/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Библиотека
pytorch
Опубликована
11 авг 2026

audio-restore

Обработка аудиоАудио → аудио

Модель восстанавливает утраченные из-за жёсткого клиппинга фрагменты речевых записей по аудио и маске повреждений.

0скачиваний за 30 дней0лайковвеса обновлены11 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

todteera/audio-restore — модель на PyTorch для восстановления речевых записей, повреждённых жёстким клиппингом. По повреждённому аудио и маске клиппинга она реконструирует утраченные отсчёты, используя генеративный подход flow matching.

Модель построена на 2D U-Net с 48,9 млн параметров и предсказывает направление преобразования шума в чистую речь в пространстве комплексных STFT-спектрограмм. Обрабатывает монофоническое аудио с частотой 24 кГц. Распространяется по лицензии CC BY-NC 4.0.

Сценарии применения

  • восстановление речи в клиппированных записях
  • ремонт перегруженной записи с микрофона
  • реконструкция отсечённых пиков в речевом аудио

Ограничения

Модель рассчитана только на речь и жёсткий клиппинг; музыка и другие типы аудио не входят в область применения. Для участков выше 30% клиппинга качество не оптимизировалось, а ограничение входа до 24 кГц может приводить к потере частот выше 12 кГц и тусклому звучанию шипящих.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

audio-restore

Repairs speech recordings damaged by clippings. A generative model reconstructs the samples that were destroyed.

Usage

git clone https://github.com/tdstt22/audio-restore
cd audio-restore && uv sync
python restore.py recording.wav restored.wav

Components

FileDescription
model.pt2D U-Net, 48.9M params — flow-matching velocity predictor over complex STFT. EMA weights plus architecture config

The model works on spectrograms at 24 kHz mono. It is given the damaged audio and a mask marking which samples the clipping destroyed, so it never has to guess where the damage is. Rather than emitting audio directly, it predicts the direction from noise toward clean speech, and sampling follows that direction over to arrive at the reconstruction.

Limitations

  • 24 kHz — higher-rate files are converted in and out, so repaired regions carry nothing above 12 kHz. Audible as dullness on sibilants.
  • Speech only — music and general audio are out of distribution.
  • Hard clipping only — only focused on hard clippings that require regeneration
  • Degradations above ~30% clipped — did not optimize for these situations during training

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Ревизия весов
310b0c1

0 моделей