---
language:
- ru
license: apache-2.0
tags:
- audio
- speech
- tts
- vae
- neural-codec
metrics:
- pesq
- utmos
library_name: torch
pipeline_tag: audio-to-audio
---

# 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