/ Модель

Характеристики

Размер весов
63,8 ГБ
Архитектура
gemma4 · dense
Опубликована
6 авг 2026

LFG-3

Генерация текстаТекст → текст3 профессии

Аудиоязычная модель для ответов текстом на вопросы и инструкции, произнесённые на английском языке.

36скачиваний за 30 дней4лайкавеса обновлены13 авг 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

LFG-3 — аудиоязыковая модель Glenn2, которая принимает английскую речь и формирует текстовые ответы. Она объединяет разговорные возможности Gemma 4 31B с аудиоэнкодером Parakeet через обученный проекционный слой и предназначена для понимания устных вопросов и инструкций, включая то, как они произнесены, а не только для преобразования речи в текст.

Модель создана как независимый эксперимент и обучалась одним разработчиком на одном H100. В README заявлено первое место в Voice Bench на момент выпуска; приведены оценки AlpacaEval, CommonEval и WildVoice. Карточка не указывает лицензию и размер чекпойнта, поэтому условия распространения по этим данным определить нельзя.

Сценарии применения

  • ответы на устные вопросы на английском языке
  • выполнение произнесённых инструкций с текстовым ответом
  • создание англоязычного голосового ассистента
  • оценка понимания речи в диалоговых сценариях

Ограничения

Предназначена для английской речи и выдаёт текст; результаты Voice Bench заявлены автором README и не описывают все возможные сценарии. В предоставленных данных не указана лицензия.

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

LFG-3-hero

LFG-3 is an audio-language model that fuses the best-in-class conversational intelligence of Gemma 4 31B with a Parakeet audio encoder through a trained projection layer. Speech goes in, text comes out.

The model is the third iteration in a personal learning journey to answer the question: "Can I stand on the shoulders of giants and use limited compute resources to build a standout model that can understand what and how you say things, not just speech to text?"

The answer is Yes. LFG-3 was trained entirely on a single H100 from my house on nights and weekends. It ranks #1 on Voice Bench at the time of this release.

LFG-3 serves as an open exploration of just how adaptable the Gemma architecture can be for independent developers building multimodal applications.

Voice Bench Results

SubsetMetricScore
AlpacaEval(1-5, GPT)4.73
CommonEval(1-5, GPT)4.40
WildVoice(1-5, GPT)4.45
SD-QA(% GPT majority)78.12
MMSU(% accuracy)85.52
OpenBookQA(% accuracy)94.73
BBH(% accuracy)92.20
IFEval(% strict-loose avg)88.54
AdvBench(% refusal rate)98.27
Overall89.88

Screenshot 2026-08-12 at 8.24.27 AM

Usage

import soundfile as sf
from transformers import AutoModelForMultimodalLM, AutoProcessor

MODEL = "glenn2/LFG-3"
processor = AutoProcessor.from_pretrained(MODEL, trust_remote_code=True)
model = AutoModelForMultimodalLM.from_pretrained(
    MODEL, trust_remote_code=True, dtype="bfloat16", device_map="cuda"
)
audio, sr = sf.read("question.wav")  # 16 kHz mono


messages = [
    {"role": "system", "content": [{"type": "text", "text": "You are a helpful voice assistant. The user is speaking to you, and your reply will be read aloud."}]},
    {"role": "user", "content": [{"type": "audio", "audio": audio}]}, # Audio should be 16 kHz mono. 
]
# Process input
inputs = processor.apply_chat_template(
    messages,
    tokenize=True,
    return_dict=True,
    return_tensors="pt",
    add_generation_prompt=True,
    enable_thinking=True
).to(model.device)
input_len = inputs["input_ids"].shape[-1]

# Generate output
outputs = model.generate(**inputs, max_new_tokens=4096)
response = processor.decode(outputs[0][input_len:], skip_special_tokens=False)

# Parse output
print(processor.parse_response(response)["content"])  

Intended use

  • Designed for English spoken questions/instructions → text answers.
  • Inherits knowledge from the Gemma 4 31B IT model.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma4ForConditionalGeneration
Ревизия весов
80c9ef5

0 моделей