从源码到部署NemotronLabs-VoiceChat-11B-mlx-8bit完整技术指南【免费下载链接】NemotronLabs-VoiceChat-11B-mlx-8bit项目地址: https://ai.gitcode.com/hf_mirrors/mlx-community/NemotronLabs-VoiceChat-11B-mlx-8bitNemotronLabs-VoiceChat-11B-mlx-8bit是一款专为Apple Silicon优化的 duplex speech-to-speech模型能够同时监听和响应语音输入。本指南将带你了解这个11.1B参数模型的核心组件、量化优势及部署流程帮助你快速上手这一强大的语音交互工具。 模型核心组件解析NemotronLabs-VoiceChat-11B-mlx-8bit包含四个关键组件共同实现端到端的语音交互能力1. 语言主干网络Language Backbone参数规模7.71 B架构特点Nemotron-H混合架构包含56层27个Mamba-2层、25个MLP层、4个分组查询注意力层技术细节隐藏层大小4480词汇量131072实现路径通过mlx-lm的nemotron_h实现可直接使用2. 语音编码器Speech Encoder参数规模0.61 B架构特点带梅尔前端的Conformer编码器当前状态权重已包含但MLX实现暂未完成3. 语音生成模块Speech Generation参数规模1.00 B核心技术Gemma-3 TTS主干网络、混合高斯头、神经音频编解码器、31级残差向量量化性能表现在M4 Max上编码解码速度约为实时的6倍4. 词汇头Vocabulary Heads参数规模1.76 B包含组件令牌嵌入、语言模型头和函数调用头 量化版本对比该模型提供三种量化版本以适应不同硬件需求版本大小量化方式特点bf1622.2 GB无原始精度内存占用最高8bit本版本13.9 GB8位量化仅LLM和词汇头推荐 tier内存减少43%文本生成效果与bf16一致4bit9.2 GB4位量化仅LLM和词汇头内存占用最低适合资源受限设备量化策略语言主干网络和三个词汇头采用8位量化组大小64共9.47 B参数语音路径音频编解码器、混合高斯头等保留bf16精度以确保音频质量。相对误差仅为0.57%。⚡ 性能基准测试在Apple M4 Max68.7 GB统一内存上的语言主干网络性能测试结果指标bf16版本8bit版本加载时间3.1 s1.9 s峰值内存17.96 GB10.22 GB首 token 延迟646 ms803 ms吞吐量23.4 tok/s33.2 tok/s 快速开始指南环境准备# 克隆仓库 git clone https://gitcode.com/hf_mirrors/mlx-community/NemotronLabs-VoiceChat-11B-mlx-8bit cd NemotronLabs-VoiceChat-11B-mlx-8bit # 安装依赖 pip install mlx mlx-lm numpy示例1语言主干网络文本生成# 提取语言模型 python mlx/extract_llm.py --src . --dst ./voicechat-llm # 运行聊天示例 python mlx/chat_example.py --model ./voicechat-llm --prompt The capital of France is代码解析mlx/chat_example.py实现了交互式文本生成功能支持设置最大token数和自定义提示词。首次运行会显示模型加载时间和峰值内存使用情况。示例2音频编解码器往返测试# 运行音频编解码示例需准备input.wav文件 python mlx/codec_example.py --repo . --wav input.wav --out output.wav技术细节mlx/codec_mlx.py实现了NemotronLabs-VoiceChat音频编解码器支持将波形编码为512维潜在向量和31级代码再解码回音频重建信噪比约为8 dB。⚠️ 注意事项文本提示限制模型训练时用于生成交错的文本和音频编解码器令牌纯文本提示可能导致生成以SPECIAL_12等音频侧令牌结束音频格式要求编解码器期望22.05 kHz单声道音频其他采样率会导致解码速度错误组件状态Conformer语音编码器和完整双工循环尚未在MLX中实现但权重已完整包含在仓库中量化权衡语音路径保留bf16精度是为了避免音频质量损失这些小张量的量化节省空间有限但影响显著 许可证与归属本模型基于OpenMDW-1.1许可证发布遵循原始模型许可。基础模型和架构由NVIDIA开发MLX音频编解码器实现参考了NVIDIA NeMo Speech项目。 相关资源配置文件config.json技术规格overview.md安全信息safety.md隐私说明privacy.md【免费下载链接】NemotronLabs-VoiceChat-11B-mlx-8bit项目地址: https://ai.gitcode.com/hf_mirrors/mlx-community/NemotronLabs-VoiceChat-11B-mlx-8bit创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
从源码到部署NemotronLabs-VoiceChat-11B-mlx-8bit完整技术指南【免费下载链接】NemotronLabs-VoiceChat-11B-mlx-8bit项目地址: https://ai.gitcode.com/hf_mirrors/mlx-community/NemotronLabs-VoiceChat-11B-mlx-8bitNemotronLabs-VoiceChat-11B-mlx-8bit是一款专为Apple Silicon优化的 duplex speech-to-speech模型能够同时监听和响应语音输入。本指南将带你了解这个11.1B参数模型的核心组件、量化优势及部署流程帮助你快速上手这一强大的语音交互工具。 模型核心组件解析NemotronLabs-VoiceChat-11B-mlx-8bit包含四个关键组件共同实现端到端的语音交互能力1. 语言主干网络Language Backbone参数规模7.71 B架构特点Nemotron-H混合架构包含56层27个Mamba-2层、25个MLP层、4个分组查询注意力层技术细节隐藏层大小4480词汇量131072实现路径通过mlx-lm的nemotron_h实现可直接使用2. 语音编码器Speech Encoder参数规模0.61 B架构特点带梅尔前端的Conformer编码器当前状态权重已包含但MLX实现暂未完成3. 语音生成模块Speech Generation参数规模1.00 B核心技术Gemma-3 TTS主干网络、混合高斯头、神经音频编解码器、31级残差向量量化性能表现在M4 Max上编码解码速度约为实时的6倍4. 词汇头Vocabulary Heads参数规模1.76 B包含组件令牌嵌入、语言模型头和函数调用头 量化版本对比该模型提供三种量化版本以适应不同硬件需求版本大小量化方式特点bf1622.2 GB无原始精度内存占用最高8bit本版本13.9 GB8位量化仅LLM和词汇头推荐 tier内存减少43%文本生成效果与bf16一致4bit9.2 GB4位量化仅LLM和词汇头内存占用最低适合资源受限设备量化策略语言主干网络和三个词汇头采用8位量化组大小64共9.47 B参数语音路径音频编解码器、混合高斯头等保留bf16精度以确保音频质量。相对误差仅为0.57%。⚡ 性能基准测试在Apple M4 Max68.7 GB统一内存上的语言主干网络性能测试结果指标bf16版本8bit版本加载时间3.1 s1.9 s峰值内存17.96 GB10.22 GB首 token 延迟646 ms803 ms吞吐量23.4 tok/s33.2 tok/s 快速开始指南环境准备# 克隆仓库 git clone https://gitcode.com/hf_mirrors/mlx-community/NemotronLabs-VoiceChat-11B-mlx-8bit cd NemotronLabs-VoiceChat-11B-mlx-8bit # 安装依赖 pip install mlx mlx-lm numpy示例1语言主干网络文本生成# 提取语言模型 python mlx/extract_llm.py --src . --dst ./voicechat-llm # 运行聊天示例 python mlx/chat_example.py --model ./voicechat-llm --prompt The capital of France is代码解析mlx/chat_example.py实现了交互式文本生成功能支持设置最大token数和自定义提示词。首次运行会显示模型加载时间和峰值内存使用情况。示例2音频编解码器往返测试# 运行音频编解码示例需准备input.wav文件 python mlx/codec_example.py --repo . --wav input.wav --out output.wav技术细节mlx/codec_mlx.py实现了NemotronLabs-VoiceChat音频编解码器支持将波形编码为512维潜在向量和31级代码再解码回音频重建信噪比约为8 dB。⚠️ 注意事项文本提示限制模型训练时用于生成交错的文本和音频编解码器令牌纯文本提示可能导致生成以SPECIAL_12等音频侧令牌结束音频格式要求编解码器期望22.05 kHz单声道音频其他采样率会导致解码速度错误组件状态Conformer语音编码器和完整双工循环尚未在MLX中实现但权重已完整包含在仓库中量化权衡语音路径保留bf16精度是为了避免音频质量损失这些小张量的量化节省空间有限但影响显著 许可证与归属本模型基于OpenMDW-1.1许可证发布遵循原始模型许可。基础模型和架构由NVIDIA开发MLX音频编解码器实现参考了NVIDIA NeMo Speech项目。 相关资源配置文件config.json技术规格overview.md安全信息safety.md隐私说明privacy.md【免费下载链接】NemotronLabs-VoiceChat-11B-mlx-8bit项目地址: https://ai.gitcode.com/hf_mirrors/mlx-community/NemotronLabs-VoiceChat-11B-mlx-8bit创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
