/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
nemo-nano-codec-22khz-1.89kbps-21.5fps
Библиотека
mlx
Опубликована
10 июл 2026

nemo-nano-codec-22khz-1.89kbps-21.5fps

ЭмбеддингиТекст → embedding

Перенос аудиокодека NVIDIA NeMo NanoCodec в MLX для компактного кодирования и декодирования речи.

0скачиваний за 30 дней0лайковвеса обновлены10 июл 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

NeMo NanoCodec — аудиокодек NVIDIA, опубликованный сообществом mlx-community в формате MLX safetensors. Эта версия переносит веса NVIDIA NeMo без изменения численных значений, чтобы загружать кодек в Swift-MLX и MLX без стека NeMo/PyTorch. Архитектура включает энкодер и декодер HiFi-GAN и квантователь GroupFSQ: 8 групп, уровни FSQ [8, 7, 6, 6] и 32 измерения кодов.

Кодек предназначен для кодирования и декодирования речи: вариант с частотой дискретизации 22,05 кГц выдаёт 21,5 кадра в секунду при битрейте 1,89 кбит/с. Это компонент аудиопотока для потокового синтеза речи Gepard-1.0, а не самостоятельная модель синтеза речи. README сообщает о высокой близости декодирования к эталону NeMo и 99,5% совпадении целочисленных кодов при кодировании.

Репозиторий содержит веса fp32 в safetensors, конфигурацию кодека и лицензионный документ NVIDIA Open Model License Agreement (июнь 2024 года); применимость условий следует сверять с этим документом.

Сценарии применения

  • кодирование речи с битрейтом 1,89 кбит/с
  • декодирование сжатых аудиокодов в речевую волну
  • использование аудиокодека в потоковом синтезе речи
  • загрузка NeMo NanoCodec в приложениях Swift-MLX и MLX

Ограничения

Это компонент кодирования и декодирования аудио, а не самостоятельная модель распознавания или синтеза речи. README отмечает возможные расхождения кодов на границах квантования FSQ и до одного конечного кадра.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

NeMo NanoCodec 22 kHz / 1.89 kbps / 21.5 fps — MLX (safetensors)

MLX-ready safetensors conversion of NVIDIA's NeMo NanoCodec (nvidia/nemo-nano-codec-22khz-1.89kbps-21.5fps), the 22.05 kHz / 21.5 fps / 1.89 kbps variant. It is a neural audio codec using finite scalar quantization (GroupFSQ, 8 groups × FSQ levels [8, 7, 6, 6], 32 embed dims) with a HiFi-GAN encoder/decoder.

This repo exists so Swift-MLX / MLX consumers can load the codec weights directly — the upstream distribution ships a .nemo archive that requires the NeMo/PyTorch stack (Linux-only in practice). The tensors here are extracted from that archive verbatim (weight-norm kept in the modern parametrizations.weight.{original0,original1} layout; no numerics changed). It is the codec layer of the Gepard-1.0 streaming-TTS port (xocialize/mlx-gepard-swift).

Contents

filewhat
model.safetensorsencoder (audio_encoder.*) + decoder (audio_decoder.*) + quantizer weights (fp32)
codec_config.yamlthe NeMo config the weights were exported with (rates, dims, FSQ levels)
nvidia-open-model-license-agreement-june-2024.pdfthe governing license (shipped per §3.1)
NOTICEthe §3.1 attribution notice

Parity

Converted and validated against the NeMo reference (CPU fp32) as part of the Gepard port:

  • decode (32-ch codes → waveform): max|Δ| 6.7e-6, SI-SNR 104 dB, corr 1.000000
  • encode (waveform → codes): 99.5% packed integer-exact (residual = FSQ knife-edge boundary flips + ≤1 tail frame — the documented conv-edge convention).

License / Terms of Use

Governed by the NVIDIA Open Model License Agreement (v. June 14, 2024) — see the bundled PDF and NOTICE. The model is commercially usable; redistribution of the model and derivatives is permitted with the §3.1 obligations (ship a copy of the Agreement and the Notice below).

Licensed by NVIDIA Corporation under the NVIDIA Open Model License

The conversion tooling and the consuming Swift port are Apache-2.0; only these weights carry the NVIDIA Open Model License.

Citation

NeMo NanoCodec — https://arxiv.org/abs/2508.05835

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
579e238

0 моделей