---
title: "TIGER – 清华大学推出的轻量级语音分离模型"
url: "https://paooo.com/aigc-news/21973/"
author: "Prompt 语宙研究院"
published_at: "2026-06-09T01:03:28+08:00"
updated_at: "2026-06-09T01:03:28+08:00"
categories: "AIGC 资讯"
tags: "AI智能体, AI音频与语音, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# TIGER – 清华大学推出的轻量级语音分离模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/21973/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-09

## AI 30 秒核心看点 (TL;DR)

- 通过FFI时频交叉建模，TIGER把时间与频率信息高效融合，提升混合语音分离精度。
- 结合MSA与F³A模块，模型在低参数、低算力下仍能保持接近先进模型的效果。
- 在会议记录、视频剪辑、电影音频和语音助手等场景中，TIGER具备较强实用性。

## TIGER是什么

TIGER（Time-frequency Interleaved Gain Extraction and Reconstruction Network）是清华大学研究团队提出的轻量级语音分离模型，通过时频交叉建模策略，结合频带切分和多尺度注意力机制，显著提升了语音分离的效果，降低了参数量和计算量。 TIGER 的核心在于创新的时频交叉建模模块（FFI），能高效整合时间和频率信息，更好地提取语音特征。模型引入多尺度选择性注意力模块（MSA）和全频/帧注意力模块（F³A），进一步优化了特征提取能力。

## TIGER的主要功能

- **高效语音分离**：TIGER通过创新的时频交叉建模模块（FFI）和多尺度注意力机制，能高效地分离混合语音中的不同说话者。

- **低计算量与低参数量**：模型在压缩94.3%的参数量和95.3%的计算量后，性能仍与当前最先进的模型相当。

- **复杂声学环境适应**：TIGER通过EchoSet数据集模拟真实场景中的噪声和混响，提升模型在复杂环境下的鲁棒性。

## TIGER的技术原理

- **时频交叉建模策略**：TIGER 的核心在于时频交叉建模模块（FFI），通过交替处理时间和频率信息，有效整合时频特征。模块包含频率路径和帧路径，每个路径都包含多尺度选择性注意力模块（MSA）和全频/帧注意力模块（F³A），能融合局部和全局信息，提升语音分离效果。

- **频带切分**：语音信号的能量在不同频带上分布不均，中低频带包含更多语音信息，高频带包含更多噪声和细节。TIGER 通过频带切分策略，将频带划分为不同宽度的子带，减少计算量的同时，让模型专注于关键频带。

- **多尺度注意力机制**：TIGER 引入了多尺度选择性注意力模块（MSA），通过多尺度卷积层和选择性注意力机制，融合局部和全局信息，增强模型对多尺度特征的提取能力。

- **整体流程**：TIGER 的整体流程包括五个部分：

**编码器**：将混合音频信号通过短时傅里叶变换（STFT）转换为时频表示。

- **频带切分模块**：将整个频带划分为多个子带，每个子带通过一维卷积转换为统一的特征维度。

- **分离器**：由多个时频交叉建模模块（FFI）组成，用于提取每个说话者的声学特征。

- **频带恢复模块**：将子带恢复到全频带范围。

- **解码器**：通过逆短时傅里叶变换（iSTFT）生成每个说话者的清晰语音信号。

## TIGER的项目地址

- **项目官网**：[https://cslikai.cn/TIGER/](https://cslikai.cn/TIGER/?utm_source=ai-bot.cn)

- **Github仓库**：[https://github.com/JusperLee/TIGER](https://github.com/JusperLee/TIGER)

- **arXiv技术论文**：[https://arxiv.org/pdf/2410.01469](https://arxiv.org/pdf/2410.01469)

## TIGER的应用场景

- **会议及演讲记录**：在多人发言的会议或演讲场景中，TIGER 可以高效分离不同发言人的语音，提升会议记录的效率和准确性。

- **视频剪辑与制作**：在视频内容创作中，TIGER 能精确分离主播与背景音或其他人物的语音，方便后期制作和剪辑。

- **电影音频处理**：TIGER 在电影音频分离任务中表现出色，能分离出人声、音乐和音效，提升音频处理的灵活性和质量。

- **智能语音助手**：在智能语音助手应用中，TIGER 可以帮助分离用户语音和背景噪声，提升语音交互的体验。

## 常见问题解答 (FAQ)

### TIGER语音分离模型有什么特点？
TIGER是清华大学提出的轻量级语音分离模型，核心特点是时频交叉建模、频带切分和多尺度注意力机制。它在大幅压缩参数量和计算量后，仍能保持接近先进模型的分离效果。

### TIGER为什么适合复杂声学环境？
TIGER通过EchoSet数据集模拟真实场景中的噪声和混响进行训练与评估，因此对复杂声学环境更鲁棒。它能更好地处理会议、演讲、影视等场景中的混合语音。

### TIGER可以用在哪些实际场景？
TIGER适用于多人会议记录、视频剪辑、电影音频处理和智能语音助手等场景。它能分离不同说话者或背景噪声，提升语音提取、后期制作和交互体验。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
