MultiBand Diffusion
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos de este modelo son OPEN WEIGHT, pero no se ha publicado ninguna cuenta de parámetros para él. Cada figura de MEMORY y velocidad comienza a partir de ese número, así que preferiríamos no mostrar nada que una estimación fabricada..
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
- Meta AI,Hebrew University of Jerusalem,LORIA
- Tipo de Organización
- Industry,Academia,Academia
- País
- United States of America, Israel, France
- Publicado
- 8 November 2023
- Autores
- Robin San Roman, Yossi Adi, Antoine Deleforge, Romain Serizel, Gabriel Synnaeve, Alexandre Défossez
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Audio, Speech
- Tarea
- Audio generation
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.
- Datos de entrenamiento
- tokens
9096+2425+919+108+4989=17537 hours
Cómputo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.
- Cómputo de entrenamiento
- 2.6 × 10¹⁹ FLOP
- Cómo se estableció
- Hardware
"It takes around 2 days on 4 Nvidia V100 with 16 GB to train one of the 4 models." 125 tflop/s for V100 SXM (not clear which they used, could be PCI given small number - still same OOM thus confident) 4 * 125 trillion * 2 * 24 * 3600 * 0.3 = 2.6e19
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Hardware de entrenamiento
- NVIDIA V100
- Tiempo de reloj
- 48 hours
- Costo de cómputo
- $23
around 2 days
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
- Open — downloadable
- Acceso al modelo
- Open weights (unrestricted)
- Código de entrenamiento
- Open source
training, inference, and models (MIT) https://github.com/facebookresearch/audiocraft/blob/main/docs/MBD.md
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
- 43
"At equal bit rate, the proposed approach outperforms state-of-the-art generative techniques in terms of perceptual quality"
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- From Discrete Tokens to High-Fidelity Audio Using Multi-Band Diffusion
- Última actualización
- 25 May 2026
Qué significan los números
Fondo
MultiBand Diffusion fue publicado por Meta AI,Hebrew University of Jerusalem,LORIA, en el país registrado como United States of America, durante November 2023. La categoría en la que se encuentra el editor es industry,Academia,Academia.
Funciona en el dominio de Audio, Speech, y se registra como realizando la tarea de audio generation.
Los pesos publicados significan que el modelo se ejecuta en tu máquina en lugar de en la de alguien más, lo que hace que la pregunta sobre hardware a continuación sea respondible.
Qué se necesitó para construirlo
Producirlo requirió una aritmética que totaliza alrededor de 2.6 × 10¹⁹ FLOP, en hardware registrado como NVIDIA V100. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Se rastrea en el conjunto de datos subyacente por una razón en particular: sOTA improvement.
Respuestas
MultiBand Diffusion — preguntas comunes
MultiBand Diffusion— ¿Quién lo creó?
Fue publicado por Meta AI,Hebrew University of Jerusalem,LORIA, basado en United States of America, una organización categorizada como industry,Academia,Academia.
MultiBand Diffusion— ¿cuándo fue lanzado?
Se publicó en November 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.
MultiBand Diffusion— ¿Para qué se utiliza?
Funciona en el dominio de Audio, Speech, y se registra como manejando la tarea de audio generation. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.
MultiBand Diffusion— ¿Dónde puedo descargarlo?
Los pesos están publicados, aunque no tenemos un enlace de repositorio para ello. Este sitio calcula los requisitos de hardware en lugar de alojar archivos de modelo.
MultiBand Diffusion— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 2.6 × 10¹⁹ FLOP, en hardware registrado como NVIDIA V100. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.
MultiBand Diffusion— ¿Qué GPU necesito para ejecutarlo?
No podemos decir. Tiene pesos abiertos, pero no se ha publicado ningún conteo de parámetros para él, y todos los cálculos de memoria y velocidad comienzan desde ese número. Preferiríamos no mostrar nada que una estimación fabricada.
MultiBand Diffusion— ¿Es de código abierto?
Sus pesos están publicados, por lo que se pueden descargar y ejecutar en su propio hardware. Tenga en cuenta que OPEN WEIGHTS no es lo mismo que OPEN SOURCE en el sentido completo: no dice nada sobre los datos de entrenamiento, el código de entrenamiento o los términos comerciales adjuntos.
MultiBand Diffusion— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
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.