/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7 млрд
Лицензия
MIT
Архитектура
qwen2 · dense
Базовая модель
MiMo-V2.5-ASR
Опубликована
21 июн 2026

MiMo-V2.5-ASR-FP8

Генерация текстаТекст → текст5 профессий

FP8-квантизированная модель Xiaomi MiMo с 7 млрд параметров для распознавания китайской и английской речи, включая диалектную, шумную и многоголосую.

13скачиваний за 30 дней0лайковвеса обновлены6 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-FP8 — FP8-квантизированная версия модели Xiaomi MiMo для сквозного распознавания речи. Она основана на XiaomiMiMo/MiMo-V2.5-ASR и использует плотную архитектуру семейства Qwen2 с 7 млрд параметров и контекстом 8192 токена. Модель предназначена для транскрибирования речи на китайском и английском языках, включая переключение между ними, китайские диалекты, шумную и многоголосую речь, а также тексты песен; поддерживает расстановку пунктуации.

Веса линейных слоёв представлены в формате FP8 e4m3fn с масштабированием по выходным каналам; эмбеддинги и нормализации оставлены в BF16. По README, объём весов сокращён примерно с 32 до 16–17 ГБ. Для обработки аудио требуется отдельно загрузить MiMo-Audio-Tokenizer, а для загрузки чекпойнта — использовать совместимую реализацию FP8Linear; это не стандартный чекпойнт для обычной загрузки через from_pretrained. Для инференса нужны CUDA GPU с FP8 tensor cores и CUDA 12.0 или новее. Квантизация может немного ухудшить WER относительно BF16. Лицензия — MIT.

Сценарии применения

  • транскрибирование речи на китайском и английском языках
  • распознавание речи с переключением между китайским и английским
  • транскрибирование китайских диалектов
  • расшифровка шумных и многоголосых записей
  • распознавание слов в песнях
  • автоматическая расстановка пунктуации в транскрипте

Ограничения

Для инференса требуется отдельно загрузить MiMo-Audio-Tokenizer и использовать совместимый загрузчик с FP8Linear; обычная загрузка чекпойнта через from_pretrained не поддерживается. Квантизация FP8 может дать небольшое ухудшение WER по сравнению с BF16, а запуск требует CUDA GPU с FP8 tensor cores.

Для каких профессий подходит5

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

MiMo-V2.5-ASR — FP8 (e4m3fn)

FP8-quantized build of XiaomiMiMo/MiMo-V2.5-ASR, the Xiaomi MiMo end-to-end ASR model with native Mandarin/English code-switching, Chinese dialects, song lyrics, noisy/multi-speaker robustness, and native punctuation.

What this is

  • Weights: float8_e4m3fn, per-output-channel absmax scaling (one fp32 scale per row), baked at save time.
  • Activations: dynamic per-tensor fp8 quantization each forward pass.
  • Matmul: torch._scaled_mm (FP8 tensor cores on Ada / Hopper / Blackwell).
  • Skipped (kept bf16): embeddings, RMSNorm/LayerNorm, biases. 417 Linear layers converted.
  • The audio encoder/tokenizer (MiMo-Audio-Tokenizer) is not quantized; download it separately for inference.

This roughly halves the LLM weight footprint (~32 GB bf16 → ~16-17 GB on disk).

Important: this is NOT a drop-in from_pretrained checkpoint

model.safetensors stores custom FP8Linear buffers (*.weight_fp8, *.weight_scale), not standard HF Linear weights. It must be loaded through the matching FP8Linear modules. Use the loader below.

Usage

git clone https://github.com/XiaomiMiMo/MiMo-V2.5-ASR.git
cd MiMo-V2.5-ASR
pip install -r requirements.txt
pip install flash-attn==2.7.4.post1   # required by the audio tokenizer
hf download XiaomiMiMo/MiMo-Audio-Tokenizer --local-dir ./models/MiMo-Audio-Tokenizer
hf download Infatoshi/MiMo-V2.5-ASR-FP8 --local-dir ./MiMo-V2.5-ASR-FP8

Then install the maintained loader from RESMP-DEV/mimo-asr-fp8 and load with its FP8Linear implementation:

from quantize_fp8 import load_fp8_model
mimo = load_fp8_model(
    fp8_dir="./MiMo-V2.5-ASR-FP8",
    tokenizer_path="./models/MiMo-Audio-Tokenizer",
    repo_root=".",                     # the cloned MiMo-V2.5-ASR repo
)
print(mimo.asr_sft("audio.wav", audio_tag="<english>"))

Quantization fidelity

Per-output-channel absmax dequant error vs the original fp32 weights, sampled across depth (layers 0/17/35), all attn+mlp projections, lm_head, and the audio local transformer:

  • relative Frobenius error: ~0.026, uniform across every sampled layer (max 0.027 on lm_head)
  • no corrupted or outlier layers

This is the expected magnitude for fp8 e4m3 with per-channel scaling (3 mantissa bits).

Requirements

  • CUDA GPU with FP8 tensor cores (Ada / Hopper / Blackwell), CUDA >= 12.0
  • torch >= 2.6, safetensors
  • Blackwell (sm_120, e.g. RTX PRO 6000 / RTX 50xx): use a torch build with CUDA 12.8+ (torch >= 2.7, cu128). torch 2.6 cu124 ships no sm_120 kernels and will fail with "no kernel image is available for execution on the device".

Notes / caveats

  • FP8 e4m3fn weight-only-style quantization is lossy; expect small WER deltas vs bf16.
  • Per-tensor dynamic activation scaling is simple and fast but less accurate than per-token scaling on activations with large outliers.

Derivative of an MIT-licensed model; original credit to the Xiaomi MiMo team.

Как запустить

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

GPU в ailist

vLLM

Нельзя запустить

Модели нужен vLLM (квантизация), но архитектура MiMoV2ASRForCausalLM ему неизвестна.

Класс архитектуры
MiMoV2ASRForCausalLM
Ревизия весов
764e76e

0 моделей