К содержимому
Аудио

DAW Vocal Denoiser v1d

легкая модель для очистки вокала в реальном времени

2 мин чтенияобновлено

DAW Vocal Denoiser v1d — это компактная модель (1.25 миллиона параметров) на базе GRU (рекуррентная нейросеть), предназначенная для удаления шумов из вокальных дорожек и речи. Версия v1d добавляет 5 мс заглядывания вперед (lookahead), достигая 15 мс общей алгоритмической задержки. Такая архитектура дает качество, сопоставимое с моделями вдвое большего размера, но при этом требует меньше ресурсов процессора. Инструмент пригодится музыкантам и звукорежиссерам для мониторинга и очистки записей в живом времени.

Ключевые особенности

  • Низкая задержка: алгоритмическая задержка всего 15 мс, подходит для мониторинга в реальном времени.
  • Эффективность: качество на уровне вдвое более тяжелых моделей при половине требований к процессору.
  • Компактность: размер файла ONNX составляет всего 5 МБ.
  • Качество звука: высокая точность очистки без повреждения чистых участков аудио.

Что можно сделать

  • Очистка вокала: встроить модель в DAW (цифровую звуковую рабочую станцию) для подавления шумов комнаты при записи.
  • Использование через Docker: запустить контейнер для пакетной обработки файлов или поднять локальный HTTP-сервер.
  • Интеграция в Python: использовать ONNX Runtime для потоковой или офлайн-обработки аудио.

Пример

Пример использования модели для потоковой обработки аудио в Python:

# pip install onnxruntime numpy
from stream import StreamEngine          # ожидает daw_denoiser.onnx рядом
eng = StreamEngine()
y_block = eng.process(x_block)           # float32[240] на 48 кГц -> очищенные семплы

from stream import process_file          # офлайн-обработка массива
y = process_file(x)
Подробнее• SI-SDR: 23.43 дБ, SDR: 24.03 дБ, PESQ-WB: 3.11
• Требования: 0.23 мс CPU на блок 5 мс, формат ONNX (5.0 МБ)
• Ограничения: только моно, 48 кГц; удаляет шум, а не реверберацию
• Обучение: 108 779 шагов на RTX 4060
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/DAW_Vocal_Denoiser_v1d
    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/DAW_Vocal_Denoiser_v1d --local-dir ~/models/DAW_Vocal_Denoiser_v1d
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к DAW_Vocal_Denoiser_v1d
  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 DAW_Vocal_Denoiser_v1d — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Stavion-Colquitt/DAW_Vocal_Denoiser_v1d
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