/ Модель
Каталог

Характеристики

Лицензия
Apache 2.0
Опубликована
16 ноя 2025

Ссылки

Hugging Face

FlashSR

YatharthS
Обработка аудиоАудио → аудио

FlashSR — компактная модель сверхразрешения аудио, повышающая частоту дискретизации с 16 до 48 кГц для быстрого восстановления высокочастотных компонентов.

0скачиваний за 30 дней67лайковвеса обновлены26 дек 2025

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

FlashSR — компактная модель повышения частоты дискретизации аудио, опубликованная пользователем YatharthS. Она преобразует аудио с частотой 16 кГц в аудио с частотой 48 кГц, реконструируя высокочастотные компоненты. Архитектура основана на апсемплере HierSpeech++; доступны версии PyTorch размером около 2 МБ и ONNX размером около 500 КБ.

Модель предназначена для быстрого улучшения частотного диапазона речи и другого аудио, например при восстановлении или подготовке записей. Заявленная скорость составляет 200–400× реального времени в зависимости от GPU и типа данных, при существенно меньших вычислительных затратах, чем у упомянутых в карточке Resemble-Enhance и ClearerVoice. Лицензия — Apache-2.0. README не приводит независимых количественных оценок качества.

Сценарии применения

  • повышение частоты дискретизации речи с 16 до 48 кГц
  • восстановление высокочастотных деталей аудиозаписей
  • быстрая обработка речи в пакетных аудиопроцессах

Ограничения

Модель принимает аудио с частотой 16 кГц и выдаёт результат с частотой 48 кГц; заявленная скорость зависит от GPU и типа данных. В карточке нет независимых количественных оценок качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

FlashSR

FlashSR is a 2MB audio super-resolution model based on the HierSpeech++'s upsampler architecture. It upscales 16kHz audio to 48kHz at speeds ranging from 200x to 400x real-time.

Details

  • Model Size: 2MB for pytorch version, 500KB for onnx version
  • Input Rate: 16kHz
  • Output Rate: 48kHz
  • Inference Speed: 200x - 400x real-time depending on gpu and dtype

Performance Summary

FlashSR is designed for high-speed frequency reconstruction. It offers a significantly lower computational footprint compared to alternatives such as Resemble-Enhance and ClearerVoice, while maintaining similar output quality.

Benchmark Comparison

ModelSpeedSize
FlashSR200x - 400x realtime2MB/500KB
Resemble-Enhance< 20x realtime~700MB+
ClearerVoice< 20x realtime~200MB+

Usage

Usage instructions for onnx/pytorch and source code are available on GitHub: https://github.com/ysharma3501/FlashSR

Credits

Thanks to the authors of HierSpeech++ as this was based on it's 48khz upsampler and Xenova for onnx code.

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
3e19cc9

0 моделей

    Создать бенчмарк