ModelPublicadoExterno

E VAE 44100 25hz

E-VAE — это высококачественный стриминговый аудио-VAE

Fuentehuggingface.co/ESpeech/E-VAE-44100-25hz/tree/ad572beb43ecce7ac27cb2c05b711bf7230ad9cd

TipoOtherVersiónRevision ad572beCcalidad

Fuente del modelo

Tipo: Other
Tamaño del archivo: 330 MB
Versión: vRevision ad572be
Actualizado: 9 oct 2026
Descargas: 0
Fuente: Hugging Face

Descripción de la fuente

E-VAE-44100-25hz

E-VAE — это высококачественный стриминговый аудио-VAE

Модель разработана для задач синтеза речи. Она сжимает аудио 44.1 кГц в компактное латентное представление с частотой обновления 25 Гц.

Метрики качества

Metric	Value (Mean)	Min / Max	Description
PESQ	3.072	1.076 / 3.933	Perceptual Evaluation of Speech Quality (Wideband)
UTMOS	3.052	1.335 / 3.813	MOS prediction for naturalness
V/UV F1	0.975	-	Точность определения тональных/шумовых участков

Технические характеристики

Sample Rate: 44100 Hz
Frame Rate (Latent): 25 Hz
Downsampling Factors: [2, 3, 6, 7, 7]
Архитектура: Fully Causal Conv1d + Snake Activations.

Использование

В файлах репозитория используйте ebanyvae.py и ebanyvae.pt

Fuentes

1 fuente

Hugging FacePrincipalVersión ad572beb43ecce7ac27cb2c05b711bf7230ad9cd

huggingface.co/ESpeech/E-VAE-44100-25hz/tree/ad572beb43ecce7ac27cb2c05b711bf7230ad9cd

Verificado 9 oct

Artefactos del modelo

1 artefacto

ebanyvae.pt

pt · 330 MB · SHA-256 75640ec86cde…c77e · Hugging Face

Descargar

Extractos de fuentes

3 extractos

Readme31 julhuggingface.co/ESpeech/E-VAE-44100-25hz

--- language: - ru license: apache-2.0 tags: - audio - speech - tts - vae - neural-codec metrics: - pesq - utmos library_name: torch pipeline_tag: audio-to-audio --- # E-VAE-44100-25hz **E-VAE** — это высококачественный стриминговый аудио-VAE Модель разработана для задач синтеза речи. Она сжимает аудио 44.1 кГц в компактное латентное представление с частотой обновления 25 Гц. ## Метрики качества | Metric | Value (Mean) | Min / Max | Description | | :--- | :--- | :--- | :--- | | **PESQ** | **3.072** | 1.076 / 3.933 | Perceptual Evaluation of Speech Quality (Wideband) | | **UTMOS** | **3.052** | 1.335 / 3.813 | MOS prediction for naturalness | | **V/UV F1** | **0.975** | - | Точность определения тональных/шумовых участков | ## Технические характеристики * **Sample Rate:** 44100 Hz * **Frame Rate (Latent):** 25 Hz * **Downsampling Factors:** `[2, 3, 6, 7, 7]` * **Архитектура:** Fully Causal Conv1d + Snake Activations. ## Использование В файлах репозитория используйте ebanyvae.py и ebanyvae.pt

Note9 octhuggingface.co/ESpeech/E-VAE-44100-25hz

Source context: 0 downloads · 8 likes · Pipeline audio-to-audio · Library torch · Repo ESpeech/E-VAE-44100-25hz

Note31 julhuggingface.co/ESpeech/E-VAE-44100-25hz

Source context: 0 downloads · 7 likes · Pipeline audio-to-audio · Library torch · Repo ESpeech/E-VAE-44100-25hz