/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,1 млрд
Размер весов
19,5 ГБ
Лицензия
Своя лицензия
Архитектура
qwen2 · dense
Библиотека
transformers
Опубликована
2 окт 2026

EchoChat

Генерация текстаТекст → текст3 профессии

EchoChat — диалоговая модель на базе Qwen2, которая использует аудио как условие и генерирует текст и речевые токены.

534скачиваний за 30 дней1лайквеса обновлены2 окт 2026

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

EchoChat — разговорная модель с аудиоусловием, опубликованная ddwang2000. Репозиторий содержит языковую модель на архитектуре Qwen2 с 7,1 млрд параметров, токенизатор и веса аудиоэнкодера Whisper; контекст составляет 8192 токена. Модель предназначена для диалоговой генерации текста и речевых токенов по аудиовходу.

Это компонентный чекпойнт, а не готовый стандартный конвейер Transformers: для сквозной работы с аудио нужны совместимые извлечение признаков, промптинг и логика генерации. Для синтеза звуковой волны требуется отдельный совместимый декодер, которого в репозитории нет. Код аудиоэнкодера требует совместимой CUDA/FlashAttention-среды. Лицензия указана как other; README отсылает к LICENSE, каталогам лицензий и сторонним уведомлениям, поэтому условия следует сверять с этими файлами.

Сценарии применения

  • диалоговые ответы на входные аудиоданные
  • генерация текста с учетом аудиоконтекста
  • генерация речевых токенов в разговорном сценарии

Ограничения

Это компонентный чекпойнт, для сквозной обработки аудио нужны дополнительные извлечение признаков и логика генерации; синтез звуковой волны требует отсутствующего в репозитории декодера. Аудиоэнкодер требует совместимой CUDA и FlashAttention-среды.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

EchoChat

EchoChat is an audio-conditioned conversational model with text and speech-token outputs. This repository provides the language model, tokenizer, and audio encoder weights.

Files and loading

  • Root: language model weights, tokenizer, configuration and custom model code.
  • audio_encoder/: complete audio encoder weights, configuration and its custom implementation.
  • LICENSE, licenses/, THIRD_PARTY_NOTICES.md: applicable licenses and notices.
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "ddwang2000/EchoChat"
tokenizer = AutoTokenizer.from_pretrained(repo, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    repo, trust_remote_code=True,
    torch_dtype=torch.bfloat16,
    attn_implementation="flash_attention_2",
).to("cuda").eval()

The custom audio encoder class is WhisperEncoder in audio_encoder/modeling_audio_encoder.py. Instantiate it with the supplied configuration and strictly load audio_encoder/model.safetensors. Its custom attention implementation requires a compatible CUDA/FlashAttention runtime.

This is a component checkpoint, not a standard Transformers text-generation pipeline. End-to-end audio use requires compatible feature extraction, prompting, and text/speech-token generation logic. Waveform synthesis additionally requires a separately licensed compatible decoder, which is not included here.

Dependencies

The component configuration targets Transformers 4.51.3. Runtime dependencies include PyTorch, Transformers, safetensors, tiktoken, einops, and a compatible FlashAttention build for CUDA execution. Inspect the custom code before enabling trust_remote_code=True.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
EchoChatForCausalLM
Ревизия весов
b6d2bc8

0 моделей