NVIDIA 开源多语言音频降噪模型 RE-USE，模型仅 9.6M 参数

NVIDIA 正式开源通用语音增强模型 RE-USE，这款多语言音频降噪模型仅有 9.6M 参数，体量十分轻巧，能够高效去除环境噪音、人声杂音与设备底噪，同时完整保留人声语气与发音细节，支持数十种语言的语音降噪处理，既能在 GPU 上高速推理，也能轻松部署到手机、嵌入式设备等低算力硬件，大幅降低音频降噪项目的部署门槛，兼顾降噪效果与运行速度。NVIDIA 推出轻量 RE-USE 降噪模型，主要是为了满足轻量化端侧语音处理需求。以往传统音频降噪模型参数普遍达到数千万级别，对硬件算力要求高，很难直接在移动端、物联网设备落地；而 RE-USE 把参数压缩到仅 9.6M，在保证多语言降噪效果不缩水的前提下，大幅降低显存占用与算力消耗，适配直播、会议录音、语音采集、离线音频修复等全场景使用需求。整套模型部署与音频处理有着标准化的操作流程，部署简单、调用门槛低。RE-USE 凭借 9.6M 超小参数量与多语言降噪能力，补齐了端侧轻量语音增强方案，开发者无需高端硬件就能完成音频降噪开发，进一步拓宽 AI 音频降噪技术的落地场景。

一、RE-USE 模型核心参数清单

表格

二、RE-USE 模型主要功能分项

1. 多语种通用降噪：对多国语言语音统一完成降噪，不用为不同语种单独训练子模型。
2. 轻量化推理：9.6M 小模型，内存占用低，CPU 也可以完成低速推理，GPU 可实现毫秒级实时处理。
3. 纯净人声保留：只消除环境杂音，不会压缩人声清晰度，保留说话人情绪与语调。
4. 兼容多种音频格式：支持 16kHz 采样率 PCM 音频，适配会议录音、短视频人声、户外收音等素材。
5. 开源可二次开发：开放模型权重与代码，开发者可以自由微调、裁剪模型适配自有业务。

三、模型部署与音频降噪完整操作步骤

步骤 1：从开源仓库下载 RE-USE 模型权重与工程代码，完成环境依赖配置。

步骤 2：加载 9.6M 模型文件，选择流式实时处理或者离线文件处理模式。

步骤 3：导入待处理的嘈杂音频，一键启动降噪推理。

步骤 4：导出处理完成的纯净音频，核对人声清晰度与降噪效果。

步骤 5：把模型导出为 ONNX 格式，打包部署到移动端或者边缘硬件。

四、整体总结

NVIDIA 开源的 RE-USE 音频降噪模型，以仅 9.6M 的超低参数量实现多语言通用降噪，兼顾降噪质量与轻量化部署优势。小体积带来更低的硬件门槛，可覆盖云端 GPU、手机终端、嵌入式设备等各类环境，给语音会议、短视频收音、户外录音等场景提供低成本的 AI 降噪方案，进一步丰富端侧语音增强开源生态。

【相关 FAQ】

问题 1：NVIDIA 开源的 RE-USE 音频降噪模型，参数量是多少，支持多语言吗？

回答 1：RE-USE 模型仅有 9.6M 参数，属于轻量化模型，同时原生支持多语言音频降噪，不用针对不同语种单独优化模型。

问题 2：9.6M 参数的 RE-USE 模型，能不能部署在手机这类低算力设备上？

回答 2：完全可以，因为模型体量很小，显存与内存占用极低，既可以在 GPU 高速运行，也能在手机、嵌入式硬件完成端侧离线音频降噪。

问题 3：NVIDIA 开源的 RE-USE 模型，除了去除背景噪音之外，还能保留人声细节吗？

回答 3：可以，RE-USE 在抑制环境底噪、环境杂音的同时，能够完整保留人声清晰度、语气与情绪，不会出现人声失真、音色被压缩的问题。

【数据来源】

[2026-10-31]（NVIDIA 开源多语言音频降噪模型 RE-USE，仅 9.6M 参数）HyperAI 超神经

[2026-10-31]（RE-USE 通用语音增强模型开源，轻量端侧降噪方案）AI 科技评论

[2026-10-30]（NVIDIA RE-USE 模型论文发布，9.6M 参数实现多语种语音增强）arXiv 技术专栏

[2026-10-29]（NVIDIA 推出轻量语音降噪模型，面向端侧音频处理）机器之心

免责声明

本文仅客观介绍 NVIDIA RE-USE 开源音频降噪模型的参数、功能与部署方案，仅作为 AI 技术资讯分享；模型开源协议、语种支持范围、推理性能会随版本迭代持续更新，一切以 NVIDIA 官方开源仓库与论文文档为准；本文不构成项目选型、模型二次开发的决策依据。