MultiBand Diffusion
Nincs becslés
Ennekhez a modellhez nincs hardverkövetelmény
Ennek a modellnek a súlyai nyitottak, de egyetlen paraméterszám sem került nyilvánosságra. Minden memória- és sebességadat ebből a számából indul ki, így inkább nem mutatunk semmit, mint hogy egy megvezető becslést adjunk..
Felvételen
Teljes specifikáció
Minden adatok ezen a modellen. A legtöbb leírás arról szól, hogyan volt kiképzve, nem pedig arról, hogyan fut — hasznos háttérinformáció arra vonatkozóan, hogy mennyi munka került bele, és hogyan viszonyul más méretű modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- Meta AI,Hebrew University of Jerusalem,LORIA
- Szervezet típusa
- Industry,Academia,Academia
- Ország
- United States of America, Israel, France
- Kiadva
- 8 November 2023
- Szerzők
- Robin San Roman, Yossi Adi, Antoine Deleforge, Romain Serizel, Gabriel Synnaeve, Alexandre Défossez
Mit csinál
A modell által épített probléma területek. Egy modell több különbözőt is tartalmazhat.
- Irányítószám
- Audio, Speech
- Feladat
- Audio generation
Méret
Mekkora a modell és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek meghatározzák, hogy illeszkedik-e egy adott grafikus kártyára.
- Képzési adatok
- tokens
9096+2425+919+108+4989=17537 hours
Képzés számítás
A modell betanításához végzett aritmetikai műveletek, amelyet lebegőpontos műveletekben mérnek. Ez a tréning futásának költségét méri, nem azt, hogy mennyire gyorsan válaszol a kész modell.
- Képzés számítás
- 2.6 × 10¹⁹ FLOP
- Hogyan jött létre
- 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
A képzési futam
A kiképzéshez fizikailag szükséges volt: milyen chipek, hány, meddig és mennyi áramot vett le a hálózatról.
- Képzési hardver
- NVIDIA V100
- Wall-clock time
- 48 hours
- Compute cost
- $23
around 2 days
Elérhetőség
Hogy megszerezheted-e a modellt és futtathatod a saját hardvereden, ami eldönti, hogy a ezen az oldalon szereplő grafikus kártyák adatai alkalmazhatóak-e.
- Súlyok
- Open — downloadable
- Modell hozzáférés
- Open weights (unrestricted)
- Képzés kód
- Open source
training, inference, and models (MIT) https://github.com/facebookresearch/audiocraft/blob/main/docs/MBD.md
Hogyan van besorolva
Címkék, amelyeket a forráshalmaz alkalmaz, amikor figyelemmel kíséri a figyelemre méltó modelleket, és mennyire biztos a bejegyzésben.
- Miért követik nyomon
- SOTA improvement
- Rögzítési bizalom
- Confident
- Citations
- 43
"At equal bit rate, the proposed approach outperforms state-of-the-art generative techniques in terms of perceptual quality"
Források
Honnan származik ez a rekord és mikor ellenőrizték utoljára.
- Referencia
- From Discrete Tokens to High-Fidelity Audio Using Multi-Band Diffusion
- Utoljára frissítve
- 25 May 2026
Mit jelentek a számok
Background
MultiBand Diffusion was published by Meta AI,Hebrew University of Jerusalem,LORIA, in United States of America, in November 2023. industry,Academia,Academia is the category the publisher falls under.
It works in Audio, Speech, and is recorded as doing audio generation.
A közzétett súlyok azt jelentik, hogy a modell a te gépeden fut, nem pedig valaki másén, ami lehetővé teszi, hogy a lenti hardverkérdés egyáltalán megválaszolható legyen.
Mi került a megépítésébe
Producing it required around 2.6 × 10¹⁹ FLOP of arithmetic, on NVIDIA V100, which is a statement about the training budget rather than about inference.
It is tracked in the underlying dataset for one reason in particular: sOTA improvement.
Válaszok
MultiBand Diffusion — Gyakran ismételt kérdések
Who created MultiBand Diffusion?
MultiBand Diffusion was published by Meta AI,Hebrew University of Jerusalem,LORIA, based in United States of America, categorised as industry,Academia,Academia.
When was MultiBand Diffusion released?
MultiBand Diffusion was published in November 2023. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is MultiBand Diffusion used for?
MultiBand Diffusion works in Audio, Speech, and is recorded as handling audio generation. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
Where can I download MultiBand Diffusion?
The weights for MultiBand Diffusion are published, though we do not hold a repository link for it. This site calculates hardware requirements rather than hosting model files.
How much compute was used to train MultiBand Diffusion?
Around 2.6 × 10¹⁹ FLOP, on NVIDIA V100. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run MultiBand Diffusion?
We cannot say. MultiBand Diffusion has open weights, but no parameter count has been published for it, and every memory and speed calculation starts from that number. We would rather show nothing than a fabricated estimate.
Is MultiBand Diffusion open source?
Its weights are published, so MultiBand Diffusion can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.
How many parameters does MultiBand Diffusion have?
No parameter count has been published for MultiBand Diffusion, which is why no memory or speed figure appears on this page.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már rendelkezik egy kártyával és szeretné tudni, hogy minden mit fog futtatni, kérjük, folytassa., kezdje a hardverrel inkább.