Mamba-24M (SC09)
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Carnegie Mellon University (CMU),Princeton University
- Tipo de Organización
- Academia,Academia
- País
- United States of America
- Publicado
- 1 December 2023
- Autores
- Albert Gu, Tri Dao
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Speech
- Tarea
- Audio generation, Speech synthesis, Text-to-speech (TTS)
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- parámetros
- 23.4M
- Datos de entrenamiento
- 96,672 tokens
- Épocas
- 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"
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- 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
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Confident
- Citas
- 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…
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Mamba: Linear-Time Sequence Modeling with Selective State Spaces
- Última actualización
- 25 May 2026
Qué significan los números
Qué es este modelo
Mamba-24M (SC09) fue publicado por Carnegie Mellon University (CMU),Princeton University, en el país registrado como United States of America, durante December 2023. La organización editora está clasificada como academia,Academia.
Funciona en el dominio de Speech, y se registra como realizando la tarea de audio generation, Speech synthesis, Text-to-speech (TTS).
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Qué se necesitó para construirlo
Fue entrenado en un corpus de aproximadamente 96,672 tokens de texto
La razón por la que aparece en este catálogo en absoluto: sOTA improvement.
Respuestas
Mamba-24M (SC09) — preguntas comunes
Mamba-24M (SC09)— ¿cuándo fue lanzado?
Se publicó en December 2023. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
Mamba-24M (SC09)— ¿Para qué se utiliza?
Funciona en el dominio de Speech, y se registra como manejando la tarea de audio generation, Speech synthesis, Text-to-speech (TTS). Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
Mamba-24M (SC09)— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
Mamba-24M (SC09)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Mamba-24M (SC09)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 23.4M. Table 4. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
Mamba-24M (SC09)— ¿Quién lo creó?
Fue publicado por Carnegie Mellon University (CMU),Princeton University, basado en United States of America, una organización categorizada como academia,Academia.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.