/ Модель

Характеристики

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

gslm-scaling-309m-3p0b

Генерация текстаТекст → текст3 профессии

Исследовательская речевая языковая модель на 309 млн параметров, генерирующая дискретные mHuBERT-единицы для экспериментов с речевыми последовательностями.

13скачиваний 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-3p0b — исследовательский чекпойнт семейства Speech Language Model, подготовленный Tiago Cuervo как конечная точка эксперимента по масштабированию из работы «Scaling Properties of Speech Language Models» (EMNLP 2024). Это плотный TransformerLM примерно с 309 млн параметров; веса сохранены в FP32 и формате safetensors. Модель обучалась на 3,022 млрд токенов и генерирует последовательности речевых единиц: схлопнутые подряд идущие кластеры mHuBERT K-means уровня 11 с частотой 25 Гц и словарём из 500 единиц.

Чекпойнт предназначен для исследования генерации речевых последовательностей и оценки свойств масштабирования speech language models. В карточке приведены результаты на sBLIMP, sStoryCloze и tStoryCloze. Для преобразования сгенерированных единиц в звук нужен отдельный вокодер; он в репозитории не включён. Для загрузки используется библиотека slm-research. Лицензия — Apache-2.0.

Сценарии применения

  • генерация последовательностей дискретных речевых единиц
  • исследование масштабирования речевых языковых моделей
  • оценка языковых закономерностей в речевых токенах

Ограничения

Модель выдаёт дискретные речевые единицы, а не готовое аудио; вокодер в комплект не входит. Качество генерации зависит от отдельного декодера речи.

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-3p0b

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 3,022,110,000 tokens at 516,600 tokens per update.

import torch
from slm import TransformerLM

model = TransformerLM.from_pretrained("tiagoCuervo/gslm-scaling-309m-3p0b", 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 57.58% sBLIMP phenomenon macro accuracy, 54.69% sBLIMP voice-pair accuracy, 54.20% sStoryCloze, and 71.19% 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
ead894f

0 моделей