/ Модель

Характеристики

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

gslm-scaling-85m-5p5b

Генерация текстаТекст → текст3 профессии

Плотная TransformerLM-модель на 85 млн параметров для генерации речевых единиц mHuBERT и исследования масштабирования речевых языковых моделей.

12скачиваний 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-85m-5p5b — исследовательская плотная TransformerLM-модель для генерации речевых единиц, подготовленная как конечная точка кривой масштабирования в работе «Scaling Properties of Speech Language Models» (EMNLP 2024). Чекпойнт содержит 85 339 392 параметра и обучен на 5 457 920 000 токенах; веса представлены в FP32 и формате safetensors. Для работы используется библиотека slm-research.

Модель предсказывает последовательности речевых единиц mHuBERT: кластеры K-means слоя 11 с частотой 25 Гц и размером словаря 500, где 500 — EOS, а 501 — PAD. Её можно применять для генерации таких единиц и исследования масштабирования речевых языковых моделей. README приводит метрики на sBLIMP, sStoryCloze и tStoryCloze; вокодер в комплект не входит, поэтому для синтеза слышимой речи потребуется отдельный вокодер. Лицензия — Apache-2.0.

Сценарии применения

  • генерация последовательностей речевых единиц mHuBERT
  • исследование влияния объёма обучения на качество речевой языковой модели
  • оценка речевых моделей на sBLIMP и StoryCloze
  • подготовка речевых единиц для последующего синтеза с отдельным вокодером

Ограничения

Модель выдаёт дискретные речевые единицы, а не готовый звуковой сигнал; вокодер не входит в комплект. Результаты и область применения описаны в контексте исследовательской работы по масштабированию речевых языковых моделей.

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-5p5b

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 5,457,920,000 tokens at 262,400 tokens per update.

import torch
from slm import TransformerLM

model = TransformerLM.from_pretrained("tiagoCuervo/gslm-scaling-85m-5p5b", 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 57.88% sBLIMP phenomenon macro accuracy, 54.96% sBLIMP voice-pair accuracy, 53.39% sStoryCloze, and 69.96% 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
293c6f6

0 моделей