Maskinoversettelse · Engelsk original
FlashSR
Denne førsteparts Soniqo sidedokumenter FlashSR fra den lokale speech-swift / speech-core implementasjon. Hugging Face bundter er koblet under etter integrasjonsnotasjonene.
Innenrikssiden først
Landingskort og docs-menyer nå peker her først; kildemodell og pakkelenker er tilgjengelige fra denne siden.
På en glanse
| Modell | FlashSR |
|---|---|
| Rolle | Lyd super-oppløsning for lav-båndbredde eller tapsaktig lyd |
| Motor | MLX int4 standard; int8 tilgjengelig |
| Utgang | 48 kHz monobølgeform, samme lengde som inngang |
| Språk | Audio-content-agnostiker |
| Lisens | MIT |
| Status | Klar gjennom taleoppsamling og FlashSR Swift produkt |
| Kilde | FlashSR / AudioSR-destillasjon |
| Swift produkt | FlashSR |
| CLI/kjøretid | speech upsample |
Bruk
Den snutten nedenfor speiler gjeldende speech-swift API eller kommando som eksponeres av repoen.
# Upsample a low-bandwidth recording to 48 kHz mono.
.build/release/speech upsample noisy_lowres.wav \
--variant int4 \
-o clean_hr.wavModelllenker
Implementasjonsnotater
- Last ned forespørsler enkelt modell.safetensors bunt og konfigurasjon eksplisitt; Dette er enkelt nok til at bytevekting er mindre kritisk enn for harde modeller.
- Inngangen er resemplulert til 48 kHz mono og behandles i ikke-overlappende 5,12 andre vinduer.
- INT4 er en nedlastingsstørrelse optimalisering; kjøretid vekter dekvantiserer til FP, så minneavtrykk samsvarer int8.
- Modellen er i samsvar med SpeechEnhancementModel, men dens semantikere er super-oppløsning i stedet for å densere.