주요 특징

• 보코더용으로 설계된 Vocos의 등방성 단일 패스 구조를 대역폭 확장(BWE)에 맞춰 옮겨 온 점이 핵심입니다. 여기에 Linkwitz-Riley 크로스오버에서 착안한 리파이너를 덧붙여 품질을 보완했습니다. 시간 영역 모델이나 확산 모델처럼 반복 샘플링을 돌지 않기 때문에 한 번의 순전파로 끝나고, 그만큼 처리량 확보에 유리한 구조입니다.
• 학습은 Vocos 사전학습 가중치에서 출발해 VCTK 데이터셋으로 5만 스텝만 돌렸습니다. 학습 중 입력을 8kHz·16kHz·24kHz로 무작위 리샘플링하고 잡음을 무작위로 섞어, 추론 시 8~48kHz 어느 샘플레이트가 들어와도 대응하도록 했습니다. 잡음 제거를 위한 참고 구현으로는 UL-UNAS 디노이저를 인용합니다.
• 저장소가 공개한 VCTK 검증셋 Log-Spectral Distance는 8→48kHz 0.85, 16→48kHz 0.72, 24→48kHz 0.63으로, 직전 최고 성능으로 표기한 AP-BWE의 0.86/0.74/0.64를 근소하게 앞섭니다. 같은 표에서 확산 기반인 AudioSR은 1.13/0.98/0.82, NU-WAVE2는 1.10/0.94/0.87, 단순 sinc 업샘플링은 2.98/2.75/2.17로 기록돼 있습니다.
• 속도는 A100 기준 약 5000배 실시간으로 표기되며, 같은 조건에서 AP-BWE 300배, FlowHigh 80배, FlashSR 14배, AudioSR 0.6배와 비교됩니다. 모델 용량도 AudioSR의 약 6GB, FlashSR의 약 1GB에 비해 50MB 수준이라 온디바이스 실시간 처리나 대량 데이터셋 일괄 복원에 부담이 적습니다. 사용은 깃 URL 한 줄 설치 후 LavaEnhance2에 HF 저장소 ID와 디바이스를 넘겨 로드하고 enhance()를 호출하는 방식이며, 잡음이 있을 때만 denoise 플래그를 켜고 긴 오디오는 batch 플래그로 나눠 처리합니다.
• 커뮤니티가 ComfyUI 노드, GUI 앱, 순수 C++ 구현, DirectML/NPU를 지원하는 ONNX 구현, fal.ai 호스팅 데모를 각각 만들어 두어 파이썬 밖에서도 쓸 수 있습니다. 다만 한계도 분명한데, 학습 코드와 음악·일반 오디오로 학습한 모델은 아직 로드맵 단계이고 현재 공개본은 음성 중심입니다. cutoff 값을 낮추면 품질이 올라가지만 금속성 음색이 생길 수 있다고 문서가 미리 경고합니다. 선행 모델 NovaSR은 52KB로 더 작았지만 16kHz 입력만 받았고, 저장소는 LavaSR로 옮길 것을 권합니다.