К содержимому
Аудио

audiojs/restore

студийная реставрация голоса на 48 кГц прямо в браузере

2 мин чтенияобновлено

Модель превращает запись речи или пения с телефона, из шумной комнаты или после сжатия кодеками в чистый студийный звук с частотой дискретизации 48 кГц. Она построена автором audiojs с нуля на базе архитектуры Vocos (8 блоков ConvNeXt со слоями self-attention) поверх STFT (кратковременного преобразования Фурье) и весит всего 35.9 МБ в формате ONNX. В отличие от классических шумодавов вроде DeepFilterNet3, нейросеть не просто убирает фон и реверберацию, а восстанавливает утраченные высокие частоты и исправляет фазу. Поддерживаются русский, английский и французский языки, а запускать модель можно локально через JavaScript в Node.js или прямо в браузере через WebGPU и wasm.

Ключевые особенности

  • Полнополосный звук 48 кГц: восстанавливает срезанные кодеками или дешёвым микрофоном высокие частоты, достраивая их до 24 кГц.
  • Компактный ONNX-формат: 17.9M параметров упакованы с весами float16 в файл размером 35.9 МБ (вычисления идут во float32).
  • Запуск в браузере и Node.js: работает через пакет @audio/neural-restore на WebGPU, wasm или через Python-скрипты.
  • Три языка и вокал: обучалась на корпусах английской, французской и русской речи (включая студийный датасет Dialogs), а также на вокальных записях VocalSet.

Что можно сделать

  • Очистить диктофонные и созвон-записи: прогнать голосовые дорожки с шумом комнаты, эхом, клиппингом или артефактами MP3, AAC и Opus.
  • Встроить улучшение звука в веб-приложение: подключить модель в браузерный аудиоредактор или сервис подкастов без нагрузки на сервер благодаря WebGPU и wasm.
  • Реставрировать вокальные партии: улучшить качество любительских записей пения, записанных вне студии.

Пример

import restore from '@audio/neural-restore'
let y = await restore(samples, { sampleRate: 44100 }) // mono Float32Array; the same rate and length back
ПодробнееМетрики (24 тестовых примера VoiceBank с деградацией): LSD снизился с 3.30 до 0.79 (против 2.85 у deepfilter()), SI-SDR вырос с −5.2 до +6.0 дБ, PESQ — с 1.77 до 2.40, DNSMOS OVRL — с 1.97 до 2.89.
Скорость: на Apple M4 Max фрагмент длиной 10.5 с обрабатывается за 0.36 с через WebGPU и за 1.3 с через wasm.
Обучение: 300 000 шагов с нуля на Apple M4 Max (в релизе веса шага 290k) с дискриминаторами HiFi-GAN и UnivNet и признаками WavLM Base+.
Ограничения: работает с одним каналом за проход (чанки по 10 с с перекрытием 1 с); метрики замерены только на английском языке, русская речь в обучении представлена 3 актёрами из Dialogs и синтетикой; лицензия OpenRAIL наследует ограничения датасета Dialogs.
Обсудить Telegram 0

Запустится ли?

Запустится в FP16

Влезает без сжатия.

  • FP16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · FP16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # audiojs/restore
    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 audiojs/restore --local-dir ~/models/restore
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к restore
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии restore — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

audiojs/restore
Автор
audiojs
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии