К содержимому
Другое

Oversample denoiser v2

компактный шумодав для записей птиц и летучих мышей

2 мин чтенияобновлено

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.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 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 · BF16 — 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.

    # 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
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к oversample-denoise
  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 oversample-denoise — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

pengowray/oversample-denoise
Автор
pengowray
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии