Maskinöversättning · Engelskt original

FlashSR

Denna första part Soniqo siddokument FlashSR från den lokala speech-swift/ speech-core implementering. Hugging Face buntar är länkade nedan efter integrationsnoterna.

Intern sida först

Landningskort och docs-menyer pekar nu här först; källmodell och buntlänkar förblir tillgängliga från denna sida.

På en Glance

Modell	FlashSR
Rollen	Audio super-resolution för låg bandbredd eller förlustljud
Backend	MLX int4 standard; int8 tillgänglig
Output	48 kHz mono vågform, samma längd som ingången
Språk	Audio-innehåll agnostiker
Licens	MIT
Status	Redo genom talupplösning och FlashSR Swift produkten
Källa	FlashSR / AudioSR destillation
Swift produkt	`FlashSR`
CLI / runtime	`speech upsample`

Användning

Nyckeln nedan speglar den nuvarande speech-swift API eller kommandot exponerat av repan.

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

Modelllänkar

Implementeringsmeddelanden

Ladda ner förfrågningar den enda modellen.safetensors bunt och konfig uttryckligen; Detta är enkelt nog att byte-vikt är mindre kritiskt än för slängda modeller.
Inmatningen återförs till 48 kHz mono och bearbetas i icke-överlappande 5,12 andra fönster.
INT4 är en nedladdningsstorlek optimering; runtime vikter dequantize till FP, så minne fotavtryck matchar int8.
Modellen överensstämmer med SpeechEnhancementModel, men dess semantik är super-resolution snarare än att förneka.