Hush
Hush 是一个 8 MB 的开源、CPU 实时语音增强模型，可在每 10 毫秒帧不到 1 毫秒的时间内抑制生产语音 AI 通话中的背景噪声和竞争说话人。
https://www.weya.ai/hush?ref=producthunt&utm_source=aipure
产品信息
更新于：2026年06月24日
什么是 Hush
Hush 是 weya AI 内部开发的开源降噪和语音增强模型，专为生产级语音 AI 系统而构建，例如电话代理、呼叫中心机器人、语音助手和实时转录管道。与许多主要针对通用噪声基准进行优化的增强模型不同，Hush 专为真实世界通话而设计，其中重叠的人声是 ASR 和下游对话式 AI 的常见故障点。它轻量级（约 1.8M 参数，约 8 MB），完全在 CPU 上实时运行，并以 Apache 2.0 许可证分发实用部署工件（PyTorch 检查点和 ONNX 生产包）。
Hush 的主要功能
Hush 是 weya AI 开发的一款开源、实时语音增强/噪声抑制模型，专为生产环境下的语音 AI 而构建。它完全在 CPU 上运行，具有极低的延迟（每 10 毫秒音频帧处理时间约低于 1 毫秒），体积轻巧（约 8 MB，约 1.8M 参数），并经过 10,000 多个小时的混合噪声音频训练，特别强调抑制竞争性背景说话人（重叠语音）以及典型的环境噪声。它与语言无关（基于声学特征操作），支持因果/流式处理，可以通过 ONNX 生产包或针对常见操作系统的预构建独立二进制文件进行部署，从而易于集成到语音管道中。
背景说话人抑制: 旨在隔离主要通话者并减少竞争性人声（语音座席和 ASR 的常见故障模式），而不仅仅是固定噪声。
实时 CPU 性能: 处理音频帧的速度足够快，适用于实时通话（据报道每 10 毫秒音频处理时间低于约 1 毫秒），无需 GPU。
轻量级占用空间: 模型尺寸小（约 8 MB；约 1.8M 参数），使其适用于资源有限的本地和边缘部署。
面向生产的部署选项: 附带 ONNX 生产包和独立库，可直接集成到 C/C++/Python 中，并提供适用于 Linux、macOS (Apple Silicon) 和 Windows 的预构建二进制文件。
在大规模真实世界噪声数据上训练: 在 10,000 多个小时的混合音频上训练；其中很大一部分包含中等 SIR 水平的重叠说话人，提高了真实通话的鲁棒性。
语言无关的增强: 因为它增强的是声学信号质量，而不是依赖于语言内容，所以适用于多种语言。
Hush 的使用场景
呼叫中心语音座席和 IVR: 清理嘈杂的电话音频并抑制背景谈话/电视声音，以提高座席理解力，减少重复提示，并稳定端到端语音机器人的性能。
实时转录管道: 通过增强语音清晰度并减少噪声和重叠说话人的干扰，提高实时或录制对话的 ASR 准确性。
BFSI 客户入职、销售和催收电话: 在受监管、高风险的电话（例如 KYC、贷款/催收对话）中提高可懂度，这些场景中嘈杂环境和说话人重叠很常见。
嘈杂环境中的语音助手: 通过减少环境噪声并专注于主要说话人，帮助助手在咖啡馆、街道、办公室和其他真实环境中发挥作用。
合规性和质量保证电话审查: 通过改善源信号，增强录制电话音频，以便进行更清晰的审计、质量监控和下游分析（摘要、意图检测）。
优点
开源 (Apache 2.0)，专为企业/本地部署设计。
实时、纯 CPU 操作，具有极低的延迟和小型模型尺寸。
明确专注于抑制竞争性背景说话人，这是生产语音 AI 的常见痛点。
缺点
针对 16 kHz 流媒体/通话音频进行了优化；对于其他格式可能需要重采样和仔细的管道集成。
作为语音增强模型，在极端噪声/重叠条件下，根据输入域，可能会引入伪影或过度抑制。
最佳结果可能取决于适当的基于帧的流式集成（会话状态、帧大小），而不是简单的离线批处理。
如何使用 Hush
1) 打开 Hush 模型页面: 访问模型的官方 Hugging Face 存储库：https://huggingface.co/weya-ai/hush
2) 选择您的集成路径（快速演示与生产）: 决定您是想 (a) 通过托管的 Hugging Face 界面试用 Hush 进行快速测试，还是 (b) 将其集成到您自己的语音 AI 堆栈中进行实时通话处理。
3) 在浏览器中试用 Hush（快速测试）: 在 Hugging Face 模型页面上，使用可用的演示/小部件（如果显示）运行示例并比较嘈杂输入与增强输出。
4) 下载模型资产以供本地使用: 根据您的运行时需求，从 Hugging Face 存储库文件中下载检查点和/或 ONNX 生产包（onnx/ 目录下的 ONNX tarball）。
5) 使用 ONNX 进行 CPU 实时部署: 对于不使用 PyTorch 的生产用途，请使用预构建的 ONNX 包，以便 Hush 可以在 CPU 上完全实时运行（该模型旨在以典型 CPU 上的亚毫秒级计算处理约 10 毫秒的帧）。
6) 将其集成到您的音频管道的“前端”: 将 Hush 放置在 ASR/转录或您的语音代理之前，以便首先增强通话音频；这可以提高清晰度并减少背景噪声和竞争语音到达下游组件。
7) 以实时流方式馈送音频: 在实时音频帧（例如，10 毫秒块）上连续运行 Hush，以保持低延迟并维持通话和对话系统的实时行为。
8) 在您的目标环境中进行验证: 使用您的真实通话条件（咖啡馆、街道、办公室噪音、重叠说话人）进行测试。请注意，Hush 是在适度 SIR（约 12-24 dB）的背景说话人下训练的，因此极度响亮的竞争说话人可能无法完全抑制。
9) 了解什么不应作为输出使用: 如果您看到对“分离头”或背景说话人掩码的引用，请将其视为训练时的辅助正则化器（ERB 域软掩码），而不是用于生产的独立源分离输出。
10) 部署到您的目标操作系统: 使用 ONNX 方法将 CPU 运行时部署到您需要的地方（Linux、macOS 包括 Apple Silicon 或 Windows），以避免繁重的生产依赖。
Hush 常见问题
Hush 是一个开源的语音增强/噪声抑制模型，专为语音 AI 构建，可消除背景噪声并抑制真实通话音频中相互竞争的背景说话者。
与 Hush 类似的最新 AI 工具
EchoWave
EchoWave 是一个在线视频和音频编辑平台，使创作者能够将音频内容转换为带有波形可视化、字幕和效果的吸引人视频，以便在社交媒体上分享。
AIdeaflow Podcast
AIdeaflow Podcast 是一个 AI 驱动的平台，将文本转换为引人入胜的播客内容，支持 120+ 种语音和多种语言的自然对话。
TranscribetoText.AI
TranscribeToText.AI 是一个强大的在线转录服务，可以将音频和视频文件转换为文本，支持 120 多种语言，准确率达到 99.9%，提供无限的转录访问和灵活的输出选项。
Rift Podcast
Rift Podcast是一款AI驱动的应用程序，将网络内容转换为个性化的音频播客，从各种技术平台策划独家见解，并在每天15分钟内交付。
类似 Hush 的热门 AI 工具
W-Okada Voice Changer
W-Okada语音变声器是一款使用AI进行高质量低延迟实时语音转换的开源软件。
FnKey
FnKey是一个轻量级的macOS菜单栏应用程序，通过按住Fn键说话来启用快速的语音转文本转录，并在释放时自动粘贴转录的文本。
Background noise removal
一款强大的 Chrome 扩展，使用先进的 AI 技术从音频和视频文件中消除不必要的背景噪音，提供实时降噪功能，实现水晶般清晰的音质。
Audio player for ChatGPT
一个 Chrome 扩展程序，通过添加一个用户友好的音频播放器来增强 ChatGPT 的朗读功能，该播放器具有播放/暂停、进度条和持续时间显示等基本控件。