Skip to content
Other

Oversample denoiser v2

компактный шумодав для записей птиц и летучих мышей

2 min readupdated

Небольшая свёрточная нейросеть (CNN) в формате ONNX для подавления фонового шума в полевых аудиозаписях птиц и летучих мышей. Разработана автором pengowray для веб-приложения Oversample и заменяет первую версию модели, которая умела работать только с ультразвуковыми записями летучих мышей. Сеть весит всего 264 КБ (64 513 параметров), работает с аудио на его исходной частоте дискретизации без ресемплинга и снижает шум максимум на 20 дБ. Пригодится биоакустикам, орнитологам и любителям записи звуков природы для очистки спектрограмм и прослушивания.

Ключевые особенности

  • Ультракомпактный размер: файл oversample-denoise-v2.onnx занимает 264 КБ (opset 17) и содержит 64 513 весов.
  • Работа без ресемплинга: обрабатывает аудио на исходной частоте — от 22–96 кГц для птиц до 250–500 кГц для летучих мышей.
  • Спектральная фильтрация: предсказывает коэффициент усиления для каждого бина 512-точечного STFT (оконное преобразование Фурье) с порогом подавления до 20 дБ.
  • Защита тихих сигналов: при обучении недооценка чистого звука штрафовалась в 8 раз сильнее для летучих мышей и в 16 раз — для птиц.

Что можно сделать

  • Очистить полевые записи голосов птиц или эхолокации летучих мышей от постоянного фонового шума прямо в сервисе Oversample через меню Noise.
  • Встроить лёгкий ONNX-модуль в собственные скрипты или десктопные утилиты для предварительной очистки биоакустических архивов.

Пример

Модель принимает тензор логарифмических признаков STFT feat размерности (1, 1, 257, frames) в формате float32 и возвращает тензор logit той же формы. Из него вычисляется маска усиления (2 * sigmoid(logit) - 1 с медианным сглаживанием и нижним порогом 0.1), на которую умножается исходный спектр перед обратным преобразованием в аудио.

ПодробнееОбучение: 203 записи летучих мышей (250–500 кГц) и 461 запись птиц (22–96 кГц) из базы xeno-canto.
Ограничения: в записях птиц на 44.1 и 48 кГц полностью вырезаются частоты ниже ~180 Гц; нестационарные шумы (шаги, речь, шорох рук) почти не удаляются.
Важно: классификаторы BirdNET и Perch показывают более низкую точность на очищенной копии, поэтому определять виды лучше по оригинальной записи.
Discuss Telegram 0

Will it run?

Runs in BF16

Fits without quantisation.

  • BF16weights 0.0 GB · ready files0.5 GB
  • FP8 / INT8recommendedweights 0.0 GB0.5 GB
  • 4-bitweights 0.0 GB0.5 GB

Tip: go 8-bit.FP8 / INT8 is within about a percent of full precision in quality, takes half the memory and runs faster on RTX 40/50 and H100. Full precision only pays off for fine-tuning.

What to get for this model

Massed ComputeOpen Massed Compute

Your own GPU: FP8 / INT8 — from RTX 2060 · BF16 — from RTX 2060

Massed Compute hourly prices, November 2026. The discounted price applies with the coupon at checkout.

Estimate: weights plus working memory. Long videos, high resolutions and long contexts need more.

Run it on Massed Compute

The script downloads the model to the rented machine. How to run it is in the model card.

  1. 1. Rent a machine with a fitting GPU

    Open Massed Compute
  2. 2. Paste the script into the machine's terminal

    Connect over SSH (the Massed Compute panel shows the command) or open a terminal on the machine's desktop.

    HF_TOKEN / CIVITAI_TOKENThe script starts with token lines: paste yours between the quotes. The Hugging Face token is for gated models, the Civitai one for Civitai models.

    # pengowray/oversample-denoise
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download pengowray/oversample-denoise --local-dir ~/models/oversample-denoise
    # The model is in ~/models. How to run it is in the model card (link above).
    Add more LoRAs to oversample-denoise
  3. 3. Use it

    The model is in ~/models. How to run it is in the model card (link above).

Stop the machine in the panel when you are done: it bills by the minute while it runs.

How to speed it up

Picked for this model type. Choose your hardware above to see what fits you exactly.

  • FlashAttention 44.0.0b40from November 18, 2026new release

    fastest exact attention on B200

    Kernels for Blackwell (beta). Exact attention without quantisation — fine for everything, LLMs included.

    How to enable: pip install flash-attn-4; vLLM and SGLang pick it up themselves.

    Earlier generations (2)
    • FlashAttention 3 — The Hopper (H100/H200) version with FP8.
    • FlashAttention 2 — The standard for RTX 30/40/50 and A100: exact attention without the memory cost of long contexts.
  • torch.compile2.15.0from October 28, 2026new release

    10–30% for free

    Compiles the model for your GPU. Slower first run, faster afterwards.

    How to enable: model = torch.compile(model); in ComfyUI the TorchCompileModel node.

Model family

New posts about versions of oversample-denoise (quants, finetunes, LoRAs) will show up under the bell.

No known relatives of this model yet. All derivatives on Hugging Face

About the model

pengowray/oversample-denoise
Author
pengowray
Category
Other
Released
Posted

On NeyroLearn

Hugging Face

00

Ask AI about this model

Answered by Gemini 4 · the chat is kept only in this tab

Comments