К содержимому
Другое

byt5-fuzzy-phoneme-decode-tiny

компактный декодер для восстановления повреждённых фонемных последовательностей

2 мин чтения

Модель основана на архитектуре ByT5 (байтовой модели от Google) и имеет размер всего 17M параметров. Она решает необычную задачу: исправляет искажённые или повреждённые фонемы («поверхностную фонологию») обратно в канонический вид («каноническую фонологию»). Обучение проводилось на 1,67 млн синтетических пар, сгенерированных с помощью калибратора фонологических процессов по данным PhonBank для шести языков (английский, немецкий, французский, итальянский, нидерландский, испанский). Модель пригодится исследователям речи, разработчикам систем AAC (дополнительная и альтернативная коммуникация) и всем, кто работает со сложным распознаванием речи или речевыми нарушениями.

Ключевые особенности

  • Компактность: модель весит всего около 70 МБ и имеет объём 17M параметров.
  • Мультиязычность: поддерживает английский, немецкий, французский, итальянский, нидерландский и испанский языки.
  • Варианты ONNX: доступны версии в fp32 и с квантованием int8 (dynamic-QInt8), которые уменьшают размер примерно в 4 раза без потери качества.
  • Специализированное обучение: натренирована инвертировать реальные речевые процессы (удаление слогов, ассимиляцию, оглушение и др.).

Что можно сделать

  • Интеграция в AAC: использовать как компонент ввода для систем альтернативной коммуникации, обрабатывая нечёткий или искаженный ввод речи.
  • Исправление транскрипций: применять для постобработки фонемных последовательностей, полученных от систем распознавания речи с ошибками.
  • Эксперименты с ONNX: запустить оптимизированные fp32 или int8 версии в собственных пайплайнах обработки звука и текста.

Пример

Пример работы модели на немецком языке (исправление оглушения):
: ʔ a m p uː t iː ɡ t ə n → ʔ a m p uː t iː ʁ t ə n

Подробнее• Точность (exact recovery): около 49% на золотом тестовом наборе (n=4000) при любой степени искажения.
• Метрики: phone TER составляет 0.06–0.12 в зависимости от языка.
• Железо: очень легкая модель (~70 МБ в fp32, ещё меньше в ONNX int8), минимальные требования к VRAM.
• Данные: обучена на синтетических парах из voicegarden-lexicons с калибровкой по PhonBank.
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.

    # willwade/byt5-fuzzy-phoneme-decode-tiny
    # ===== 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 willwade/byt5-fuzzy-phoneme-decode-tiny --local-dir ~/models/byt5-fuzzy-phoneme-decode-tiny
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к byt5-fuzzy-phoneme-decode-tiny
  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 byt5-fuzzy-phoneme-decode-tiny — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

willwade/byt5-fuzzy-phoneme-decode-tiny
Автор
willwade
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

Connais 1

Connais 1