MooER
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Moore Threads
- Typ organizacji
- Industry
- Kraj
- China
- Opublikowany
- 9 August 2024
- Autorzy
- Junhao Xu, Zhenlin Liang, Yi Liu, Yichao Hu, Jian Li, Yajun Zheng, Meng Cai, Hua Wang
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Speech
- Zadanie
- Speech recognition (ASR), Translation
- Model bazowy
- Qwen2-7B
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 7.2B
- Dane treningowe
- tokens
7 B active parameters in the decoder (inherits Qwen-2-7B-instruct) + 158 M in the Paraformer audio encoder → ~ 7.2 B total.
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- MTT S4000
- Zastosowane chipy
- 8
- Pobór mocy
- 7.1 kW
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
- Cytaty
- 3
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- MooER: LLM-based Speech Recognition and Translation Models from Moore Threads
- Ostatnio zaktualizowane
- 1 December 2025
Co oznaczają liczby
O tym modelu
MooER został opublikowany przez Moore Threads, w kraju zapisanym jako China, podczas August 2024. Wychodzi z organizacji zaklasyfikowanej jako industry.
Działa w dziedzinie Speech, i jest zapisany jako wykonujący zadanie speech recognition (ASR), Translation.
Zamiast być trenowanym od podstaw, pochodzi z Qwen2-7B. Większość modeli w tej skali jest dostosowywana z istniejącej bazy, a nie tworzona od zera.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Odpowiedzi
MooER — częste pytania
MooER— do czego to służy?
Działa w dziedzinie Speech, i jest zarejestrowany jako realizujący zadanie speech recognition (ASR), Translation. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
MooER— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
MooER— czy jest open weight?
Licencja nigdy nie została zarejestrowana w naszych danych źródłowych. Traktujemy niewskazaną licencję jako zamkniętą, ponieważ niezarejestrowana licencja nie jest na którą można polegać.
MooER— ile ma parametrów?
Ma liczbę parametrów równą 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. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.
MooER— kto to stworzył?
Zostało opublikowane przez Moore Threads, oparty na China, organizacja sklasyfikowana jako industry.
MooER— kiedy to zostało wydane?
Zostało opublikowane w August 2024. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.