/ Модель

Характеристики

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

gslm-scaling-155m-65p3b

Генерация текстаТекст → текст3 профессии

Исследовательская Transformer-модель генерирует дискретные речевые токены для экспериментов с языковым моделированием речи.

10скачиваний 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-65p3b — исследовательская модель генерации последовательностей дискретных речевых токенов, опубликованная tiagoCuervo как контрольная точка для исследования «Scaling Properties of Speech Language Models» (EMNLP 2024). Это плотная TransformerLM-модель с 154 680 320 параметрами; веса представлены в FP32 и формате safetensors. Модель обучалась на 65 311 360 000 токенах и предсказывает последовательности объединённых подряд одинаковых кодов кластеризации K-means из слоя 11 mHuBERT с частотой 25 Гц и размером словаря 500.

Модель принимает последовательность токенов речи и генерирует продолжение, что подходит для экспериментов с языковым моделированием речи и оценки масштабирования таких моделей. В README приведены оценки на sBLIMP, sStoryCloze и tStoryCloze. Для преобразования сгенерированных токенов в звук требуется внешний вокодер: он не включён в репозиторий. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжения последовательности речевых токенов
  • эксперименты с масштабированием языковых моделей речи
  • оценка языковой согласованности последовательностей речевых токенов

Ограничения

Модель генерирует дискретные речевые токены, а не аудиосигнал; вокодер в комплект не входит. В README не описана поддержка обычного текстового ввода.

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-65p3b

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 65,311,360,000 tokens at 524,800 tokens per update.

import torch
from slm import TransformerLM

model = TransformerLM.from_pretrained("tiagoCuervo/gslm-scaling-155m-65p3b", 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 58.77% sBLIMP phenomenon macro accuracy, 55.88% sBLIMP voice-pair accuracy, 54.84% sStoryCloze, and 75.09% 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
68e5c9e

0 моделей