CallCleaner

19M-параметровая waveform-to-waveform модель от автора malper, которая удаляет фоновый шум — ветер, дождь, транспорт, голоса других животных — из записей вокализации животных. Получена дистилляцией аудио-фундаментальной модели SAM-Audio в компактный денойзер на архитектуре Demucs. Работает на CPU ноутбука примерно в 90 раз быстрее реального времени.

⚡ Ключевые особенности

• 🧨 Дистилляция из facebook/sam-audio-small с промптом «animal sound» и временными интервалами от простого VAD
• 🖥 Архитектура Demucs из Biodenoising (biodenoising16k_dns48), 16 кГц, моно, инициализация весами Biodenoising
• 📊 На бенчмарке Biodenoising (47 клипов × 4 SNR) оставляет на 11 dB меньше шума вокруг сигнала, чем Biodenoising
• 🎙 Не нужны детектор, текстовый промпт или GPU — только CPU
• 🔄 Обучение: 2000 шагов на 4-секундных сегментах (1.8 ч) из публичных корпусов, с bootstrapped remixing

📝 Пример

import librosa, soundfile as sf, torch
from biodenoising.denoiser.pretrained import biodenoising16k_dns48
from huggingface_hub import hf_hub_download
from safetensors.torch import load_file

model = biodenoising16k_dns48(pretrained=False)
model.load_state_dict(load_file(hf_hub_download("malper/CallCleaner", "model.safetensors")))
model.eval()

Аудио читается через librosa.load(..., sr=16000, mono=True), на выходе — очищенный сигнал той же длины. Длинные записи карточка советует резать на перекрывающиеся чанки (например, 60 с с кроссфейдом 1 с) — CLI-скрипт в репозитории кода делает это сам и умеет работать с папками и другими sample rate.