Характеристики

Размер весов: 1 МБ
Лицензия: MIT
Библиотека: mlx
Опубликована: 18 авг 2026

Ссылки

Hugging Face

gtcrn-simple-mlx

agentable

Обработка аудиоАудио → аудио

Конверсия GTCRN Simple для MLX выполняет потоковое подавление шума и улучшение речи на Apple Silicon.

0скачиваний за 30 дней0лайковвеса обновлены18 авг 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

agentable выпустила конверсию модели GTCRN Simple в формат Apple MLX для потокового улучшения речи. В репозитории находятся веса FP32 в safetensors, детерминированно преобразованные из закреплённого ONNX-релиза Sherpa-ONNX; архитектура и веса не переобучались, не квантизировались и не объединялись. Исходная модель разработана проектом Xiaobin-Rong/gtcrn и распространяется по лицензии MIT.

Модель предназначена для подавления шума и улучшения речи в аудиопотоке на устройствах Apple Silicon с использованием MLX. Проверка воспроизведения графа и рекуррентных состояний на Metal FP32 показала максимальную абсолютную ошибку менее 5e-5 относительно ONNX-эталона. В README указано, что сквозная проверка качества на аудиосигналах и корпусах для этого артефакта не проводилась; она необходима перед производственным выпуском.

Сценарии применения

подавление фонового шума в потоковой речи
улучшение качества речи на устройствах Apple Silicon
очистка аудиопотока от шума в приложении на MLX

Ограничения

Проверка охватывает воспроизведение графа и рекуррентных состояний, но сквозная оценка качества на аудиосигналах и корпусах для этого артефакта не проводилась. Для запуска предназначена связка MLX и Apple Silicon.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GTCRN Simple - MLX

Apple MLX conversion of the GTCRN Simple streaming speech-enhancement model. This repository contains FP32 safetensors deterministically converted from the pinned Sherpa-ONNX release asset. It is a layout conversion only: there is no retraining, quantization, fusion, or weight modification beyond the layout required by MLX convolutions.

Files

model.safetensors - 208,427-byte FP32 MLX weight file. Its SHA-256 is d503ed83a35b91f66af97a6a1b07a76425988db7d9744556d0565c336a7e6e3b.
conversion.json - deterministic conversion record binding the source ONNX, audit, converter revision, weight SHA-256, byte count, and 179 tensors.
metadata.json - GTCRN Simple protocol metadata shared with the pinned ONNX asset. Its SHA-256 is 070f320defc15d4e1781b0c5b9225d9f91031ed5f14f675efa497f244e640615.
LICENSE - the upstream GTCRN MIT license.

Provenance

Upstream implementation and model: Xiaobin-Rong/gtcrn at 9202557caa577baf2ec2220bef82ba9f4b589dc1.
Pinned ONNX source: the Sherpa-ONNX gtcrn_simple.onnx release asset, SHA-256 e77603ac0c23dac3227dd2d7135b3a585cbee2679048aecfa886657d3ae1b534.
Conversion: model-gtcrn scripts/convert_onnx_to_mlx.py, using its committed conversion audit.

The converted file preserves ONNX initializer names. ONNX Conv weights become MLX OHWI; grouped ConvTranspose weights use the audited group-aware layout transform. GRU, normalization, PReLU, matrix, and structural parameters retain their source layouts as required by the MLX runner.

Validation

The MLX runner replays the pinned one-frame GTCRN graph, including all three recurrent cache families. It is validated against the committed ONNX frame and cache oracle with maximum absolute error below 5e-5 on Metal FP32 execution. End-to-end waveform and corpus-quality qualification are not part of this artifact release; they remain required gates in the consumer library before a production release.

Usage

This artifact is consumed by the engine: mlx backend in model-gtcrn on Apple Silicon with the mlx build tag. The consumer manifest pins this repository at an immutable commit and verifies the asset SHA-256 and byte count before MLX allocation.

License

The upstream GTCRN model is distributed under the MIT license. This derived format conversion is redistributed under that same license; see LICENSE.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов: 95fa4d4