/ Модель

Характеристики

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

gslm-scaling-823m-16p5b

Генерация текстаТекст → текст3 профессии

Исследовательская модель на 823 млн параметров, генерирующая дискретные речевые единицы для изучения масштабирования речевых языковых моделей.

9скачиваний 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-823m-16p5b — исследовательский речевой языковой Transformer на 823 млн параметров от Tiago Cuervo. Это FP32-чекпойнт конечной точки кривой масштабирования из работы «Scaling Properties of Speech Language Models» (EMNLP 2024), обученный на 16,499 млрд токенов. Модель генерирует последовательности дискретных речевых единиц: схлопнутых подряд идущих кластеров K-means из слоя 11 mHuBERT с частотой 25 Гц; EOS имеет индекс 500, PAD — 501.

Репозиторий помечен задачей text-generation и содержит веса safetensors. Для генерации модель принимает последовательность токенов и предсказывает следующие речевые единицы. README приводит оценки на sBLIMP и StoryCloze, но не описывает пользовательские сценарии или поддержку естественных языков. Вокодер в комплект не входит, поэтому из одних весов нельзя получить звучащую речь. Лицензия — Apache-2.0.

Сценарии применения

  • генерация последовательностей дискретных речевых токенов
  • исследование масштабирования речевых языковых моделей
  • оценка речевых моделей на тестах sBLIMP и StoryCloze

Ограничения

Вокодер не включён, поэтому для преобразования сгенерированных речевых единиц в звук нужны дополнительные компоненты. README не указывает поддерживаемые естественные языки.

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-823m-16p5b

Model-only FP32 weights for a final-budget scaling-curve endpoint from Scaling Properties of Speech Language Models (EMNLP 2024). This checkpoint has 823,179,264 parameters and saw exactly 16,499,220,000 tokens at 934,800 tokens per update.

import torch
from slm import TransformerLM

model = TransformerLM.from_pretrained("tiagoCuervo/gslm-scaling-823m-16p5b", 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 61.08% sBLIMP phenomenon macro accuracy, 58.08% sBLIMP voice-pair accuracy, 55.21% sStoryCloze, and 75.52% 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
9fad407

0 моделей