Traducere automată · Originalul în engleză
FlashSR
Această primă parte Soniqo documente de pagină FlashSR de la local speech-swift / speech-core implementare. Hugging Face pachete sunt legate mai jos după notele de integrare.
Prima pagină internă
Carduri de aterizare și meniuri docs punct acum aici primul; model sursă și link-uri de pachet rămân disponibile de la această pagină.
La o strălucire
| Model | FlashSR |
|---|---|
| Rol | Super-rezoluție audio pentru bandă joasă sau audio pierdută |
| Platformă | MLX int4 implicit; int8 disponibil |
| Ieșire | 48 kHz monoforma de undă, aceeași lungime ca și intrarea |
| Limbi | Agnosticul conținutului audio |
| Licență | MIT |
| Stare | Gata prin eprubeta de vorbire și produsul FlashSR Swift |
| Sursă | FlashSR / Distilare audioSR |
| Swift produs | FlashSR |
| CLI / timpul de funcționare | speech upsample |
Utilizare
Fragmentul de mai jos reflectă curentul speech-swift API sau comanda expusă de repo.
# Upsample a low-bandwidth recording to 48 kHz mono.
.build/release/speech upsample noisy_lowres.wav \
--variant int4 \
-o clean_hr.wavModele de legături
Note de punere în aplicare
- Descărcați solicită modelul unic.securizare pachet și configurați în mod explicit; acest lucru este destul de simplu că octet-greutate este mai puțin critică decât pentru modele ciobite.
- Intrarea este reinclusă în 48 kHz mono și procesată în a doua fereastră nesuprapuse 5.12.
- INT4 este o optimizare de download-size; greutăți de funcționare dequantize la PC, astfel încât amprenta de memorie se potrivește int8.
- Modelul este conform cu SpeechEnhancimentModel, dar semantica sa este mai degrabă super-rezoluție decât denigrare.