Характеристики

Лицензия: Apache 2.0
Базовая модель: ced-tiny
Библиотека: ced.cpp
Опубликована: 21 июн 2026

Ссылки

ced-gguf

Классификация аудиоАудио → label3 профессии

mudler/ced-gguf — набор GGUF-квантизаций семейства CED (Consistent Ensemble Distillation), разработанного Xiaomi Corporation и преобразованного для работы с ced.cpp и LocalAI.

17 253скачиваний за 30 дней4лайкавеса обновлены21 июн 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

Модели предназначены для классификации звуков и sound event detection: они распознают повседневные события, включая плач ребёнка, шаги, разбитое стекло, сигналы тревоги и лай собак, используя таксономию AudioSet из 527 классов.

CED представляет собой аудиомодель на базе архитектуры AST/DeiT Vision Transformer, обрабатывающую log-mel-спектрограммы. Доступны варианты tiny на 5,5 млн параметров, mini на 9,6 млн, small на 22 млн и base на 86 млн параметров. Для каждого размера предусмотрены форматы f16 и q8_0, а для base также f32; размер файлов составляет примерно от 6 до 328 МБ. Конфигурация, метки классов и параметры mel-фильтробанка встроены в GGUF. Модели рассчитаны на работу на CPU без Python и PyTorch; tiny с q8_0 подходит для устройств уровня Raspberry Pi, а base с f16 ориентирована на максимальную точность. По данным README, порт численно согласуется с эталонной реализацией PyTorch, однако квантизация q8_0 несколько снижает точность численных прогнозов при сохранении совпадения top-5 тегов.

Основные ограничения — специализация на классификации звуков из фиксированной 527-классовой онтологии AudioSet и отсутствие заявленной поддержки других модальностей или произвольных текстовых запросов. Веса моделей распространяются по лицензии Apache-2.0; метки AudioSet — по CC-BY-4.0, а код ced.cpp — по MIT.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей IV.10Отраслевые задачиДом, личная жизнь, уход и повседневные задачиAI помогает помогать человеку планировать повседневные дела и безопасно управлять домашней средой.30 задач962модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CED (GGUF) for ced.cpp / LocalAI

GGUF quantizations of the CED family (Consistent Ensemble Distillation, Xiaomi) - SOTA-tier audio-tagging models that classify everyday sounds (baby cry, footsteps, glass breaking, alarms, dog bark, ...) into the 527-class AudioSet ontology.

These files run with ced.cpp, a standalone C++/ggml port (no Python, no PyTorch at inference), and with LocalAI via the ced backend. Converted from the mispeech/ced-* checkpoints (Apache-2.0). CED is a plain AST/DeiT Vision Transformer over a log-mel spectrogram; the port is numerically equal to the PyTorch reference.

Files

One self-contained GGUF per size + quant (config, 527 labels, and the mel filterbank/window are all embedded). Pick by your accuracy/size budget:

size	params	f16	q8_0	f32
tiny	5.5M	`ced-tiny-f16.gguf` (11 MB)	`ced-tiny-q8_0.gguf` (6 MB)	-
mini	9.6M	`ced-mini-f16.gguf` (19 MB)	`ced-mini-q8_0.gguf` (11 MB)	-
small	22M	`ced-small-f16.gguf` (42 MB)	`ced-small-q8_0.gguf` (23 MB)	-
base	86M	`ced-base-f16.gguf` (165 MB)	`ced-base-q8_0.gguf` (88 MB)	`ced-base-f32.gguf` (328 MB)

tiny/q8_0 (6 MB) is ideal for Raspberry-Pi-class CPUs; base/f16 is the accuracy default.

Parity vs PyTorch (ced-base, end-to-end probs)

quant	max abs diff	top-5 tags
f32	1.7e-7	identical
f16	6.4e-5	identical
q8_0	6.0e-3	identical

Performance (CPU, ced-base, 10s clip, Ryzen 9 9950X3D, 4 threads)

	latency	realtime factor	peak RSS
PyTorch (transformers, f32)	155.7 ms	65x	717 MB
ced.cpp f16	100.6 ms	100x	189 MB
ced.cpp q8_0	117.2 ms	86x	111 MB

ced.cpp f16 is ~1.55x faster than the PyTorch reference; q8_0 uses ~6.5x less memory.

Usage

ced-cli classify ced-base-f16.gguf clip.wav --top-k 5
# 0.87  Baby cry, infant cry
# 0.12  Crying, sobbing

In LocalAI: install the ced backend, configure a model with one of these GGUFs, then call POST /v1/audio/classification (or stream over the realtime websocket API for live recognition).

License

Model weights: Apache-2.0 (© Xiaomi Corporation; from the mispeech/ced-* checkpoints). AudioSet labels are CC-BY-4.0. The ced.cpp inference code is MIT.

Как запустить

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

GPU в ailist

Универсальный рантайм · ced.cpp

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов: b5e9a4a