/ Модель

Характеристики

Лицензия
MIT
Библиотека
audiosronnx
Опубликована
20 июл 2026

audiosronnx-mpsenet

Обработка аудиоАудио → аудио

ONNX-экспорт MP-SENet для подавления шума в речевых аудиозаписях.

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-mpsenet — экспортированная в ONNX модель MP-SENet, разработанная Lu и подготовленная для движка шумоподавления mpsenet в библиотеке audiosronnx. Она очищает речевой сигнал от шума, параллельно предсказывая амплитудный и фазовый спектры, а не сохраняя фазу исходного зашумлённого сигнала. Модель содержит 2,26 млн параметров; доступны контрольные точки DNS Challenge и VoiceBank+DEMAND для аудио с частотой 16 кГц.

Модель предназначена для шумоподавления речи, включая очистку записей с широкополосным гауссовым шумом. Контрольная точка DNS показала прирост SNR 4,8, 8,8 и 11,7 дБ при входном SNR 19, 11 и 5 дБ соответственно. Контрольная точка VoiceBank+DEMAND предназначена для воспроизведения опубликованных оценок PESQ, но хуже переносится на шумы, отличающиеся от обучающих. Экспорт поддерживает переменную длину последовательности, а инференс выполняется через ONNX Runtime; STFT и нормализация реализованы в audiosronnx.

Репозиторий содержит ONNX-экспорт, а не исходную модель для обучения. Лицензия — MIT.

Сценарии применения

  • шумоподавление речи в аудиозаписях
  • очистка речи от широкополосного гауссова шума
  • предобработка аудио перед распознаванием речи
  • восстановление речевого сигнала для последующего прослушивания

Ограничения

Контрольная точка VoiceBank+DEMAND хуже обобщает шумы, отличающиеся от обучающих; модели рассчитаны на частоту дискретизации 16 кГц.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

audiosronnx-mpsenet

ONNX exports of MP-SENet (Lu et al., MIT) for the mpsenet denoise engine in audiosronnx.

MP-SENet predicts the magnitude and phase spectra in parallel, rather than applying a magnitude mask and reusing the noisy phase. At 2.26 M parameters it is the smallest full spectral model in the library.

amp[1, 201, T], pha[1, 201, T]  ->  amp_g[1, 201, T], pha_g[1, 201, T]

The STFT, the 0.3 power-compression of magnitudes, and the utterance RMS normalisation all run in numpy inside audiosronnx, so inference is onnxruntime-only.

FileCheckpointRateSize
mpsenet_dns.onnxg_best_dns (DNS Challenge)16 kHz9.7 MB
mpsenet.onnxg_best_vb (VoiceBank+DEMAND)16 kHz9.7 MB

The two checkpoints are not interchangeable. Measured SNR gain on speech corrupted with broadband Gaussian noise, at 19 / 11 / 5 dB input SNR:

CheckpointGain
dns+4.8 / +8.8 / +11.7 dB
vb+1.5 / +2.0 / +4.1 dB

dns is the default. vb is the checkpoint the published VoiceBank+DEMAND PESQ figures come from, and is the one to use when reproducing those numbers — but it generalises poorly to noise unlike its training set.

Export note

The model uses stock torch.nn.MultiheadAttention, which specialises the sequence length under both the TorchScript and dynamo exporters; the resulting graph fails outright at any other length. These graphs were exported after swapping in a shape-dynamic attention that reuses the same weights and reproduces the original bit-identically (max abs err 0.0). Verified length-independent from T=50 to T=1500, and end-to-end against the upstream pipeline at correlation 0.99998752.

Usage

from audiosronnx import load_denoise

dn = load_denoise("mpsenet")                # dns checkpoint
dn = load_denoise("mpsenet", model="vb")    # VoiceBank+DEMAND checkpoint
clean, rate = dn.denoise("noisy.wav")       # -> (float32 mono, 16000)

License

MIT, inherited from the upstream MP-SENet 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
0c310ef

0 моделей