К содержимому
Аудио

Hear Service models

офлайн-голоса, распознавание и понимание запросов

2 мин чтенияобновлено

Репозиторий Hear Service models от samuelr3 — набор on-device моделей для voice-first приложения для незрячих и слабовидящих слушателей британских talking newspapers. Всё работает на телефоне: пять голосов Piper VITS, дообученный Parakeet TDT-CTC 110M и MiniLM с классификаторами. Общий пакет — 519 MB в 15 файлах.

Ключевые особенности

  • 5 голосов Piper VITS: Jenny, Deborah, Richard, David и Alan; плюс встроенная Alice. 22 050 Hz, mono, ONNX в 32-bit, около 63.5 MB каждый.
  • Parakeet TDT-CTC 110M дообучен на британской речи и названиях UK talking newspapers, городов и организаций; 8-bit, 16 kHz, 178 MB.
  • all-MiniLM-L6-v2 с двумя logistic-regression головами: 14 действий и 27 типов разговора; 23 MB, 8-bit.
  • Всё на устройстве: речь, текст и аудио не отправляются на сервер для понимания или озвучки.
  • Голоса оставили в 32-bit: 8-bit был в 3 раза медленнее на CPU телефона из-за свёрток.
  • LLM нет: SmolLM2-135M в 4-bit потерял файнтюн, а Qwen2.5-0.5B оказался слишком медленным на iPhone XR.

Пример

Слушатель произносит запрос. Parakeet распознаёт названия, MiniLM относит запрос к одному из 14 действий, а Piper озвучивает ответ выбранным голосом. Ответ классификатора используется только при уверенности 60% и выше.

ПодробнееWER на отложенной архивной речи — 7.3%; названия talking newspapers и мест — 87.3% из 394; «Herne Bay» в сложных записях — 22 из 22.
Пакет: 519 MB, 15 файлов; голоса по 63.5 MB, Parakeet 178 MB, MiniLM 23 MB.
Понимание запросов: 219 из 236 отложенных фраз для intent-head; на iPhone XR около 5 ms на запрос.
LLM не используется: ответы берутся из approved lines и каталога, без генерации текста.
Обсудить Telegram 1 141

Запустится ли?

Запустится в INT8

Влезает без сжатия.

  • INT8рекомендуемвеса 0.2 GB · готовые файлы0.7 GB
  • 4-bitвеса 0.1 GB0.6 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.

    # samuelr3/hear-service-models
    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 samuelr3/hear-service-models --local-dir ~/models/hear-service-models
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к hear-service-models
  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 hear-service-models — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

samuelr3/hear-service-models
Автор
samuelr3
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

1411

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

OmniSinger

OmniSinger