Voicebox / VB-En
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
- Facebook AI Research
- Tipo de Organización
- Industry
- País
- United States of America, France
- Publicado
- 19 October 2023
- Autores
- Matthew Le, Apoorv Vyas, Bowen Shi, Brian Karrer, Leda Sari, Rashel Moritz, Mary Williamson, Vimal Manohar, Yossi Adi, Jay Mahadeokar, Wei-Ning Hsu
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 synthesis, Text-to-speech (TTS)
- Formato numérico
- FP16
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
- 358M
- Datos de entrenamiento
- 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…
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Chips utilizados
- 32
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
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Confident
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Voicebox: Text-Guided Multilingual Universal Speech Generation at Scale
- Última actualización
- 28 November 2025
Qué significan los números
Fondo
Voicebox / VB-En fue publicado por Facebook AI Research, en el país registrado como United States of America, durante October 2023. La organización editora está clasificada como industry.
Funciona en el dominio de Speech, y se registra como realizando la tarea de 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.
Respuestas
Voicebox / VB-En — preguntas comunes
Voicebox / VB-En— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Voicebox / VB-En— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 358M. Acoustic Model: 330 million parameters Duration Model: 28M for English-only model (VB-En). 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.
Voicebox / VB-En— ¿Quién lo creó?
Fue publicado por Facebook AI Research, basado en United States of America, una organización categorizada como industry.
Voicebox / VB-En— ¿cuándo fue lanzado?
Se publicó en October 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.
Voicebox / VB-En— ¿Para qué se utiliza?
Funciona en el dominio de Speech, y se registra como manejando la tarea de speech synthesis, Text-to-speech (TTS). Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
Voicebox / VB-En— ¿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.
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.