/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7 млрд
Размер весов
16 ГБ
Лицензия
MIT
Архитектура
qwen2 · dense
Базовая модель
MiMo-V2.5-ASR-8B
Библиотека
transformers
Опубликована
18 мая 2026

MiMo-V2.5-ASR-8B-NOESIS-BF16

Генерация текстаТекст → текст7 профессий

BF16-сборка модели Xiaomi MiMo-V2.5-ASR-8B для распознавания и транскрибации речи на путунхуа, английском и кантонском языках.

176скачиваний за 30 дней1лайквеса обновлены27 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

MiMo-V2.5-ASR-8B-NOESIS-BF16 — версия модели распознавания речи Xiaomi MiMo-V2.5-ASR-8B, подготовленная AMAImedia для платформы автоматизации дубляжа NOESIS. Это плотная причинная языковая модель на архитектуре MiMoV2ASRForCausalLM, производной от Qwen2; в аудиотракте используются аудиотокены с параметрами n_rvq=20 и group_size=4. Веса преобразованы из FP32 в BF16 для уменьшения занимаемого места и совместимости с инструментами PEFT; дообучение модели не заявлено. По данным карточки, модель предназначена для распознавания и транскрибации речи на китайском путунхуа, английском и кантонском языках. Контекст составляет 8192 токена.

Модель подходит для многоязычной транскрибации и как компонент конвейера кинодубляжа; BF16-сборка также рассчитана на запуск на оборудовании с нативной поддержкой BF16 и на использование в качестве основы для адаптерного дообучения или учителя при дистилляции. Карточка не приводит оценок точности или подробных условий работы с разными акустическими условиями. Лицензия — MIT.

Сценарии применения

  • транскрибация речи на китайском путунхуа
  • распознавание английской речи
  • транскрибация кантонской речи
  • распознавание речи в конвейере кинодубляжа
  • подготовка базовой модели для LoRA- или DoRA-адаптации

Ограничения

Карточка не приводит количественных оценок качества и не описывает устойчивость к шуму или акцентам. BF16-сборка предназначена для совместимого оборудования; хранение весов в BF16 само по себе не делает модель пригодной для полного дообучения всех параметров.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

NOESIS / AMAImedia

Released as part of the NOESIS Professional Multilingual Dubbing Automation Platform (framework: DHCF-FNO — Deterministic Hybrid Control Framework for Frozen Neural Operators).

MiMo-V2.5-ASR-8B-NOESIS-BF16

BF16 dtype-repack of XiaomiMiMo/MiMo-V2.5-ASR-8B — original FP32 floating-point weights losslessly cast to bfloat16 for LoRA / DoRA / PEFT compatibility and reduced disk footprint. The model architecture, parameter values, tokenizer, and configuration are identical to upstream — only the IEEE-754 storage dtype was changed.

License preserved end-to-end — see LICENSE in this repo for the full text and attribution chain.

Released as part of the NOESIS Professional Multilingual Dubbing Automation Platform (framework: DHCF-FNO — Deterministic Hybrid Control Framework for Frozen Neural Operators).

  • Repack date: 2026-05-19

Summary

Robust speech recognition built on a Qwen2-derived causal LM backbone with an 8-channel audio token path (n_rvq=20, group_size=4). Multilingual coverage: Mandarin, English, Cantonese.

Use case inside NOESIS

Multilingual ASR / transcription. Inside NOESIS this is considered for the M1-ASR teacher pool of the cinema-dubbing pipeline as a Tier-1 zh/en/yue specialist.

What changed vs upstream

AspectUpstreamThis bundle
Floating-point storage dtypeFP32bfloat16
config.json torch_dtypeas-isbfloat16
model.safetensors.index.json total_sizeas-isrecomputed
Tokenizer / chat template / modeling codeas-isunchanged
Number of parametersas-isunchanged
Value-level transformation beyond dtype cast—none
Disk size30 GB15 GB

Architecture

PropertyValue
Immediate parentXiaomiMiMo/MiMo-V2.5-ASR-8B
ArchitectureMiMoV2ASRForCausalLM
Architecture base / lineageQwen2-derived (model_type=qwen2)
Parameters~8B
Hidden size4096
Num hidden layers36
Attention heads / KV heads32 / 8 (GQA)
Vocab size151680
Max position embeddings8192
Formatbfloat16
Bundle size on disk15 GB
LicenseMIT License
Project pagehttps://github.com/XiaomiMiMo/MiMo-V2.5-ASR

Repack tooling

CPU-only sharded repack via repack_fp32_to_bf16.py — reads each shard with safetensors.safe_open, casts floating-point tensors to torch.bfloat16, rewrites the shard, updates the index manifest. No GPU involvement, no value-level transformation beyond the IEEE-754 dtype cast.

Performance reference (RTX 3060 laptop, NVMe SSD):

  • Single 5 GB FP32 shard cast → ~28-40 sec
  • Full 30 GB → 15 GB in 1 pass, sharded

Use cases (for the BF16 bundle)

  • ✅ LoRA / DoRA / IA³ fine-tuning that requires a dtype=torch.bfloat16 base
  • ✅ Bitsandbytes NF4 / AWQ-INT4 / GPTQ quantization (these tools prefer BF16 input)
  • ✅ Inference on Ampere+ / MI200+ hardware with native BF16 support
  • ✅ KD-teacher (forward-only) where BF16 storage saves bandwidth
  • ❌ Full-parameter fine-tuning of weights — use FP32/BF16 master weights pattern; storage dtype alone is insufficient

Quick start

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

repo = "AMAImedia/MiMo-V2.5-ASR-8B-NOESIS-BF16"

tokenizer = AutoTokenizer.from_pretrained(repo, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    repo,
    dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True,
).eval()

Sealed rules (NOESIS DHCF-FNO)

  • R-DTYPE-REPACK-BF16 — pure IEEE-754 dtype cast from FP32 to bfloat16. No value-level transformation, no LoRA merge, no architectural change. Equivalent to loading upstream with dtype=torch.bfloat16 and saving, but materialised on disk.
  • R-MIT-CLEAN — upstream MIT License preserved end-to-end via the LICENSE file in this repo. AMAImedia adds only a derivative-work notice for the repack step.
  • R-NO-VALUE-TRANSFORM — no fine-tuning, no distillation, no merge has been applied between upstream and this repo. Outputs are bit-for-bit equivalent up to the precision difference of the dtype cast.

License & attribution

This bundle inherits MIT License from XiaomiMiMo/MiMo-V2.5-ASR-8B. Original model card, citation, and attribution from upstream apply without modification. See LICENSE in this repo for the complete text plus the NOESIS derivative-work NOTICE.

Citation

@misc{noesis2026mimov25asr8bnoesisbf16bf16,
  title  = {NOESIS DHCF-FNO :: MiMo-V2.5-ASR-8B-NOESIS-BF16 — BF16 dtype-repack derivative},
  author = {Bolotnikov, Ilia and AMAImedia},
  year   = {2026},
  note   = {BF16 dtype-repack of XiaomiMiMo/MiMo-V2.5-ASR-8B for LoRA / PEFT
            compatibility. 15 GB on disk, MIT License
            preserved end-to-end.},
  url    = {https://huggingface.co/AMAImedia/MiMo-V2.5-ASR-8B-NOESIS-BF16}
}

Please also cite the upstream model when using this bundle. See the upstream README and LICENSE in this repo for citation requirements.


Produced 2026-08-26 by NOESIS DHCF-FNO v15.8 — AMAImedia.com

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры
MiMoV2ASRForCausalLM
Ревизия весов
baf962c

0 моделей