fishaudio/audio-preprocess

解決的問題

訓練高品質音訊AI模型時，音訊資料的準備與清理至關重要。此工具處理常見的前處理任務，例如去除背景雜訊（人聲分離）、音量歸一化與格式轉換。

運作方式

本專案為一個命令列工具（fap），可執行各種音訊處理腳本。可將影片或音訊檔案轉換為WAV格式，將人聲從其他聲音中分離，將長音訊檔案切分成較小的片段，匹配不同檔案間的音量，並使用FunASR等工具進行語音轉錄。

適用對象

需要在機器學習流程中使用前，自動化清理、切分與轉錄原始音訊檔案的開發者與研究人員。

主要特色

• 人聲分離：將語音從背景雜訊或音樂中分離。
• 自動切分：將長音訊檔案切分成可管理的小片段。
• 音量匹配：確保資料集中音量水準的一致性。
• 語音轉錄：支援產生 .lab 檔案，並可與 FunASR 整合以實現自動語音轉錄。