/ Модель

Характеристики

Лицензия
MIT
Библиотека
harp-codec
Опубликована
18 июл 2026

harp-codec

Обработка аудиоАудио → аудио

HARP — нейронный аудиокодек для сжатия и восстановления аудио с регулируемым битрейтом и качеством.

0скачиваний за 30 дней1лайквеса обновлены22 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

HARP — нейронный аудиокодек Kelvin Yang для сжатия и восстановления аудио с переменным битрейтом. Модель использует сверточные энкодер и декодер и групповую остаточную векторную квантизацию (RVQ): девять кодовых книг по 1024 записи распределены между четырьмя группами, соответствующими гармонически значимым частотным полосам.

Декодирование начинается с группы низких частот; добавление следующих групп повышает качество и битрейт. В README приведены ориентировочные скорости около 2,6, 4,3 и 6,0 кбит/с для одной, двух и трёх групп соответственно. Чекпойнт весит около 293 МБ и предназначен для инференса. Модель подходит для сжатия и последующего восстановления аудио с выбором компромисса между качеством и скоростью передачи. Лицензия — MIT.

Сценарии применения

  • сжатие аудио при низком битрейте
  • восстановление аудио из кодированного представления
  • выбор компромисса между размером потока и качеством звука

Ограничения

Заявленные битрейты являются ориентировочными; README не приводит результатов сравнения качества или поддерживаемых частот дискретизации.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

HARP: Harmonic-Aware Residual Partitioning for Neural Audio Codecs

HARP is a neural audio codec that partitions residual vector quantization (RVQ) across harmonically meaningful frequency bands, giving high-quality, variable-bitrate audio compression from a single model. A harmonic-aware partitioning distributes codebook capacity across perceptually meaningful bands, so one model serves multiple bitrates by decoding a growing number of codebook groups.

Model details

  • Architecture: convolutional encoder/decoder with grouped RVQ.
  • Codebooks: 9 codebooks × 1024 entries (10 bits each), codebook dim 8.
  • Band groups: 4 groups with a 3-2-2-2 codebook split, ordered by perceptual importance:
    GroupBandCodebooks
    0Bass (~0–1 kHz)3
    1Low-mid (~1–4 kHz)2
    2High-mid (~4–10 kHz)2
    3Treble (~10–22 kHz)2

The bass group is always decoded; adding groups raises quality and bitrate.

Bitrate tiers

With 9 codebooks @ 1024 entries and a ~86 Hz frame rate:

GroupsCodebooksApprox. bitrate
13~2.6 kbps
25~4.3 kbps
37~6.0 kbps
49~7.7 kbps (full)

Files

  • harp.ckpt — slim, inference-ready weights (~293 MB, weights only).

Usage

Set up the GitHub repo (uv sync), download this checkpoint, and reconstruct audio:

uv pip install "huggingface_hub[cli]"
hf download KelvinYang/harp-codec harp.ckpt --local-dir checkpoints

python entry.py -i --input audio.wav --output recon.wav              # full rate
python entry.py -i --input audio.wav --n-groups 2 --output out.wav   # lower bitrate (1..4)

Each run reports SI-SDR, multi-scale mel loss, LSD, and SNR.

Citation

@inproceedings{harp2026,
  title     = {HARP: Harmonic-Aware Residual Partitioning for Neural Audio Codecs},
  author    = {Yang, Qiaoyu and He, Lixing and Deng, Binyue and Zhao, Weifeng},
  booktitle = {Interspeech},
  year      = {2026}
}

License

MIT

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · harp-codec

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Ревизия весов
220ee56

0 моделей