阿里再开两源补齐语音增强拼图：线性注意力提速 2 倍、回声消除仅 22ms 延迟
aigclink · x · 2026-09-10
阿里新开源两个 AI 语音增强模型，凑齐覆盖「背景噪声、回声、多人抢话」的 7 模型体系：
- FLASepformer（语音分离）：传统分离计算量随音频长度平方级暴涨，它用线性注意力将复杂度改为线性，速度快 1.5-2.3 倍，显存只需原来的 16%-32%。
- JAEC 16K（可解释回声消除）：把「估延迟→算回声并抵消」两步做成可观察的，调试通话质量能看到每步做了什么；延迟仅 22 毫秒，实时通话够用；但目前只支持线性回声，不支持喇叭破音等非线性失真。
连同此前的 ZipEnhancer 16k 降噪、DFSMN ANS 48k 实时降噪、FRCRN 16k 复杂噪声增强、MossFormer2 8k 语音分离、DFSMN AEC 16k 实时回声消除，作者给出按场景选型建议：语音助手用降噪组合，实时通话用 JAEC+降噪，多人会议/访谈用分离+VAD/ASR。
所属事件:阿里开源两款语音增强模型，凑齐七模型体系(2 条相关)→
「多模态」频道最新
- Midjourney SREF 宝库 TischEins 因安全问题下线后全新重构回归 — tisch_eins · 2026-10-26
- MOSS-Image 4 步蒸馏版 HF 下载破 1.65 万,出图质量几无损耗 — _akhaliq · 2026-10-26
- 用 Claude Code 搭视频剪辑流水线,十段 prompt 从粗剪到成片 — TawohAwa · 2026-10-26
- 一句话生成3D世界，再用AI重绘成电影级镜头 — gizakdag · 2026-10-26
- 零实拍造出一整部电影世界：CineMap 导演分镜配 TapNow 成片 — gizakdag · 2026-10-26
- 快手 Kling 对阵字节 Seedance：中国 AI 视频模型竞争观察 — DavidmComfort · 2026-10-26