/ Модель

Характеристики

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

gslm-scaling-155m-43p5b

Генерация текстаТекст → текст3 профессии

Экспериментальная трансформерная модель SLM на 155 млн параметров, генерирующая дискретные речевые токены для исследования масштабирования речевых языковых моделей.

13скачиваний 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-43p5b — модель семейства SLM, опубликованная Tiago Cuervo как контрольная точка для эксперимента по масштабированию речевых языковых моделей из работы «Scaling Properties of Speech Language Models» (EMNLP 2024). Это плотная трансформерная языковая модель примерно на 155 млн параметров; веса опубликованы в формате FP32 safetensors, лицензия — Apache-2.0.

Модель генерирует последовательности дискретных речевых единиц: склеенные серии токенов из кластеризации K-means представлений 11-го слоя mHuBERT с частотой 25 Гц и размером словаря K=500. Контрольная точка обучалась на 43,532 млрд токенов. В README приведены оценки на тестах sBLIMP и sStoryCloze/tStoryCloze. Для преобразования сгенерированных единиц в звук нужен отдельный вокодер, который в репозиторий не входит; пример использования построен на библиотеке slm и PyTorch.

Сценарии применения

  • генерация последовательностей дискретных речевых токенов
  • исследование влияния масштаба обучения на речевые языковые модели
  • оценка языковых закономерностей в речевых токенах на sBLIMP
  • сравнение предсказаний речевых моделей на тестах sStoryCloze

Ограничения

Модель генерирует дискретные речевые единицы, а не готовый звук; для синтеза аудио требуется отдельный вокодер. README не заявляет поддержку конкретных естественных языков.

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-43p5b

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 43,532,160,000 tokens at 524,800 tokens per update.

import torch
from slm import TransformerLM

model = TransformerLM.from_pretrained("tiagoCuervo/gslm-scaling-155m-43p5b", 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 59.69% sBLIMP phenomenon macro accuracy, 56.78% sBLIMP voice-pair accuracy, 55.53% sStoryCloze, and 73.54% 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
0b4ae52

0 моделей