/ Модель

Характеристики

Лицензия
MIT
Библиотека
mlx
Опубликована
1 окт 2026

phartakos-mlx

Обработка аудиоАудио → аудио3 профессии

Производная модели pequodresearch/phartakos-mlx. Phartakos MLX — диффузионная модель для генерации коротких монофонических звуков метеоризма на Apple Silicon.

84скачиваний за 30 дней1лайквеса обновлены1 окт 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

Карточка модели mlx-community/phartakos-mlx на Hugging Face совпадает с карточкой pequodresearch/phartakos-mlx, поэтому описание составлено по ней.

Phartakos MLX — модель-генератор звуков метеоризма, подготовленная pequodresearch для локального запуска на компьютерах Apple Silicon. Это безусловная генеративная модель на основе многомасштабного waveform U-Net с диффузионным процессом: она создаёт монофоническое аудио с частотой 32 кГц, обычно длительностью одну секунду. Для генерации используется полный 200-шаговый ancestral DDPM; модель работает только на этапе инференса.

Модель предназначена для создания коротких звуковых эффектов. В тесте сравнения длительности двухсекундные образцы получили больше предпочтений, однако не достигли заранее заданного порога принятия, поэтому длительность по умолчанию — одна секунда. Генерация может звучать неправдоподобно, повторяться или фрагментироваться, а также напоминать обучающие записи. Для работы требуются Apple Silicon и macOS 14 или новее. Модель распространяется по лицензии MIT.

Сценарии применения

  • создание короткого звукового эффекта метеоризма
  • генерация комических звуков для видео и игр
  • локальное создание аудиоэффектов на Mac с Apple Silicon

Ограничения

Звуки могут быть неправдоподобными, повторяющимися, фрагментированными или похожими на обучающие записи. Проверенная среда запуска — Apple Silicon с macOS 14 или новее; генерация длительностью три секунды не прошла сопоставимую проверку прослушиванием.

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

Phartakos MLX

a fart machine for the modern age

Initial release: 0.1.0.

An inference-only, unconditional waveform fart generator for Apple Silicon. It emits 32 kHz mono audio with a frozen multiscale waveform U-Net and the exact 200-step ancestral DDPM sampler used in evaluation. This is a small research model, not a claim of realism or parity with recorded audio.

Run locally

Requires Apple Silicon, macOS 14 or newer, Python 3.12 and uv.

uv sync
uv run python app.py

Or use the CLI (one second is the default):

uv run phartakos-mlx --seconds 1 --seed 0 --output fart.wav

Use --random-seed to choose a new unsigned 32-bit seed. The CLI prints the selected seed, and the Gradio app writes it back into the Seed field, so generated audio remains exactly replayable by disabling random mode and reusing that value. Gradio downloads use phartakos_mlx_010_<seed>_<length>s.wav filenames.

The CLI and Gradio app call the same generate() function. Choices are exactly:

  • 1 second: default;
  • 2 seconds: experimental creative option;
  • 3 seconds: experimental and pending validation.

These are output waveform lengths, not guaranteed single-event durations.

Duration evidence

In the closed, fresh-seed 1s-versus-2s zero-shot study, two seconds received 8 exclusive preferences versus 5 for one second, with 3 ties. Mean naturalness was 3.875 versus 3.625. It nevertheless missed the preregistered adoption gate: two-second continuity was slightly lower (4.1875 versus 4.3125), and promotion required at least 9 exclusive wins. One second therefore remains the default. Three-second generation is architecture-compatible but has not had a comparable listening validation and may use materially more time and memory.

Exact inference contract

  • Model: unconditional multiscale waveform U-Net, epsilon prediction.
  • Audio: mono float32, 32,000 Hz; trained on one-second canvases.
  • Process: discrete variance-preserving diffusion, 200 linearly spaced betas from 0.0001 to 0.02.
  • Sampler: full 200-step ancestral DDPM; no shortened or deterministic schedule.
  • Output: per-sample attenuation only, capped at -1 dBFS; it never amplifies or clips the raw result.
  • Seed: unsigned 32-bit integer and deterministic under the pinned runtime on the same supported platform.

config.json is the machine-readable contract. MANIFEST.json records hashes for every exported file and binds this bundle to the source checkpoint, run identity and recipe. model.safetensors contains only model.* tensors renamed to inference keys: optimizer state, training metrics, RNG continuation state, datasets and samples are excluded.

Provenance and limitations

Thank you to Alec Ledoux for creating and sharing the Fart Recordings Dataset on Kaggle, which provided the source recordings used for this model's training lineage.

The selected terminal checkpoint SHA-256 is 052764c7eeea3c6781cbab6e83885ef2d40e29e601925c9033296178227fdc6d. Its run identity SHA-256 is 25e7c585e4abf974683a65b6597fd74956caf2ca7318ebe4cd496d19892c4391. It was trained for 25,000 updates from the RMS-centroid, 2,048-record lineage, ending with frequency-weighted and multiresolution spectral reconstructed-x0 auxiliary losses. Those losses affect training; inference remains epsilon prediction with ancestral DDPM.

Generated audio can be implausible, repetitive, fragmented or resemble training material. The underlying recordings are not distributed here. This package is inference-only and has no training or upload path. The MLX backend is validated for local Apple-Silicon use. A Linux-hosted Hugging Face Space would require a separate backend port, numerical parity checks and listening validation.

License

MIT for code and weights. See LICENSE and NOTICE for implementation ancestry.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
d106854

0 моделей