OpenVINO AI插件上手记：一小时播客转录十分钟搞定，还不用上传任何数据

OpenVINO AI插件上手记：一小时播客转录十分钟搞定，还不用上传任何数据

【免费下载链接】openvino-plugins-ai-audacityA set of AI-enabled effects, generators, and analyzers for Audacity®.项目地址: https://gitcode.com/gh_mirrors/op/openvino-plugins-ai-audacity

那个周六晚上，我关掉灯，想给一首喜欢的歌做个伴奏版，好自己跟着唱。连着试了两个在线分离网站：一个注册完才发现要付费，另一个把人声处理得只剩"嘶嘶"的杂音，更别提整首歌都得先传到对方服务器上。就在打算放弃时，有朋友提起Audacity上有一组OpenVINO AI插件，能把音乐分离、语音转录、降噪这些活儿全放在本机完成，不需要联网。抱着"再试最后一次"的心态，我装上了它，结果一发不可收拾。

从安装到跑通，只花了一杯咖啡的时间

Windows用户直接下载官方发布的安装包；Linux用户更省事，装好自带OpenVINO模块支持的Audacity snap版本就行。真正关键的一步藏在"编辑 → 偏好设置 → 模块"里——把mod-openvino从"新建"改成"启用"，然后重启Audacity。

把 mod-openvino 设为 Enabled，重启后菜单里才会出现各项AI功能

我第一次找这个入口时在设置里翻了半天，结果它就在明面上。改完重启，效果菜单里多了一排带OpenVINO字样的条目。需要说明的是，AI模型是首次使用某个功能时才下载的，总量大概几百兆，我边下载边去倒水，回来就已经缓存好了，之后每次加载都快得多。

第一次分离人声，结果超出我的预期

我导入那首歌，选中整条音轨，从效果菜单点进OpenVINO Music Separation。

音乐分离藏在效果菜单里，和Audacity自带效果摆在一起

弹窗里最需要关心的就两个选项：分离模式和推理设备。分离模式选2-Stem，会得到"伴奏+人声"两条轨道；选4-Stem，则拆成鼓、贝斯、人声和其他乐器四条。设备就选GPU，没有独显就老老实实用CPU。

模式、设备、Shifts三处设置，决定了分离的速度和精细度

点击应用后，我第一次等模型编译用了二十来秒——首次运行会针对你的设备编译模型，之后有磁盘缓存，再打开就快了。跑完后工作区多出来的轨道让我有点意外：人声干净，伴奏里鼓点、贝斯都清清楚楚，比我在线试的那个工具强出一大截。

分离出的轨道会带上 -Drums、-Vocals 这样的后缀，一眼就能分清

唯一要提醒的是那个叫Shifts的高级参数：它控制处理质量和时间的权衡，日常用2就行，没必要一上来就拉满，那会让处理时间成倍增加。

录音里的空调声，被它清得干干净净

处理完卡拉OK伴奏，我把积压的播客素材翻了出来。以前录节目，窗外空调外机嗡嗡响，我又懒得重录，只能靠Audacity自带的降噪凑合。这次选中人声片段，直接套用OpenVINO Noise Suppression，模型选deepfilternet3，几秒钟就处理完了。

最让我满意的是它只清背景、不动人声，声音听起来依然自然，没有那种"人在水缸里说话"的塑料感。如果只是想快速去个底噪，这个功能基本属于"选中、应用、收工"。

一小时播客转录，十分钟出稿

降噪之后我顺手试了Whisper Transcription。它的入口在"分析"菜单而不是效果菜单，我第一次找的时候还愣了一下。选中音频，选好模型和语言，点应用，剩下的就是等。

转录结果以标签轨道呈现，时间戳与音频逐段对齐

模型的选择其实就一句口诀：

一小时左右的节目，用base模型十分钟出头就跑完了，生成一条带时间戳的标签轨道，点哪儿看哪儿。如果录音里有多个人在说话，还有个专门的small.en-tdrz模型能做说话人分离，两条标签轨交替标注谁在发言。给视频配字幕的活儿，我算是彻底解放了。

玩票时刻：写段配乐、修修老录音

剩下两个功能更像彩蛋。OpenVINO Music Generation用一句文字描述就能生成一段音乐，也能接着你已有的片段往下续写，写崩了还能指定seed重来；OpenVINO Super Resolution则把低采样率的音频补到24kHz带宽、48kHz采样率，我拿一盘早年翻录的磁带试了试，糊成一团的高频居然被捞回来不少。这两个功能对日常使用来说不是刚需，但非常值得玩。

几个让我少走弯路的参数心得

• 设备别乱选：有独显优先GPU，处理最快；追求低功耗可以用NPU；CPU兼容性最好，什么机器都能跑。
• 首次加载慢是正常的：模型第一次要针对设备编译，10到30秒都算正常，之后有缓存就不必再等。
• 实验先生成短片段：音乐生成时先出个5秒的试听，满意了再用同样的seed生成完整版，能省不少试错时间。
• Shifts和Steps见好就收：参数拉高确实可能更精细，但时间成本线性上涨，先按默认值跑一遍再调。

建议你先从哪个功能开始

如果只挑一个功能上手，我推荐先试音乐分离的2-Stem模式，五分钟内就能看到"一首歌拆成两轨"的直观结果，最有成就感。跑通之后，降噪和转录几乎零学习成本。

每个功能的详细说明和参数解释都写在项目的功能文档里，构建与安装指南则在构建文档目录下：

• 功能说明：doc/feature_doc/（音乐分离、转录、降噪、生成、超分各有专页）
• 构建指南：doc/build_doc/windows/README.md、doc/build_doc/linux/README.md

这组OpenVINO AI插件最打动我的地方，是它把"专业音频处理"这件事放进了每个人都能免费打开的Audacity里，还保证了数据不出本机。如果你也折腾出了什么新玩法——比如拿它处理ASMR、给老电影配音轨——欢迎来交流，我也想抄抄作业。

【免费下载链接】openvino-plugins-ai-audacityA set of AI-enabled effects, generators, and analyzers for Audacity®.项目地址: https://gitcode.com/gh_mirrors/op/openvino-plugins-ai-audacity