Samsone от Samsung Labs
Три небольших аудиоязыковых модели для смартфонов: Samsone-99M, 134M и 356M. Принимают один или несколько аудиофрагментов с текстовым запросом, отвечают текстом. Презентация на Interspeech 2026 в Сиднее
• описывают звук, отвечают на вопросы о записи, сравнивают клипы
• понимают речь, музыку и звуки окружения
• несколько аудиофрагментов в любом месте запроса
• ответ только на английском строчными буквами - экономия на параметрах
• аудиоэнкодер Whisper-Tiny 9M + SmolLM2 на 135 или 360 млн
• клип усредняется до 50 аудиотокенов, разделитель SEP
• на Galaxy S25 Ultra: 125 токенов/сек у 99M, 87 у 134M, 39 у 356M
• обработка аудио 0.7-1.1 секунды
Авторы честно предупреждают: после дообучения модели теряют общие языковые навыки - это точечный инструмент, а не собеседник. Веса, код обучения и Android-приложение под Android 12+ открыты
Гитхаб
веса там же в релизах
#alm #mobile
MAX
Три небольших аудиоязыковых модели для смартфонов: Samsone-99M, 134M и 356M. Принимают один или несколько аудиофрагментов с текстовым запросом, отвечают текстом. Презентация на Interspeech 2026 в Сиднее
• описывают звук, отвечают на вопросы о записи, сравнивают клипы
• понимают речь, музыку и звуки окружения
• несколько аудиофрагментов в любом месте запроса
• ответ только на английском строчными буквами - экономия на параметрах
• аудиоэнкодер Whisper-Tiny 9M + SmolLM2 на 135 или 360 млн
• клип усредняется до 50 аудиотокенов, разделитель SEP
• на Galaxy S25 Ultra: 125 токенов/сек у 99M, 87 у 134M, 39 у 356M
• обработка аудио 0.7-1.1 секунды
Авторы честно предупреждают: после дообучения модели теряют общие языковые навыки - это точечный инструмент, а не собеседник. Веса, код обучения и Android-приложение под Android 12+ открыты
Гитхаб
веса там же в релизах
#alm #mobile
MAX