「9.6M参数把通用语音增强做到了能用也敢用」NVIDIA 在 Hugging Face 上开源了 NemotronLabs RE-USE，一款面向真实场景的多语言通用语音增强模型，重点不是把参数堆大，而是用 9.6M 的轻量体量，去处理噪声、混响、削波、带宽受限、编码伪影、丢包和低质量麦克风等一整套常见退化，还支持 8kHz 到 48kHz 多采样率输入，语言无关，适合内容创作、数据清洗、TTS 和 Speech LLM 前处理。它采用卷积编码器/解码器配合 30 层双向 Mamba 做时频建模，输入输出都是单声道 wav。从给出的 URGENT 2025 测试结果看，这个模型最有意思的地方在于“小而全”：全量测试里参数规模远小于 Sidon 和 UniPASE，但 PESQ、STOI、说话人相似度和字符识别准确率都很强，44.1kHz 和 48kHz 子集表现尤其突出，说明它不是只追求降噪听感，也兼顾可懂度和语音身份保真。使用门槛也不高，下载仓库后把音频放进 noisy_audio 跑 `sh inference.sh` 即可；长音频则可用分块脚本，必要时还能打开带宽扩展。如果你关心的是“开源语音增强有没有一个兼顾效果、体量、采样率兼容性和商用可用性”的方案，这个项目很值得看。 huggingface.co /nvidia/NVIDIA-NemotronLabs-RE-USE http://t.cn/AXjroi6f