2025年最佳 23 款聲音分離工具

這是一個基於Asteroid框架訓練的ConvTasNet模型，專門用於音頻分離任務，在Libri2Mix數據集的sep_clean任務上訓練。

基於SepFormer架構的音頻源分離模型，在WSJ0-2Mix數據集上訓練，能夠將混合音頻分離為獨立的語音源。

基於Asteroid框架訓練的ConvTasNet模型，用於含噪語音分離任務，在Libri2Mix數據集上訓練。

這是一個基於SepFormer架構的音頻源分離模型，在WHAMR!數據集上訓練，適用於16kHz採樣率的音頻信號分離。

這是一個基於SepFormer架構的音頻源分離模型，在WHAM!數據集上訓練，能夠分離混合音頻中的不同聲源。

SepFormer是一種基於Transformer的音頻源分離模型，在WHAMR!數據集上訓練，用於分離混合語音信號。

這是一個基於SepFormer架構的音頻源分離模型，在Libri3Mix數據集上訓練，能夠將混合語音分離為多個獨立音源。

TIGER是一種輕量級語音分離模型，通過頻帶分割、多尺度和全頻幀建模有效提取關鍵聲學特徵。

使用SepFormer架構實現的音頻源分離模型，在Libri2Mix數據集上訓練，可分離混合音頻中的獨立聲源

基於Asteroid框架訓練的語音分離模型，使用WHAM!數據集進行訓練，專注於乾淨語音分離任務。

這是一個基於RE-SepFormer架構的音頻源分離模型，由SpeechBrain實現並在WSJ0-2Mix數據集上訓練。

基於Asteroid框架訓練的ConvTasNet模型，用於從混合音頻中分離噪聲和語音信號。

這是一個基於Asteroid框架訓練的ConvTasNet模型，專門用於音頻分離任務，在WHAM!數據集的sep_clean任務上進行訓練。

基於Asteroid框架訓練的ConvTasNet模型，用於8kHz採樣率的語音分離任務，在Libri2Mix數據集上訓練。

這是一個使用SepFormer架構進行音頻源分離的模型，在WSJ0-3Mix數據集上訓練，能夠將混合語音分離成獨立的語音源。

TIGER是一款輕量級語音分離模型，通過頻帶分割和多尺度特徵提取實現高效音頻處理

這是一個基於 Asteroid 框架訓練的音頻源分離模型，專門用於從混合音頻中分離出乾淨的語音信號。

基於Asteroid框架訓練的ConvTasNet模型，用於語音分離任務，在Libri3Mix數據集上訓練，支持16kHz採樣率的音頻輸入。

基於Asteroid框架訓練的ConvTasNet模型，用於從混合音頻中分離出3個獨立音源，特別針對8kHz採樣率的含噪聲語音數據優化。

基於Asteroid框架訓練的ConvTasNet模型，用於8kHz採樣率下的語音分離任務，特別針對含噪聲的混合語音場景。

基於Asteroid框架訓練的音頻源分離模型，專為8kHz採樣率的語音分離任務優化

基於Asteroid框架訓練的ConvTasNet模型，用於含噪音頻分離任務，訓練數據來自Libri3Mix數據集。

基於Asteroid框架訓練的音頻分離模型，專門用於處理帶噪聲的多通道音頻信號分離任務