BigVGAN

מה זה

אתם מעלים קובץ אודיו או בוחרים דוגמה קיימת, והקוד מחשב ספקטרוגרמת מל ומנסה לשחזר ממנה את גל הקול המקורי. הפלט כולל נגן לשמיעת התוצאה לצד תמונה שמציגה את הספקטרוגרמה שנוצרה בדרך.

מאחורי הקלעים רצות גרסאות של BigVGAN ושל BigVGAN-v2 של אנבידיה. בממשק יש רשימת מודלים שנטענים מראש לבחירה מתוך תפריט נפתח, כך שאפשר להשוות בין גרסאות שונות על אותו קטע שמע.

הדוגמאות המובנות מכילות קטעי דיבור ממאגרים כמו LibriTTS ודגימות בקצבים של 24kHz ועד 44kHz, לצד קטעי מוזיקה מוכרים כמו קווין, מגלובניה ודגימות מתוך MusDB ו־MusicCaps.

מתאים ל

• בדיקת איכות שחזור קול

  בוחנים איך המודל משחזר דיבור אנושי מתוך ייצוג תדרים בקצבי דגימה של 24 ו־44 קילו-הרץ.

• שחזור קטעי מוזיקה מורכבים

  בודקים עמידות של ווקודר על רצועות שירים עמוסות בכלי נגינה וקולות שונים.

• השוואה בין גרסאות מודל

  מריצים את אותו קטע מול גרסאות שונות של BigVGAN כדי לשמוע הבדלי צליל וארטיפקטים.

איפה זה נופל

זה לא כלי לשיפור או ניקוי הקלטות פגומות. הוא לוקח שמע תקין, מפרק אותו לייצוג תדרים ובונה אותו מחדש, כך שאם תעלו קובץ באיכות גרועה תקבלו שחזור של אותה איכות בדיוק. הדוגמאות אינן נשמרות במטמון לפי הגדרות הקוד, ולכן כל הרצה דורשת חישוב מחדש.

איך משתמשים

בוחרים מודל מהתפריט הנפתח, מעלים קובץ שמע לתיבת הקלט ולוחצים על Submit. אם לא תעלו אודיו, הממשק יקפיץ שגיאה שמבקשת קובץ.

העיבוד רץ על מאיץ גרפי ייעודי מסוג Zero-A10G דרך ספריית spaces. זה אומר שהחישוב מתבצע במהירות של חומרה חזקה, אבל בזמני עומס ייתכן שתמתינו להקצאת משאבים.

הרישיון

הפרויקט מפורסם תחת רישיון MIT. מדובר ברישיון קוד פתוח מתירני שמאפשר שימוש חופשי, העתקה והתאמה של הקוד, אך אין מידע בקוד על שמירה או מחיקה של קבצי שמע שאתם מעלים לממשק.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗