/ Модель

Характеристики

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

gslm-scaling-309m-4p9b

Генерация текстаТекст → текст3 профессии

Исследовательская Transformer-модель на 309 млн параметров для генерации дискретных речевых токенов и изучения масштабирования речевых языковых моделей.

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-4p9b — исследовательская речевая языковая модель из работы «Scaling Properties of Speech Language Models» (EMNLP 2024). Это плотный TransformerLM с 308 845 568 параметрами; репозиторий содержит веса FP32 в формате safetensors. Модель обучалась на 4 933 530 000 токенах и генерирует последовательности дискретных речевых единиц: склеенные подряд 25-Гц коды mHuBERT K-means слоя 11 с K=500.

Модель предназначена для предсказания и продолжения последовательностей речевых токенов, а также для исследования масштабирования речевых языковых моделей. В README приведены результаты оценок на sBLIMP, sStoryCloze и tStoryCloze. Для получения звука нужен отдельный вокодер, который в репозиторий не включён. Метаданные указывают лицензию Apache-2.0.

Сценарии применения

  • продолжение последовательности дискретных речевых токенов
  • эксперименты с масштабированием речевых языковых моделей
  • оценка моделей на тестах грамматичности и понимания историй
  • подготовка токенов для последующего синтеза речи отдельным вокодером

Ограничения

Модель выдаёт дискретные речевые единицы, а не готовый звук; вокодер в репозитории отсутствует. README не заявляет поддержку конкретных естественных языков.

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-4p9b

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 4,933,530,000 tokens at 516,600 tokens per update.

import torch
from slm import TransformerLM

model = TransformerLM.from_pretrained("tiagoCuervo/gslm-scaling-309m-4p9b", 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 58.61% sBLIMP phenomenon macro accuracy, 55.80% sBLIMP voice-pair accuracy, 54.94% sStoryCloze, and 72.47% 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
6c0a90d

0 моделей