Strojový překlad · Anglický originál

FlashSR

Tato první strana Soniqo dokumenty stránky FlashSR z místní speech-swift / speech-core implementace. Hugging Face svazky jsou spojeny níže po integraci poznámky.

Interní stránka

Přistávací karty a docs menu nyní ukázat zde první; zdrojový model a svazky odkazy zůstávají k dispozici z této stránky.

V Glance

Vzor	FlashSR
Úloha	Audio superrozlišení pro low-šířka pásma nebo ztrátový audio
Backend	MLX int4 výchozí; int8 k dispozici
Výstup	48 kHz mono waveform, stejná délka jako vstup
Jazyky	Audio-content agnostic
Licence	MIT
Stav	Připravený pomocí hlasového upscast a produktu FlashSR Swift
Zdroj	destilace flashSR / AudiOSR
Swift produkt	`FlashSR`
CLI / runtime	`speech upsample`

Použití

Snippet níže odráží aktuální speech-swift API nebo příkaz vystavený repo.

# Upsample a low-bandwidth recording to 48 kHz mono.
.build/release/speech upsample noisy_lowres.wav \
  --variant int4 \
  -o clean_hr.wav

Modelové odkazy

Poznámky k provádění

Download výslovně požaduje jednotlivé modely. Safetensors svazek a konfiguraci; to je dost jednoduché, aby byte- vážení je méně kritický než pro ostřené modely.
Vstup je přetvořen na 48 kHz mononukleárního a zpracováván v nepřekrývajících se 5.12 sekundových oknech.
INT4 je optimalizace velikosti download- size; runtime váhy dekvantifikovat na FP, takže paměťová stopa odpovídá int8.
Model odpovídá modelu SpeechEnhancementModel, ale jeho sémantika je spíše nadrozlišení než denoizování.