Step-Audio-R1 — הדגמה

קוד פתוח

stepfun-aiapache-2.02025-11-19

gradio

ממשק שיחה שמאפשר לשלוח טקסט והקלטות קול ולקבל תשובות ממודל שמעבד שמע ישירות. מתאים למי שרוצה לבדוק יכולות שיחה קוליות בלי לכתוב שורת קוד.

33Bפרמטרים
62.4 GBמשקל הקבצים
—הורדות בחודש
41לייקים

מה זה

אתם מקלידים הודעה בתיבת טקסט, מעלים קובץ קול או מקליטים ישירות דרך המיקרופון, ומקבלים תשובה בתוך חלון צ'אט. הממשק כולל גם תיבת סימון לחשיפת תהליך החשיבה של המודל, לצד הגדרות כמו טמפרטורה, top_p, כמות טוקנים מרבית והנחיית מערכת.

מאחורי הקלעים הקוד פונה לשרת שמריץ את מודל Step-Audio-R1.1 דרך vLLM או ממשק ה־API של Hugging Face, ומשתמש בספריית pydub כדי לעבד את קובצי האודיו שנשלחים אליו. אין כאן מנגנון תמלול נפרד שמתרגם את הקול לטקסט לפני שהמודל רואה אותו, אלא עיבוד ישיר של אותות השמע לצד הטקסט.

מתאים ל

ניתוח הוראות קוליות
העלאת שאלות מוקלטות ובדיקה כיצד המודל מבין את תוכן השמע ללא צורך בתמלול מוקדם.
בדיקת חשיבה קולית
סימון אפשרות הצגת החשיבה כדי לעקוב אחרי שלבי הסקת המסקנות של המודל מקובצי קול.
שילוב הנחיות מערכת
בדיקת התנהגות המודל בהאזנה לקבצים תחת הגדרת תפקיד מסוימת דרך שדה ההנחיה.

איפה זה נופל

המעבד הבסיסי של העמוד לא מסוגל להריץ מודל כבד כזה בעצמו, ולכן כל תקיעה ב־API החיצוני תשתק את התשובות לחלוטין. בנוסף, הממשק מחזיר טקסט בתוך צ'אט ולא מייצר קובץ שמע בחזרה. אם אתם מחפשים שיחה קולית דו-כיוונית שבה המודל גם עונה בקולו, זה פשוט לא קיים כאן. כדאי גם לשים לב שאין תיעוד לגבי טיפול בעברית, ולכן צריך לבדוק היטב איך הוא מתמודד עם השפה לפני שבונים עליו.

שאלות
נפוצות

האם השימוש בממשק הזה עולה כסף?

הגישה דרך הדפדפן חופשית לגמרי ואינה דורשת תשלום או הזנת פרטי אשראי. כל עוד השרת שמארח את המודל זמין, אפשר לשלוח הודעות ללא עלות. עם זאת, ייתכנו הגבלות על קצב הבקשות שמוכתבות על ידי שרתי העיבוד.

מה קורה עם קובצי הקול שאני מעלה?

האודיו נשלח ישירות אל השרת שמפעיל את המודל כדי לייצר את התשובה. הקוד המקומי מעבד את גודל הקובץ לצורך הבקשה, אך אין ערובה לשמירה על סודיות. מומלץ להימנע מהעלאת הקלטות שמכילות פרטים מזהים או מידע אישי.

האם המודל עצמו רץ על המחשב שבו נפתח הדף?

לא, הדף משמש רק כממשק משתמש חיצוני שפונה לשרת אחר באמצעות API. החומרה שמקצה Hugging Face לדף הזה היא מעבד בסיסי בלבד שאינו מסוגל להריץ מודל בגודל כזה. כדי להריץ הכל מקומית תצטרכו להוריד את המשקולות ולהחזיק מעבד גרפי חזק.

במה הממשק שונה משימוש ישיר במודל עצמו?

הממשק חוסך את הצורך לכתוב סקריפטים ומאפשר לראות את התוצאות בעיניים בתוך תיבת צ'אט מסודרת. הוא כולל כפתורים מוכנים לשליטה בטמפרטורה, באורך התשובה ובחשיפת שלבי החשיבה. מצד שני, הוא מוגבל להגדרות שהוטמעו בו מראש ולא מאפשר התאמות עמוקות בקוד.

איך מריצים

בוחרים אם להקליד, להעלות קובץ או להקליט, משנים הגדרות אם רוצים, ולוחצים על כפתור השליחה. אין צורך בהרשמה או בהתחברות כדי לגשת לעמוד. הממשק עצמו רץ על מעבד בסיסי בלבד, מה שאומר שהשרת המקומי בעיקר מעביר את הבקשות הלאה, אבל זמני התגובה תלויים לחלוטין בעומס על שרת ה־API המרוחק שמריץ את המודל בפועל.

pip install -U huggingface_hub
hf download stepfun-ai/Step-Audio-R1

הקבצים

19 קבצים במאגר, 62.4 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הקוד מפורסם ברישיון apache-2.0, שמאפשר שימוש חופשי כולל שימוש מסחרי והתאמה אישית. עם זאת, כל קובץ שמע או טקסט שאתם מזינים עובר דרך שרתי העיבוד, ולכן לא כדאי להעלות הקלטות עם מידע רגיש או פרטי.

שימוש מסחרי
שינוי הקוד
הפצה מחדש
שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗