К содержимому
Аудио

SAVA

модель потокового определения речи и конца реплики

2 мин чтенияобновлено

SAVA — это открытая модель от Inworld с 25,5 млн параметров, которая анализирует аудиопоток и в реальном времени выдает две вероятности: наличие речи в кадре и завершение реплики (end-of-turn). Архитектура сочетает блоки Mamba-2 и механизм внимания, что позволяет точно отделять человеческий голос от кашля, смеха или шума клавиатуры. Модель работает на процессоре или видеокарте, потребляет минимум ресурсов и идеально подходит для разработчиков голосовых ассистентов.

Ключевые особенности

  • Гибридная архитектура на базе блоков Mamba-2 и механизмов внимания.
  • Низкая задержка: определение речи с упреждением (lookahead) 120 мс, а конца реплики — мгновенно.
  • Легковесность: всего 25,5 миллиона параметров, эффективная работа на CPU и GPU.
  • Устойчивость к шумам: фильтрует посторонние звуки вроде кашля, музыки и стука клавиш.

Что можно сделать

  • Встроить в голосовой бот для естественного определения моментов, когда пользователь закончил говорить.
  • Запустить локальный пайплайн распознавания и сегментации речи с помощью официальной библиотеки.
  • Разработать интерактивное голосовое приложение с поддержкой микрофона и обработки потокового аудио.

Пример

from inworld import sava

model = sava.load("inworld/sava")
curves = sava.run(model, sava.load_audio("recording.wav"))
turns = sava.segment(curves, sava.Policy(), model.lookahead_frames)
ПодробнееБенчмарки: сравнение с Silero VAD и pipecat smart-turn v3.2
Оборудование: протестировано на GPU NVIDIA и CPU (на Apple M3 Max — 3.8 мс на кадр 40 мс)
Входные данные: моноаудио 16 кГц, выдача результатов каждые 40 мс
Лицензия: Apache-2.0, веса и код открыты
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.6 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.

    # orz99/sava
    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 orz99/sava --local-dir ~/models/sava
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к sava
  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 sava — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

orz99/sava
Автор
orz99
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

M5-TTS.AXERA

M5-TTS.AXERA
Аудио

Hilbert-LoRA-V3

Hilbert-LoRA-V3