Характеристики

Лицензия: MIT
Библиотека: diffusers
Опубликована: 8 янв 2026

Ссылки

AudioSR

Обработка аудиоАудио → аудио

Набор диффузионных моделей для повышения качества музыки, речи и других записей до аудио с частотой дискретизации 48 кГц в ComfyUI.

0скачиваний за 30 дней31лайквеса обновлены27 янв 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

drbaph/AudioSR — репозиторий с предварительно обученными весами AudioSR для использования в пользовательском узле ComfyUI-AudioSR. Это модели повышения разрешения аудио на основе латентной диффузии: они преобразуют низкокачественную запись в аудио с частотой дискретизации 48 кГц, усиливая высокие частоты, уменьшая артефакты сжатия и добавляя ясность и детализацию. В репозитории есть универсальная версия для музыки, звуковых эффектов, подкастов и смешанного аудио, а также версия, оптимизированная для речи и вокала.

Модели сохранены в формате SafeTensors с точностью FP32; каждая занимает около 5,9 ГБ. Для работы нужны ComfyUI и узел ComfyUI-AudioSR; в README рекомендована видеокарта NVIDIA RTX 3060 или мощнее с минимум 6 ГБ видеопамяти. Лучше всего модель работает с входным аудио от 8 кГц. Репозиторий указывает лицензию MIT и основание на работе AudioSR: Versatile Audio Super-Resolution Хаохэ Лю и соавторов.

Сценарии применения

улучшение качества низкокачественных музыкальных записей
восстановление высоких частот в голосовых записях и вокале
уменьшение артефактов сжатия в аудио
повышение разрешения звуковых эффектов и подкастов
обработка аудио в рабочем процессе ComfyUI

Ограничения

Для работы требуются ComfyUI и пользовательский узел ComfyUI-AudioSR; для приемлемой производительности рекомендуется GPU уровня NVIDIA RTX 3060 или выше с минимум 6 ГБ видеопамяти. Лучше всего модель работает с аудио, записанным с частотой выше 8 кГц.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AudioSR Models for ComfyUI

Pre-trained AudioSR (Versatile Audio Super Resolution) models for use with ComfyUI-AudioSR custom node.

ComfyUI_temp_bildo_00002_

Models

audiosr_basic_fp32.safetensors

Purpose: General audio super-resolution
Best for: Music, sound effects, podcasts, mixed content
Format: FP32 SafeTensors
Size: ~5.9 GB

audiosr_speech_fp32.safetensors

Purpose: Speech/voice optimized super-resolution
Best for: Voice recordings, vocals, speech content
Format: FP32 SafeTensors
Size: ~5.9 GB

Usage

Installation

Install ComfyUI-AudioSR via ComfyUI Manager
Download model(s) from this repository
Place in ComfyUI/models/AudioSR/

Quick Start

ComfyUI Workflow:
Load Audio → AudioSR → Preview/Save Audio

Recommended Settings:

Steps: 50-100
Guidance Scale: 3.5-5.0
Model: Use audiosr_speech_fp32.safetensors for voice, audiosr_basic_fp32.safetensors for everything else

What it does

AudioSR upscales low-quality audio to high-quality 48kHz output using latent diffusion. It:

Resamples to 48kHz
Enhances high frequencies
Reduces compression artifacts
Adds clarity and detail

Model Info

Based on AudioSR: Versatile Audio Super-Resolution by Haohe Liu et al.

Original repository: https://github.com/haoheliu/versatile_audio_super_resolution

License: MIT

Hardware Requirements

GPU: NVIDIA RTX 3060 or higher (6GB+ VRAM minimum)
RAM: 12GB+ recommended
Works best with audio > 8kHz input sample rate

Credits

Research: Haohe Liu et al.
Paper: AudioSR on arXiv
ComfyUI Integration: ComfyUI-AudioSR

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Ревизия весов: f07b25d