/ 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-M17nc

Обработка аудиоАудио → аудио

Экспериментальная полнодуплексная модель преобразования речи в речь для диалога с учётом временной структуры.

7скачиваний 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-M17nc — экспериментальная модель RaonDuplex для двустороннего преобразования речи в речь и диалога с учётом времени. По README, это вариант M18nc, дообученный с learning rate 3e-6: обучение длилось 2 эпохи на 4 440 самостоятельно сгенерированных полнодуплексных диалогах, а временные метки слов получены принудительным выравниванием аудио. Модель обрабатывает аудио с частотой 24 кГц и использует кадры длительностью 80 мс (12,5 кадра в секунду).

Автор сообщает о низкой согласованности между текстовыми решениями модели и созданным аудио на 100 тестовых диалогах: посимвольная согласованность составила 71,9%, а полнота слов — 45,8%. Эти измерения не сверялись с эталонной расшифровкой. Обучающие данные, код и скрипты оценки не опубликованы. Модель выпущена под лицензией CC BY-NC 4.0, допускающей использование с указанием авторства и запрещающей коммерческое применение.

Сценарии применения

  • эксперименты с полнодуплексным голосовым диалогом
  • исследование синхронизации текстовых решений и генерируемой речи
  • оценка временной согласованности речи в диалогах

Ограничения

В сообщённой оценке наблюдается низкая согласованность между текстовыми решениями и генерируемым аудио; результат измерен без эталонной расшифровки. Обучающие данные, код и скрипты оценки недоступны, коммерческое использование запрещено лицензией.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Mercury-M17nc

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

Same as M18nc but lr 3e-6.

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)71.9% / 74.3%92.6% / 96.2%
word-level recall45.8%79.1%
severe mismatch (<50%)55/1006/100
text emission rate2.8 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
888cc38

0 моделей