/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
2,7 млрд
Архитектура
minicpm · dense
Базовая модель
MiniCPM-duplex
Опубликована
14 июл 2026

MiniCPM-duplex-rl

Генерация текстаТекст → текст3 профессии

Дообученная MiniCPM для управления паузами и очередностью реплик в полнодуплексном голосовом диалоге.

8скачиваний за 30 дней0лайковвеса обновлены21 июл 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

enochlev разработал MiniCPM-duplex-rl как дообученную с помощью обучения с подкреплением версию enochlev/MiniCPM-duplex. Это языковая модель MiniCPM с архитектурой MiniCPMForCausalLM и 2,7 млрд параметров; она анализирует текстовое представление блоков диалога и примерно каждые 1,7 секунды решает, говорить ли или сохранять паузу. Контекст модели — до 4096 токенов.

Модель предназначена для управления очередностью реплик в голосовом диалоге с одновременной речью: она реже перебивает, уступает при вмешательстве собеседника и возобновляет речь после наложения голосов. Обучение REINFORCE на блочных наградах поощряло своевременные ответы и паузы, а также учитывало перебивания и пропущенные реплики. В README приведены результаты оценки на Full-Duplex-Bench; по сравнению с базовой моделью сдержанность достигается ценой меньшей отзывчивости на прямые перебивания.

Для применения в голосовом стеке README описывает подачу текстовых блоков в модель и интеграцию с отдельными компонентами распознавания и синтеза речи; сама модель не заявлена как ASR или TTS. В карточке указано использование формата safetensors, а для описанной конфигурации обслуживания рекомендуется bf16. Лицензия в предоставленных данных не указана.

Сценарии применения

  • решение, говорить ли в очередном блоке голосового диалога
  • снижение перебиваний собеседника
  • уступка реплики при одновременной речи
  • возобновление речи после наложения голосов
  • управление паузами и очередностью реплик в голосовом интерфейсе

Ограничения

Модель менее отзывчива на прямые перебивания, чем базовая версия; обучение проведено за 180 шагов, а приведённая оценка опирается на ограниченный набор бенчмарков. README рекомендует bf16: fp8 и жадная генерация нарушают решение о переходе между молчанием и речью.

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

MiniCPM-duplex-rl

A full-duplex turn-taking RL fine-tune of enochlev/MiniCPM-duplex (MiniCPM-duplex, from xinrongzhang2022/MiniCPM-duplex). The model decides every ~1.7 s block whether to speak or stay silent while the user may also be speaking; this checkpoint was trained with REINFORCE over block-level turn-taking rewards (interruption penalties, timely-response rewards, silence penalties) for 180 steps.

Effect: compared to the base model it interrupts the user less, yields to barge-ins, and resumes after overlapping speech — trading away some take-turn responsiveness on direct interruptions.

Training + serving code: enochlev/text-only-duplex-model

Serving

Serve bf16 (fp8 + greedy sampling breaks the idle/speak decision):

vllm serve enochlev/MiniCPM-duplex-rl \
    --served-model-name cpm-text-duplex --max-model-len 3000 \
    --gpu_memory_utilization 0.30 --trust-remote-code

then point the repo's server.py --cpm at it for the real-time audio stack (Kokoro TTS + Parakeet ASR + WebSocket client protocol).

FullDuplexBench results (base vs this model)

Evaluated with Full-Duplex-Bench (GPT-4o behavior classification).

v1.5 — behavior distribution + stop/response latency (pooled, seconds)

Task (desired)ModelnRESPONDRESUMEStop (s)Resp (s)
user_interruption (RESPOND ↑)base2000.650.202.171.93
rl1750.490.362.212.60
user_backchannel (RESUME ↑)base980.000.520.731.93
rl980.000.630.672.03
talking_to_other (RESUME ↑)base1000.470.241.431.90
rl1000.280.431.532.18
background_speech (RESUME ↑)base1000.630.251.212.27
rl980.450.311.192.32

The RL model wins the three tasks whose desired behavior is staying quiet / resuming (backchannels, third-party speech, background speech) and is less eager on direct user interruptions.

v1.0 — turn-taking dimensions

Metricbaserl
Candor Pause Handling · take-turn0.9160.635
Candor Turn Taking · take-turn / latency0.992 / 0.31s0.861 / 0.85s
ICC Backchannel · JSD / TOR / Freq0.44 / 0.71 / 0.440.69 / 0.73 / 0.15
Synthetic Pause Handling · take-turn0.9340.653
Synthetic User Interruption · rating / take-turn / latency4.15 / 1.0 / 0.71s4.04 / 0.98 / 1.76s

v1.0's take-turn/latency conventions favor the eager base model; the consistent direction across both versions reflects the RL objective — restraint over eagerness.

Training summary

  • 180 REINFORCE steps, lr 5e-6, 32 episodes/step, γ=0.90, per-batch z-scored advantages
  • Block-level rewards: interruption penalty, timely-response reward, silence penalty, missed-turn penalty, backchannel-loop penalty
  • Seed-reproducible (two independent seeds: best avg reward +1.36 / +1.35); replay eval cut stale-overlap speech ~45% vs base without going over-silent

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
MiniCPMForCausalLM
Ревизия весов
b36044c

0 моделей