/ Модель

Характеристики

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

gslm-scaling-309m-19p8b

Генерация текстаТекст → текст3 профессии

Экспериментальная речевая языковая модель на 309 млн параметров для предсказания дискретных единиц речи в исследованиях масштабирования.

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-309m-19p8b — экспериментальный речевой языковой Transformer, опубликованный tiagoCuervo как контрольная точка для конечного бюджета обучения в работе «Scaling Properties of Speech Language Models» (EMNLP 2024). Модель содержит 308 845 568 параметров и обучалась на 19 759 950 000 токенах; веса представлены в FP32 и формате safetensors.

Модель предсказывает последовательности дискретных речевых единиц: объединённые подряд одинаковые кластеры K-means токенизатора mHuBERT, извлечённые на слое 11 с частотой 25 Гц и размером словаря 500. Генерацию можно использовать для продолжения последовательности таких единиц; сам вокодер в репозитории не включён, поэтому для преобразования единиц в звук потребуется отдельный компонент. README приводит оценки на sBLIMP и sStoryCloze, а также tStoryCloze. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжения последовательности дискретных речевых токенов
  • оценка языковых закономерностей в речевых представлениях
  • эксперименты по масштабированию речевых языковых моделей

Ограничения

Вокодер в комплект не входит, поэтому для получения аудио из сгенерированных единиц нужен отдельный вокодер. Модель предсказывает токены конкретного представления mHuBERT, 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-309m-19p8b

Model-only FP32 weights for a final-budget scaling-curve endpoint from Scaling Properties of Speech Language Models (EMNLP 2024). This checkpoint has 308,845,568 parameters and saw exactly 19,759,950,000 tokens at 516,600 tokens per update.

import torch
from slm import TransformerLM

model = TransformerLM.from_pretrained("tiagoCuervo/gslm-scaling-309m-19p8b", 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 60.33% sBLIMP phenomenon macro accuracy, 57.46% sBLIMP voice-pair accuracy, 55.69% sStoryCloze, and 74.93% 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
40adb0b

0 моделей