Voicebox / VB-En
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti pro tento model nebyly zveřejněny, takže jej nelze stáhnout ani spustit na vlastním hardwaru v žádné velikosti. Je dostupný pouze prostřednictvím svého poskytovatele, a žádná změna grafické karty to nezmění..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- Facebook AI Research
- Typ organizace
- Industry
- Země
- United States of America, France
- Publikováno
- 19 October 2023
- Autoři
- Matthew Le, Apoorv Vyas, Bowen Shi, Brian Karrer, Leda Sari, Rashel Moritz, Mary Williamson, Vimal Manohar, Yossi Adi, Jay Mahadeokar, Wei-Ning Hsu
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Speech
- Úkol
- Speech synthesis, Text-to-speech (TTS)
- Číselný formát
- FP16
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 358M
- Výcviková data
- tokens
Acoustic Model: 330 million parameters Duration Model: 28M for English-only model (VB-En)
"We train an English-only Voicebox on 60K hours of data and a multilingual version on 50K hours of data covering six languages (English, French, German, Spanish, Polish, and Portuguese)." "VB-En/VB-Multi audio models are trained for 500K/750K updates with an effective batch size of 240K frames" "For training efficiency, audio length is capped at 1,600 frames and chunked randomly if the length exceeds this threshold. Duration models are trained for 600K updates with an effective batch size of 6…
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Používané čipy
- 32
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.
- Hmotnosti
- Closed — provider access only
- Přístup k modelu
- Unreleased
- Tréninkový kód
- Unreleased
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Confident
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Voicebox: Text-Guided Multilingual Universal Speech Generation at Scale
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Pozadí
Voicebox / VB-En byl zveřejněn Facebook AI Research, v zemi zaznamenané jako United States of America, během October 2023. Vydavatelská organizace je kategorizována jako industry.
funguje v oblasti Speech, a je zaznamenán jako vykonávající úkol speech synthesis, Text-to-speech (TTS).
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Odpovědi
Voicebox / VB-En — běžné otázky
Voicebox / VB-En— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
Voicebox / VB-En— kolik má parametrů?
Má počet parametrů 358M. Acoustic Model: 330 million parameters Duration Model: 28M for English-only model (VB-En). Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Voicebox / VB-En— Kdo to vytvořil?
Bylo to publikováno společností Facebook AI Research, zakládající se na United States of America, organizace zařazená jako industry.
Voicebox / VB-En— Kdy byl vydán?
Bylo to zveřejněno v October 2023. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Voicebox / VB-En— K čemu se to používá?
funguje v oblasti Speech, a je zaznamenáno jako zpracovávající úkol speech synthesis, Text-to-speech (TTS). Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
Voicebox / VB-En— Jakou GPU potřebuji k jejímu spuštění?
Žádné. Toto je uzavřený model — jeho váhy nikdy nebyly zveřejněny, takže jej nelze stáhnout nebo spustit na vlastním hardwaru za žádnou cenu. Je dostupný pouze prostřednictvím jeho poskytovatele.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.