Downloads · 30 days
0
E-VAE-44100-25hz
ESpeech/E-VAE-44100-25hz
E-VAE-44100-25hz is a audio-to-audio model from ESpeech. Use it for the audio-to-audio task on the model card, and read the license before you ship it in a product. It is set up for torch. The card lists the license as apache-2.0.
E-VAE — это высококачественный стриминговый аудио-VAE
Access
Public
Updated Jan 18, 2026
Repo size
346 MB
Likes
8
Public
Repo makeup
Click a slice to open those files.
.pt346 MB · 100%
At a glance
- Task
- Audio-to-Audio
- Library
- torch
- License
- apache-2.0
- Access
- Public
- Created
- Dec 29, 2025
- Updated
- Jan 18, 2026
- SHA
- ad572beb
Model card
From the Hugging Face model README
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
- Task
- Audio-to-Audio
- Library
- torch
- License
- apache-2.0
- Languages
- ru
- Created
- Dec 29, 2025
- Updated
- Jan 18, 2026