Maskinoversættelse · Engelsk original

FLAshSR

Denne første part Soniqo sidedokumenter FlashSR fra den lokale speech-swift / speech-core implementering. Hugging Face bundter er knyttet nedenfor efter integration noter.

Intern side først

Landingskort og docs menuer peger nu her først; kildemodel og bundlink er stadig tilgængelige fra denne side.

På en Glance

Model	FLAshSR
Rolle	Audio super- opløsning til lav båndbredde eller lossy lyd
Backend	MLX int4 standard; int8 tilgængelig
Output	48 kHz mono bølgeform, samme længde som input
Sprog	Audio- content agnostic
Licens	MIT
Status	Klar gennem taleprøve og FlashSR Swift produkt
Kilde	Destillation af flashSR / audioSR
Swift produkt	`FlashSR`
CLI / runtime	`speech upsample`

Anvendelse

Snuppet nedenfor afspejler den aktuelle speech-swift API eller kommando udsat af repo.

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

Model Links

Gennemførelsesnoter

Download anmoder om den enkelte model.safetensors bundt og config eksplicit; dette er simpelt nok, at byte- vægtning er mindre kritisk end for skårbarte modeller.
Input er rekompileret til 48 kHz mono og behandles i ikke-overlappende 5.12 sekunders vinduer.
INT4 er en download- size optimering; runtime vægte dequantize til FP, så hukommelse fodaftryk matcher int8.
Modellen er i overensstemmelse med SpeechEnhancemodel, men dens semantik er superopløsning snarere end denoising.