文章讨论端侧音视频降噪：语音降噪在频域用DNN估计0~1掩码并乘回频谱，RNNoise风格模型约150K参数，可实时运行；视频降噪结合时域多帧对齐与空域CNN，低端机可退化为单帧。核心是平衡降噪强度与听感、实时预算和场景泛化，并给出掩码下限、帧间重叠、旁路音乐、运动补偿等问题的修复方法。

LALAL.AI推出专为语音降噪设计的神经网络Lynx，能分离人声与背景噪音，生成干净人声轨道，节省后期制作时间。模型比旗舰版小六倍，基于人工整理数据训练。Lynx已上线，成为平台使用量第二大的分离音轨，预计2025年处理超1150万音频分割，未来将改进合唱分离和远距离语音隔离。

在实时通信领域，传统音视频处理算法面临瓶颈。随着轻量级神经网络的发展，将AI模型嵌入WebRTC客户端的媒体管道成为趋势。文章探讨了如何利用ONNX Runtime实现实时语音降噪和视频超分辨率，强调C++的高效性和ONNX的跨平台优势，并提供了性能优化建议，如使用libyuv和GPU零拷贝技术，以提升实时音视频体验。

Waves Audio推出了AI驱动的语音降噪插件Clarix LB，旨在实时清除直播环境中的噪音，适合主播和记者。该插件兼容多种调音台，支持高达96 kHz的采样率和47毫秒的延迟，确保语音清晰。