MooER
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Moore Threads
- Tipo di organizzazione
- Industry
- Paese
- China
- Pubblicato
- 9 August 2024
- Autori
- Junhao Xu, Zhenlin Liang, Yi Liu, Yichao Hu, Jian Li, Yajun Zheng, Meng Cai, Hua Wang
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Speech
- Compito
- Speech recognition (ASR), Translation
- Modello di base
- Qwen2-7B
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 7.2B
- Dati di addestramento
- tokens
7 B active parameters in the decoder (inherits Qwen-2-7B-instruct) + 158 M in the Paraformer audio encoder → ~ 7.2 B total.
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- MTT S4000
- Chip utilizzati
- 8
- Consumo energetico
- 7.1 kW
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 3
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- MooER: LLM-based Speech Recognition and Translation Models from Moore Threads
- Ultimo aggiornamento
- 1 December 2025
Cosa significano i numeri
Informazioni su questo modello
MooER è stato pubblicato da Moore Threads, nel paese registrato come China, durante August 2024. Esce da un'organizzazione categorizzata come industry.
Funziona nel dominio di Speech, ed è registrato come eseguire il compito di speech recognition (ASR), Translation.
Invece di essere addestrato da zero, è derivato da Qwen2-7B. La maggior parte dei modelli di questa scala sono adattati da una base esistente piuttosto che costruiti da zero.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Risposte
MooER — domande comuni
MooER— A cosa serve?
Funziona nel dominio di Speech, e viene registrato come gestire il compito di speech recognition (ASR), Translation. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
MooER— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
MooER— è open-source?
La licenza non è mai stata registrata nei nostri dati sorgente. Trattiamo le licenze non dichiarate come chiuse, perché una licenza non registrata non è una su cui fare affidamento.
MooER— quanti parametri ha?
Ha un numero di parametri di 7.2B. 7 B active parameters in the decoder (inherits Qwen-2-7B-instruct) + 158 M in the Paraformer audio encoder → ~ 7.2 B total. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
MooER— chi l'ha creato?
È stato pubblicato da Moore Threads, basato su China, un'organizzazione categorizzata come industry.
MooER— quando è stato rilasciato?
È stato pubblicato in August 2024. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.