Tipp Studio (formerly Tipp) vs GLM-130B

Tipp Studio transforme le contenu écrit provenant de blogs, newsletters et articles en épisodes de podcast professionnels pour les éditeurs et créateurs de contenu. Vous importez le matériel source, la plateforme génère un script parlé, puis vous le révisez et le modifiez avant de le publier sur Spotify, Apple Podcasts, YouTube, et d'autres grandes plateformes.

Le processus couvre la génération de scripts, la clonage de voix, les jingles de marque, la narration multilingue, et la distribution en un clic avec hébergement RSS inclus. Cette gamme complète vise les équipes qui souhaitent avoir un studio de production sans construire de pipelines audio en interne.

Cela convient aux entreprises de médias, aux opérateurs de newsletters, et aux éditeurs qui produisent déjà du contenu écrit et veulent atteindre les auditeurs sur les plateformes de podcasts sans embaucher une équipe audio complète.

GLM-130B propose un modèle de langage bilingue de 130 milliards de paramètres dans la pile de recherche ouverte THUDM construite autour de la recette de pré-entraînement General Language Model (GLM). Les poids ciblent les textes en anglais et en chinois, et le dépôt GitHub fournit le code d'inférence, les tâches d'évaluation et les points de contrôle acceptés à ICLR 2023. Vous pouvez exécuter une génération de gauche à droite ou un remplissage à blanc avec les tokens [MASK] et [gMASK] sur un matériel tenant sur un seul serveur multi-GPU plutôt que via une API propriétaire.

Alors que la plupart des modèles de plus de 100 milliards restent fermés, GLM-130B publie les poids du modèle, les notes d'entraînement et les configurations YAML pour plus de 30 benchmarks. Sa voie de quantification INT4 est optimisée pour que quatre cartes RTX 3090 (24GB) puissent héberger l'inférence avec presque aucune perte de précision, un seuil bien plus bas que la configuration de huit A100 (40GB) utilisée pour les exécutions FP16 complètes. L'objectif d'entraînement combine un remplissage à blanc autorégressif sur 95 % des tokens avec des données d'instruction multitâches issues de T0++ et DeepStruct, ce qui constitue un pari différent du pré-entraînement causal standard de type GPT.

Les chercheurs étudiant le transfert zéro-shot bilingue, la quantification de grands modèles ou les benchmarks reproductibles de LLM tireront le meilleur parti de GLM-130B. Le dépôt se concentre sur les outils d'évaluation et d'inférence plutôt que sur un produit de chat hébergé, bien que THUDM ait ensuite dérivé les travaux de dialogue dans ChatGLM. Prévoyez d'apporter vos propres GPU, un stockage pour un point de contrôle de 260GB et de la patience pour le formulaire de téléchargement des poids.