/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
slm · dense
Библиотека
slm-research
Опубликована
11 авг 2026

gslm-scaling-155m-3p1b

Генерация текстаТекст → текст3 профессии

Компактная TransformerLM-модель для предсказания и генерации токенизированных последовательностей речи в экспериментах по масштабированию speech-language-моделей.

11скачиваний за 30 дней0лайковвеса обновлены11 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

gslm-scaling-155m-3p1b — компактная плотная TransformerLM-модель из работы *Scaling Properties of Speech Language Models* (EMNLP 2024). Репозиторий содержит только веса FP32: 154 680 320 параметров. Модель обучалась на 3 070 080 000 токенах, предсказывая последовательности акустических единиц mHuBERT, полученных кластеризацией K-means на 25 Гц; словарь содержит 500 единиц, а также специальные токены EOS и PAD.

Модель предназначена для исследования и генерации последовательностей речевых токенов. В README приведены оценки на sBLIMP, sStoryCloze и tStoryCloze. Для преобразования сгенерированных единиц в аудио требуется отдельный вокодер, который в репозитории не поставляется. Веса распространяются по лицензии Apache-2.0.

Сценарии применения

  • генерация последовательностей акустических токенов
  • эксперименты с масштабированием языковых моделей для речи
  • оценка согласованности речевых представлений на sBLIMP
  • оценка предсказания историй на sStoryCloze и tStoryCloze

Ограничения

Репозиторий содержит только веса и не включает вокодер, поэтому сам по себе не преобразует сгенерированные единицы в аудио. Для запуска примера требуется библиотека slm и входная последовательность токенов.

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

gslm-scaling-155m-3p1b

Model-only FP32 weights for a final-budget scaling-curve endpoint from Scaling Properties of Speech Language Models (EMNLP 2024). This checkpoint has 154,680,320 parameters and saw exactly 3,070,080,000 tokens at 524,800 tokens per update.

import torch
from slm import TransformerLM

model = TransformerLM.from_pretrained("tiagoCuervo/gslm-scaling-155m-3p1b", device="cuda")
prompt = torch.tensor([[12, 91, 204]], device="cuda")
units = model.generate(prompt, max_new_tokens=200, temperature=0.8, top_k=50)

Evaluation scores are 56.71% sBLIMP phenomenon macro accuracy, 53.85% sBLIMP voice-pair accuracy, 52.81% sStoryCloze, and 70.02% tStoryCloze.

The model predicts consecutive-run-collapsed 25 Hz layer-11 mHuBERT K-means units (K=500; EOS=500; PAD=501). A vocoder is not bundled.

Speech-tokenizer and vocoder artifacts are credited in the SLM third-party notices. See provenance.json for exact hashes and evaluation metadata.

Как запустить

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

GPU в ailist

Универсальный рантайм · slm-research

Нельзя запустить

Архитектура slm неизвестна transformers в образе рантайма.

Класс архитектуры
TransformerLM
Ревизия весов
cc1c37f

0 моделей