К содержимому
Аудио

sava-telephony

файнтюн стриминговой модели SAVA для телефонных линий

2 мин чтенияобновлено

Модель основана на архитектуре SAVA (25.5 млн параметров, Mamba-2 и sliding-window attention) от Inworld и оптимизирована для работы со звуком низкого качества через телефонные линии. Оригинальная SAVA теряет точность на телефонии, поэтому этот файнтюн обучен на симулированных телефонных линиях (8 кГц, кодеки и фильтрация). В результате точность определения конца реплики на симулированной стационарной линии выросла с 89.5% до 93.0%, а на мобильной (GSM) — с 88.5% до 92.4%. Модель полезна разработчикам голосовых ассистентов, ботов и систем телефонии, которым важна быстрая детекция речи и пауз в реальном времени.

Ключевые особенности

  • Файнтюн для телефонии: значительно лучше оригинала распознает речь и паузы через телефонные каналы связи и кодеки.
  • ONNX и квантование: доступны PyTorch веса, стандартный ONNX и 8-битная квантованная ONNX-версия размером всего 27 МБ.
  • Высокая скорость: один 40-мс фрейм обрабатывается на одном CPU-потоке Apple M4 Max за 1.2–1.5 мс.
  • Совместимость: полностью сохраняет оригинальный стриминговый интерфейс и архитектуру upstream-модели.

Что можно сделать

  • Интеграция в голосовой бот: встроить модель в пайплайн обработки звонков для быстрого определения момента, когда собеседник закончил фразу.
  • Обработка аудиопотока: подключить инференс через ONNX Runtime для работы со звонками в реальном времени с апсемплингом до 16 кГц.
  • Оптимизация под железо: использовать 8-битную квантованную версию sava-telephony-int8.onnx для снижения потребления памяти на сервере.

Пример

import numpy as np
import onnxruntime as ort

session = ort.InferenceSession("sava-telephony-int8.onnx", providers=["CPUExecutionProvider"])
state = np.zeros((1, 798707), dtype=np.float32)

def step(frame: np.ndarray) -> tuple[float, float]:
    global state
    _, lookahead, turn, state = session.run(None, {"pcm": frame[None], "state": state})
    sigmoid = lambda x: 1.0 / (1.0 + np.exp(-x))
    return float(sigmoid(lookahead[0, 0])), float(sigmoid(turn[0, 0, 0]))
Подробнее• Архитектура: Mamba-2 и sliding-window attention, 25.5 млн параметров.
• Точность (End-of-turn): wideband 93.5%, landline 93.0%, mobile 92.4%.
• Форматы: safetensors (102 МБ), ONNX (103 МБ), INT8 ONNX (27 МБ).
• Входные данные: 16 кГц моно float32 (звонки в 8 кГц требуют предварительного апсемплинга).
• Ограничения: улучшение измерено на симулированных линиях, рекомендуется тестирование на собственных реальных звонках.
Обсудить Telegram 0

Запустится ли?

Запустится в INT8

Влезает без сжатия.

  • INT8рекомендуемвеса 0.0 GB · готовые файлы0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.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: INT8 — 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.

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

inworld/sava

Новые посты про версии sava — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 2Все на Hugging Face
Дообучения 1Все на Hugging Face

О модели

matthiastl/sava-telephony
Автор
matthiastl
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

Аудио

SpeechLLM ASR

SpeechLLM ASR