因果语音隔离器论文发布并开源模型

Husein Zolkepli 发布因果语音隔离器论文并开源模型，训练了 140M、243M 和 374M 参数的版本，延迟 20 ms，并从通话本身注册来电者声音。作者称，发布版在 60 秒 AMI 窗口上词错率为 16.13%，低于 VoxLock 的 23.66%；在 Krisp 基准上与对手持平（5.74% 对 5.63%）。 作者还称，模型蒸馏至 22.1M 参数、不使用 WavLM 后，可在 LiveKit agent 内单 CPU 线程实时运行，每通电话占用约 33% 单核、以 20 ms 帧处理，在作者开发集上词错率为 10.66%（发布版为 10.49%）。作者表示已开源发布版、该 CPU 模型及 LiveKit 插件。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。