/ Модель

Характеристики

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

gslm-scaling-20m-108p9b

Генерация текстаТекст → текст3 профессии

Исследовательская Transformer-модель на 20,7 млн параметров для генерации последовательностей речевых токенов mHuBERT.

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-20m-108p9b — исследовательский speech language model, выпущенный tiagoCuervo как контрольная точка для конечного бюджета масштабирования из работы «Scaling Properties of Speech Language Models» (EMNLP 2024). Это плотная TransformerLM-модель с 20 710 912 параметрами; веса FP32 сохранены в формате safetensors. По последовательности речевых токенов модель предсказывает следующие токены: свёрнутые подряд повторы кластеризованных единиц mHuBERT слоя 11 с частотой 25 Гц и словарём из 500 единиц.

Модель предназначена для изучения свойств речевых языковых моделей и генерации последовательностей речевых единиц. В README приведён пример генерации продолжения по входным токенам и оценки на sBLIMP и sStoryCloze. Вокодер в комплект не входит, поэтому для преобразования предсказанных единиц в звучащую речь потребуются дополнительные компоненты. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжения последовательности речевых токенов
  • исследование масштабирования речевых языковых моделей
  • оценка грамматических закономерностей в речевых токенах
  • эксперименты с пониманием историй по речевым представлениям

Ограничения

Модель предсказывает дискретные речевые единицы, а не готовую аудиоволну; вокодер не включён. README не указывает поддержку текстового ввода на естественном языке.

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-20m-108p9b

Model-only FP32 weights for a final-budget scaling-curve endpoint from Scaling Properties of Speech Language Models (EMNLP 2024). This checkpoint has 20,710,912 parameters and saw exactly 108,869,760,000 tokens at 131,200 tokens per update.

import torch
from slm import TransformerLM

model = TransformerLM.from_pretrained("tiagoCuervo/gslm-scaling-20m-108p9b", 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 57.15% sBLIMP phenomenon macro accuracy, 54.64% sBLIMP voice-pair accuracy, 53.45% sStoryCloze, and 70.55% 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
2b27b7c

0 моделей