影片筆記：ClearVoice目前开源效果最好的人声提取模型，去除背景音乐，人声增强，语音降噪，去除底噪 | 余子越Talk

一句話總結

講者介紹了一個被視為開源界最強的人聲提取專案，並演示了如何在雲端環境中部署該專案，透過上傳音訊進行預處理、人聲增強與去噪，以解決 TTS 模型微調時殘留底噪的問題。

核心重點

• 專案定位：該專案去年已開源，目前仍被講者視為開源界效果最好的專案。
• 應用情境：講者在進行 TTS 模型微調時，即使使用 UVR5 去除大部分背景音樂，仍會殘留底噪，因此引入此專案作為解決方案。
• 雲端部署優勢：利用雲端鏡像創建實例，採用「開機計費、關機不計費」的模式，並選擇有庫存 GPU 的實例。
• 處理流程：標準處理順序為「預處理音訊 -> 加載模型 -> 人聲增強 -> 去噪」。
• 進階優化：使用者可根據顯存狀況調整模型、人聲潤色、分塊長度等設定，以加速推理過程。

詳細大綱

1. 專案背景與效果展示

• 背景：專案於去年開源，目前評價極高。
• 痛點：講者進行 TTS 模型微調時，使用 UVR5 處理後仍有底噪。
• 效果驗證：
• 展示未處理的原始音訊。
• 模擬新聞報導語音進行測試（內容提及第 12 號颱風紅霞、黃步陣、道路積水、倒伏樹木、惠州市惠東縣平海鎮登陸時間等細節）。
• 確認處理後效果完美。

2. 雲端部署與操作步驟

• 資源準備：
• 使用雲端鏡像。
• 點擊「使用此鏡像創建實例」。
• 選擇有庫存 GPU 的實例。
• 計費方式：開機計費，關機不計費。
• 進入介面：
• 等待幾分鐘後，在實例列表中點擊「YZY 啟動器」或「9000」按鈕打開頁面。
• 處理操作：
• 上傳音訊檔案。
• 點擊「開始處理」。
• 系統依序執行：預處理音訊 -> 加載模型 -> 人聲增強 -> 去噪。

3. 進階設定選項

• 選擇不同的模型。
• 調整人聲潤色參數。
• 調整分塊長度。
• 根據顯存是否充足進行配置調整，以加速推理。

4. 結尾

• 講者自稱為「魚子月」。
• 呼籲觀眾關注、訂閱、點讚及收藏。

工具 / 模型 / 名詞整理

• ClearVoice：影片標題提及的專案名稱，被描述為目前開源效果最好的人聲提取模型。
• TTS 模型：文字轉語音模型，講者用於微調的對象。
• UVR5：用於去除背景音樂的工具，講者表示其無法完全去除底噪。
• 雲端鏡像：用於部署專案的環境基礎。
• YZY 啟動器：進入專案介面的工具/按鈕名稱。
• 9000：進入專案介面的另一個按鈕/功能名稱。
• 預處理：處理流程的第一步。
• 人聲增強：處理流程中的一個步驟。
• 去噪：處理流程中的最後一個步驟。
• 分塊長度：進階設定中的一個參數。
• 魚子月：講者自稱的名稱。

操作流程整理

1. 創建雲端實例：

• 選擇包含 GPU 庫存且支援「開機計費、關機不計費」的雲端鏡像。
• 點擊「使用此鏡像創建實例」。

1. 進入操作介面：

• 等待實例啟動完成（約幾分鐘）。
• 在實例列表點擊「YZY 啟動器」或「9000」按鈕。

1. 執行音訊處理：

• 上傳需要處理的音訊檔案。
• 點擊「開始處理」。

1. 確認處理結果：

• 系統自動執行：預處理 -> 加載模型 -> 人聲增強 -> 去噪。

1. 調整進階設定（可選）：

• 若需加速推理或調整效果，可在進階設定中調整模型、人聲潤色、分塊長度及顯存配置。

值得注意的限制或風險

• 雲端成本：雖採「開機計費、關機不計費」模式，但仍需確保實例正確關閉以避免額外費用。
• 硬體依賴：需要選擇有 GPU 庫存的雲端實例才能運行。
• 等待時間：創建實例後需等待幾分鐘才能進入介面。
• 顯存限制：若顯存不足，可能需要調整分塊長度或模型設定才能成功推理。

逐字稿辨識疑點

• 黃步陣：逐字稿中出現「從黃步陣開始」，疑似為地名或專有名詞的聽寫錯誤，但無法確認實際名稱，故保留原樣。
• 倒幅的数目：逐字稿中出現「倒幅的数目」，疑似為「倒伏的樹木」或類似詞彙的聽寫錯誤，但無法確認實際名稱，故保留原樣。
• 去照：逐字稿中出現「去照等等」，根據上下文推測可能為「去噪」，但無法確認，故保留原樣。
• 魚子月：講者自稱名稱為「魚子月」，與常見名稱可能不同，保留原樣。

可延伸追問

• ClearVoice 專案的具體 GitHub 連結或官方文檔為何？
• UVR5 與 ClearVoice 在處理底噪上的技術原理差異為何？
• 雲端部署 ClearVoice 的具體硬體規格建議（如 GPU 型號、記憶體大小）為何？
• 「分塊長度」對處理速度和音質具體有何影響？
• 該專案是否支援批量處理或 API 呼叫？