К содержимому
Аудио

Call Denoiser V4

сверхлёгкий шумодав для звонков с задержкой 10 мс

2 мин чтенияобновлено

Компактная нейросеть от автора Stavion-Colquitt для очистки речи от фонового шума в реальном времени. В основе лежит лёгкая рекуррентная архитектура с двухслойным GRU (256 нейронов) на 988 тысяч параметров, работающая с асимметричными окнами STFT (кратковременного преобразования Фурье). В отличие от прошлых версий с задержкой 200 мс, четвёртая ревизия укладывается в 10 мс алгоритмической задержки и обходит зашумлённый оригинал по всем метрикам качества. Пригодится разработчикам голосовых приложений, стриминговых сервисов и конференц-связи, которым нужна быстрая фильтрация звука прямо на CPU без видеокарты.

Ключевые особенности

  • Минимальная алгоритмическая задержка — всего 10 мс при работе блоками по 5 мс (80 сэмплов).
  • Высокая скорость на CPU: в ONNX Runtime обработка 5 мс звука занимает 0,15 мс (RTF 0,03).
  • Компактный размер: 988 тыс. параметров, в репозитории есть готовые веса в форматах ONNX и PyTorch.
  • Сохраняет исходную фазу сигнала, предсказывая только магнитудную маску — это убрало артефакты прошлой версии.

Что можно сделать

  • Встроить в клиент звонков или голосовой чат для подавления фонового гула на лету без нагрузки на процессор.
  • Подключить к пайплайну распознавания речи (ASR) как препроцессинг моно-аудио 16 кГц перед транскрибацией.
  • Использовать в офлайн-режиме для пакетной очистки диктофонных записей и подкастов от стационарных шумов.

Пример

# pip install onnxruntime numpy
from stream import StreamEngine, process_file

eng = StreamEngine() # ожидает call_denoiser_v4.onnx рядом
y_block = eng.process(x_block) # float32[80] при 16 кГц -> очищенный блок
y = process_file(x) # офлайн-обработка всего моно-массива 16 кГц
ПодробнееБенчмарк VoiceBank-DEMAND (824 файла): PESQ 2.58 (против 1.97 у исходника), STOI 0.930, SI-SDR 17.21 дБ.
Железо: работает на обычном CPU (0,15 мс на блок в ONNX Runtime); сама модель обучалась на RTX 2060.
Данные: 60% VoiceBank-DEMAND и 40% DNS Challenge со смешиванием шума на лету (SNR от -5 до 20 дБ).
Ограничения: только моно 16 кГц; убирает шум, но не реверберацию, и не рассчитана на SNR ниже -5 дБ или перебивающих спикеров.
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.

    # Stavion-Colquitt/Call_Denoiser_V4
    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 Stavion-Colquitt/Call_Denoiser_V4 --local-dir ~/models/Call_Denoiser_V4
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Call_Denoiser_V4
  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 Call_Denoiser_V4 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Stavion-Colquitt/Call_Denoiser_V4
Автор
Stavion-Colquitt
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