/ Модель

Характеристики

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

gslm-scaling-155m-4p9b

Генерация текстаТекст → текст3 профессии

Исследовательская авторегрессионная модель GSLM на 155 млн параметров для генерации дискретных единиц речи и экспериментов с речевыми языковыми моделями.

12скачиваний 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-4p9b — исследовательский чекпойнт модели GSLM, опубликованный как конечная точка кривой масштабирования из работы «Scaling Properties of Speech Language Models» (EMNLP 2024). Разработчик карточки — tiagoCuervo. Модель содержит 154 680 320 параметров; это веса FP32 в формате safetensors, обученные на 4 933 120 000 токенах. Архитектура — плотный TransformerLM из библиотеки slm-research.

Модель авторегрессионно генерирует последовательности дискретных речевых единиц: свёрнутые последовательные кластеры кодбука K-means модели mHuBERT слоя 11 с частотой 25 Гц и размером кодбука 500. Её можно применять для экспериментов с моделированием речи и оценки языкового поведения речевых моделей; README приводит результаты на sBLIMP и sStoryCloze/tStoryCloze. Вокодер в репозитории не поставляется, поэтому для преобразования сгенерированных единиц в аудио нужны отдельные артефакты. Лицензия — Apache-2.0.

Сценарии применения

  • генерация последовательностей дискретных речевых единиц
  • эксперименты с масштабированием речевых языковых моделей
  • оценка речевых моделей на тестах грамматических явлений
  • оценка связи голоса и языкового поведения в речевых моделях

Ограничения

Модель генерирует дискретные единицы речи, а не готовое аудио; вокодер не включён. README приводит результаты только на перечисленных тестах, поэтому они не устанавливают качество для других сценариев.

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-4p9b

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 4,933,120,000 tokens at 524,800 tokens per update.

import torch
from slm import TransformerLM

model = TransformerLM.from_pretrained("tiagoCuervo/gslm-scaling-155m-4p9b", 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 57.32% sBLIMP phenomenon macro accuracy, 54.59% sBLIMP voice-pair accuracy, 53.71% sStoryCloze, and 70.76% 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
41b3490

0 моделей