К содержимому
Аудио

lapwing

оценка произношения для изучающих английский

2 мин чтенияобновлено

GersonHMG/lapwing — ONNX-модель для оценки произношения английского у изучающих язык, построенная на nvidia/parakeet-tdt-0.6b-v2. В ней 628M параметров: энкодер заморожен, добавлена phone-голова. Один проход по записи 16 кГц моно даёт phone posteriors и транскрипт.

Ключевые особенности

  • Phone posteriors log_probs [T, 40] на 20-мс кадрах — для goodness-of-pronunciation (GOP) scoring.
  • Один проход энкодера выдаёт и phone posteriors, и encoder outputs для штатных TDT decoder/joiner; транскрипт нужен только для проверки, что прочитано нужное предложение.
  • Runtime 685 MB (uint8 encoder + int8 decoder/joiner); 0.24 с на 5-секундный клип при 1 CPU thread; фиксированного лимита входа нет, проверяли до 20 с.
  • Гейт отсекает попытку, если CTC log-likelihood целевых phones на кадр L(c)/T ниже −0.489; порог подобран так, чтобы принимать 2.3% попыток с неверным предложением.
  • Лицензия CC BY-NC 4.0 — некоммерческая; phone-голова обучена на L2-ARCTIC. GOP-пороги цветов не калиброваны.

Пример

Сценарий из карточки: ученик читает предложение вслух. Модель возвращает phone posteriors для GOP-оценки и транскрипт для проверки, что прочитано именно нужное предложение; при низком CTC log-likelihood попытка отсекается гейтом.

ПодробнееPhone error rate: 16.6% на L2-ARCTIC B и 15.4% в целом; F1 детекции ошибок произношения 0.541; GOP phone AUC 0.854.
Запуск: onnxruntime ≥1.20, CPU; 685 MB, 0.24 с на 5-секундный клип при 1 потоке.
Ограничения: только английский и чтение вслух; слабее на спонтанной речи, других акцентах, шуме и дальнем микрофоне.
Лицензия CC BY-NC 4.0 — некоммерческая; phone-голова обучена на L2-ARCTIC.
Обсудить Telegram 0

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 2.3 GB · готовые файлы3.1 GB
  • BF16веса 1.2 GB1.8 GB
  • FP8 / INT8рекомендуемвеса 0.6 GB1.1 GB
  • 4-bitвеса 0.3 GB0.9 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # GersonHMG/lapwing
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download GersonHMG/lapwing --local-dir ~/models/lapwing
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к lapwing
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

nvidia/parakeet-tdt-0.6b-v2

Новые посты про версии parakeet-tdt-0.6b-v2 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 6Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

GersonHMG/lapwing
Автор
GersonHMG
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии