Hush：面向语音AI代理的开源噪声抑制工具

Hush是由Weya AI开发的一款开源语音增强模型，旨在解决语音AI代理在实际部署中面临的音频质量挑战。在实时通话中，背景噪音、电视声、旁人的对话等干扰会严重影响语音AI代理的性能，导致转录错误和意图误判。传统的噪声抑制模型，如DeepFilterNet3和RNNoise，虽然能有效处理风扇、交通等平稳噪音，但无法应对竞争人声这一关键问题。Hush从零开始设计，专注于隔离主要说话者并消除一切干扰，包括其他说话者的声音。

Hush的核心优势在于其低延迟和高效率。模型仅8MB，完全在CPU上运行，每帧处理时间不到1毫秒，无需GPU加速。这使得它能够轻松集成到实时语音流水线中，不会破坏对话的自然节奏。Hush经过10,000多小时混合音频数据的训练，包括LibriSpeech、VCTK、Common Voice等干净语音，以及DNS Challenge、FreeSound等噪音数据。训练过程中，团队不仅关注感知质量指标，更以ASR的词错误率（WER）为评价标准，确保抑制后的音频不会降低转录准确性。

Hush以Apache 2.0许可开源，模型、训练代码、Rust运行时库及预训练权重均可在GitHub和Hugging Face获取。Weya AI开放此技术的初衷是弥补语音AI生态中的空白，因为现有基准（如DNS Challenge）侧重于噪声抑制而非说话人隔离，无法满足语音AI代理的需求。Hush适用于任何构建语音代理、呼叫中心机器人、实时转录或对话AI的团队。

目前，Hush已在Hugging Face的Audio-to-Audio排行榜上位列第五。团队正在开发v2版本，针对更嘈杂背景和语音进行优化。Hush的开放性和性能使其成为语音AI领域的重要工具，有望推动整个行业的发展。Weya AI强调，Hush不仅是一个噪声抑制模型，更是整个语音AI生态系统中的关键组件，帮助开发者应对真实世界中的声学挑战。