/ Модель

Характеристики

Лицензия
GPL 3.0
Базовая модель
dereverb_room
Опубликована
10 окт 2026

bs-roformer-dereverb-room-GGUF

Обработка аудиоАудио → аудио

Монофоническая BS-RoFormer удаляет комнатную реверберацию из вокала и разделяет запись на сухую составляющую и реверберацию.

89скачиваний за 30 дней0лайковвеса обновлены10 окт 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

Это конвертированная в формат GGUF версия модели anvuew/dereverb_room: монофонической Band-Split RoFormer для удаления комнатной реверберации из вокала. Модель оценивает сухую составляющую вокала (noreverb); составляющая reverb получается как разность исходного микса и этой оценки.

Модель предназначена для разделения вокальной записи на сухой вокал и реверберацию с помощью stems.cpp. README сообщает о близком совпадении результатов C++-реализации с PyTorch-версией на тестовом аудиофрагменте и приводит запуск на CPU, CUDA, Vulkan и Metal. Файл весов F32 занимает около 112,3 МиБ. Лицензия — GNU GPL v3.

Сценарии применения

  • удаление комнатного эха из вокальной записи
  • получение сухого вокала для сведения
  • выделение реверберации из вокального микса

Ограничения

Модель описана для монофонического вокала; README не подтверждает качество на других типах аудио. Приведённые показатели совпадения и скорости измерены на конкретном тестовом клипе и оборудовании.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Room dereverb BS-RoFormer (anvuew) GGUF

anvuew's dereverb_room, a mono Band-Split RoFormer that removes room reverb from vocals, converted to GGUF for stems.cpp, a C++/ggml stem separator that runs on CPU, CUDA, Vulkan and Metal with no Python. It estimates the dry vocal (noreverb); reverb is the mix minus that estimate. Like the upstream model, these weights are licensed under the GNU GPL v3 (see LICENSE).

filesize
bs_roformer_dereverb_room-29M-v1.0-F32.gguf112.3 MiB

Download and run

git clone --recursive https://github.com/betweentwomidnights/stems.cpp && cd stems.cpp
./build.sh vulkan                          # or cpu | cuda | metal   (Windows: build.cmd)
./models.sh bs_roformer_dereverb_room      # stems.cpp v0.1.4 and later
build-vulkan/bin/stems-split -m models/bs_roformer_dereverb_room-29M-v1.0-F32.gguf -i vocal.wav -o dry/ --stems noreverb

stems-server finds it by model name ("model": "bs_roformer_dereverb_room").

The network is mono. stems.cpp runs it once per channel of a stereo input and returns stereo stems, so a stereo separation costs twice a mono one, and each output channel is exactly what separating that channel alone gives. A mono input comes back as two identical channels.

Parity with PyTorch

SNR of the C++ output against ZFTurbo's MSST BSRoformer with the upstream config, run in float32 on CPU, on a mono downmix of a 20 s clip (demucs' test.mp3): seg is the first 8.7 s chunk, full is the chunked demix_track over the whole clip. Measured 2026-10-09 with ggml 9d0d910b on a Core Ultra 9 275HX and an RTX 5070 Laptop.

backendseg cos / SNRfull cos / SNR20 s mono clip
CPU0.9999997 / 62.4 dB0.9999998 / 64.6 dB51.4 s
CUDA0.9999997 / 62.4 dB0.9999998 / 64.6 dB6.4 s
Vulkan0.9999997 / 62.4 dB0.9999998 / 64.6 dB6.3 s
Metal (Apple M4)0.9999999 / 69.9 dB0.9999999 / 68.8 dB26.5 s

The Metal row is against references dumped on the M4 (ggml 4ad3b30b, 2026-10-10). On Metal a stereo separation runs at about 0.5x realtime.

Sources, changes and license

  • Upstream: anvuew/dereverb_room at revision 0b85f5b80b7f779b2dfe80f33a1b35b38af9376d, licensed GPL-3.0. Checkpoint dereverb_room_anvuew_sdr_13.7432.ckpt, sha256 2edec521f09e26341c1923dc82c8c52dbc86478b42b9999f679535743c970cb3; config dereverb_room_anvuew.yaml, sha256 c37e3039521d79cd1daff129857f69fa80c6a1f383a0fe8cda757f2dfc5032f8.
  • Modified on 2026-10-09 by converting it to GGUF with stems.cpp's tools/convert_roformer.py --preset dereverb_room: tensors are renamed, the band layout is written as index lists, the rotary frequencies are checked and stored as a theta, and the configuration is stored as metadata. The architecture and weights are otherwise unchanged, and the conversion is deterministic.
  • This converted work is distributed under the same GNU General Public License v3; LICENSE holds the full text. The upstream checkpoint and the converter that produced these files are its corresponding source.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Ревизия весов
6f6f158

0 моделей