NVIDIA NemotronLabs RE-USE

NVIDIA NemotronLabs RE-USE

用 NVIDIA 推出的 9.6M 参数小模型，清理任何语言里有噪声或受损的语音录音，适合需要更清晰人声的音频和语音开发者。

由 nvidia 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：NVIDIA NemotronLabs RE-USE 是一个有 9.6 百万参数的语音增强模型。它修复被背景噪声、回声、削波、带宽受限、编解码痕迹、丢包或劣质麦克风损坏的录音，并尽量保持人声真实。它适用于多种语言，接受多种采样率的音频。

适合谁：它适合需要从杂乱的真实来源得到更干净人声录音的音频工程师、语音开发者和研究人员。

Industry | Who uses it | How they use it | Example
媒体 | 播客和视频剪辑师 | 清理用普通麦克风录的语音 | 一段在有回声的房间里录的访谈
电信 | 通话平台团队 | 修复被编解码和丢包损坏的语音 | 一段断断续续、声音单薄的通话录音
语音 AI | 识别开发者 | 在送入转写工具之前清理音频 | 报告的字符准确率从带噪音频的 81.29 提高到 89.17
研究 | 音频研究人员 | 对比语音增强模型 | 在同一测试集上和 Sidon、UniPASE 对比

如果你的音频本来就很干净，或需要分离多个说话人，可以跳过它。

用在哪里：

• 使用 mamba-ssm 库的 Python 项目
• Hugging Face 上的 Gradio 演示，可以上传有噪声的音频或视频
• 用于 Mamba 环境搭建的预构建 Docker 环境
• 装有 Python 的 Windows、macOS 或 Linux 电脑

Use case | Who | What they get back
清理录音 | 剪辑师 | 每个带噪文件对应一个增强后的语音文件
带宽扩展 | 音频工程师 | 重建到更高目标带宽的语音
为识别准备音频 | 语音开发者 | 给转写工具更干净的输入

如何设置：

你需要先准备：

• Python 和可用的 Mamba 环境，项目指向预构建的 Docker 环境
• resampy 包，只在需要带宽扩展时才要
• 少量磁盘空间，因为 F32 权重约 38 MB

1. 搭建 Mamba 环境，愿意的话可以用预构建的 Docker 环境。
2. 需要带宽扩展时安装 resampy。
3. 下载仓库并进入它的文件夹。

pip install resampy

huggingface-cli download nvidia/NVIDIA-NemotronLabs-RE-USE --local-dir ./NemotronLabs_REUSE --local-dir-use-symlinks False
cd ./NemotronLabs_REUSE

如何使用：把有噪声的语音文件放进 noisy_audio 文件夹，然后运行推理脚本。增强后的文件会出现在 enhanced_audio 文件夹里。

sh inference.sh

Tool | What it does
noisy_audio/ | 存放你要清理的语音文件
inference.sh | 对这些文件运行增强
enhanced_audio/ | 接收增强后的语音文件
BWE argument | 在脚本里设置目标带宽，以打开带宽扩展

示例：你把一段用笔记本麦克风录的音放进 noisy_audio，然后运行脚本。enhanced_audio 文件夹里就会有同一段语音更干净的版本。

新手与专家：这个模型去除语音里的噪声和损伤。第一步可以先试 Gradio 演示，上传一段有噪声的片段，不用安装任何东西就能听到结果。

从内部看，模型很小，只有 9.6M 参数，接受 8、16、22.05、24、32、44.1 和 48 kHz 的输入。遇到说话人重叠时，它保留主要说话人，压低其他人。项目在 URGENT 2025 非盲测试集的子集上，把它和更大的模型做了对比。

带噪语音文件放进 noisy_audio
脚本运行增强模型
可选的带宽扩展被应用
增强后的文件出现在 enhanced_audio

注意事项：各项指标的得分有高有低，模型并非每一项都第一。在完整测试集上，Sidon 在 DNSMOS 和 UTMOS 上超过它，UniPASE 在 SBERT 上超过它。

Title: 完整测试集上 ASR 的字符准确率
带噪音频: 81.29
Sidon: 84.68
UniPASE: 87.28
NemotronLabs RE-USE: 89.17

• 笑声: 项目建议想更好保留笑声时使用单独的 RE-USE-laughter 模型
• 商用: 项目声明该模型可用于商业用途
• License: OpenMDW 1.1
• Cost to run: 未提及
• Data it reaches: noisy_audio 里的音频文件、它写出的增强文件，以及你上传到托管演示的片段

Hugging Face 上的数据（2026年11月13日）

• 任务：audio to audio
• 框架：mamba-ssm
• 参数量：9.6M
• Weights: about 38 MB in F32; about 5 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：43,030
• 点赞：223
• 许可证：openmdw-1.1
• Quantized versions: 8
• 标签：mamba-ssm, safetensors, speech-enhancement, language-agnostic, audio-to-audio

链接

• 模型：https://huggingface.co/nvidia/NVIDIA-NemotronLabs-RE-USE
• 文件：https://huggingface.co/nvidia/NVIDIA-NemotronLabs-RE-USE/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download nvidia/NVIDIA-NemotronLabs-RE-USE

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。