Tłumaczenie automatyczne · Oryginał angielski

FlashSR

Ta pierwsza strona Soniqo dokumenty FlashSR z lokalnej implementacji speech-swift / speech-core. Hugging Face pakiety są połączone poniżej po notatkach integracyjnych.

Strona wewnętrzna pierwsza

Karty do lądowania i menu doków wskazują najpierw tutaj; model źródłowy i linki do pakietów pozostają dostępne na tej stronie.

At a Glance

Wzór	FlashSR
Rola	Superrozdzielczość dźwięku dla niskich pasm lub stratnych audio
Wstecz	Domyślny MLX int4; dostępny int8
Wyjście	48 kHz monofalowa forma fali, taka sama długość jak wejściowa
Języki	Agnostyka treści audiowizualnych
Licencja	MIT
Status	Gotowy przez głośnik i produkt FlashSR Swift
Źródło	Destylacja flashSR / AudioSR
Produkt Swift	`FlashSR`
CLI / runtime	`speech upsample`

Stosowanie

Poniższy fragment jest odzwierciedleniem bieżącego speech-swift API lub polecenia zdemaskowanego przez repo.

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

Wzory linków

Uwagi do wdrożenia

Pobieranie żąda pojedynczego pakietu model.safetensors i konfig wyraźnie; jest to wystarczająco proste, że ważenie byte- jest mniej istotne niż w przypadku modeli ostrzejszych.
Wejście jest resempowane do 48 kHz mono i przetwarzane w nienakładających się 5.12 sekund okien.
INT4 jest optymalizacją wielkości pobierania; wagi runtime dekwantyzują FP, więc ślad pamięci pasuje do int8.
Model ten jest zgodny z modelem SpeechEnhancementModel, ale jego semantyka jest raczej nadrozdzielcza niż denozująca.