/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
Ornith-1.5-9B
Опубликована
14 сен 2026

Ornith-1.5-9B-Omni-GGUF

Синтез речиТекст → аудио10 профессий

Мультимодальный GGUF-набор Ornith и Qwen для генерации текста и речи, распознавания аудио и понимания изображений и видео.

571скачиваний за 30 дней0лайковвеса обновлены14 сен 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

Ornith-1.5-9B-Omni-GGUF — мультимодальный набор моделей, опубликованный cudabenchmarktest в формате GGUF и предназначенный для запуска через Ollama вместе с адаптером Robit. В состав входят текстовая модель Ornith 1.5 9B с пониманием изображений, инструментами и опциональным режимом рассуждений, граф Qwen3-Omni для анализа аудио, изображений и видео, а также Qwen3-TTS для синтеза речи. Компоненты работают как отдельные графы, связанные семантическим адаптером.

Набор поддерживает генерацию текста и речи, распознавание речи, интерпретацию окружающих звуков, понимание изображений и анализ выбранных кадров видео. Основной GGUF-файл является контейнером sidecar с шестью представлениями моделей и проекторов, а не самостоятельной стандартной моделью Ollama. Текстовые функции и понимание изображений запускаются через стандартный Ollama; для аудио, видео и синтеза речи требуется адаптер Robit с закреплённой версией llama.cpp. Генерация видео не поддерживается.

В метаданных указан формат GGUF и лицензия «other»; конкретные условия лицензии следует сверить с опубликованными уведомлениями и источниками компонентов. README предупреждает, что мультимедийные данные, транскрипты, OCR, подписи и результаты инструментов следует считать недоверенным вводом.

Сценарии применения

  • синтез речи по тексту
  • распознавание речи в аудиозаписях
  • интерпретация окружающих звуков
  • ответы на вопросы по изображениям
  • анализ содержания видео по выбранным кадрам
  • генерация текста с вызовом инструментов

Ограничения

Для аудио, видео и синтеза речи требуется адаптер Robit; стандартный Ollama исполняет только текстовые функции, инструменты и понимание изображений. Модель анализирует видео, но не генерирует его; лицензия указана как «other», поэтому условия использования следует проверять отдельно.

Для каких профессий подходит10

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

Ornith-1.5-9B-Omni (Q4_K_M)

This repository supplies the custom six-view GGUF sidecar for the logical Ollama model robit/ornith-1.5-omni:q4km. Its base reasoning model is the stock ornith-ai/Ornith-1.5-9B, not the OBLITERATUS derivative.

The release combines:

  • stock Ornith 1.5 9B text generation, native image vision, parsed optional thinking, and structured tools;
  • Qwen3-Omni audio, image, and sampled-video comprehension;
  • Qwen3-TTS text-conditioned 24 kHz speech generation.

These are independently executable graphs connected by a documented semantic adapter. This is not a claim that incompatible hidden states were tensor-spliced.

Published locations

Important: sidecar, not a standalone graph

ornith-1.5-9b-omni-q4km.gguf is one valid GGUF v3 container containing six namespaced model/projector views. It is not a standard single-architecture FROM target for stock Ollama.

The Ollama tag retains normal stock model/projector layers and adds the sidecar as application/vnd.robit.ollama.omni.bundle.v1+gguf. Stock Ollama executes text, native image vision, tools, and thinking. The Robit adapter resolves the same installed tag and runs the audio/video/TTS views with the pinned llama.cpp runtime.

Install and run

ollama pull robit/ornith-1.5-omni:q4km
git clone https://github.com/robit-man/qwen-omni-adapters.git
cd qwen-omni-adapters

OMNI_MODEL=robit/ornith-1.5-omni:q4km \
OMNI_LANGUAGE_MODEL=robit/ornith-1.5:9b \
./deploy.sh

The deployment validates the sidecar, materializes disposable media views, starts CUDA workers under the host GPU broker, exercises local smoke gates, and prints the authenticated portal URL. Ordinary Ollama clients may use the same tag directly for text/image/tools/thinking.

Advanced users can inspect or extract the Hugging Face sidecar with:

python -m training_suite omni-inspect ./ornith-1.5-9b-omni-q4km.gguf
python -m training_suite omni-attach your-exact-stock-ornith-tag:q4km \
  ./ornith-1.5-9b-omni-q4km.gguf
python -m training_suite omni-prepare your-exact-stock-ornith-tag:q4km \
  --out ./runtime-cache

The target must contain the exact base and projector digests below. Attaching the sidecar to an arbitrary model does not make that model Omni.

Artifact inventory

ItemValue
Fileornith-1.5-9b-omni-q4km.gguf
Size27,915,305,504 bytes
SHA-2561302c601bbfa81d0efa80167beecaac14b6ecbbada377ff814ce1da4d22e0f6d
Tensors2,889
Base model9.0B, Q4_K_M, 262,144-token context
Artifact schemarobit.ollama-monolithic-omni.v3
Wire schemarobit.ollama.omni-adapter.v1
llama.cpp458681e1d5d4a29a1463c4732e03226cf384b997

The base namespace is unprefixed; b.p.* is its projector; a.c.m.* and a.c.p.* are comprehension; s.t.m.* and s.t.p.* are TTS. The exact machine-readable inventory is published as ornith15-stock-sidecar-manifest.json.

Capability boundary

CapabilityExecutor
Text, tools, optional thinkingstock Ornith through Ollama
Native image understandingstock Ornith projector through Ollama
ASR and environmental sound interpretationQwen3-Omni through adapter
Sampled video/GIF understandingQwen3-Omni through adapter
Spoken replies and voice referencesQwen3-TTS through adapter

The model-level generation setting uses Ollama's num_predict=-1, removing the source tag's inherited 16,384-token output cap. Clients may still set a per-request output limit.

Limitations and safety

  • Stock Ollama does not execute audio/video/TTS from the custom layer; use the adapter for those routes.
  • The bridge is semantic text, not a learned dense connector.
  • Video support is comprehension only, not video generation.
  • Media, transcripts, OCR, captions, and tool results are untrusted input.
  • Public deployments need authentication, rate limits, isolated tool execution, bounded decoding, monitoring, and appropriate output controls.

See the included release record, sidecar manifest, validation report, and third-party notices for reproducibility and attribution.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
0abc6e4

0 моделей