/ Модель

Характеристики

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

gslm-scaling-85m-8p5b

Генерация текстаТекст → текст3 профессии

Исследовательская трансформерная модель для авторегрессионного предсказания дискретных речевых единиц и изучения масштабирования речевых языковых моделей.

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-85m-8p5b — исследовательский речевой языковой трансформер, опубликованный Tiago Cuervo как контрольная точка для работы «Scaling Properties of Speech Language Models» (EMNLP 2024). Модель содержит 85 339 392 параметра и обучалась на 8,528 млрд токенов. Доступны веса FP32 в формате safetensors; лицензия — Apache-2.0.

Модель авторегрессионно предсказывает последовательности дискретных речевых единиц: объединённые подряд одинаковые кластеры K-means из слоя 11 mHuBERT с частотой 25 Гц и словарём из 500 кластеров. Её используют для генерации таких единиц и изучения масштабирования речевых языковых моделей. README приводит оценки на sBLIMP и sStoryCloze/tStoryCloze. Вокодер в комплект не входит, поэтому для преобразования предсказанных единиц в слышимую речь нужны дополнительные артефакты.

Сценарии применения

  • генерация последовательностей дискретных единиц mHuBERT
  • исследование влияния масштаба обучения на речевые языковые модели
  • оценка речевого моделирования на sBLIMP
  • оценка речевых языковых представлений на sStoryCloze и tStoryCloze

Ограничения

Модель выдаёт дискретные речевые единицы, а не готовый аудиосигнал; вокодер не включён. README приводит результаты только на указанных оценочных наборах.

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-8p5b

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 8,528,000,000 tokens at 262,400 tokens per update.

import torch
from slm import TransformerLM

model = TransformerLM.from_pretrained("tiagoCuervo/gslm-scaling-85m-8p5b", 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 57.72% sBLIMP phenomenon macro accuracy, 54.77% sBLIMP voice-pair accuracy, 52.75% sStoryCloze, and 70.98% 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
971fa09

0 моделей