/ Модель

Характеристики

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

gslm-scaling-20m-43p5b

Генерация текстаТекст → текст3 профессии

Исследовательская Transformer-модель генерирует дискретные речевые токены для экспериментов с масштабированием речевых языковых моделей.

15скачиваний 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-43p5b — исследовательский чекпойнт для экспериментов с масштабированием речевых языковых моделей из работы «Scaling Properties of Speech Language Models» (EMNLP 2024). Модель содержит 20 710 912 параметров и обучалась на 43 545 280 000 токенах. Это плотная TransformerLM из библиотеки slm-research; репозиторий содержит веса FP32 в формате safetensors.

Модель генерирует последовательности дискретных речевых единиц: последовательные повторы 25-Гц кластеров K-means слоя 11 mHuBERT свёрнуты, размер словаря K=500. Её применяют для генерации речевых токенов и исследований свойств масштабирования; README приводит оценки на sBLIMP, sStoryCloze и tStoryCloze. Для преобразования токенов в звук нужен отдельный вокодер, который в репозиторий не входит. Лицензия — Apache-2.0.

Сценарии применения

  • генерация дискретных токенов речи по токенному промпту
  • исследование влияния объёма обучения на качество речевых языковых моделей
  • оценка на тестах грамматической приемлемости и завершения историй по речи

Ограничения

Модель генерирует дискретные речевые единицы, а не готовый звук; для синтеза аудио нужен отдельный вокодер. В README не заявлена поддержка естественного языка для 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-20m-43p5b

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 43,545,280,000 tokens at 131,200 tokens per update.

import torch
from slm import TransformerLM

model = TransformerLM.from_pretrained("tiagoCuervo/gslm-scaling-20m-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 56.20% sBLIMP phenomenon macro accuracy, 54.00% sBLIMP voice-pair accuracy, 52.65% sStoryCloze, and 70.66% 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
d218cb7

0 моделей