fishaudio/audio-preprocess

解决的问题

为训练高质量音频AI模型，音频数据的准备和清理至关重要。该工具处理常见的预处理任务，如去除背景噪声（人声分离）、音量归一化和格式转换。

工作原理

该项目是一个命令行工具（fap），可执行各种音频处理脚本。它可将视频或音频文件转换为WAV格式，分离人声与其他声音，将长音频文件切分为较小的片段，匹配不同文件间的音量，并使用FunASR等工具进行语音转录。

适用人群

需要在机器学习流程中使用前，自动化清理、切分和转录原始音频文件的开发者和研究人员。

主要亮点

• 人声分离：将语音从背景噪声或音乐中分离出来。
• 自动切分：将长音频文件分割为可管理的小片段。
• 音量匹配：确保数据集中音量水平的一致性。
• 语音转录：支持生成 .lab 文件，并可与 FunASR 集成以实现自动语音转录。