/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
wavlm-large
Библиотека
torch
Опубликована
11 фев 2025

focalcodec_12_5hz

Обработка аудиоАудио → аудио3 профессии

FocalCodec — дообученный на LibriTTS речевой кодек для низкобитрейтного сжатия и восстановления аудио с частотой кодирования 12,5 Гц.

292скачиваний за 30 дней3лайкавеса обновлены22 сен 2025

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

FocalCodec — речевой аудиокодек с низким битрейтом на основе сетей фокальной модуляции. Репозиторий содержит чекпойнт с частотой кодирования 12,5 Гц, обученный на LibriTTS 960; модель предназначена для сжатия и восстановления речи при частоте дискретизации 16 или 24 кГц. В метаданных указана тонкая настройка Microsoft WavLM Large и формат весов Safetensors.

Модель может применяться для компактного кодирования речевого аудио, передачи речи по каналам с ограниченной пропускной способностью и восстановления аудио после кодирования. Лицензия репозитория — Apache-2.0. Карточка не сообщает количественные показатели качества сжатия или совместимость с потоковой обработкой именно этого чекпойнта.

Сценарии применения

  • сжатие речи для передачи при ограниченной пропускной способности
  • кодирование речевых записей с низким битрейтом
  • восстановление речи после кодирования аудиокодеком

Ограничения

Карточка не приводит численные показатели качества кодирования и восстановления; обучение указано на корпусе LibriTTS 960, поэтому качество на других типах аудио не установлено.

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

⚡ FocalCodec

A low-bitrate single-codebook 16 / 24 kHz speech codec based on focal modulation.

This repository contains the 12.5 Hz checkpoint trained on LibriTTS 960, as described in the preprints.


▶️ Quickstart

See the readme at: https://github.com/lucadellalib/focalcodec


@ Citing

@article{dellalibera2025focalcodec,
    title   = {{FocalCodec}: Low-Bitrate Speech Coding via Focal Modulation Networks},
    author  = {Luca {Della Libera} and Francesco Paissan and Cem Subakan and Mirco Ravanelli},
    journal = {arXiv preprint arXiv:2502.04465},
    year    = {2025},
}

@article{dellalibera2025focalcodecstream,
    title   = {{FocalCodec-Stream}: Streaming Low-Bitrate Speech Coding via Causal Distillation},
    author  = {Luca {Della Libera} and Cem Subakan and Mirco Ravanelli},
    journal = {arXiv preprint arXiv:2509.16195},
    year    = {2025},
}

📧 Contact

luca.dellalib@gmail.com


Как запустить

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

GPU в ailist

Универсальный рантайм · torch

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Ревизия весов
96ddced

0 моделей