NVIDIA NemotronLabs RE-USE-laughter

NVIDIA NemotronLabs RE-USE-laughter

清理多语言的嘈杂语音录音，同时保留笑声。这是一个 9.6M 参数的语音增强模型，适合修音频的创作者和准备语音数据集的研究人员。

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：这是 NVIDIA 推出的小型语音增强模型，只有 9.6 百万参数。它能修复多种语言的语音录音质量，并且会保留笑声。它能处理噪声、回声、削波、编解码损伤、丢包和低质量麦克风。

适合谁：想让录音更干净的内容创作者，以及在训练语音模型前清理语音数据集的研究人员。

Industry | Who uses it | How they use it | Example
媒体 | 内容创作者 | 改善口语录音的音质 | 剪辑前先清理嘈杂的采访录音
语音研究 | 研究人员 | 增强用于训练文字转语音模型的数据集 | 为 TTS 训练集准备嘈杂的片段
语音研究 | 研究人员 | 为语音大模型增强数据 | 训练语音 LLM 之前清理录音

如果你的音频本来就很干净，可以跳过它。

用在哪里：

• 你自己的电脑，在 Windows、macOS 或 Linux 上用 Python 通过命令行运行
• 为 Mamba 准备的 Docker 环境，模型卡建议用它简化安装
• 模型卡指向的 Gradio 演示，你可以在那里上传嘈杂的音频或视频

Use case | Who | What they get back
清理一段录音 | 创作者 | 每个语音文件的清理后版本
准备数据集 | 研究人员 | 可直接用于训练的增强片段
处理长文件 | 任何人 | 分块处理长录音后得到的清理音频

如何设置：

• Python 和 Hugging Face 下载工具
• Mamba 支持，模型卡说用预构建的 Docker 环境更容易
• resampy 包，只有需要带宽扩展时才装

1. 搭建 Mamba，例如使用模型卡指向的 Docker 环境。
2. 如需带宽扩展，可选装 resampy。
3. 下载仓库并进入新文件夹。

pip install resampy

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

如何使用：把嘈杂的录音放进 noisy_audio，运行推理脚本，再从 enhanced_audio 取走清理后的版本。带宽扩展通过脚本里的 BWE 参数打开。

sh inference.sh

如果文件超过约 30 秒，或者 GPU 显存不足，就用分块脚本。把长文件放进 long_noisy_audio，结果会出现在 Long_enhanced_audio。

sh inference_chunk.sh

Tool | What it does
inference.sh | 增强 noisy_audio 里的文件
inference_chunk.sh | 分块增强长文件
BWE argument | 设置带宽扩展的目标带宽

示例：你把一段嘈杂的电话录音复制进 noisy_audio，然后运行推理脚本。清理后的文件会出现在 enhanced_audio 里，笑声被保留。

新手与专家：如果你是新手，先试试模型卡指向的 Gradio 演示。上传一段嘈杂的音频，听听清理后的效果，再决定要不要在自己电脑上安装。

如果你是专家，它接受七种输入采样率，从 8 kHz 到 48 kHz，包括 22.05 和 44.1。它用不到 10 秒的片段训练，所以长文件要走分块脚本。遇到重叠说话时，它会保留主要说话人。

你把嘈杂文件放进 noisy_audio
脚本运行增强模型
带宽扩展是可选的
清理后的文件出现在 enhanced_audio

注意事项：在模型卡的对比中，这个模型的语音识别字符准确率是 89.21，高于列出的两个更大的模型。

Title: 模型卡测试集上的 ASR 字符准确率
嘈杂输入: 81.29 分
Sidon 250M: 84.68 分
UniPASE 500M: 87.28 分
RE-USE-laughter 9.6M: 89.21 分

• License: OpenMDW 1.1，与模型卡的说法一致。
• Cost to run: 没有提到 API 密钥或付费服务。有 GPU 会更好，因为长文件可能耗尽显存。
• Data it reaches: 它处理你放进文件夹的音频文件。模型卡没有提到联网访问。
• Not for: 模型卡说这个项目目前不接受贡献。

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：2,845
• 点赞：17
• 许可证：openmdw-1.1
• Quantized versions: 3
• 标签：mamba-ssm, safetensors, speech-enhancement, language-agnostic, audio-to-audio

链接

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

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。