werman/noise-suppression-for-voice

werman/noise-suppression-for-voice

这是什么 – 一个实时音频插件，使用Xiph的RNNoise神经网络模型减少麦克风中的背景噪声。它提供VST2、VST3、LV2、LADSPA、AU和AUv3插件格式，因此可用于大多数DAW和系统级音频管道。

主要特性

• 基于RNNoise的降噪（循环神经网络，在多种噪声上训练）。
• 支持16位、48 kHz单声道或立体声流。
• 极简GUI，显示参数和诊断统计。
• 可调节的语音活动检测（VAD）设置：
  • VAD阈值（%） – 模型在通过音频前必须对语音存在的置信度。
  • VAD宽限期（毫秒） – 语音结束后保持输出可听一小段时间，避免切断单词。
  • 追溯VAD宽限期（毫秒） – 增加延迟以在检测滞后时保留语音开头。
• 可为Windows、Linux和macOS构建（macOS上的AU/AUv3计划中）。
• 为每种插件格式提供单独构建；可通过CMake标志禁用不需要的格式。

如何使用

1. Windows – 安装VST2/3 DLL，并在Equalizer APO、Carla或任何DAW等宿主中加载。将麦克风采样率设置为48 kHz。
2. Linux（PipeWire） – 通过PipeWire filter-chain配置加载提供的librnnoise_ladspa.so（参见README中的现成配置文件）。在control块中调整VAD控制。
3. Linux（PulseAudio） – 创建null sink，使用module-ladspa-sink加载LADSPA插件，并将麦克风回环到sink。将相关行添加到~/.config/pulse/default.pa以自动启动。
4. macOS – 源代码中支持AU/AUv3；欢迎贡献以完成构建脚本。

构建

# 64位发布构建
cmake -Bbuild-x64 -H. -GNinja -DCMAKE_BUILD_TYPE=Release
ninja -C build-x64

您可以编译32位，或使用提供的MinGW工具链交叉编译Windows。使用CMake标志如-DBUILD_VST_PLUGIN=OFF跳过不需要的格式。

依赖 – 项目通过git-subrepo引入外部代码：

• JUCE (GPLv3) – GUI和插件包装框架。
• FST – 音频处理工具。
• catch2 – 单元测试库。

许可证 – GPL-3.0（与RNNoise和JUCE相同）。任何人可以在相同许可证下使用、修改和重新分发该插件。

适用人群 – 任何需要低延迟、设备端降噪用于语音聊天、直播或录音，且不想支付商业DSP解决方案的人。特别适合远程工作场景，可集成到系统级音频（Equalizer APO、PipeWire、PulseAudio）中。