К содержимому
Аудио

FRCRN_SE_16K-Tensix-BF16

порт шумоподавления для Tenstorrent

2 мин чтенияобновлено

Эта версия FRCRN_SE_16K подготовлена для Tenstorrent Tensix: веса комплексных свёрток записаны как вещественные блок-матрицы, batch normalization сложена в свёртки, все тензоры хранятся в bf16. На вход модель получает нормализованный комплексный спектр [1, 2, 321, 51] для 16 кГц аудио (FFT 640, hop 320), а на выходе выдаёт комплексную маску tanh(u1) + tanh(u2). Кадрирование, нормализацию, применение маски и синтез должна обеспечивать вызывающая реализация. Дополнительного обучения не было — это конвертация исходного чекпоинта под раскладку TT-NN. Пригодится тем, кто портирует шумоподавление речи на Tenstorrent или разбирает комплексные свёртки в TT-NN.

Ключевые особенности

  • Комплексные свёртки представлены вещественной блок-матрицей [[Wr, -Wi], [Wi, Wr]], а batch normalization сложена в выходные каналы.
  • Все сохранённые тензоры — bf16; config.json хранит stride, padding и параметры FSMN-памяти.
  • Раскладка тензоров рассчитана на реализации TT-NN; дополнительного обучения нет.
  • Вход — нормализованный комплексный спектр [1, 2, 321, 51] для 16 кГц, FFT 640 и hop 320; выход — маска tanh(u1) + tanh(u2).
  • Есть CPU-проверки эквивалентности с оригиналом на восьми синтетических спектрах и held-out наборе.

Что можно сделать

  • Собрать инференс FRCRN для Tenstorrent через TT-NN, используя готовую раскладку тензоров и bf16-веса.
  • Встроить модель в пайплайн улучшения речи на 16 кГц: подать спектр, применить маску и синтезировать аудио своей реализацией.
  • Разобрать convert_frcrn.py как пример перевода комплексных свёрток и FSMN в вещественные блок-матрицы для других портов.
  • Сравнить выход с оригинальным чекпоинтом через equivalence.json или свой набор нормализованных спектров.

Пример

from safetensors import safe_open

with safe_open("model.safetensors", framework="pt", device="cpu") as f:
    weight = f.get_tensor("u1.enc.0.weight")
ПодробнееCPU-проверки: held-out — 77.97 dB (float32 mask), 27.87 dB (bf16 mask), 39.12 dB (bf16 enhanced spectrum); синтетика seed 20261112 — 96.55 / 17.46 / 17.66 dB.
Это мера согласия с оригиналом на CPU, а не качества аудио или скорости на устройстве.
Карточка не приводит аудио-бенчмарков; кадрирование, нормализация, применение маски и синтез — на стороне вызывающей реализации.
Лицензия Apache-2.0, проект не аффилирован с Tenstorrent.
Обсудить Telegram 0 22

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.

    # Xylolabs/FRCRN_SE_16K-Tensix-BF16
    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 Xylolabs/FRCRN_SE_16K-Tensix-BF16 --local-dir ~/models/FRCRN_SE_16K-Tensix-BF16
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к FRCRN_SE_16K-Tensix-BF16
  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

Дообучение модели

alibabasglab/FRCRN_SE_16K

Новые посты про версии FRCRN_SE_16K — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 2Все на Hugging Face
Дообучения 2Все на Hugging Face

О модели

Xylolabs/FRCRN_SE_16K-Tensix-BF16
Автор
Xylolabs
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

220

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

X-MDD

X-MDD