概要
nano-codecは、最小限のニューラルオーディオコーデックであり、16kHzモノラルの音声を128倍に圧縮し、10.2kbpsの低ビットレートで再構築できるツールです。
約2400万のパラメータを持ち、LibriSpeechで事前学習されたモデルがHuggingFaceで公開されています。
DAC (Descript Audio Codec) にインスパイアされたアーキテクチャを採用し、Python製のCLIツールとして提供されており、オーディオの再構築や独自のモデル学習が可能です。
音声処理の研究者、開発者、または低帯域幅での音声伝送に関心のあるユーザーに適しています。
互換性・特徴
- Python
- CLI
- HuggingFace
- 音声処理
- 機械学習
基本情報
| Stars | 5 |
| カテゴリ | 音声生成 / TTS |
| アクティビティ | low |