/ Модель

Характеристики

Архитектура
dac · dense
Библиотека
transformers
Опубликована
18 июн 2024

dac_44khz

ЭмбеддингиТекст → embedding3 профессии

Нейронный аудиокодек Descript для сжатия аудио 44,1 кГц в дискретные коды и его восстановления.

46 970скачиваний за 30 дней11лайковвеса обновлены11 окт 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Descript Audio Codec (DAC) — нейронный аудиокодек, разработанный Descript. Репозиторий `descript/dac_44khz` содержит модель DAC для аудио с частотой дискретизации 44,1 кГц; она извлекает дискретные коды из аудиосигнала и декодирует их обратно в аудио. Архитектура — энкодер-декодер с residual vector quantization.

Модель предназначена для сжатия и восстановления речи, музыки и других типов аудио, а также для использования аудиокодов в генеративных аудиосистемах. Разработчик заявляет сжатие аудио 44,1 кГц примерно в 90 раз при битрейте 8 кбит/с. В опубликованной конфигурации указаны девять кодовых книг и размер кодовой книги 1024.

Модель работает с аудио, поэтому языковая поддержка как у текстовых моделей к ней не относится. Код и веса проекта Descript распространяются по лицензии MIT; карточка Hugging Face автоматически сгенерирована и не содержит отдельного описания лицензии. Ограничения: заявленные характеристики сжатия не гарантируют одинаковое субъективное качество для всех аудиоматериалов; модель этого репозитория рассчитана на 44,1 кГц.

Сценарии применения

  • сжатие музыкальных записей с восстановлением аудио
  • кодирование и декодирование речи для аудиосистем
  • преобразование аудио в дискретные токены для генеративных моделей
  • сжатие звуков окружающей среды
  • извлечение акустических признаков из аудиосигнала

Ограничения

Заявленный коэффициент сжатия и качество восстановления могут различаться в зависимости от материала. Эта версия модели предназначена для аудио с частотой дискретизации 44,1 кГц.

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 Card for Model ID

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: [More Information Needed]
  • Funded by [optional]: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): [More Information Needed]
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
DacModel
Ревизия весов
c1bc521

0 моделей