/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
2 мая 2026

distill-neucodec

Обработка аудиоАудио → аудио3 профессии

Производная модели neuphonic/distill-neucodec. Distill-NeuCodec — компактный нейронный аудиокодек Neuphonic для эффективного кодирования речевого аудио.

137скачиваний за 30 дней0лайковвеса обновлены2 мая 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

Карточка модели aoiandroid/distill-neucodec на Hugging Face совпадает с карточкой neuphonic/distill-neucodec, поэтому описание составлено по ней.

Distill-NeuCodec — нейронный аудиокодек, разработанный Neuphonic. Это версия NeuCodec с совместимым дистиллированным энкодером, предназначенная для кодирования и представления аудио в задачах обработки речи и аудиосигналов.

В модели медленный акустический энкодер BigCodec заменён на SQCodec: его размер сокращён с 70 млн до 36 млн параметров. Семантический энкодер w2v-bert-2.0 заменён на DistilHuBERT: с 600 млн до 21 млн параметров. В результате дистиллированный энкодер примерно в 10 раз меньше по числу параметров и требует примерно в 7,5 раза меньше MAC-операций при инференсе. Работа основана на X-Codec2.0 и SQCodec.

Модель рассчитана на аудио-аудио сценарии и обучалась с использованием наборов данных для речи, включая Emilia, Multilingual LibriSpeech, VCTK, Fleurs, Common Voice 13.0 и LibriTTS-R. Репозиторий содержит веса PyTorch; для использования предлагается пакет neucodec и Python 3.10 или новее. Лицензия — Apache-2.0. Карточка не уточняет поддерживаемые языки, качество реконструкции и ограничения применения.

Сценарии применения

  • кодирование речевого аудио в нейронном аудиокодеке
  • подготовка аудиопредставлений для речевых моделей
  • снижение вычислительных затрат при обработке речевых сигналов
  • эксперименты с кодеками и представлениями речи

Ограничения

Карточка не сообщает метрики качества кодирования или реконструкции и не уточняет языковое покрытие. Для использования требуется пакет neucodec и Python 3.10 или новее.

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

Model Details

Distill-NeuCodec is a version of NeuCodec with a compatible, distilled encoder.

The distilled encoder is 10x smaller in parameter count and uses ~7.5x less MACs at inference time.

The distilled model makes the following adjustments to the model:

Our work is largely based on extending the work of X-Codec2.0 and SQCodec.

Get Started

Use the code below to get started with the model.

To install from pypi in a dedicated environment, using Python 3.10 or above:

conda create -n neucodec python=3.10
conda activate neucodec
pip install neucodec

Then, to use in python:

import librosa
import torch
import torchaudio
from torchaudio import transforms as T
from neucodec import DistillNeuCodec
 
model = DistillNeuCodec.from_pretrained("neuphonic/distill-neucodec")
model.eval().cuda()   
 
y, sr = torchaudio.load(librosa.ex("libri1"))
if sr != 16_000:
    y = T.Resample(sr, 16_000)(y)[None, ...] # (B, 1, T_16)

with torch.no_grad():
    fsq_codes = model.encode_code(y)
    # fsq_codes = model.encode_code(librosa.ex("libri1")) # or directly pass your filepath!
    print(f"Codes shape: {fsq_codes.shape}")  
    recon = model.decode_code(fsq_codes).cpu() # (B, 1, T_24)

torchaudio.save("reconstructed.wav", recon[0, :, :], 24_000)

Training Details

The model was trained using the same data as the full model, with an additional distillation loss (MSE between distilled and original encoder ouputs).

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
40492d0

0 моделей