Hush：面向語音AI代理的開源噪聲抑制工具

Hush是由Weya AI開發的一款開源語音增強模型，旨在解決語音AI代理在實際部署中面臨的音頻質量挑戰。在實時通話中，背景噪音、電視聲、旁人的對話等干擾會嚴重影響語音AI代理的性能，導致轉錄錯誤和意圖誤判。傳統的噪聲抑制模型，如DeepFilterNet3和RNNoise，雖然能有效處理風扇、交通等平穩噪音，但無法應對競爭人聲這一關鍵問題。Hush從零開始設計，專注於隔離主要説話者並消除一切干擾，包括其他説話者的聲音。

Hush的核心優勢在於其低延遲和高效率。模型僅8MB，完全在CPU上運行，每幀處理時間不到1毫秒，無需GPU加速。這使得它能夠輕鬆集成到實時語音流水線中，不會破壞對話的自然節奏。Hush經過10,000多小時混合音頻數據的訓練，包括LibriSpeech、VCTK、Common Voice等乾淨語音，以及DNS Challenge、FreeSound等噪音數據。訓練過程中，團隊不僅關注感知質量指標，更以ASR的詞錯誤率（WER）為評價標準，確保抑制後的音頻不會降低轉錄準確性。

Hush以Apache 2.0許可開源，模型、訓練代碼、Rust運行時庫及預訓練權重均可在GitHub和Hugging Face獲取。Weya AI開放此技術的初衷是彌補語音AI生態中的空白，因為現有基準（如DNS Challenge）側重於噪聲抑制而非説話人隔離，無法滿足語音AI代理的需求。Hush適用於任何構建語音代理、呼叫中心機器人、實時轉錄或對話AI的團隊。

目前，Hush已在Hugging Face的Audio-to-Audio排行榜上位列第五。團隊正在開發v2版本，針對更嘈雜背景和語音進行優化。Hush的開放性和性能使其成為語音AI領域的重要工具，有望推動整個行業的發展。Weya AI強調，Hush不僅是一個噪聲抑制模型，更是整個語音AI生態系統中的關鍵組件，幫助開發者應對真實世界中的聲學挑戰。