/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
wavlm-large
Библиотека
torch
Опубликована
20 сен 2025

focalcodec_50hz_2k_causal

Обработка аудиоАудио → аудио3 профессии

Причинный речевой кодек FocalCodec с кодированием 50 Гц и кодбуком 2048 для низкобитрейтного сжатия и восстановления речи.

78скачиваний за 30 дней0лайковвеса 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, разработанный автором репозитория Luca Della Libera. Эта версия представляет собой причинный потоковый чекпойнт с частотой кодирования 50 Гц и одним кодбуком размером 2048; модель предназначена для низкобитрейтного сжатия и восстановления речи на частотах дискретизации 16 или 24 кГц. Архитектура основана на focal modulation, а обучение проводилось на Libri-Light; в качестве базовой модели указана дообученная Microsoft WavLM Large.

Модель принимает аудио и предназначена для преобразования аудио в аудио при кодировании и декодировании речи, включая потоковые сценарии. Карточка ссылается на предварительные публикации о FocalCodec и FocalCodec-Stream. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • низкобитрейтное сжатие речи
  • потоковое кодирование речевого аудио
  • восстановление речи после кодирования
  • передача речи с ограниченной пропускной способностью

Ограничения

Модель предназначена для речи и описана для аудио с частотой дискретизации 16 или 24 кГц; пригодность для музыки и других типов аудио не заявлена.

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 50 Hz causal checkpoint with a codebook size of 2048 trained on Libri-Light, 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
d39e41a

0 моделей