voicefixer

一键修复受损语音，去噪去混响去削波，让声音更清晰

VoiceFixer 是一个基于深度学习的通用语音修复工具，旨在恢复受损的语音信号，使其更清晰、更自然。它能够处理多种类型的语音退化，包括背景噪声、混响、削波（clipping）和低质量录音等。该项目采用两阶段架构：首先通过分析模块估计语音的时频掩码，然后利用神经声码器（如HiFi-GAN）重建干净的语音波形。VoiceFixer 提供了简单的 Python API，支持命令行和库调用，方便集成到现有音频处理流程中。它解决了语音增强领域中对多种退化类型同时处理的难题，尤其擅长处理削波等非线性失真，这是传统方法难以应对的。核心能力包括：语音去噪、去混响、去削波，以及提升整体语音质量。项目还提供了预训练模型和示例代码，降低了使用门槛。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1378

维护状态低维护

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队haoheliu

所属国家

官网地址https://haoheliu.github.io/demopage-voicefixer

GitHubhttps://github.com/haoheliu/voicefixer

定价模式free

价格说明开源项目，MIT许可证，可免费使用和自行部署。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型declipping,denoise,dereverberation,mel,speech,speech-analysis,speech-enhancement,speech-processing,speech-synthesis,super-resolution,tts,vocoder

GitHub 星标★ 1378

30天Star增速

HF 下载量

上线时间2021-09-06 00:00:00

最近更新2026-09-22 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

难度：入门约 10 分钟部署方式：命令行工具 7 步

环境要求

Python 环境（项目为 Python 包，含命令行与 Python API）
Streamlit（运行网页版界面 test/streamlit.py 需要）
Docker（使用容器方式运行需要，镜像约 10GB）
首次运行需联网下载模型 checkpoint，耗时数分钟
国内用户可改用百度网盘获取 checkpoint 文件

安装与启动步骤

1克隆项目仓库

把 VoiceFixer 源码克隆到本地，后续的 streamlit、Docker 构建都在该目录内进行。
```
git clone https://github.com/haoeheliu/voicefixer.git
```
2准备模型目录

首次运行会自动下载模型；若下载困难，先建好目录，再手工放入两个 checkpoint 文件。
```
mkdir -p ~/.cache/voicefixer/analysis_module/checkpoints ~/.cache/voicefixer/synthesis_module/44100
```

3放置离线权重

vf.ckpt 放到 analysis_module/checkpoints，model.ckpt-1490000_trimed.pt 放到 synthesis_module/44100。

cp vf.ckpt ~/.cache/voicefixer/analysis_module/checkpoints/
cp model.ckpt-1490000_trimed.pt ~/.cache/voicefixer/synthesis_module/44100/

4启动网页界面

在项目根目录运行 streamlit 界面；首次打开页面可能空白数分钟，正在后台下载模型。
```
streamlit run test/streamlit.py
```
5构建 Docker 镜像

Docker 镜像未发布，需本地构建，镜像名沿用 README 中的 voicefixer:cpu，体积约 10GB。
```
docker build -t voicefixer:cpu .
```

6容器内跑 CLI

挂载当前目录的 data 到容器内，用 --infile/--outfile/--mode 处理音频，mode 可填 0、1、2、all。

docker run --rm -v "$(pwd)/data:/opt/voicefixer/data" voicefixer:cpu --infile data/my-input.wav --outfile data/my-output.mode-all.wav --mode all

7用脚本运行

仓库自带 run.sh 封装命令，参数与 docker run 一致，适合快速重复调用。
```
./run.sh --infile data/my-input.wav --outfile data/my-output.mode-all.wav --mode all
```

关键配置

配置项	必填	说明	示例
`--infile`	是	待修复的输入音频文件路径	`data/my-input.wav`
`--outfile`	是	修复后输出 wav 文件路径	`data/my-output.mode-all.wav`
`--mode`	否	运行模式：0 原始模型、1 加预处理、2 训练模式、all 全部	`all`

如何确认成功

命令结束后在 outfile 指定路径生成修复后的 wav 文件；网页版处理完成后页面直接显示结果，首次加载前会空白数分钟用于下载模型。

常见问题

Q：网页打开后一直空白怎么办？

A：属于首次运行下载模型，可能空白数分钟；查看终端里的下载进度，下载完成后刷新即可。

Q：国内下载 checkpoint 很慢或失败？

A：可用 README 提供的百度网盘（提取密码 qis6）下载两个 checkpoint，再按路径放入 ~/.cache/voicefixer 下的对应目录。

Q：四个 mode 有什么区别？

A：0 为原始模型（默认推荐），1 增加预处理模块去掉高频，2 为训练模式（对严重退化的真实语音有时有效），all 会为每种模式各输出一个 wav。

Q：Docker 镜像为什么这么大？

A：依赖约 9.8GB，生成镜像约 10GB；但 voicefixer 层是最后添加的，改源码重建每次大约只需 200MB。

注意事项

Docker 镜像目前未发布，必须本地构建后才能运行 voicefixer:cpu。
两个 checkpoint 的存放路径必须严格对应 analysis_module/checkpoints 与 synthesis_module/44100，否则无法加载模型。
README 中未给出 pip 安装命令，本文所有命令均来自 README 的实际示例，安装依赖请以仓库 Dockerfile 为准。

核心亮点

同时处理噪声、混响、削波等多种退化，通用性强
基于神经声码器重建，音质自然，优于传统滤波方法
提供预训练模型和简单API，易于集成和二次开发

不足之处

模型推理速度较慢，实时性不足，不适合低延迟场景
对极端退化或非语音信号效果有限，文档/社区待观察

适用场景

修复老旧录音或电话语音，提升可懂度
为语音识别系统预处理，提高识别准确率
音频后期制作中清理环境噪声和失真

替代项目

DeepFilterNet、FRCRN、Demucs

项目介绍

voicefixer 是音频音乐领域的开源项目，由 haoheliu 开发，2021 年首次发布。

在全站 13,109 个收录项目中，它的 GitHub 星标数（1,378）位列前 30%，在音频音乐分类的 738 个项目里位列前 14%。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-22。MIT许可证，可免费使用和自行部署。

它主要面向的使用场景是：修复老旧录音或电话语音，提升可懂度。同类可对比的替代方案包括 DeepFilterNet、FRCRN、Demucs。

上一篇：optispeech

下一篇：kokoro-web