voc2vec

让机器听懂笑声哭声，解锁非语言声音的语义

voc2vec 是一个针对非语言发声（如笑声、哭泣、叹息等）的基础模型，论文发表于 ICASSP 2025。它解决的是传统语音模型主要处理语言内容、而忽略副语言声音语义的问题。核心能力包括：从原始音频中学习非语言发声的通用表征，可用于分类、检索、情感分析等下游任务；模型基于自监督预训练，能捕捉声音中的情感与社交信号。该仓库提供模型代码、预训练权重和推理示例，帮助研究者将非语言声音分析集成到更广泛的人机交互或医疗健康场景中。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 59
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队koudounasalkis
所属国家
官网地址
GitHubhttps://github.com/koudounasalkis/voc2vec
定价模式free
价格说明开源模型，Apache-2.0许可证，可自由使用，无付费版本。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型audio-classification,foundation-models,icassp,non-verbal-vocalisation,open-source,pre-training
GitHub 星标★ 59
30天Star增速
HF 下载量
上线时间2024-09-11 00:00:00
最近更新2026-08-10 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6

使用教程

核心亮点

  • 聚焦非语言发声这一空白领域，填补语音模型对副语言信号处理的缺失
  • 基于ICASSP 2025论文，学术背书强，方法有理论支撑
  • 提供预训练模型和代码，可直接用于下游任务微调

不足之处

  • GitHub星标仅58，社区活跃度和生态成熟度待观察
  • 文档/社区待观察

适用场景

  • 情感计算与人机交互中的笑声、叹息识别
  • 医疗健康领域的婴儿哭声或患者声音分析
  • 语音助手对非语言情绪信号的响应优化

替代项目

wav2vec 2.0、HuBERT、COLA (Contrastive Learning of Acoustic Representations)

项目介绍

voc2vec 是音频音乐领域的开源项目，由 koudounasalkis 开发，2024 年首次发布。

它收录于音频音乐分类，该分类目前共有 738 个项目，GitHub 星标数为 59。

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 2026-08-10。Apache-2.0许可证，可自由使用，无付费版本。

它主要面向的使用场景是：情感计算与人机交互中的笑声、叹息识别。同类可对比的替代方案包括 wav2vec 2.0、HuBERT、COLA (Contrastive Learning of Acoustic Representations)。

上一篇：liquid-audio

下一篇：NeuroRVQ

同类项目推荐

tango 开源

输入一句话，自动生成匹配的音频内容

A family of diffusion models for text-to-audio generation.

★ 1239 2026-08-09
AuK 开源

一个模型搞定语音生成、编辑与分离

AuK: An Open-Source Foundational Model for Speech Generation and Editing

★ 1236 2026-09-13
swift-tts 开源

Swift 项目三行代码接入系统 TTS，兼容 TCA 和 Combine

A straightforward package containing version for Swift modern concurrency, Point-Fre···

★ 52 2026-08-09
ai-dj 开源

现场演出中实时用 AI 生成音乐，保持人类掌控

AI music generation for live performance - Standalone (Ableton Link) + VST3/AU. 8 tr···

★ 246 2026-08-09