/ Модель

Характеристики

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

gslm-scaling-85m-65p3b

Генерация текстаТекст → текст3 профессии

Исследовательская Transformer-модель на 85 млн параметров для предсказания дискретных акустических токенов речи.

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

tiagoCuervo/gslm-scaling-85m-65p3b — исследовательский чекпойнт модели Speech Language Model из работы «Scaling Properties of Speech Language Models» (EMNLP 2024). Это плотная TransformerLM с 85 339 392 параметрами; опубликованы веса FP32 в формате safetensors. Модель обучалась на 65 324 480 000 токенах, предсказывает последовательности акустических единиц mHuBERT K-means с частотой 25 Гц и размером словаря 500, с отдельными идентификаторами EOS и PAD.

Чекпойнт предназначен для генерации речевых токенов и исследования масштабирования языковых моделей для речи. В README приведены оценки на sBLIMP, sStoryCloze и tStoryCloze. Для преобразования сгенерированных токенов в звук нужен отдельный вокодер: он не входит в репозиторий. Лицензия — Apache-2.0.

Сценарии применения

  • генерация последовательностей дискретных речевых токенов
  • эксперименты с масштабированием языковых моделей для речи
  • оценка моделей на речевых тестах sBLIMP и StoryCloze

Ограничения

Модель генерирует дискретные акустические единицы, а не готовую аудиоволну; для синтеза звука нужен отдельный вокодер. 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-85m-65p3b

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 65,324,480,000 tokens at 262,400 tokens per update.

import torch
from slm import TransformerLM

model = TransformerLM.from_pretrained("tiagoCuervo/gslm-scaling-85m-65p3b", 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 59.08% sBLIMP phenomenon macro accuracy, 56.54% sBLIMP voice-pair accuracy, 55.53% sStoryCloze, and 74.67% 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
2fed722

0 моделей