/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
11 фев 2026

LavaSR

Обработка аудиоАудио → аудио3 профессии

LavaSR(v2) улучшает низкокачественное аудио, расширяя его полосу пропускания до выходной частоты 48 кГц.

1 509скачиваний за 30 дней87лайковвеса обновлены27 фев 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

LavaSR(v2) — модель расширения полосы пропускания аудио (BWE), представленная YatharthS. Она повышает частоту дискретизации и качество низкокачественной аудиозаписи: принимает аудио с частотой от 8 до 48 кГц и выдаёт результат с частотой 48 кГц. В README также упомянут UL-UNAS для шумоподавления.

Модель предназначена для восстановления аудиоданных, улучшения речи перед обработкой системами синтеза или распознавания речи, а также повышения качества голосовых звонков. Заявленный размер PyTorch-версии — 50 МБ; автор сообщает о скорости обработки 20–80× реального времени на CPU и 800–5000× на GPU. README приводит сравнение качества с другими моделями, однако независимые результаты здесь не подтверждены.

Модель и код распространяются по лицензии Apache-2.0. В карточке не описаны конкретная архитектура, поддерживаемые языки и ограничения качества; результат может зависеть от исходного аудио и условий применения.

Сценарии применения

  • восстановление низкокачественных аудиодатасетов
  • улучшение аудиозаписей перед распознаванием речи
  • повышение качества речи для систем синтеза
  • улучшение звука голосовых звонков

Ограничения

Заявления о превосходстве качества и скорости приведены автором и не подтверждены независимыми данными в доступной карточке. Поддерживаемые языки и поведение на разных типах исходного аудио не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LavaSR(v2) is a novel 50MB BWE(bandwidth extension) model along with the UL-UNAS denoiser. It can enhance nearly 5000 seconds of audio in just 1 second while exceeding the quality of 6gb large diffusion models.

Details

  • Model Size: 50mb for pytorch version.
  • Input Rate: Any from 8-48khz.
  • Output Rate: 48kHz
  • Inference Speed: 20-80x realtime on CPU and 800-5000x realtime depending on GPU.

Use cases

  • Restore low quality audio datasets
  • Enhance TTS or ASR model quality.
  • Upscale poor quality voice calls.

Benchmark Comparison

Please check out the repo for objective benchmarks: https://github.com/ysharma3501/LavaSR

ModelSpeed on GPU(bs=1)SizeInput rangeQuality
LavaSR v25000x50MBAny from 8-48khzHighest
AudioSR< 1x realtime~3gb+~2-16khzMedium
AP-BWE(previous formal fastest)< 400x realtime~200MB+8khz/12khz/16khzHigh
NovaSR(previous informal fastest)<3600x realtime~50KB+16khzLow

Usage

Usage instructions can be found here: https://github.com/ysharma3501/LavaSR

Final notes

The model and code are licensed under the Apache-2.0 license. See LICENSE for details.

Stars/Likes would be appreciated, thank you.

Email: yatharthsharma3501@gmail.com

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
b98dc8b

0 моделей