/ 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-M18nc

Обработка аудиоАудио → аудио3 профессии

Экспериментальная модель полного дуплексного преобразования речи в речь для разговоров с учётом времени.

13скачиваний 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-M18nc — экспериментальный чекпойнт модели RaonDuplexModel для двустороннего речевого общения с учётом времени. Разработчик выпустил его под кодовым названием, пока связанная с ним статья проходит анонимное рецензирование. Модель дообучена на 4 440 синтетических диалогах с временными метками слов, полученными принудительным выравниванием аудио; обучение длилось два эпоха.

Модель предназначена для сценариев преобразования речи в речь в режиме полного дуплекса, где собеседники могут говорить одновременно. В README указаны частота кадров 12,5 кадра в секунду и аудио с частотой дискретизации 24 кГц. На 100 тестовых диалогах согласованность символов между текстовым потоком решений и сгенерированным аудио составила в среднем 88,9%, а полнота слов — 72,7%; результаты ниже, чем у нетренированной базовой модели. Обучающие данные, код и скрипты оценки не опубликованы. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Сценарии применения

  • двусторонний разговор с одновременной речью собеседников
  • эксперименты с диалоговыми системами speech-to-speech
  • оценка согласованности текстовых решений и синтезированной речи

Ограничения

В тесте на 100 диалогах согласованность символов и полнота слов оказались ниже показателей нетренированной базовой модели. Обучающие данные, код обучения и скрипты оценки не опубликованы; лицензия CC BY-NC 4.0 не допускает коммерческого использования.

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-M18nc

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-6, no native clock. Best checkpoint in this series.

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)88.9% / 91.2%92.6% / 96.2%
word-level recall72.7%79.1%
severe mismatch (<50%)4/1006/100
text emission rate3.2 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
2372766

0 моделей