SENet 架构，能够有效抑制环境噪音并减少回声，非常适合需要高质量语音输入但缺乏专业录音环境的开发者。对于习惯使用 ...
JacobLinCool
语音分离
39.9K
0
Qwen3 TTS Tokenizer 12Hz 是阿里 Qwen 团队推出的音频离散化分词工具，旨在将连续的音频信号转换为模型可理解的 Token 序列。它采用了 12Hz 的采样率，在保证语音关键特征（如语调、情感）不丢失的同时，极大地...
Qwen
语音分离
22.3K
7
TIGER speech 是一款基于 Apache-2.0 协议的开源语音到语音（Audio-to-Audio）模型。与传统的“语音转文字再转语音”的级联方案不同，它旨在实现更自然、低延迟的端到端语音交互，能更好地保留说话人的语气、情感和语...
JusperLee
语音分离
14.3K
0
ConvTasNet Libri1Mix 是一款专注于单通道语音增强（Speech Enhancement）的深度学习模型。它能够从嘈杂的背景中提取纯净的人声，有效消除环境噪音。对于开发者而言，该模型特别适用于语音识别（ASR）的前处理环节...
JorisCos
语音分离
11.2K
0
BSRoformer GGUF 是一款专注于语音增强和噪声消除的音频模型。它通过 GGUF 格式化，极大降低了运行门槛，使得开发者和爱好者无需昂贵的 GPU 也能在本地设备上高效运行。该模型擅长将嘈杂环境中的人声精准提取，有效去除背景噪音，...
chenmozhijin
语音分离
9.3K
0
MetricGAN+ VoiceBank 是由 SpeechBrain 团队开发的一款专注于语音质量增强的深度学习模型。它不同于传统的语音合成，而是通过对抗学习机制来预测语音的客观质量得分（如 PESQ），从而引导模型对受损语音进行修复。对...
speechbrain
语音分离
1.1K
0
NeuCodec 是一款由 Neuphonic 推出的高效音频编解码模型，专注于实现极高压缩比下的高质量音频还原。与传统的音频压缩工具不同，它采用神经音频编解码技术，能够将音频信号压缩至极小尺寸且在解码后保持极高的保真度。对于开发者而言，它...
neuphonic
语音分离
269
0
Distill NeuCodec 是由 Neuphonic 推出的音频编解码模型，专注于高效的音频压缩与重建。与传统的音频压缩方案不同，它利用神经编码技术在极低比特率下依然能保持极高还原度的音质，有效解决了音频传输中的带宽压力与质量损耗之间...
neuphonic
语音分离
90
0
MioCodec 25Hz 44.1kHz v2 是一款专注于音频编解码的轻量化模型。它采用了较低的采样频率（25Hz）进行特征表征，同时支持 44.1kHz 的高保真音频输出，旨在实现高效的音频压缩与重建。对于开发者而言，该模型适合用于语...
Aratako
语音分离
47
0
MioCodec 25Hz 24kHz 是一款由 Aratako 提供的轻量级音频编解码模型，专注于高效的音频信号处理。它采用了 25Hz 的低采样率量化和 24kHz 的高质量重构，在保证音频还原度的同时极大地压缩了数据量。对于开发者而言...
Aratako
语音分离
45
0
