/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
dnsmos · dense
Библиотека
transformers
Опубликована
28 июл 2026

dnsmos-torch-native

Классификация аудиоАудио → label3 профессии

Адаптированная версия DNSMOS оценивает качество речи и аудио по показателям P.835 и P.808.

128скачиваний за 30 дней1лайквеса обновлены28 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

DNSMOS P.835 и P.808 — модель оценки качества аудио, разработанная Microsoft и адаптированная автором репозитория для работы с PyTorch, torchaudio и Transformers. Она принимает аудиосигнал и выдаёт оценки SIG, BAK, OVRL и P.808, предназначенные для оценки качества речи и шумоподавления.

Модель поддерживает обработку отдельных аудиозаписей и дополненных пакетных входов с указанием длины каждой записи. В README приведён пример загрузки через Transformers с `trust_remote_code=True`; данные о лицензии в метаданных обозначены как `other`.

Сценарии применения

  • оценка разборчивости речи в аудиозаписи
  • измерение фонового шума в речевом сигнале
  • оценка общего качества обработанной речи
  • сравнение качества аудио до и после шумоподавления

Ограничения

Для загрузки с `trust_remote_code=True` требуется доверять пользовательскому коду репозитория. README не сообщает численные характеристики точности модели.

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

DNSMOS P.835 and P.808

Microsoft's DNSMOS P.835 and P.808, adapted to use with only torch, torchaudio, and transformers.

import soundfile as sf
import torch
from transformers import AutoModel

device = "cuda" if torch.cuda.is_available() else "cpu"
wav, sr = sf.read("audio.wav", dtype="float32")
wav = torch.from_numpy(wav)
model = AutoModel.from_pretrained(
    "prj-beatrice/dnsmos-torch-native", trust_remote_code=True
).eval().to(device)

with torch.inference_mode():
    scores = model(wav.to(device), sampling_rate=sr)
print(scores.sig, scores.bak, scores.ovrl, scores.p808)

The results match this code:

from dnsmos_local import ComputeScore

# Non-16 kHz input is resampled differently, so exact agreement is not expected.
assert sr == 16_000
reference = ComputeScore(
    "DNSMOS/sig_bak_ovr.onnx", "DNSMOS/model_v8.onnx"
)("audio.wav", 16_000, False)
actual = torch.stack([
    scores.sig[0], scores.bak[0], scores.ovrl[0], scores.p808[0]
]).cpu()
expected = torch.tensor([
    reference[name] for name in ("SIG", "BAK", "OVRL", "P808_MOS")
], dtype=actual.dtype)
torch.testing.assert_close(actual, expected)

Padded batches use a waveform tensor [batch_size, max_length] and an input_lengths tensor [batch_size].

License

The inference code is MIT-licensed, and the converted model weights are licensed under CC BY 4.0; see LICENSE.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · audio-classification

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Ревизия весов
7398c90

0 моделей