/ Модель

Характеристики

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

gslm-scaling-85m-108p9b

Генерация текстаТекст → текст3 профессии

Исследовательская речевая языковая модель на 85 млн параметров, генерирующая последовательности дискретных речевых токенов.

10скачиваний 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

Это исследовательский речевой языковой Transformer от Tiago Cuervo: чекпойнт на 85 339 392 параметра, представляющий конечную точку эксперимента по масштабированию из работы «Scaling Properties of Speech Language Models» (EMNLP 2024). Модель обучалась на 108 869 760 000 токенах и предсказывает последовательности дискретных речевых единиц: объединённые соседние коды кластеризации K-means для слоя 11 mHuBERT с частотой 25 Гц и размером словаря 500.

Модель предназначена для генерации продолжений таких речевых токенов и изучения масштабирования речевых языковых моделей. В README приведены результаты на sBLIMP и sStoryCloze/tStoryCloze. Указаны веса FP32 в формате safetensors и лицензия Apache-2.0. Для преобразования сгенерированных единиц в звук потребуется отдельный вокодер, который в репозитории не включён.

Сценарии применения

  • генерация продолжений последовательностей речевых токенов
  • эксперименты с масштабированием речевых языковых моделей
  • оценка языковых закономерностей в дискретных представлениях речи
  • воспроизведение экспериментов статьи по речевым языковым моделям

Ограничения

Модель генерирует дискретные речевые единицы, а не готовый звук; вокодер не включён. Результаты приведены на ограниченном наборе оценок sBLIMP и sStoryCloze/tStoryCloze.

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-85m-108p9b

Model-only FP32 weights for a final-budget scaling-curve endpoint from Scaling Properties of Speech Language Models (EMNLP 2024). This checkpoint has 85,339,392 parameters and saw exactly 108,869,760,000 tokens at 262,400 tokens per update.

import torch
from slm import TransformerLM

model = TransformerLM.from_pretrained("tiagoCuervo/gslm-scaling-85m-108p9b", 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 59.04% sBLIMP phenomenon macro accuracy, 56.12% sBLIMP voice-pair accuracy, 56.01% sStoryCloze, and 74.13% 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
efc7315

0 моделей