MooER
Sin estimación
No hay requisitos de hardware para este modelo
Los pesos de este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en su propio hardware en ningún tamaño. Solo es accesible a través de su proveedor, y ninguna tarjeta gráfica lo cambia.
En registro
Especificación completa
Todo lo registrado para este modelo. La mayoría de ello describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se dedicó a ello y cómo se compara con modelos construidos a una escala diferente.
Origen
¿Quién construyó este modelo, dónde y cuándo fue publicado?
- Organización
- Moore Threads
- Tipo de organización
- Industry
- País
- China
- Publicado
- 9 August 2024
- Autores
- Junhao Xu, Zhenlin Liang, Yi Liu, Yichao Hu, Jian Li, Yajun Zheng, Meng Cai, Hua Wang
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Speech
- Tarea
- Speech recognition (ASR), Translation
- Modelo base
- Qwen2-7B
Tamaño
Qué tan grande es el modelo y cuántos datos se utilizaron para entrenarlo. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Parámetros
- 7.2B
- Datos de entrenamiento
- tokens
7 B active parameters in the decoder (inherits Qwen-2-7B-instruct) + 158 M in the Paraformer audio encoder → ~ 7.2 B total.
El entrenamiento
Lo que se necesitó físicamente para entrenar: qué chips, cuántos, durante cuánto tiempo y qué consumió de la pared.
- Hardware de entrenamiento
- MTT S4000
- Chips usados
- 8
- Consumo de energía
- 7.1 kW
Cómo se clasifica
Etiquetas que aplica el conjunto de datos de origen al rastrear modelos notables y cuán seguro está de la entrada.
- Registrar confianza
- Confident
- Citas
- 3
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- MooER: LLM-based Speech Recognition and Translation Models from Moore Threads
- Última actualización
- 1 December 2025
Qué significan los números
Acerca de este modelo
MooER was published by Moore Threads, in China, in August 2024. It comes out of industry.
It works in Speech, and is recorded as doing speech recognition (ASR), Translation.
It is derived from Qwen2-7B rather than trained from scratch, which is the usual way a specialised model is produced.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a ellos a través de su proveedor. Ninguna tarjeta gráfica cambia eso.
Respuestas
MooER — Preguntas frecuentes
What is MooER used for?
MooER works in Speech, and is recorded as handling speech recognition (ASR), Translation. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
What GPU do I need to run MooER?
None. MooER is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is MooER open source?
The licensing for MooER was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does MooER have?
MooER has 7.2B parameters. 7 B active parameters in the decoder (inherits Qwen-2-7B-instruct) + 158 M in the Paraformer audio encoder → ~ 7.2 B total. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created MooER?
MooER was published by Moore Threads, based in China, categorised as industry.
When was MooER released?
MooER was published in August 2024. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posee una tarjeta y desea saber todo lo que podrá ejecutar, empiece por el hardware en su lugar.