Verify evals on Papers with Code
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 3/5
- Tempo stimato
- 1-2 giorni
- Idoneità per principianti
- 35/100
- Tipo di issue
- Documentazione
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Tranquilla
- Ambito
- documentation
Direzione di ricerca
Start with the linked Papers with Code paper, its 18 verified evaluations, and the project's official release artifacts. Compare each imported score, model name, benchmark protocol, and openness field against those sources. Done means discrepancies are identified and reported or the external metadata is confirmed as correct; no repository file or test is mentioned.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Hi,
Niels here from the open-source team at Hugging Face. Congratulations on your work!
I've made the paper and 18 verified paper-native evaluations available on Papers with Code.
The paper is part of the Audio Compression task page.
The MOSS-Audio-Tokenizer (1.0 kbps, 12.5 tokens/s, 8 RVQ) results currently rank first on four metrics on LibriSpeech test-clean Codec Reconstruction — Low Bitrate (0.75–1.5 kbps).
Would it be possible to verify these results and let me know if any score, model name, benchmark protocol, or openness metadata should be corrected? The imported rows are tied to the paper or its official release artifacts; comparison-table baselines were not added.
You can also edit the task, methods, project page, and GitHub URL directly from the paper page using your Hugging Face account.
If you'd like to showcase the results in your repository README, you can copy these live leaderboard badges (or use the “Copy PwC badge” button in the Results section):
Kind regards,
Niels
- Lingua principale
- Python
- Stelle
- 257
- Fork
- 19
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
Non abbiamo ancora controllato i file di configurazione di questo progetto. Parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di OpenMOSS/MOSS-Audio-Tokenizer
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 35/100
OpenMOSS/MOSS-Audio-Tokenizer#10 · 2 commenti ·
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 20/100
OpenMOSS/MOSS-Audio-Tokenizer#6 · 2 commenti ·
-
quantizer_kwargsAperta
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
-
Tokenizer训练代码？Aperta
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
OpenMOSS/MOSS-Audio-Tokenizer#1 · 4 commenti ·
Tutte le issue di OpenMOSS/MOSS-Audio-Tokenizer
Issue simili
-
bug server
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
sportsdataverse/sportsdataverse-py#641 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
googleapis/google-cloud-python#18532 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
I maintainer di solito rispondono entro 1 giorno