К содержимому
Другое

Mooziq LM

микро-модели для генерации lo-fi музыки в браузере

2 мин чтения

Mooziq LM — это семейство очень маленьких трансформеров, которые генерируют lo-fi музыку в виде символов (аккорды, мелодии, басовые линии и структура композиции) достаточно быстро, чтобы работать в реальном времени прямо в веб-браузере на чистом JavaScript. Модели созданы разработчиком Varun Lohade и используются в проекте Unlimited Lofi Music для создания бесконечных плейлистов на устройстве пользователя. Архитектура представляет собой decoder-only transformers с кэшем KV, работающие без тяжелых библиотек вроде ONNX. Разработка будет интересна веб-разработчикам, любителям генеративной музыки и исследователям компактных языковых моделей.

Ключевые особенности

  • Семейство миниатюрных моделей размером от 114K до нескольких миллионов параметров с весами fp16, int8 и int4.
  • Работа в браузере или Node.js с помощью легковесной реализации движка на JavaScript (transformer.js).
  • Поддержка нескольких стилей музыки, включая Jazz Hop, Steady, Flow и Folk.
  • Обучение на публичных музыкальных датасетах и генерациях открытых моделей без использования проприетарных систем.

Что можно сделать

  • Интегрировать генеративную фоновую музыку в веб-приложения, сайты или браузерные игры.
  • Запустить генерацию lo-fi треков локально на потребительских устройствах без обращения к серверу.
  • Использовать архитектуру для исследований в области символьной генерации музыки и ограниченного декодирования (constrained decoding).

Пример

import {loadModel} from './transformer.js';
const meta = await (await fetch('B483K/model.json')).json();
const bytes = await (await fetch('B483K/model.bin')).arrayBuffer();
const model = loadModel(meta, bytes);
model.reset();
let logits;
for (const t of [meta.BOS, meta.JAZZHOP, meta.MIN, meta.BAR]) logits = model.step(t);
ПодробнееБенчмарки потерь: B483K (held-out loss ACE — 1.326, public domain — 1.133), S8-int8 (1.304 / 1.038), S4-int4 (1.301 / 1.025).
Требования к железу: минимальное потребление VRAM и памяти, запуск в браузере.
Ограничения: словарь ограничен диатоническими септаккордами, размером сетки в восьмые ноты и размером 4/4; новые стили имеют мало данных для обучения.
Лицензия: MIT.
Обсудить Telegram 0

Запустится ли?

Запустится в Q8

Влезает без сжатия.

  • Q8веса 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 · Q8 — 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.

    # orseliyas/mooziq-lm
    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 orseliyas/mooziq-lm --local-dir ~/models/mooziq-lm
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к mooziq-lm
  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 mooziq-lm — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

orseliyas/mooziq-lm
Автор
orseliyas
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Mini CLM

Mini CLM