开发者用 WebGPU 把 64M 参数人声降噪模型跑进浏览器,20 秒音频 6 秒处理

Pantheon3D · reddit · 2026-11-19

独立开发者 Pantheon3D 为其字幕应用 Cuecaps 加入了纯浏览器端人声降噪:用 inworld 的 64M 参数 voice isolator v1 离线模型,配自研 WebGPU 引擎,无需上传任何数据。

技术细节:

限制:需 WebGPU(电脑版 Chrome/Edge),文件最长 15 分钟,v1 只能降噪、无法修复未录到的音频。字幕仍用 whisper base 加一个自蒸馏的小 BERT 选重音,全部本地运行。降噪试听免费,导出在付费计划中。

原文链接 →

「Infra」频道最新

更多「Infra」频道 AI 资讯 →