/ Модель

Характеристики

Лицензия
Gemma
Базовая модель
t5gemma-b-b-ul2
Опубликована
29 июн 2026

t5gemma-b-b-ul2-GGUF

Генерация аудиоТекст → аудио3 профессии

T5Gemma-b-b-ul2 Encoder + Tokenizer — GGUF — это конвертация текстового энкодера и токенизатора модели google/t5gemma-b-b-ul2, подготовленная thepatch для инференса в sa3.cpp.

4 233скачиваний за 30 дней1лайквеса обновлены25 авг 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

Энкодер используется Stable Audio 3 для преобразования текстовых промптов в представления, необходимые генераторам аудио. Компонент общий для вариантов Stable Audio 3 medium, small-music и small-sfx и поставляется отдельно от их DiT, SAME и conditioner.

Модель работает в режиме encoder-only при инференсе и поддерживает английский язык. Токенизатор использует Gemma byte-fallback BPE. Доступны варианты точности F16, F32 и Q8_0 с размерами примерно 537, 1074 и 285 МиБ соответственно. F16 выбран вариантом по умолчанию и практически эквивалентен F32: заявленная cosine similarity для conditioning составляет 0,999995, а для сгенерированного аудио — 0,999848. Q8_0 подходит для устройств с ограниченной памятью, но даёт небольшое снижение точности. Энкодер не содержит conditioner, который поставляется в репозиториях отдельных вариантов Stable Audio 3.

Это не новая обученная модель, а конвертация весов в формат GGUF без дообучения. Решение предназначено для локального текстового кодирования при генерации музыки и звуковых эффектов через sa3.cpp, а также может использоваться при обучении в этом окружении. Распространение регулируется Gemma Terms of Use, включая ограничения раздела 3.2.

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

T5Gemma-b-b-ul2 Encoder + Tokenizer — GGUF (for sa3.cpp)

The shared text encoder + tokenizer for sa3.cpp. GGUF conversion of the frozen google/t5gemma-b-b-ul2 encoder (encoder-only at inference) that Stable Audio 3 uses to embed text prompts.

This component is identical across all three SA3 variants (medium, small-music, small-sfx), so it lives in its own repo and is fetched once — the per-variant conditioner ships separately in each model repo. Validated against the PyTorch reference at cosine similarity ~1.0.

Files

componentfilesizenotes
text encodert5gemma-b-b-ul2-encoder-0.3B-v1.0-F16.gguf537 MiBdefault — equivalent to F32
text encodert5gemma-b-b-ul2-encoder-0.3B-v1.0-F32.gguf1074 MiBreference precision
text encodert5gemma-b-b-ul2-encoder-0.3B-v1.0-Q8_0.gguf285 MiBsmallest; a small, real tradeoff
tokenizert5gemma-b-b-ul2-v1.0-vocab.gguf14 MiBGemma byte-fallback BPE

The encoder carries no conditioner — that ships per-variant in each model repo.

picking an encoder precision

Measured against an F32 control, swapping only the encoder:

encoderconditioning cosinegenerated-audio cosine
F160.9999950.999848
Q8_00.9995470.999108

F16 is what sa3.cpp downloads and resolves by default, and it is a size win rather than a fidelity substitution. Q8_0 is offered for tight-memory installs; it is a small but real tradeoff, so it is never auto-selected — ask for it by name.

Q4_K_M is not published for this encoder, on evidence rather than caution: it is slower than F32 here (the T5 forward is too small to amortize dequant, unlike the DiT) while dropping generated-audio cosine to ~0.80, which is a different piece of music rather than a degraded one. Q8_0 dominates it on every axis.

Select a precision with --t5-encoding f16|f32|q8_0, independently of the --encoding that picks the DiT/SAME tier — the combination worth having on a small device is a quantized DiT with an F16 encoder. This works the same way at inference (sa3-generate) and at training (sa3-train).

Pair these with any SA3 variant repo's DiT + SAME + conditioner: medium · small-music · small-sfx. tools/download_models.py fetches this repo automatically alongside whichever variant you pick.

License

This is a format conversion of google/t5gemma-b-b-ul2, released under the Gemma Terms of Use (including the use restrictions in Section 3.2). Those terms carry over to this converted encoder + tokenizer.

Relationship to the original

A format conversion (weights → GGUF) for inference in sa3.cpp — no retraining. See sa3.cpp/docs/DISTRIBUTION.md.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

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

Ревизия весов
26caadf

0 моделей