FlashSR

FlashSR 是一个基于 HierSpeech++ 上采样器架构的 2MB 音频超分辨率模型。它以 200 倍到 400 倍实时的速度将 16kHz 音频上采样至 48kHz。

详情

• 模型大小： PyTorch 版本 2MB，ONNX 版本 500KB
• 输入采样率： 16kHz
• 输出采样率： 48kHz
• 推理速度： 200x - 400x 实时，取决于 GPU 和数据类型

性能概述

FlashSR 专为高速频率重建而设计。与 Resemble-Enhance 和 ClearerVoice 等替代方案相比，它的计算开销显著更低，同时保持相似的输出质量。

基准测试对比

使用方法

ONNX/PyTorch 使用说明和源代码可在 GitHub 上获取： https://github.com/ysharma3501/FlashSR

致谢

感谢 HierSpeech++ 的作者，本模型基于其 48kHz 上采样器；同时感谢 Xenova 提供的 ONNX 代码。