/ Модель

Характеристики

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

gslm-scaling-823m-26b

Генерация текстаТекст → текст3 профессии

Исследовательская Transformer-модель, генерирующая дискретные речевые токены для экспериментов с речевыми языковыми моделями.

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-823m-26b — исследовательская речевая языковая модель из работы «Scaling Properties of Speech Language Models» (EMNLP 2024); репозиторий содержит веса модели FP32. Модель на архитектуре TransformerLM предсказывает последовательности речевых единиц: схлопнутые повторы 25-Гц K-means-токенов слоя 11 mHuBERT с размером словаря K=500 и отдельными токенами EOS и PAD.

Модель предназначена для генерации речевых токенов и исследований свойств масштабирования speech-language models. Для получения аудио нужны отдельные средства декодирования и вокодер: они в репозитории не приложены. В README приведены оценки на sBLIMP и StoryCloze; для подготовки данных, оценки и декодирования автор рекомендует кодовую базу slm-research. Лицензия весов — Apache-2.0; исходные наборы данных и вокодер CodeHiFiGAN имеют собственные лицензии.

Сценарии применения

  • генерация последовательностей дискретных речевых токенов
  • оценка речевых языковых моделей на тестах sBLIMP и StoryCloze
  • исследование влияния масштаба модели на генерацию речевых токенов

Ограничения

Модель генерирует токены, а не готовую аудиоволну; вокодер и средства декодирования нужно получать отдельно. Результаты зависят от дополнительных наборов данных и компонентов, лицензируемых отдельно.

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-26b

Model-only FP32 weights for a complete endpoint from Scaling Properties of Speech Language Models (EMNLP 2024). The model predicts consecutive-run-collapsed, 25 Hz layer-11 mHuBERT K-means units without waveform normalization (K=500; EOS=500; PAD=501). A vocoder is not bundled.

Speech-tokenizer and vocoder artifacts are credited in the SLM third-party notices.

import torch
from slm import TransformerLM

model = TransformerLM.from_pretrained("tiagoCuervo/gslm-scaling-823m-26b", device="cuda")
prompt = torch.tensor([[12, 91, 204]], device="cuda")
units = model.generate(prompt, max_new_tokens=200, temperature=0.8, top_k=50)

BF16 evaluation scores are 61.10% sBLIMP phenomenon macro accuracy, 58.10% sBLIMP voice-pair accuracy, 56.28% sStoryCloze, and 76.70% tStoryCloze. See provenance.json for hashes and exact validation metadata.

Use the slm-research codebase for data preparation, evaluation, and audio decoding. Source datasets and the CodeHiFiGAN vocoder retain their own licenses and are not included.

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
6eb9b6e

0 моделей