/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
TinyLlama_v1.1
Библиотека
transformers
Опубликована
16 сен 2024

salt-116k

Генерация текстаТекст → текст5 профессий

Мультимодальная модель на базе TinyLlama для распознавания речи и синтеза речи.

522скачиваний за 30 дней4лайкавеса обновлены27 окт 2024

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Vikhr Salt — мультимодальная модель, разработанная Ксенией Сычёвой, Константином Королёвым и Александром Николичем. Она дообучена на TinyLlama/TinyLlama_v1.1 и расширена аудиотокенами для распознавания речи и синтеза речи.

Модель относится к семейству Llama, имеет около 1 млрд параметров и принимает текст и аудио, выдавая текст или аудио. В README описаны варианты кодирования аудио Encodec и SpeechTokenizer; метаданные указывают контекст 2048 токенов. Модель подходит для преобразования речи в текст и генерации речи из текста.

Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества, поэтому точность распознавания и естественность синтеза по этим данным определить нельзя.

Сценарии применения

  • распознавание речи и получение текстовой расшифровки
  • синтез речи из текстовой фразы
  • создание речевого интерфейса с обработкой текста и аудио

Ограничения

В карточке нет результатов оценки качества распознавания и синтеза; языковая поддержка явно обозначена только для английского. Контекст ограничен 2048 токенами.

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

Vikhr Salt: Speech And Language Transformer

Vikhr Salt Logo

Vikhr Salt is a multimodal model based on a pre-trained large language model, extended with new audio tokens to handle both TTS (text-to-speech) and ASR (automatic speech recognition) tasks. The model incorporates two variants for encoding audio—Encodec and SpeechTokenizer—and achieves stable training by fine-tuning precision settings. This approach allows Vikhr Salt to leverage pre-existing LLM knowledge while effectively generating and understanding speech, marking a step forward in multimodal learning.

Model Authors

Ksenya Sycheva, Konstantin Korolev, Aleksandr Nikolic

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
ee7a752

0 моделей