Голос: спикеры и звук

ClearerVoice (MossFormer)

Набор моделей Alibaba для чистки речи: шумоподавление, разделение наложенных голосов, повышение качества звука до 48 кГц и выделение голоса по видео с лицом говорящего.

Разработчик
Alibaba (Tongyi Lab), Китай
Первый выпуск
ноя 2024
Последний выпуск
авг 2025
Размеры
менее 1B
Лицензия
Можно в коммерциюApache 2.0
Запуск
Через свой серверРаботает и без видеокарты
Сферы
Поддержка клиентов, Медиа и продакшн
Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

  • Шумоподавление записей разговоров
  • Разделение двух голосов, говорящих одновременно
  • Улучшение старых и телефонных записей

Где применяется

Колл-центрыМедиа и архивыВидеосвязь

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии
подходит
1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии
подходит
КластерСервер с несколькими видеокартами — флагманские версии
нет версий

Версии

  1. Аудиовизуальные модели выделения голоса
  2. MossFormer2 SR 48K
  3. MossFormer2 SE/SS, FRCRN

Как запустить

На своём сервереВеса скачиваются с Hugging Face, запуск — через vLLM (нагрузка и API) или llama.cpp (скромное железо). Так модель работает в закрытом контуре, без оплаты за запросы.Hugging Face
Сколько нужно железаПосчитайте видеопамять под нужный размер модели, контекст и число одновременных запросов.Открыть калькулятор железа

Ставлю и настраиваю под ключ: подберу размер модели, разверну на вашем сервере, подключу к вашим системам.

Частые вопросы

Можно ли использовать ClearerVoice (MossFormer) в коммерческом проекте?

Да. Лицензия: Apache 2.0. Это разрешает коммерческое использование, но перед запуском лицензию всё равно стоит показать юристу.

Какое железо нужно для ClearerVoice (MossFormer)?

Минимум: Ноутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии. Есть версии, которые работают и без видеокарты, на обычном процессоре. Точный объём видеопамяти под ваш размер модели и контекст можно посчитать в калькуляторе железа.

Поддерживает ли ClearerVoice (MossFormer) русский язык?

Для этой модели язык не важен: она работает не с текстом.

Где скачать ClearerVoice (MossFormer) и сколько это стоит?

Веса ClearerVoice (MossFormer) лежат в открытом доступе и скачиваются бесплатно. Платить нужно только за железо, на котором модель работает, и за настройку. Ссылки на первоисточник — в конце страницы.

Как внедряю у заказчика

  1. ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
  2. УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
  3. ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
  4. ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.

Похожие модели

Голос: спикеры и звукDeepFilterNetХендрик Шретер (Университет Эрлангена) · ГерманияМожно в коммерцию

Лёгкое шумоподавление речи в реальном времени: работает даже на обычном процессоре и на слабых устройствах. Убирает гул, улицу, шум офиса, оставляя голос.

ПодробнееГолос: спикеры и звукResemble EnhanceResemble AI · СШАМожно в коммерцию

Модель улучшения речи: убирает шум и дорисовывает потерянные частоты, так что глухая запись звучит как студийная. Хороша для подготовки голоса к озвучке.

ПодробнееГолос: спикеры и звукDemucsMeta AI, затем Александр Дефоссе · ФранцияМожно в коммерцию

Классическая модель, которая разделяет трек на голос, барабаны, бас и остальное. Версия v4 с гибридным трансформером остаётся эталоном; сейчас проект поддерживает автор в своём репозитории.

Подробнее

Источник: huggingface.co/api/models?author=alibabasglab. Данные сверены с карточкой модели 22.09.2026. Лицензию перед коммерческим запуском проверьте с юристом.