К содержимому
Другое

Ming-3.0-ASR-tiny DSpark draft

драфт для спекулятивного ASR

2 мин чтенияобновлено

Это DSpark-драфт, обученный под замороженный верификатор inclusionAI/Ming-3.0-asr-tiny на фиксированной ревизии. Размер — 0,29 млрд параметров, 5 слоёв, hidden size 1 536, intermediate size 4 608, BF16. Карточка называет чекпойнт тренировочным артефактом: serving-метрики пока не измерены.

Ключевые особенности

  • Draft для speculative decoding: 5 слоёв, hidden size 1 536, intermediate size 4 608, BF16.
  • Входной словарь 157 184 токена, выходной словарь драфта — 48 000; блок из 8 предсказанных токенов плюс бонусный токен верификатора в offline EAL.
  • Обучен offline teacher distillation: верификатор Ming оставался замороженным, одна стадия на коротких аудио, 10 эпох, около 4 ч 48 мин на двух H200.
  • Опубликован epoch 6, выбранный по минимальному aggregate validation loss; есть confidence head и Markov rank 256.
  • Acceptance length, throughput, latency и WER при serving не измерены; онлайн-спекулятивное декодирование и паритет ASR нужно проверять отдельно.
  • Нужны tokenizer и audio processor верификатора, а также Speculators с поддержкой resolver имён эмбеддингов Ming.

Пример

Сценарий из карточки: подать mono 16 kHz аудио до 30 секунд в Ming-3.0-asr-tiny, подключив DSpark-драфт через Speculators и vLLM. Драфт предлагает блок из 8 токенов, верификатор проверяет их; это описание workflow, а не измеренный результат.

ПодробнееВалидация: total loss 0.409284, greedy offline EAL 6.023555, analytical accepted length 5.615419 — с одним бонусным токеном верификатора.
Обучение: 357 005 клипов, 999.71 ч аудио, 10 эпох; опубликован epoch 6. Данные: LibriSpeech, People’s Speech, VoxPopuli, AISHELL-1, FLEURS.
Ограничения: метрики serving не измерены; японский поднабор мал, качество японского ASR не установлено. Для инференса нужны Speculators и vLLM.
Обсудить Telegram 0 64

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.5 GB · готовые файлы1.1 GB
  • FP8 / INT8рекомендуемвеса 0.3 GB0.8 GB
  • 4-bitвеса 0.2 GB0.7 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.

    # wirybeaver/Ming-3.0-asr-tiny-dspark
    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 wirybeaver/Ming-3.0-asr-tiny-dspark --local-dir ~/models/Ming-3.0-asr-tiny-dspark
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Ming-3.0-asr-tiny-dspark
  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

inclusionAI/Ming-3.0-asr-tiny

Новые посты про версии Ming-3.0-asr-tiny — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 3Все на Hugging Face

О модели

wirybeaver/Ming-3.0-asr-tiny-dspark
Автор
wirybeaver
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

640

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии