Характеристики

Лицензия: MIT
Библиотека: audiosronnx
Опубликована: 20 июл 2026

Ссылки

Hugging Face

audiosronnx-gtcrn

TigreGotico

Обработка аудиоАудио → аудио

Компактная потоковая модель GTCRN в формате ONNX для подавления шума в речи на устройствах с ограниченными ресурсами.

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

TigreGotico/audiosronnx-gtcrn — репозиторий ONNX-весов для движка подавления шума gtcrn в audiosronnx; это зеркало потокового графа GTCRN из Xiaobin-Rong/gtcrn, распространяемое по лицензии MIT. GTCRN — компактная сеть Grouped Temporal Convolutional Recurrent Network для очистки речи от шума. Модель принимает аудиосигнал с частотой 16 кГц и обрабатывает его покадрово, передавая состояние между кадрами; STFT и ISTFT выполняются вне графа, а фильтробанк ERB и извлечение субполосных признаков встроены в него.

Модель рассчитана на встраиваемые и локальные сценарии, где важны небольшой размер и обработка с низкими требованиями к вычислениям: граф содержит около 23,7 тыс. параметров, требует 33 MMAC/s и занимает около 0,54 МБ. Для выполнения используются ONNX Runtime и audiosronnx. В README описана очистка речи от шума; сведения о других языках, дополнительных задачах и ограничениях качества не приведены.

Сценарии применения

подавление фонового шума в микрофонном сигнале
очистка речи перед распознаванием
шумоподавление в локальных аудиоприложениях
потоковая обработка речи на встраиваемых устройствах

Ограничения

Модель предназначена для аудио с частотой 16 кГц и обрабатывает его по одному STFT-кадру с передачей состояния между кадрами; вычисление STFT и ISTFT должно выполняться вне ONNX-графа. README не сообщает количественные показатели качества подавления шума.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

audiosronnx-gtcrn

ONNX weights for the gtcrn denoise engine in audiosronnx — a mirror of the streaming GTCRN graph from Xiaobin-Rong/gtcrn (MIT).

GTCRN (Grouped Temporal Convolutional Recurrent Network) is an ultra-light 16 kHz speech denoiser — 23.7 K parameters, 33 MMACs/s, ~0.5 MB — intended for embedded and on-device use. The graph is stateful and consumes one STFT frame at a time:

mix[1, 257, 1, 2], conv_cache, tra_cache, inter_cache
    -> enh[1, 257, 1, 2], conv_cache_out, tra_cache_out, inter_cache_out

The ERB filterbank and subband feature extraction live inside the graph; only a sqrt-Hann STFT/ISTFT runs outside it, in numpy, so inference is onnxruntime-only.

File	Rate	Size
`gtcrn_simple.onnx`	16 kHz	0.54 MB

Usage

from audiosronnx import load_denoise

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

License

MIT, inherited from the upstream GTCRN release.

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: eeba5e9