/ Модель

Характеристики

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

gslm-scaling-20m-87p1b

Генерация текстаТекст → текст3 профессии

Компактная TransformerLM-модель для генерации дискретных речевых единиц и исследования масштабирования речевых языковых моделей.

11скачиваний 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-87p1b — компактная плотная TransformerLM-модель из работы *Scaling Properties of Speech Language Models* (EMNLP 2024). Репозиторий содержит веса FP32 примерно с 20,7 млн параметров; чекпойнт обучен на 87,1 млрд токенов. Модель разработана для исследования масштабирования речевых языковых моделей.

Модель генерирует последовательности дискретных речевых единиц: последовательные повторы токенов схлопнуты, частота представления — 25 Гц, единицы получены кластеризацией слоя 11 mHuBERT с K=500. Пример использования подаёт токены-единицы и генерирует продолжение. README приводит оценки на sBLIMP и StoryCloze; вокодер в репозиторий не входит, поэтому для преобразования сгенерированных единиц в звучащую речь потребуются дополнительные компоненты. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжения последовательности дискретных речевых токенов
  • исследование влияния масштаба обучения на речевые языковые модели
  • сравнение речевых языковых моделей на оценках sBLIMP и StoryCloze

Ограничения

Вокодер не включён, поэтому для получения звуковой речи нужны дополнительные артефакты. Модель предсказывает дискретные речевые единицы, а не обычный текст.

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-87p1b

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 87,097,120,000 tokens at 131,200 tokens per update.

import torch
from slm import TransformerLM

model = TransformerLM.from_pretrained("tiagoCuervo/gslm-scaling-20m-87p1b", 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, 54.33% sBLIMP voice-pair accuracy, 53.34% 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
65e2813

0 моделей