VoiceFocus：macOS 实时系统音频降噪与语音增强

语言说明：VoiceFocus 当前只有中文界面，尚不支持英文 UI。 下面提供英文项目介绍，方便检索和协作，但这不代表应用已完成英文适配。

VoiceFocus 是面向 Apple Silicon Mac 的开源实时音频工具。它可以截取全局系统音频或指定应用音频，对电话、网络会议、远程通话、短视频和电视背景声等单声道场景进行本机实时降噪与语音增强，再将处理后的声音送往用户选择的扬声器或音频设备。

关键词：macOS 降噪、Mac 实时降噪、系统音频捕获、通话降噪、会议降噪、单声道语音增强、电视背景声、短视频人声、Core Audio Tap、Core ML、SwiftUI、Apple Silicon、menu bar audio proxy、real-time speech enhancement、noise suppression。

重要能力边界

当前版本使用 CEVA DPDFNet2 48 kHz HR 通用语音增强模型，不是声纹识别或目标说话人分离模型。它适合抑制环境噪声并尽量保真人声，但无法保证从响度接近的清晰电视人声、短视频说话声或多人同时说话中只保留某一位指定说话人。

功能

• 全局系统音频代理，自动排除 VoiceFocus 自身以避免回授。
• 指定应用捕获，应用和音频设备自动刷新。
• 48 kHz、20 ms 分析窗、10 ms 步进的实时 Core ML 推理。
• 可调最大抑制量、输出增益、自动响度补偿和峰值保护。
• 可选择 CPU、GPU 或由 Core ML 自动选择计算单元。
• 原生 SwiftUI 界面，支持窗口缩放、全屏和菜单栏模式。
• GUI 与 CLI 均可控制捕获范围、设备、参数和诊断。
• 音频仅在本机内存中处理，不上传或保存通话内容。
• Sparkle 应用内更新框架；公开源码中的更新地址是不可访问的示例值。

真实界面截图

实时增强

音频路由

Core ML 模型与实时诊断

菜单栏快速控制

系统要求

• Apple Silicon Mac（不支持 Intel Mac）。
• macOS 14.2 或更高版本；界面按现代 macOS 设计并兼容 macOS 26。
• Swift 6.2 工具链。
• 构建完整 .app 时需要 ImageMagick，用于由 SVG 生成应用图标。
• 首次开始代理时，需要授予“系统音频录制”权限。

构建

brew install imagemagick
swift test
zsh scripts/build-local.sh
open dist/VoiceFocus.app

构建产物位于 dist/VoiceFocus.app。这是本地构建，不包含 Developer ID 签名或 Apple 公证。公开分发前请使用自己的 Bundle ID、签名证书和公证流程。

CLI

完整应用构建后，CLI 位于：

dist/VoiceFocus.app/Contents/Helpers/voicefocus

直接运行且不带参数即可查看完整命令：

dist/VoiceFocus.app/Contents/Helpers/voicefocus

应用内更新配置

公开源码已移除项目维护者的更新域名和签名配置。若要发布自己的更新，请修改 Resources/Info.plist：

1. 将 CFBundleIdentifier 改为自己的反向域名标识。
2. 将 SUFeedURL 改为自己的 HTTPS appcast 地址。
3. 按 Sparkle 文档生成 Ed25519 密钥，并添加 SUPublicEDKey。
4. 将 SUEnableAutomaticChecks 和 SUAutomaticallyUpdate 按发布策略启用。
5. 不要把私钥、Developer ID 凭据、证书导出文件或签名后的私有更新源提交到仓库。

技术结构

• Sources/VoiceFocusCore：Core Audio Tap、聚合设备、实时缓存、Core ML 推理、响度补偿和输出。
• Sources/VoiceFocusApp：SwiftUI 主窗口、菜单栏控制和 Sparkle 更新界面。
• Sources/VoiceFocusCLI：本地控制协议与命令行入口。
• Resources/Models：DPDFNet2 Core ML FP32 模型和初始流状态。
• Tests：模型载入、旁路、响度补偿、设备枚举和实时预算测试。

许可

VoiceFocus 自有代码和文档采用 MIT License。内置 DPDFNet2 模型来自 CEVA DPDFNet，按 Apache License 2.0 使用；Sparkle 按 MIT 使用。完整声明见 第三方声明 与 Resources/Licenses。

---

English summary

VoiceFocus is an open-source, real-time macOS system-audio noise suppression and speech-enhancement app for Apple Silicon. It captures all system audio or selected applications through Core Audio taps, processes mono audio locally with a 48 kHz Core ML conversion of CEVA DPDFNet2, and routes the enhanced output to a selected speaker or audio device. It includes a native SwiftUI interface, menu-bar controls, automatic source refresh, loudness compensation, diagnostics, and a CLI.

The application UI is currently Chinese-only and does not support English. English documentation is provided for discoverability and contributors.

This is general speech enhancement, not voiceprint recognition or target-speaker extraction. A clear competing speaker at similar loudness may remain audible.

Search terms: macOS system audio capture, real-time noise suppression, call noise reduction, speech enhancement, Core Audio tap, Core ML, SwiftUI, Apple Silicon, mono audio, menu bar audio proxy.