/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,1 млрд
Лицензия
CC BY-NC-SA 4.0
Архитектура
qwen2 · dense
Базовая модель
SylReg-LM-7B
Библиотека
transformers
Опубликована
25 мая 2026

SylReg-LM-7B-Instruct

Генерация текстаТекст → текст6 профессий

Англоязычная диалоговая модель на 7,1 млрд параметров для генерации текста, дообученная на базе SylReg-LM-7B.

32скачиваний за 30 дней0лайковвеса обновлены18 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

SylReg-LM-7B-Instruct — англоязычная диалоговая модель генерации текста, разработанная на базе Qwen2 и дообученная из ryota-komatsu/SylReg-LM-7B. В метаданных указана архитектура Qwen2ForCausalLM с плотными весами на 7,1 млрд параметров; модель работает через Transformers и принимает контекст длиной до 131 072 токенов.

Модель предназначена для диалогов и генерации текста на английском языке. В карточке также приведены сведения о статье и обучающих данных, включающих LibriSpeech, Libriheavy и Emilia-Large, однако назначение этих аудиоданных для данной текстовой модели не поясняется. Лицензия — CC BY-NC-SA 4.0, предусматривающая некоммерческое использование и распространение производных на тех же условиях.

Сценарии применения

  • ведение диалогов на английском языке
  • генерация ответов на текстовые запросы
  • создание черновиков и продолжение текста

Ограничения

Карточка не приводит результатов оценки качества или подробных рекомендаций по применению; обучающие данные перечислены без объяснения их связи с текстовой задачей. Лицензия CC BY-NC-SA 4.0 ограничивает коммерческое использование.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SylReg-LM 7B Instruct

Model Details

Model Description

  • Model type: Qwen2ForCausalLM
  • Language(s) (NLP): English
  • License: CC BY-NC-SA 4.0
  • Finetuned from model: ryota-komatsu/SylReg-LM-7B

Model Sources

How to Get Started with the Model

Use the code below to get started with the model.

git clone https://github.com/ryota-komatsu/speaker_disentangled_hubert.git
cd speaker_disentangled_hubert

sudo apt install git-lfs  # for UTMOS

conda create -y -n py310 -c pytorch -c conda-forge python=3.10 pip=24.0 setuptools=81.0.0 faiss-gpu=1.13.2 uv sox
conda activate py310
export UV_PROJECT_ENVIRONMENT=$CONDA_PREFIX
uv pip install -r requirements/requirements.txt

sh scripts/setup.sh
import re

import torch
import torchaudio
from datasets import load_dataset
from transformers import AutoModelForCausalLM, AutoTokenizer

from src.flow_matching import FlowMatchingWithBigVGan
from src.s5hubert import SylRegForSyllableDiscovery

# download pretrained models from hugging face hub
encoder = SylRegForSyllableDiscovery.from_pretrained("ryota-komatsu/SylReg-Distill", device_map="cuda", dtype="auto")
decoder = FlowMatchingWithBigVGan.from_pretrained("ryota-komatsu/SylReg-Decoder", device_map="cuda", dtype="auto")
speechlm = AutoModelForCausalLM.from_pretrained("ryota-komatsu/SylReg-LM-7B-Instruct", device_map="cuda", dtype="auto")
tokenizer = AutoTokenizer.from_pretrained("ryota-komatsu/SylReg-LM-7B-Instruct")

# load a waveform
dataset = load_dataset("fixie-ai/llama-questions", split="test")
dataset = dataset.with_format("torch")
input_values, sr = dataset[0]["audio"]["array"].unsqueeze(0), dataset[0]["audio"]["sampling_rate"]  # (1, T), int
input_values = torchaudio.functional.resample(input_values, sr, 16000)

# encode a waveform into syllabic units
outputs = encoder(input_values.to(encoder.device))
units = outputs[0]["units"]  # [3950, 67, ..., 503]
input_len = len(units)

# speech language modeling
messages = [
    {"role": "user", "content": "".join(f"<{unit}>" for unit in units)},
]

input_ids = tokenizer.apply_chat_template(
    messages,
    tokenize=True,
    add_generation_prompt=True,
    return_tensors="pt",
).input_ids.to(speechlm.device)

generated_ids = speechlm.generate(input_ids=input_ids, do_sample=True, temperature=0.8)[0]

units = tokenizer.decode(generated_ids)
units = torch.tensor([int(unit) for unit in re.findall(r"<(\d+)>", units)], device=decoder.device)
units = units[input_len:]

# unit-to-speech synthesis
generated_speech = decoder(units.unsqueeze(0)).waveform.cpu()  # (1, T)

torchaudio.save("input.wav", input_values, 16000)
torchaudio.save("output.wav", generated_speech, 16000)

Training Details

Training Data

HoursLicenseProvider
LibriSpeech960CC BY 4.0V. Panayotov et al.
Libriheavy50,978public domainW. Kang et al.
Emilia-Large4,447CC BY 4.0, CC BY-NC 4.0H. He et al.
People's Speech (clean, clean_sa)5,640CC-BY, CC-BY-SAD. Galvez et al.
VoxPopuli543CC0-1.0C. Wang et al.
TinyStories27,810cdla-sharing-1.0R. Eldan et al.
Cosmopedia-v238,986odc-byL. B. Allal et al.
Total129,364

Training Hyperparameters

  • Training regime: bf16 mixed precision
  • Training steps: 15k
  • Batch size: 2,097,152 (=221) tokens
  • Optimizer: AdamW(lr=0.0003, betas=(0.9, 0.95), weight_decay=0.01)
  • Scheduler: warmup_stable_decay(num_warmup_steps=100, num_decay_steps=5000, min_lr_ratio=0.1)

Hardware

32 NVIDIA H100 GPUs

Citation

BibTeX:

@article{Komatsu_SylReg_2026,
  author    = {Komatsu, Ryota and Kawakita, Kota and Okamoto, Takuma and Shinozaki, Takahiro},
  title     = {Speaker-Disentangled Chunk-Wise Regression for Syllabic Tokenization},
  year      = {2026},
  volume    = {7},
  journal   = {IEEE Open Journal of Signal Processing},
  pages     = {800--808},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
4b464c4

0 моделей