NovaSR：一个52KB的音频超分模型，把16kHz模糊音频变成48kHz清晰版

最近，一个名为NovaSR的音频超分辨率模型开源。这个模型只有52KB大小，比一段3秒的音频文件还小，但功能却不简单：它能把模糊的16kHz音频增强成更清晰的48kHz版本。

根据开发者的介绍，NovaSR的处理速度非常快——在单GPU上，1秒内能处理100到3600秒的音频。这意味着它几乎可以实时处理音频流。

为什么这个小模型有用？

• 提升TTS模型质量：大多数文本转语音模型生成16kHz或24kHz的音频，NovaSR能以几乎零计算成本增强这些音频的质量
• 快速修复低质量音频数据集：对于需要清理的音频数据集，NovaSR提供了快速的解决方案
• 极小的设备占用：52KB的大小意味着它可以部署在任何设备上，包括资源受限的边缘设备

有网友测试后反馈，与开发者之前发布的FlashSR相比，NovaSR在处理女性语音时表现更好，减少了刺耳的齿音和音频伪影。虽然与更复杂的FlowHigh模型相比还有差距，但NovaSR在速度和质量的平衡上做得不错。

目前NovaSR仅使用了100小时的数据进行训练，开发者表示还有改进空间。但考虑到它的小巧尺寸，现有的音频质量已经相当令人印象深刻。

对于那些需要快速、轻量级音频增强解决方案的开发者来说，NovaSR值得一试。

地址：

• GitHub仓库：https://github.com/ysharma3501/NovaSR
• 模型和示例：https://huggingface.co/YatharthS/NovaSR
• 在线试用：https://huggingface.co/spaces/YatharthS/NovaSR（运行在弱CPU上，速度约为实时10倍）