阿里最新又开源了两个AI语音增强模型，补齐了“背景噪声、回声、多人抢话”三类真实语音问题的最后一块

加上这两个新模型，阿里在AI语音增强上一共凑齐了7个，等于说把“AI听到的声音干不干净”这件事给了系统化解法

一个是，FLASepformer高效语音分离，拆抢话的另一个是，JAEC 16K可解释回声消除，消回声的

以前把两个人混在一起说话的录音拆开比较吃算力，计算量随音频长度平方级暴涨

FLASepformer用“线性注意力”把暴涨改成线性，速度快了1.5~2.3倍、显存只用原来的16%~32%

另外，传统回声消除是个黑盒，出了问题没法查，JAEC 16K把内部两步（先估出延迟有多久、再算出回声长什么样并抵消）做成了可观察的，在调试通话质量时能看到每一步干了什么，延迟只有22毫秒，实时通话完全够用

不过目前只处理线性回声，对喇叭破音这类非线性失真还不支持

另外5个分别是：ZipEnhancer 16k单麦语音降噪DFSMN ANS 48k48kHz实时降噪FRCRN 16k复杂噪声增强MossFormer2 8k语音分离DFSMN AEC 16k实时回声消除

如果做语音助手与识别，就用“降噪组合”、做实时通话与会议，就用“JAEC+降噪”、做多人会议与访谈，就用“分离 +VAD/ASR”等等

这7个模型你就可以按图索骥，想用到什么场景就使用对应的组合

权重：FLASepformer：网页链接

JAEC 16k：网页链接

AI语音AI语音增强模型