Mamba-24M (SC09)
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, daher kann es nicht heruntergeladen oder auf Ihrer eigenen Hardware in beliebiger Größe betrieben werden. Es ist nur über seinen Anbieter erreichbar, und keine Grafikkarte ändert das..
Aufgezeichnet
Volle Spezifikation
Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Carnegie Mellon University (CMU),Princeton University
- Organisationsart
- Academia,Academia
- Land
- United States of America
- Veröffentlicht
- 1 December 2023
- Autoren
- Albert Gu, Tri Dao
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Speech
- Aufgabe
- Audio generation, Speech synthesis, Text-to-speech (TTS)
Größe
Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.
- Parameter
- 23.4M
- Trainingsdaten
- 96,672 tokens
- Epochen
- 100
Table 4
Section 4.4.2: "We largely follow the autoregressive training setup and generation protocol of Goel et al. (2022)" In which they model raw audio waveforms, such that each sample is a datapoint. SC09 is 5.3 hours long. 5.3h * 3600 sec/h * 16k samples/sec = 305,280,000 samples Appendix E.4.2: "We used a learning rate of 0.002 and 200000 training steps at a batch size of 16... training went through 100 epochs"
Verfügbarkeit
Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Unreleased
- Training-Code
- Unreleased
no code or weights for 24M Mamaba model, but there are code and weights for other Mamba models: https://github.com/state-spaces/mamba
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Warum es verfolgt wird
- SOTA improvement
- Aufzeichnungsgenauigkeit
- Confident
- Zitationen
- 7,063
"SC09 is a benchmark speech generation dataset (Donahue, McAuley, and Puckette 2019; Warden 2018), consisting of 1-second clips sampled at 16000 Hz of the digits “zero” through “nine” with highly variable characteristics. We largely follow the autoregressive training setup and generation protocol of Goel et al. (2022). Table 4 shows automated metrics of the Mamba-UNet model compared to a variety of baselines from Goel et al. (2022): WaveNet (Oord et al. 2016), SampleRNN (Mehri et al. 2017), Wav…
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Mamba: Linear-Time Sequence Modeling with Selective State Spaces
- Zuletzt aktualisiert
- 25 May 2026
Was die Zahlen bedeuten
Was dieses Modell ist
Mamba-24M (SC09) wurde veröffentlicht von Carnegie Mellon University (CMU),Princeton University, im Land aufgezeichnet als United States of America, während December 2023. Die veröffentlichende Organisation ist als academia,Academia.
Es funktioniert im Bereich von Speech, und wird als die Aufgabe von aufgezeichnet audio generation, Speech synthesis, Text-to-speech (TTS).
Dies ist ein geschlossenes Modell: die trainierten Werte blieben bei demjenigen, der sie erzeugt hat, und es gibt keine lokale Version zum Ausführen.
Was in den Aufbau geflossen ist
Es wurde auf einem Korpus von etwa 96,672 Text-Tokens
Der Grund, warum es überhaupt in diesem Katalog erscheint: sOTA improvement.
Antworten
Mamba-24M (SC09) — Häufige Fragen
Mamba-24M (SC09)— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in December 2023. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
Mamba-24M (SC09)— Wofür wird es verwendet?
Es funktioniert im Bereich von Speech, und wird als Bewältigung der Aufgabe von audio generation, Speech synthesis, Text-to-speech (TTS). Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.
Mamba-24M (SC09)— Welche GPU benötige ich, um es auszuführen?
Dieses ist ein geschlossenes Modell — seine Gewichte wurden nie veröffentlicht, sodass es zu keinem Preis heruntergeladen oder auf Ihrer eigenen Hardware ausgeführt werden kann. Es ist nur über seinen Anbieter erreichbar.
Mamba-24M (SC09)— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
Mamba-24M (SC09)— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 23.4M. Table 4. Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.
Mamba-24M (SC09)— Wer hat es erstellt?
Es wurde veröffentlicht von Carnegie Mellon University (CMU),Princeton University, basiert auf United States of America, eine als kategorisierte Organisation academia,Academia.
Die andere Richtung
Von der anderen Seite aus betrachten?
Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.