MultiBand Diffusion
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi tego modelu są OPEN, ale nie opublikowano liczby parametrów. Każda figura dotycząca MEMORY i prędkości zaczyna się od tej liczby, więc wolelibyśmy nic nie pokazywać niż wymyśloną estymację..
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
- Meta AI,Hebrew University of Jerusalem,LORIA
- Typ organizacji
- Industry,Academia,Academia
- Kraj
- United States of America, Israel, France
- Opublikowany
- 8 November 2023
- Autorzy
- Robin San Roman, Yossi Adi, Antoine Deleforge, Romain Serizel, Gabriel Synnaeve, Alexandre Défossez
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Audio, Speech
- Zadanie
- Audio generation
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Dane treningowe
- tokens
9096+2425+919+108+4989=17537 hours
Obliczenia treningowe
Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.
- Obliczenia treningowe
- 2.6 × 10¹⁹ FLOP
- Jak to zostało ustalone
- 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
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA V100
- Czas rzeczywisty
- 48 hours
- Koszt obliczeniowy
- $23
around 2 days
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Open — downloadable
- Dostęp do modelu
- Open weights (unrestricted)
- Kod treningowy
- Open source
training, inference, and models (MIT) https://github.com/facebookresearch/audiocraft/blob/main/docs/MBD.md
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- SOTA improvement
- Zapisz pewność
- Confident
- Cytaty
- 43
"At equal bit rate, the proposed approach outperforms state-of-the-art generative techniques in terms of perceptual quality"
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- From Discrete Tokens to High-Fidelity Audio Using Multi-Band Diffusion
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Tło
MultiBand Diffusion został opublikowany przez Meta AI,Hebrew University of Jerusalem,LORIA, w kraju zapisanym jako United States of America, podczas November 2023. Kategoria, do której należy wydawca, to industry,Academia,Academia.
Działa w dziedzinie Audio, Speech, i jest zapisany jako wykonujący zadanie audio generation.
Opublikowane wagi oznaczają, że model działa na twojej maszynie, a nie na czyjejś, co sprawia, że poniższe pytanie dotyczące sprzętu jest w ogóle możliwe do odpowiedzi.
Co poszło w budowę tego
Wytworzenie tego wymagało arytmetyki sumującej około 2.6 × 10¹⁹ FLOP, na sprzęcie zarejestrowanym jako NVIDIA V100. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Jest śledzone w podstawowym zbiorze danych z jednego szczególnego powodu: sOTA improvement.
Odpowiedzi
MultiBand Diffusion — częste pytania
MultiBand Diffusion— kto to stworzył?
Zostało opublikowane przez Meta AI,Hebrew University of Jerusalem,LORIA, oparty na United States of America, organizacja sklasyfikowana jako industry,Academia,Academia.
MultiBand Diffusion— kiedy to zostało wydane?
Zostało opublikowane w November 2023. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
MultiBand Diffusion— do czego to służy?
Działa w dziedzinie Audio, Speech, i jest zarejestrowany jako realizujący zadanie audio generation. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
MultiBand Diffusion— Gdzie mogę to pobrać?
Wagi są opublikowane, chociaż nie posiadamy linku do repozytorium. Ta strona oblicza wymagania sprzętowe, a nie hostuje pliki modelu.
MultiBand Diffusion— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 2.6 × 10¹⁹ FLOP, na sprzęcie zarejestrowanym jako NVIDIA V100. To mierzy, ile kosztowało wyprodukowanie modelu i nie mówi nic o tym, jak szybko odpowiada po wytrenowaniu — prędkość wnioskowania pochodzi z SZEROKOŚCI PASMA, a nie z budżetu treningowego.
MultiBand Diffusion— Jaką GPU potrzebuję, aby ją uruchomić?
Nie możemy powiedzieć. Ma otwarte wagi, ale nie opublikowano liczby parametrów, a wszelkie obliczenia pamięci i prędkości zaczynają się od tej liczby. Wolimy nie pokazywać niczego niż fałszywą szacunkową wartość.
MultiBand Diffusion— czy jest open weight?
Jego wagi są opublikowane, więc można je pobrać i uruchomić na własnym sprzęcie. Zauważ, że OPEN WEIGHTS nie są tym samym co OPEN SOURCE w pełnym sensie — nie mówi nic o danych treningowych, kodzie treningowym, ani warunkach komercyjnych.
MultiBand Diffusion— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
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.