Traduzione automatica · Originale inglese
FlashSR
Questa pagina Soniqo di prima parte documenta FlashSR dall'implementazione locale speech-swift / speech-core. I pacchetti Hugging Face sono collegati di seguito dopo le note di integrazione.
Pagina iniziale
Le carte di atterraggio e i menu Docs ora puntano qui prima; il modello di sorgente e i link di fascio rimangono disponibili da questa pagina.
In un solco
| Modello | FlashSR |
|---|---|
| Role | Super-risoluzione audio per larghezza di banda bassa o audio perso |
| Indietro | MLX int4 predefinito; int8 disponibile |
| Produzione | 48 kHz mono forma d'onda, stessa lunghezza dell'ingresso |
| Lingue | Audio-content agnostico |
| Licenza | MIT |
| Stato | Pronti attraverso l'upsample del discorso e il prodotto FlashSR Swift |
| Fonte | Distillazione FlashSR / AudioSR |
| Prodotto Swift | FlashSR |
| CLI / runtime | speech upsample |
Uso
Lo snippet seguente rispecchia l'attuale speech-swift API o comando esposto dal repo.
# Upsample a low-bandwidth recording to 48 kHz mono.
.build/release/speech upsample noisy_lowres.wav \
--variant int4 \
-o clean_hr.wavLink di modello
- MLX int4 fascio
- MLX int8 fascio
- Documenti di modello speech-swift
- Documenti di inferenza speech-swift
Note di attuazione
- Scarica le richieste del singolo modello.safetensors bundle e configurazione esplicitamente; questo è abbastanza semplice che il byte-peso è meno critico che per i modelli sharded.
- L'ingresso è rivenditampled a 48 kHz mono e processato in non-overlapping 5.12 second windows.
- INT4 è un'ottimizzazione di dimensione del download; i pesi runtime si dequantizzano a FP, quindi l'impronta della memoria corrisponde a int8
- Il modello è conforme a SpeechEnhancementModel, ma la sua semantica è super-risoluzione piuttosto che denoising.