К содержимому
Аудио

AudioLLM vi_zac_graft_aug_corr

ASR для вьетнамского с коррекцией гипотез

1 мин чтенияобновлено

Это ASR-модель для вьетнамского языка из проекта AudioLLM на базе lfm25_230m_lfm3envi. Опубликован финальный бэкап запуска: LoRA-адаптер, проектор conv и чекпоинты для распознавания речи и коррекции готовых гипотез.

Ключевые особенности

  • LoRA с r=64 и alpha=128, проектор conv.
  • Режим коррекции ASR-гипотез через флаг --hypothesis.
  • Обучение: 24 000 шагов, 2 эпохи, батч 16 с grad accumulation 2.
  • Есть portable bundle с кодом инференса и requirements.
  • Язык только вьетнамский; тренировочное аудио в репозиторий не входит.
  • Для CPU-инференса предусмотрен флаг --device cpu.

Пример

pip install -r requirements.txt
python scripts/hf_backup.py pull tungnguyenlam/audiollm-20261108-093006_vi_zac_graft_aug_corr 20261108-093006_vi_zac_graft_aug_corr --output downloads
python scripts/transcribe.py --run downloads/20261108-093006_vi_zac_graft_aug_corr --audio speech.wav
ПодробнееЛучший val WER — 39.2% на шаге 12k.
Тест: zac2026/dev — 43.64%, с коррекцией — 24.37%; holdout — 57.37% и 34.96% с коррекцией.
В комплекте LoRA, проектор, чекпоинты и состояния оптимизатора; тренировочного аудио нет.
Язык — только вьетнамский, для CPU есть флаг --device cpu.
Обсудить Telegram 0

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # tungnguyenlam/audiollm-20261108-093006_vi_zac_graft_aug_corr
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 tungnguyenlam/audiollm-20261108-093006_vi_zac_graft_aug_corr --local-dir ~/models/audiollm-20261108-093006_vi_zac_graft_aug_corr
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  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 audiollm-20261108-093006_vi_zac_graft_aug_corr — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

tungnguyenlam/audiollm-20261108-093006_vi_zac_graft_aug_corr
Автор
tungnguyenlam
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