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:
- 权重 fp16 格式,首次下载约 130MB 后缓存,计算保持 fp32
- 按 8 秒窗口处理、2 秒交叉淡化,与原版一致
- 本机测试 20 秒片段约 6 秒完成(含下载)
- 效果:阿波罗 11 号录音中人声下嘶声从 -47dB 降至 -90dB,人声电平保持不变
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。
「Infra」频道最新
- 一条 EBS gp3 命令让 Weaviate 千万向量索引查询性能提升 26 倍 — philipvollet · 2026-11-19
- The Information 起底 Megaspeed 调查:2022 年英伟达牵线阿里租卡或涉刑案 — kevinnbass · 2026-11-19
- 研究者公开求借 GPU:校内集群卡死,仅剩约 18 GPU 小时跑不完 — vxnuaj · 2026-11-19
- 6GB 显存本地跑 MiniMax H3:优化后 50 分钟,默认工作流 6.5 小时 — No_Cow26 · 2026-11-19
- OVH 发布欧洲自研开源模型 Olala mini:7B 稀疏架构可纯 CPU 运行 — jedisct1 · 2026-11-19
- 27GB 就能本地装下维基百科?tufulabs 用神经压缩实现 tufazip — Terminator857 · 2026-11-19