/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Universal_Source_Separation
Опубликована
12 авг 2026

USS_MLX

Обработка аудиоАудио → аудио

USS ResUNet30 (MLX) выделяет из аудиосмеси выбранный класс звука по условию на основе AudioSet.

0скачиваний за 30 дней0лайковвеса обновлены12 авг 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

USS ResUNet30 (MLX) — модель разделения аудио, опубликованная starkdmi. Она извлекает из звуковой смеси выбранный класс звука, заданный вектором условий по классам AudioSet. Модель основана на чекпойнте RSNuts/Universal_Source_Separation и преобразована для MLX из кода ByteDance USS.

В репозитории доступны веса safetensors в форматах fp32 и fp16 размером 102 и 51 МиБ. README приводит измерения скорости и памяти на Apple M1 Pro для 30 секунд аудио; эти результаты относятся к одной конфигурации и могут отличаться на другом оборудовании. Для выбора извлекаемых звуков используется 527-мерный вектор по классам AudioSet.

Модель предназначена для выделения заданного источника из аудиосмеси, например в аудиоинструментах. Лицензия репозитория — Apache-2.0. README не сообщает о поддерживаемых естественных языках; сама задача не требует текстового ввода или вывода.

Сценарии применения

  • выделение выбранного класса звука из аудиосмеси
  • отделение заданного звукового источника для аудиоинструмента
  • эксперименты с разделением звука по классам AudioSet

Ограничения

Показатели скорости и памяти измерены только на Apple M1 Pro и не гарантируют аналогичных результатов на другом оборудовании. Показатель 57,3 dB в README характеризует сходство fp16 с собственным выводом fp32 модели, а не абсолютное качество разделения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

USS ResUNet30 (MLX)

Universal source separation — extracts a chosen sound class from a mixture. Converted to MLX from the ByteDance USS code and the published RSNuts/Universal_Source_Separation checkpoint.

Files

filesize
resunet30_fp32.safetensors102 MiB
resunet30_fp16.safetensors51 MiB

Precision

precisionsizespeedpeak memoryquality vs fp32
fp32102 MiB27.2x1203 MiBreference
fp1651 MiB25.8x1259 MiB57.3 dB

Bold marks the best value in each column. Quality is fp16 against this model's own fp32 output — the cost of the precision change, not a score for the model.

fp16 halves the download. On the machine below it was also slightly slower and used slightly more memory than fp32, since the forward pass dominates the footprint rather than the weights.

Measured on an Apple M1 Pro (16 GB), 30 s of audio, three timed runs per configuration; speed is realtime factor. These are single-machine figures — expect different absolute numbers on other hardware, and treat the ordering as indicative rather than guaranteed.

Conditioning

USS is conditioned on a 527-dimensional vector over the AudioSet classes, which selects what the separator extracts. It is an input rather than a model weight and is not shipped here: each vector is a normalised multi-hot indicator over a class group — zero everywhere, 1/n at each of the n chosen indices — so a class list fully determines it.

Class indices follow AudioSet's class_labels_indices.csv, published by Google with the dataset under CC BY 4.0.

Used by

AudioToolSwift

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
0876376

0 моделей