NovaSR一个开源的音频超分辨率模型低音质转高清音质声音修复模型 webui开发构建by科哥

镜像简介

本镜像基于开源的NovaSR音频超分辨率模型，专注于将低音质音频转为高清音质，支持人声增强与音频修复。内置直观的WebUI界面，方便用户一键上传并处理音频文件，适用于老旧录音修复、语音清晰化及音质提升等场景，操作简单，效果显著。

镜像使用教程

创建实例后点击【SD-WebUI】即可进入操作页面

运行截图

---

NovaSR WebUI 用户使用手册

快速开始

启动应用

在项目根目录执行:

./start_app.sh

启动成功后，浏览器访问: http://localhost:7860

---

使用步骤

1. 上传音频文件

• 点击「上传音频文件」区域
• 选择要增强的音频文件 (支持 .wav 和 .mp3 格式)
• 上传后可以播放预览原始音频

2. 选择模型 (可选)

• 默认使用 4b (默认) 模型
• 如需切换模型，在「选择模型」下拉菜单中选择
• 切换后会显示加载状态

3. 开始处理

• 点击「开始处理」按钮
• 等待处理完成 (通常几秒钟)
• 处理完成后会显示状态信息

4. 查看结果

• 原始音频: 左侧播放器显示上传的原始音频
• 增强音频: 右侧播放器显示处理后的高清音频
• 可以对比播放，感受音质提升效果

5. 下载输出

• 点击增强音频播放器下方的下载按钮
• 或者在项目的 outputs/ 目录查看所有输出文件
• 文件命名格式: outputs_YYYYMMDDHHMMSS.wav

---

功能说明

音频超分辨率

• 输入: 16kHz 或更低采样率的音频
• 输出: 48kHz 高采样率音频
• 效果: 提升音频清晰度和细节

模型切换

• 切换模型时会自动清理显存
• 首次加载模型需要几秒钟
• 后续使用同一模型无需重新加载

---

常见问题

Q: 支持哪些音频格式?

A: 支持 .wav 和 .mp3 格式

Q: 处理一个文件需要多久?

A: 通常几秒钟，具体取决于音频长度和硬件配置

Q: 输出文件保存在哪里?

A: 保存在项目根目录的 outputs/ 文件夹

Q: 如何停止应用?

A: 在终端按 Ctrl + C

Q: 端口被占用怎么办?

A: 启动脚本会自动检测并释放 7860 端口

---

技术参数

• 模型大小: 52KB
• 推理速度: 3600x realtime (A100)
• 输入采样率: 16kHz
• 输出采样率: 48kHz
• 默认端口: 7860

---

版权信息

webUI二次开发 by 科哥 | 微信：312088415

承诺永远开源使用 但是需要保留本人版权信息！

bug反馈可以加入科哥专属群交流➕ 广告勿进！​

​

科哥在UCloud镜像列表【不断更新中】：

• https://kege-aigc.feishu.cn/docx/L3FVdQl7kom8Ckx7QiicQj2VnEd