SNR 提升: +15.0 dB
公交噪声语音清理
低信噪比公交噪声片段，类似交通低频噪声压在人声下面的场景。
嘈杂原音
提取后人声
Edinburgh noisy speech · bus 2.5 dB
For spoken voice in noisy recordings
Voice Isolator：从嘈杂录音中提取 spoken voice
如果采访、通话、课程、播客片段、现场录音或语音备忘里的 speech 听不清，上传音频，把 spoken voice 提取成更干净的 MP3。
Voice isolator 会从录音的背景噪声里分离人类 speech。spoken voice 场景适合采访、通话、课程、播客、现场录音或语音备忘。歌曲和音乐人声请改用 vocal remover 或 stem splitter。
歌曲和音乐人声请使用 Vocal Remover / Stem Splitter
仅音频文件最长 10 分钟每 1 秒源音频 1 credit
仅支持音频上传。符合条件的账号有 3 分钟免费额度。provider 处理失败会退回 credits。
提取 spoken voice
登录后处理音频
你可以先选择文件并在页面内预览，但 Voice Isolator 任务需要登录后才会开始，因为它会使用付费 GPU 处理。
Before
原始嘈杂录音
原始嘈杂录音
After
提取后的 spoken voice
提取后的 spoken voice
真实 Replicate 测试
直接听嘈杂原音和提取后人声
这 4 段短音频都来自真实 noisy speech 数据集，并已用 Replicate 上的 playmore/speech-enhancer 处理。可以逐段播放 before / after 判断效果。
SNR 提升: +7.3 dB
咖啡馆人声清理
咖啡馆背景噪声样本，用来测试降低环境声后 spoken voice 是否仍然清楚。
嘈杂原音
提取后人声
Edinburgh noisy speech · cafe 7.5 dB
SNR 提升: +18.3 dB
办公室噪声清理
较难的办公室噪声录音，需要保留句子主体，同时压低房间底噪。
嘈杂原音
提取后人声
Edinburgh noisy speech · office 2.5 dB
SNR 提升: +14.0 dB
公共广场录音清理
更长的公共广场噪声片段，背景很重，但主体是单个人声。
嘈杂原音
提取后人声
Edinburgh noisy speech · public square 2.5 dB
音频来源：Cassia Valentini-Botinhao, Noisy speech database for training speech enhancement algorithms and TTS models, University of Edinburgh DataShare, CC BY 4.0。增强结果由 Replicate playmore/speech-enhancer 生成。
这个 voice isolator 用于 spoken voice，不用于歌曲
Voice isolator 搜索里混着两类需求：speech cleanup 和音乐人声分离。本页面面向嘈杂录音里的 spoken voice。如果你的来源是歌曲、卡拉 OK、acapella 或音乐人声，请改用 Vocal Remover。
上传嘈杂音频，流程保持简单
从音频文件开始：MP3、WAV、FLAC、M4A、AAC、OGG 或 WEBM。Voice Isolator v1 支持最大 50 MB、最长 600 秒。直接 MP4 上传、URL 抓取和实时麦克风降噪不在此流程内。
对比 before 和 after 的 voice isolation
Speech cleanup 必须听得到。先用 before player 播放原始嘈杂录音，再和处理后的 isolated spoken voice 对比。这个并排检查可以帮助你判断清晰度、artifacts，以及是否可以下载使用。
下载一个 isolated spoken-voice MP3
结果是一个 spoken voice MP3，不是 stem package、mixer session 或 ZIP 文件。你可以用于复听、编辑、转写准备、播客清理，或分享更清楚的语音版本。
GPU 处理开始前先看清 credits
你可以在页面上选择并预览文件，但真正产生费用的任务会在登录后启动。Voice Isolator 按每 1 秒源音频 1 credit 计费。provider 提交、provider 处理或输出 finalization 失败都会退回 credits。
清楚的 v1 边界避免选错工具
Voice Isolator 不是通话、OBS、Discord、Zoom 或 Teams 的实时降噪。它也不是 diarization、目标说话人提取、forensic restoration 或重叠说话人分离。视频请先提取音频，再上传支持的音频文件。
由 speech enhancement model 驱动
这个流程和音乐 stem splitter 分开。它把上传的音频发送到 Replicate playmore/speech-enhancer，并使用 mossformer2_se_48k model，然后把返回的音频 finalized 为可下载的 isolated-voice MP3。
FAQ
Voice Isolator 常见问题
Voice Isolator 适合什么场景？+
Voice Isolator 用于从采访、通话、课程、播客、语音备忘和现场录音等嘈杂录音中提取 spoken voice。它是 speech cleanup，不是音乐 stem separation。
它能从歌曲里去除人声吗？+
不能。本页面用于嘈杂录音里的 spoken voice。歌曲、音乐人声、卡拉 OK、acapella、remix 或 stem 工作流请使用 Vocal Remover 或 Stem Splitter。
可以上传哪些文件？+
V1 只接受音频文件：MP3、WAV、FLAC、M4A、AAC、OGG 和 WEBM。文件必须不超过 50 MB，时长不超过 600 秒。
可以上传视频或粘贴 URL 吗？+
v1 不支持。Voice Isolator 不支持直接 MP4/video 上传，也不支持 URL 抓取。如果来源是视频，请先提取音频，再上传支持的音频文件。
credits 怎么计算？+
Voice Isolator 沿用音频处理规则：1 credit 等于源音频 1 秒。90 秒录音会使用 90 credits。
处理失败会怎样？+
provider 提交失败、provider 处理失败和输出 finalization 失败都会把任务标记为 failed，并退回这段录音使用的 credits。你可以用同一个文件或更干净的导出重试。
它能分离多个重叠说话人吗？+
不能。V1 用于增强嘈杂音频里的 spoken voice，不做 diarization、目标说话人提取、forensic restoration，也不分离同一录音中互相覆盖的多个人声。
清理嘈杂录音里的 spoken voice
上传音频，对比 before/after，然后下载 isolated MP3。