Характеристики

Лицензия: MIT
Опубликована: 16 июл 2026

Ссылки

Hugging Face

audiosronnx-deepfilternet

TigreGotico

Обработка аудиоАудио → аудио

ONNX-графы DeepFilterNet3 очищают зашумлённую речь для улучшения её воспринимаемого качества.

0скачиваний за 30 дней0лайковвеса обновлены16 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

Это зеркало трёх ONNX-графов DeepFilterNet3 для механизма deepfilternet в audiosronnx. Модель разработана авторами DeepFilterNet; в репозитории размещены неизменённые графы энкодера, ERB-декодера и декодера глубокого фильтра. Предназначена для очистки зашумлённой речи: принимает аудио с частотой 48 кГц и выдаёт обработанное аудио. Фронтенд STFT/ERB и синтез выполняет DeepFilterLib на Rust, а графы запускаются через ONNX Runtime.

В README приведён пример проверки на шумной речи: SI-SDR вырос с 2,82 до 11,97 дБ. Очистка может ухудшить распознавание речи, поэтому модель подходит для улучшения воспринимаемого качества звука, но не рекомендуется как предварительный этап перед ASR. Лицензия репозитория — MIT.

Сценарии применения

подавление фонового шума в записи речи
очистка голосовых заметок
улучшение качества речевых аудиозаписей
шумоподавление в аудио перед прослушиванием

Ограничения

Работает с аудио 48 кГц. Очистка может ухудшить результаты ASR, поэтому её не следует применять перед распознавателем речи.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

audiosronnx-deepfilternet

DeepFilterNet3 speech denoiser — the three ONNX graphs its own Rust/tract runtime uses, mirrored for the audiosronnx deepfilternet engine (load_denoise("deepfilternet")).

graph	inputs	outputs
`enc.onnx`	`feat_erb[1,1,T,32]`, `feat_spec[1,2,T,96]`	`e0..e3`, `emb`, `c0`, `lsnr`
`erb_dec.onnx`	`emb`, `e3`, `e2`, `e1`, `e0`	`m[1,1,T,32]` ERB mask
`df_dec.onnx`	`emb`, `c0`	`coefs[1,T,96,10]` deep-filter taps (freq-major)

48 kHz. The STFT/ERB frontend and synthesis come from DeepFilterLib (libdf, Rust — no torch); the mask application and deep filtering run in numpy. Inference is onnxruntime only.

Upstream (unmodified): https://github.com/Rikorose/DeepFilterNet — models/DeepFilterNet3_onnx.tar.gz

Validated: real noisy speech SI-SDR 2.82 -> 11.97 dB (+9.15), corr(clean, denoised) 0.97. Note: denoising degrades ASR (WER 0.533 -> 0.583) — use for perceptual cleanup, not before a recognizer. See the engine's conversion notes.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Ревизия весов: 9e9bbc9