Konekäännös · Englanninkielinen alkuperäinen

FlashSR

Tämä ensimmäinen osapuoli Soniqo sivudokumentit FlashSR paikalliselta speech-swift / speech-core -toteutus. Hugging Face -paketit on liitetty alla olevien komponentteja koskevien kommenttien jälkeen.

Sisäinen sivu ensin

Laskeutumiskortit ja dokumentit ovat nyt tässä ensin; lähdemalli ja nippulinkit ovat saatavilla tältä sivulta.

Katselu

Malli	FlashSR
Rooli	Äänen superresoluutio matalakaistanleveydelle tai häviölle
Taustaosa	MLX int4 oletus; int8 saatavilla
Tuotos	48 kHz:n monoaaltomuoto, yhtä pitkä kuin sisääntulo
Kieli	Äänisisältö agnostikko
Lisenssi	MIT
Tila	Valmiina puheen avulla näyte ja FlashSR Swift tuote
Lähde	FlashSR / AudioSR tislaus
Swift -tuote	`FlashSR`
CLI / ajoaika	`speech upsample`

Käyttö

Alla oleva nappula peilaa virta speech-swift API tai repon paljastamaa komentoa.

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

Malli Linkit

Täytäntöönpano Huomioita

Lataus vaatii yhden mallin.turvajärjestelmät nippu ja config erikseen; tämä on tarpeeksi yksinkertaista, että tavupainotus on vähemmän kriittinen kuin siroteltu malleja.
Syöttö otetaan uudelleen 48 kHz:n monoääneen, ja se käsitellään 5.12 sekunnin sekuntiikkunoissa, jotka eivät ole päällekkäin.
INT4 on latauskoon optimointi; ajopainot dekvantitoidaan FP:ksi, joten muistin jalanjälki vastaa int8.
Malli on SpeechEnhancementModelin mukainen, mutta sen semantiikka on superresoluutiota eikä denoisinointia.