/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
19,4 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
raon_duplex · dense
Библиотека
transformers
Опубликована
19 авг 2026

Mercury-M13nc

Обработка аудиоАудио → аудио3 профессии

Экспериментальная модель полного дуплекса для диалогов, которая преобразует входящую речь в речевой ответ с учётом времени.

8скачиваний за 30 дней0лайковвеса обновлены19 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

Mercury-M13nc — экспериментальный чекпойнт модели RaonDuplex, дообученный для диалогов с речью в режиме полного дуплекса и учётом времени. Модель принимает аудио и предназначена для генерации речевого ответа, одновременно учитывающего временную структуру разговора. Чекпойнт обучали два эпохи на 4 440 синтетических диалогах полного дуплекса; временные метки слов получены принудительным выравниванием аудио, а не из собственных кадровых решений модели. Кадровая частота составляет 12,5 кадра в секунду, аудио — 24 кГц.

В README сообщается о низкой согласованности между текстовыми решениями модели и сгенерированной речью: символьная согласованность составила 73,6%, а полнота слов — 49,4%; в 51 из 100 проверенных диалогов несоответствие было серьёзным. Это ограничивает применение модели и указывает на экспериментальный характер чекпойнта. Обучающие данные, код и скрипты оценки не опубликованы. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

Сценарии применения

  • эксперименты с речевыми диалогами полного дуплекса
  • создание прототипа голосового собеседника с одновременным обменом репликами
  • изучение временной структуры в речевом взаимодействии

Ограничения

В тесте на 100 диалогах отмечены низкая согласованность текста и аудио и низкая полнота слов; серьёзное несоответствие выявлено в 51 диалоге. Обучающие данные, код и скрипты оценки не опубликованы.

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

Mercury-M13nc

A full-duplex speech-to-speech model fine-tuned for time-aware conversation. Released under a codename while the associated paper is under anonymous review.

What this checkpoint is

PAD loss weight 1.0, effective batch 1, lr 1e-5, no native clock.

Trained for 2 epochs on 4,440 self-generated full-duplex dialogues whose word timestamps come from forced alignment of the rendered audio (not from the model's own decision frames).

Reported measurements

Text/audio consistency on 100 held-out dialogues — does the produced audio actually say what the text-decision stream decided? Both sides come from the model's own artifacts; no reference transcript is involved.

this checkpointuntuned base
character-level consistency (mean / median)73.6% / 75.3%92.6% / 96.2%
word-level recall49.4%79.1%
severe mismatch (<50%)51/1006/100
text emission rate2.7 tok/s2.5 tok/s

Frames are 80 ms (12.5 fps), audio is 24 kHz.

Attribution and licence

Derived from a publicly available full-duplex speech model released under CC-BY-NC-4.0. This checkpoint inherits that licence: non-commercial use only. The base model's name and full attribution are withheld only for the duration of anonymous review and will be added here once the associated paper is de-anonymised.

Not included

Training code, data, and evaluation scripts are withheld during anonymous review.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Класс архитектуры
RaonDuplexModel
Ревизия весов
87eebc6

0 моделей