Характеристики

Лицензия: Apache 2.0
Библиотека: audiosronnx
Опубликована: 20 июл 2026

Ссылки

Hugging Face

audiosronnx-frcrn

TigreGotico

Обработка аудиоАудио → аудио

ONNX-экспорт FRCRN_SE_16K очищает речь от фонового шума, принимая и выдавая аудио с частотой 16 кГц.

0скачиваний за 30 дней0лайковвеса обновлены20 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

audiosronnx-frcrn — экспортированная в ONNX модель FRCRN_SE_16K из ClearerVoice-Studio, разработанного Alibaba, для подавления шума в речи. Она принимает зашумлённую монофоническую речь с частотой 16 кГц и выдаёт очищенный сигнал той же длины. Архитектура FRCRN (Frequency Recurrent CRN) использует двухэтапную обработку с комплексной маской и свёрточными слоями ConvSTFT/ConviSTFT для спектрального преобразования; модель выполняется в ONNX Runtime.

Модель предназначена для очистки голосовых записей и аудиопотоков от фонового шума. Для VoiceBank+DEMAND приведены показатели PESQ 3,23, STOI 0,95 и SI-SDR 19,22; экспорт ONNX проверен на совпадение с исходным конвейером ClearerVoice. Вес файла составляет 57,5 МБ. Лицензия — Apache-2.0.

Сценарии применения

подавление фонового шума в голосовых записях
очистка речи для телефонных звонков и онлайн-встреч
предварительная обработка аудио перед распознаванием речи

Ограничения

Модель рассчитана на аудио с частотой 16 кГц; приведённые метрики относятся к набору VoiceBank+DEMAND и не гарантируют такие же результаты на других типах шума или записей.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

audiosronnx-frcrn

ONNX export of FRCRN_SE_16K from ClearerVoice-Studio (Alibaba, Apache-2.0), for the frcrn denoise engine in audiosronnx.

FRCRN (Frequency Recurrent CRN) placed 2nd in the 2022 DNS Challenge and reports PESQ 3.23 / STOI 0.95 / SI-SDR 19.22 on VoiceBank+DEMAND.

The graph is waveform-to-waveform at 16 kHz with a dynamic length axis:

noisy[1, T]  ->  enhanced[1, T]

Its STFT/ISTFT are ConvSTFT/ConviSTFT — Conv1d layers with Fourier kernels, not torch.stft — so the whole two-UNet complex-mask pipeline exports as one static graph and inference is onnxruntime-only.

File	Rate	Size
`frcrn.onnx`	16 kHz	57.5 MB

Validated against the upstream ClearerVoice pipeline end-to-end: correlation 0.99999994, 57.6 dB SNR (residual is fp32 rounding).

Usage

from audiosronnx import load_denoise

dn = load_denoise("frcrn")
clean, rate = dn.denoise("noisy.wav")   # -> (float32 mono, 16000)

License

Apache-2.0, inherited from ClearerVoice-Studio.

Как запустить

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

GPU в ailist

Универсальный рантайм · audiosronnx

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Ревизия весов: 8d80ae9