Mamba-24M (SC09)
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- Carnegie Mellon University (CMU),Princeton University
- Organisatietype
- Academia,Academia
- Land
- United States of America
- Gepubliceerd
- 1 December 2023
- Auteurs
- Albert Gu, Tri Dao
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Speech
- Taak
- Audio generation, Speech synthesis, Text-to-speech (TTS)
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 23.4M
- Training gegevens
- 96,672 tokens
- Epochs
- 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"
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Closed — provider access only
- Toegang tot model
- Unreleased
- Training code
- 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
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Waarom het wordt gevolgd
- SOTA improvement
- Record vertrouwen
- Confident
- Citaties
- 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…
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Mamba: Linear-Time Sequence Modeling with Selective State Spaces
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Wat dit model is
Mamba-24M (SC09) werd gepubliceerd door Carnegie Mellon University (CMU),Princeton University, in het land geregistreerd als United States of America, tijdens December 2023. De publicerende organisatie is geclassificeerd als academia,Academia.
Het werkt in het domein van Speech, en wordt geregistreerd als het uitvoeren van de taak van audio generation, Speech synthesis, Text-to-speech (TTS).
Dit is een gesloten model: de getrainde waarden zijn bij degene gebleven die ze geproduceerd hebben, en er is geen lokale versie om te draaien.
Wat erin ging zitten om het te bouwen
Het is getraind op een corpus van ongeveer 96,672 tekstokens
De reden dat het überhaupt in deze catalogus verschijnt: sOTA improvement.
Antwoorden
Mamba-24M (SC09) — veelgestelde vragen
Mamba-24M (SC09)— wanneer is het uitgebracht?
Het werd gepubliceerd in December 2023. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Mamba-24M (SC09)— waarvoor wordt het gebruikt?
Het werkt in het domein van Speech, en wordt geregistreerd als het afhandelen van audio generation, Speech synthesis, Text-to-speech (TTS). Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
Mamba-24M (SC09)— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
Mamba-24M (SC09)— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
Mamba-24M (SC09)— hoeveel parameters heeft het?
Het heeft een parameter telling van 23.4M. Table 4. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
Mamba-24M (SC09)— wie heeft het gemaakt?
Het werd gepubliceerd door Carnegie Mellon University (CMU),Princeton University, gebaseerd op United States of America, een organisatie geclassificeerd als academia,Academia.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.