/ Модель

Характеристики

Контекст
8 192 токена
Параметры
11,4 млрд
Размер весов
19,1 ГБ
Архитектура
chatglm · dense
Базовая модель
glm-4-voice-9b
Библиотека
transformers
Опубликована
15 июн 2026

turnguide_loss_3_1

Генерация текстаТекст → текст3 профессии

Дообученный чекпойнт GLM-4-Voice для полнодуплексного голосового диалога с динамическим чередованием текста и речи.

12скачиваний за 30 дней0лайковвеса обновлены15 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

TurnGuide Checkpoint turnguideloss31 — дообученная модель на основе GLM-4-Voice-9B, разработанная для системы TurnGuide. Она поддерживает полнодуплексное голосовое общение с динамическим чередованием текста и речи на уровне ходов диалога. Этот вариант обучен с соотношением весов функции потерь для текстовых и речевых токенов 3:1; для инференса используется код TurnGuide, а речевой токенизатор и декодер GLM-4-Voice нужно подключать отдельно. Модель содержит 11,4 млрд параметров, использует архитектуру ChatGLM и контекст до 8192 токенов.

Чекпойнт предназначен для исследовательского использования в голосовых диалоговых сценариях, где важны естественная смена реплик и совместная генерация текста и речи. Базовая языковая часть GLM-4-Voice рассчитана на китайский и английский языки. Для загрузки требуются пользовательский код GLM-4-Voice и параметр trust_remote_code=True. Условия использования определяются лицензиями исходной модели GLM-4-Voice и связанных компонентов; отдельная лицензия чекпойнта в предоставленных данных не указана.

Сценарии применения

  • полнодуплексные голосовые диалоги
  • генерация речи с синхронным текстовым ответом
  • естественное чередование реплик в голосовом общении

Ограничения

Для инференса нужны отдельные код TurnGuide, речевой токенизатор и декодер GLM-4-Voice; загрузка требует пользовательского кода с trust_remote_code=True. Использование ограничено исследовательским конвейером TurnGuide, а условия лицензирования зависят от исходной модели и связанных компонентов.

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

TurnGuide Checkpoint: turnguide_loss_3_1

This repository hosts the TurnGuide fine-tuned checkpoint used by the inference code in the TurnGuide GitHub repository.

This checkpoint was trained with a text:speech token loss ratio of 3:1.

TurnGuide is introduced in:

TurnGuide: Enhancing Meaningful Full Duplex Spoken Interactions via Dynamic Turn-Level Text-Speech Interleaving

🎉 TurnGuide has been accepted to Interspeech 2026 Long Paper Track!

What This Checkpoint Is

turnguide_loss_3_1 is a GLM-4-Voice-based checkpoint for TurnGuide inference. It is one of two released TurnGuide checkpoints:

Both checkpoints can be used with the same TurnGuide inference script by changing --model-path.

This checkpoint is intended to be used with:

The decoder is not included in this checkpoint repository and should be downloaded separately.

Installation

Clone the TurnGuide code repository:

git clone https://github.com/dreamtheater123/TurnGuide.git
cd TurnGuide

Create the tested environment:

conda env create -f environment.yml
conda activate turnguide

The tested core environment uses:

Python 3.10.16
PyTorch 2.5.0
CUDA 12.1
torchaudio 2.5.0
transformers 4.44.1

Download the GLM-4-Voice decoder:

git clone https://huggingface.co/zai-org/glm-4-voice-decoder

Inference

Run TurnGuide inference from the TurnGuide repository:

python turnguide_inference.py \
  --input-audio path/to/input.wav \
  --model-path qqjz/turnguide_loss_3_1 \
  --tokenizer-path zai-org/glm-4-voice-tokenizer \
  --flow-path ./glm-4-voice-decoder \
  --output-dir ./turnguide_demo_output

To use the 2:1 checkpoint instead, replace --model-path qqjz/turnguide_loss_3_1 with --model-path qqjz/turnguide_loss_2_1.

The script writes:

  • assistant.wav: generated assistant-channel speech
  • stereo_user_left_assistant_right.wav: stereo audio with user speech on the left channel and assistant speech on the right channel
  • a JSON file containing interleaved decoded text information

Notes

  • This checkpoint uses custom GLM-4-Voice code and should be loaded with trust_remote_code=True.
  • The checkpoint is designed for research use with the TurnGuide inference pipeline.
  • Model weights from GLM-4-Voice and related assets are governed by their respective licenses. Please follow the license terms of the original GLM-4-Voice models and decoder.

Citation

@article{turnguide2026,
  title={TurnGuide: Enhancing Meaningful Full Duplex Spoken Interactions via Dynamic Turn-Level Text-Speech Interleaving},
  author={Cui, Wenqian and Zhu, Lei and Li, Xiao-Hui and Guo, Zhihan and Bai, Haoli and Hou, Lu and King, Irwin},
  journal={arXiv preprint arXiv:2508.07375},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
ChatGLMForConditionalGeneration
Ревизия весов
bb0d4eb

0 моделей