# 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」。
2.  **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。
3.  **執行音訊處理**：
    *   上傳需要處理的音訊檔案。
    *   點擊「開始處理」。
4.  **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。
5.  **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？