К содержимому
Аудио

ORB planner

компактная нейросеть для генерации звуковых спецификаций по тексту

2 мин чтенияобновлено

Модель представляет собой декодер-only трансформер на 5.10M параметров, который превращает однострочный промпт (например, описание погоды или звуковых эффектов) в структурированный JSON-объект (Spec). Сама модель не создаёт аудиосигнал напрямую: полученный формат компилируется детерминированным DSP-рендерером из репозитория ORB в готовый 48 kHz WAV-файл. Архитектура основана на обучении с нуля на 300 тыс. синтетических пар без использования предварительно обученных весов или внешних аудиоданных. Инструмент полезен разработчикам интерфейсов, игр и звуковым дизайнерам, которым нужна программно управляемая генерация звуковых эффектов.

Ключевые особенности

  • Компактный размер — всего около 5.10M параметров при контексте в 1024 токена.
  • Строгая грамматика — декодирование ограничивается маской грамматики, поэтому на выходе всегда получается валидный JSON-конфиг без сбоев.
  • Широкая палитра звуков — поддерживает 47 ролей звуков (от кликов и свистов до шагов и ударов молнии), 13 текстур (ветер, дождь, шум города и др.) и 10 настроений.
  • Интеграция с агентами — репозиторий содержит MCP-сервер для подключения генерации в виде инструментов агентов.

Что можно сделать

  • Генерация звуковых эффектов — создавать уникальные UI-поп звуки, свисты и эмбиент-текстуры по текстовому описанию для приложений и игр.
  • Интеграция в пайплайны — использовать модель как планировщик звука, управляя параметрами через структурированный JSON-объект.
  • Подключение агентов — задействовать MCP-сервер для автоматизации создания звуковых ландшафтов силами ИИ-агентов.
  • Процедурный рендеринг — комбинировать генератор со статическими DSP-алгоритмами для получения чистого 48 kHz аудио без артефактов нейросетевого синтеза звука.

Пример

from huggingface_hub import hf_hub_download
from orb.api import load_planner, generate, save_wav

path = hf_hub_download("marcosmaceo/orb-planner", "planner.safetensors")
hf_hub_download("marcosmaceo/orb-planner", "config.json")
tok, planner = load_planner(path)
out = generate(
    "6.00-second bright cue, wind bed, with whoosh @1.00 0.90s -6dB L2 #2a",
    planner=(tok, planner),
)
save_wav(out["audio"], "whoosh.wav")
print(out["spec"])
Подробнее• Точность на тестовых грамматических промптах: 100% (500/500 и 2000/2000 выборок).
• Точность на свободных текстовых промптах: 58.4% (свои данные) и 70.0% (слепой набор).
• Ошибки декодирования: 0.
• Обучение: 40k шагов на одном ускорителе H100 (датасет из 300k синтетических строк).
• Лицензия: Apache-2.0.
Обсудить Telegram 0 33

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 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 · BF16 — 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.

    # marcosmaceo/orb-planner
    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 marcosmaceo/orb-planner --local-dir ~/models/orb-planner
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к orb-planner
  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

Новые посты про версии orb-planner — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

marcosmaceo/orb-planner
Автор
marcosmaceo
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

330

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии