NVIDIA、オープンな多言語NemotronLabs RE-USE音声強調モデルを公開

NVIDIAの研究者らは、オープンな多言語NemotronLabs RE-USE音声強調モデルを公開した。このモデルは背景雑音、エコー、その他の音声歪みを除去し、音声をより明瞭にする。パラメータ数は960万で、Hugging Faceでデモとダウンロードが可能である。
イベントのバージョン 1.
Key insights
コンパクトなパラメータ数
NemotronLabs RE-USEモデルは960万のパラメータを持つ。多言語対応のユニバーサル音声強調モデルと説明されている。
対象となる音声劣化
このモデルは背景雑音、エコー、その他の音声歪みを除去するように設計されている。音声の忠実度を保ちながら音声をより明瞭にすることを目指している。
オープンな提供形態
デモとモデルのダウンロードはHugging Faceで利用可能である。モデルはオープンとして公開され、商用利用が可能である。
サンプリングレートと言語サポート
このモデルは8、16、22.05、24、32、44.1、48 kHzの入力サンプリングレートをサポートする。異なる言語間での性能を発揮する言語非依存の能力を備えている。