К содержимому
Аудио

Rider Voice Decisions (m1v3)

анализ голосовых заметок курьеров без транскрибации

2 мин чтенияобновлено

Модель принимает короткое голосовое сообщение курьера и за один проход (без предварительного перевода речи в текст) определяет четыре параметра: суть ситуации, рекомендуемое действие, язык и уровень тревоги (экстренный SOS или проверка безопасности «Вы в безопасности?»). В репозитории лежит обученная голова-классификатор (head.safetensors и head.pt) с файлами калибровки, которая работает поверх замороженной аудиомодели Nirnaya Flash 1.0 (файнтюн google/gemma-4-E4B-it). Решение создано автором sahildl как исследовательский прототип для диспетчерских пультов служб доставки и обучено на синтетической речи с добавлением уличного шума (трафик, гудки, дождь). По сравнению с базовой головой в zero-shot режиме точность выбора действия выросла на 19,1 процентного пункта. Подойдёт разработчикам голосовых интерфейсов, диспетчерских систем и исследователям мультимодальных аудиомоделей.

Ключевые особенности

  • Работает напрямую со звуком (English, Hindi и Hinglish) даже на фоне уличного шума, минуя этап ASR (распознавания речи в текст).
  • За один прямой проход возвращает калиброванные вероятности сразу по четырём вопросам: ситуация (7 классов), следующее действие (4 класса), язык и флаг безопасности.
  • Двухуровневая система алертов: при высокой вероятности срабатывает SOS, а при пограничной — мягкая проверка безопасности с высоким recall (полнотой обнаружения).
  • Компактный вес самой головы-адаптера — 166,2 МБ, при этом основная аудиомодель остаётся замороженной.

Что можно сделать

  • Подключить к готовой диспетчерской консоли на Gradio из репозитория проекта helmet-mind для интерактивного тестирования голосовых сообщений.
  • Протестировать качество классификации на 9 демонстрационных WAV-записях на Hindi и Hinglish из папки examples/ в составе репозитория.
  • Использовать калиброванные пороги из thresholds.json как шаблон для построения систем диспетчеризации с подтверждением действий оператором.

Пример

from src.engine import RiderVoiceEngine

engine = RiderVoiceEngine(
    "Darkrider/nirnaya-flash-1.0",
    "run/m1v3",
    precision="fp16",
)
out = engine.decide("clip.wav")
print(out["answers"]["situation"]["choice"], out["card"]["kind"])
ПодробнееТестовый набор (37 синтетических сценариев / 740 клипов): точность определения ситуации — 82,3%, следующего действия — 72,6%, языка — 85,7%, полнота (recall) по безопасности — 100% (15 из 15 сценариев) при 0,7% ложных SOS.
Скорость работы (fp16 на GPU T4, batch 1): медианная задержка p50 — 604 мс, p95 — 614 мс.
Ограничения: модель обучена исключительно на синтетических голосах, выдаёт 33,6% проверочных запросов на обычных записях и не предназначена для реальных систем безопасности.
Обсудить Telegram 1 24

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.2 GB · готовые файлы0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 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.

    # sahildl/rider-voice-decisions-m1v3
    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 sahildl/rider-voice-decisions-m1v3 --local-dir ~/models/rider-voice-decisions-m1v3
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к rider-voice-decisions-m1v3
  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

Darkrider/nirnaya-flash-1.0
  1. gemma-4-E4Bоснова семьи
  2. gemma-4-E4B-it
  3. nirnaya-flash-1.0
  4. rider-voice-decisions-m1v3

Новые посты про версии gemma-4-E4B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 8Все на Hugging Face

О модели

sahildl/rider-voice-decisions-m1v3
Автор
sahildl
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

241

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии