Mamba-24M (SC09)
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
- Carnegie Mellon University (CMU),Princeton University
- Tipo di organizzazione
- Academia,Academia
- Paese
- United States of America
- Pubblicato
- 1 December 2023
- Autori
- Albert Gu, Tri Dao
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Speech
- Compito
- Audio generation, Speech synthesis, Text-to-speech (TTS)
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
- 23.4M
- Dati di addestramento
- 96,672 tokens
- Epoche
- 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"
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- 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
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Confident
- Citazioni
- 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…
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Mamba: Linear-Time Sequence Modeling with Selective State Spaces
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Cosa è questo modello
Mamba-24M (SC09) è stato pubblicato da Carnegie Mellon University (CMU),Princeton University, nel paese registrato come United States of America, durante December 2023. L'organizzazione di pubblicazione è classificata come academia,Academia.
Funziona nel dominio di Speech, ed è registrato come eseguire il compito di audio generation, Speech synthesis, Text-to-speech (TTS).
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Cosa è stato necessario per costruirlo
È stato addestrato su un corpus di circa 96,672 token di testo
Il motivo per cui appare in questo catalogo è: sOTA improvement.
Risposte
Mamba-24M (SC09) — domande comuni
Mamba-24M (SC09)— quando è stato rilasciato?
È stato pubblicato in December 2023. 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.
Mamba-24M (SC09)— A cosa serve?
Funziona nel dominio di Speech, e viene registrato come gestire il compito di audio generation, Speech synthesis, Text-to-speech (TTS). I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
Mamba-24M (SC09)— 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.
Mamba-24M (SC09)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Mamba-24M (SC09)— quanti parametri ha?
Ha un numero di parametri di 23.4M. Table 4. 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.
Mamba-24M (SC09)— chi l'ha creato?
È stato pubblicato da Carnegie Mellon University (CMU),Princeton University, basato su United States of America, un'organizzazione categorizzata come academia,Academia.
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.