Awtomatikong salin · Orihinal sa Ingles

HULA

Ang unang-party Soniqo page na mga dokumentong FlashSR from the local speech-swift / speech-core pagpapatupad. Hugging Face mga bungkos ay nakadugtong sa ibaba pagkatapos ng mga notasyon.

Panloob na Pahina Muna

Una na ngayong binabanggit dito ng mga landing card at docs menus ang tungkol dito; ang mga kawing ng source model at bround ay nananatiling makukuha mula sa pahinang ito.

Sa Isang Kaningningan

Huwaran	HULA
Ang Papel	Audio super-resolusyon para sa low-bandwidth o loundy audio
Likod	MLX int4 default; int8 magagamit
Ilabas	48 kHz mono waveform, na kapareho ng haba ng input
Wika	Audio-content agnostic
Lisensiya	MIT
Kalagayan	Handa sa pamamagitan ng pagsasalita ng upsample at ng produktong FlashSR Swift
Pinagmumulan	HILUPIT / AudioSR distilation
Swift produkto	`FlashSR`
CLI / Oras ng pagtakbo	`speech upsample`

Gamitin

Ang snippet sa ibaba ng salamin ang kasalukuyang speech-swift API o utos na inilantad ng repo.

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

Mga Kaugnayan sa Modelo

Mga Nota ng Pag - iisa

Ang download ay humihiling ng nag-iisang modelo. ligtas na tensor brock at configence; ito ay simple na ito na ang byte-weighting ay hindi gaanong kritikal kaysa sa mga sharded models.
Ang Input ay muling ini-impluwensya sa 48 kHz mono at prinoseso sa non-over juil 5.12 pangalawang bintana.
INT4 ay isang download-size optimization; runtime weights dequantize to FP, kaya ang memory footprint ay tumutugma sa int8.
Ang modelo ay umaayon sa SpeechEnhoncementModel, ngunit ang mga semantika nito ay super-resolusyon sa halip na denoising.