/ Модель

Характеристики

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

gslm-scaling-823m-8p3b

Генерация текстаТекст → текст3 профессии

Исследовательская TransformerLM на 823 млн параметров для генерации токенизированных речевых последовательностей и экспериментов с масштабированием SLM.

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-823m-8p3b — исследовательский чекпойнт модели генерации последовательностей речевых токенов, связанный с работой «Scaling Properties of Speech Language Models» (EMNLP 2024). Модель содержит 823 179 264 параметра и обучалась на 8 272 980 000 токенах; опубликованы веса FP32 в формате safetensors. Архитектура — плотная TransformerLM из семейства SLM.

Модель предсказывает последовательности склеенных подряд одинаковых единиц mHuBERT K-means уровня 11 с частотой 25 Гц и словарём K=500. Эти единицы можно использовать для генерации речевого представления, но вокодер в репозитории не поставляется, поэтому готовый аудиосигнал модель самостоятельно не выдаёт. В README приведены оценки на sBLIMP, sStoryCloze и tStoryCloze.

Модель предназначена для экспериментов с языковыми моделями речи и изучения масштабирования таких моделей. Для загрузки используется библиотека slm-research. Лицензия — Apache-2.0.

Сценарии применения

  • генерация последовательностей речевых токенов mHuBERT
  • исследование масштабирования языковых моделей речи
  • оценка языковых закономерностей в представлениях речи
  • эксперименты с генерацией речевых представлений для последующей вокодерной обработки

Ограничения

Модель выдаёт токены речевого представления, а не готовое аудио; вокодер в репозитории отсутствует. Приведённые в README оценки относятся к указанным тестам и сами по себе не подтверждают качество для других сценариев.

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-8p3b

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 8,272,980,000 tokens at 934,800 tokens per update.

import torch
from slm import TransformerLM

model = TransformerLM.from_pretrained("tiagoCuervo/gslm-scaling-823m-8p3b", 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 59.75% sBLIMP phenomenon macro accuracy, 56.81% sBLIMP voice-pair accuracy, 55.85% sStoryCloze, and 73.49% 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
a79a4d2

0 моделей