FlashSR
หน้านี้ของ Soniqo อธิบาย FlashSR ตาม implementation ใน speech-swift / speech-core ส่วนลิงก์ Hugging Face อยู่ใต้หมายเหตุการใช้งาน
เข้าหน้าในเว็บก่อน
การ์ดหน้าแรกและเมนูเอกสารจะชี้มาที่หน้านี้ก่อน ส่วนลิงก์ไปยัง source model และ bundle ยังอยู่ในหน้านี้
ภาพรวม
| โมเดล | FlashSR |
|---|---|
| บทบาท | Audio super-resolution for low-bandwidth or lossy audio |
| Backend | MLX int4 default; int8 available |
| Output | 48 kHz mono waveform, same length as input |
| ภาษา | Audio-content agnostic |
| License | MIT |
| สถานะ | Ready through speech upsample and the FlashSR Swift product |
| Source | FlashSR / AudioSR distillation |
| Swift product | FlashSR |
| CLI / runtime | speech upsample |
การใช้งาน
snippet ด้านล่างตรงกับ API หรือคำสั่งปัจจุบันใน speech-swift
# Upsample a low-bandwidth recording to 48 kHz mono.
.build/release/speech upsample noisy_lowres.wav \
--variant int4 \
-o clean_hr.wavลิงก์โมเดล
หมายเหตุ implementation
- 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.