FlashSR

Эта страница Soniqo описывает FlashSR из локальной реализации speech-swift / speech-core. Ссылки на Hugging Face находятся ниже после заметок по интеграции.

Сначала внутренняя страница

Карточки и меню документации сначала ведут сюда; ссылки на исходную модель и бандлы остаются на этой странице.

Кратко

Модель	FlashSR
Роль	Audio super-resolution for low-bandwidth or lossy audio
Backend	MLX int4 default; int8 available
Вывод	48 kHz mono waveform, same length as input
Языки	Audio-content agnostic
Лицензия	MIT
Статус	Ready through speech upsample and the FlashSR Swift product
Источник	FlashSR / AudioSR distillation
Swift-продукт	`FlashSR`
CLI / runtime	`speech upsample`

Использование

Фрагмент ниже соответствует текущему API или команде из speech-swift.

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

Ссылки модели

Заметки реализации

Download requests the single model.safetensors bundle and config explicitly; this is simple enough that byte-weighting is less critical than for sharded models.
Input is resampled to 48 kHz mono and processed in non-overlapping 5.12 second windows.
INT4 is a download-size optimization; runtime weights dequantize to FP, so memory footprint matches int8.
The model conforms to SpeechEnhancementModel, but its semantics are super-resolution rather than denoising.