Dotsは、もはやLLM単体の話ではなくなりました。前回はdots.llm1の中間チェックポイントと推論環境を追いました。今回はstudio-dots-aiのdots.llm1から、dots.tts、dots.tts.edit、dots.mocr、ローカルモデル管理のDOTSへ進んだ点を追跡します。
基盤のdots.llm1は、総パラメータ142Bのうち14Bを起動するMoEで、Qwen2.5-72Bに匹敵する性能とされています。MoEは、すべての重みを一度に使わず、必要な専門家だけ動かす仕組みです。事前学習では合成データを使わず、高品質な非合成トークンを使ったとされています。ライセンスはMITで、コンテキスト長は32,768トークン、対応言語は英語と中国語です[1]。
新しい焦点は音声です。dots.ttsは2Bパラメータの完全連続型で、end-to-end(端から端まで一括)の音声生成モデルです。音声トークンの離散表現を一切使いません。音声評価ベンチマークのSeed-TTS-Evalでは、zh/en/zh-hardの文字誤り率が0.94%、1.30%、6.60%と報告され、話者類似度も81.0、77.1、79.5です。24言語のMiniMaxベンチマークでは平均83.9で最高を謳っています。生成の安定性、声のクローン、感情表現も示されています[2]。
さらにdots.tts.editは、指示で音声のテキスト、感情、韻律(声の調子)、ポーズを編集するモデルです。2026年10月にはdots.tts.edit V1.1が公開され、自由形式のスタイル編集が加わり、韻律と感情の編集性能も改善したとされています。評価セットには、2026年9月に公開されたdoteBench V1.0というXML形式を先に使う二言語ベンチマークが用意され、英語と中国語の2,081ケースで指示追従、局所保存(編集していない部分を壊さない)、音声品質を評価します。データパイプラインも公開され、ハッカーが試せる形に近づいています[2][5]。
推論の足場も増えました。dots.mocrは、本番向けにvLLM(高速推論サーバー)、開発や試作向けにHugging Face Transformersを選べる設計です。vLLMではOpenAI互換APIで画像をbase64形式にして送る経路を使い、ローカル実行ではHugging Faceの前処理と生成機能でモデルを扱います。高解像度画像ではflash_attention_2(計算を速める仕組み)が推奨されています[3]。
DOTS側は、ローカルモデルの発見と管理を狙っています。discoverはHugging Faceキャッシュ、Ollamaやllama.cppのキャッシュ、Draw Thingsチェックポイント、ai-serverのモデル置き場を走査します。Docker向けの管理済みGGUF(モデルファイル形式)も別扱いにして、discoverコマンドで確認します[4]。
ただし、すべてが即座に流れるわけではありません。dots.ttsの推論基盤SGLang Omni対応では、ストリーミング音声やCUDA-graph(繰り返し計算をまとめて高速化する仕組み)によるdecode(トークンを1つずつ生成する段階)の高速化が示されています。一方、STTSの提供では、リクエスト開始時に完全なテキストか、すでに集めたトークンID列を受け取る方式で、同じ進行中のリクエストへ増分トークンをまだ受け付けません[2]。
発表資料ではprefill(プロンプト全体を一括処理する段階)やdecode(トークンを1つずつ生成する段階)のTPS(1秒あたりのトークン数)、消費電力の実測値は確認できませんでした。現在のところ、量子化版(重みを圧縮した版)や必要VRAM(GPUメモリ)の目安もありません。それでも、dots.llm1のMIT公開、dots.ttsの連続型音声、dots.mocrのvLLMとHugging Face両経路、DOTSのモデル発見が揃ったことで、Dotsはローカル推論の実験台として一段広くなったようです[1][2][3][4]。
引用ソース
- Web記事 記事全文: GitHub – studio-dots-ai/dots.llm1: The official repository of the dots … — https://github.com/studio-dots-ai/dots.llm1
🤗 Hugging Face | 📑 Paper
🖥️ Demo | 💬 WeChat (微信) | 📕 rednote | 𝕏 X
Visit our Hugging Face (click links above), search checkpoints with names starting with dots.llm1 or visit the dots1 collection - Web記事 記事全文: GitHub – studio-dots-ai/dots.tts · GitHub — https://github.com/studio-dots-ai/dots.tts
dots.tts is a 2B-parameter fully continuous, end-to-end autoregressive (AR) text-to-speech system. The backbone pairs a semantic encoder, an LLM, and an autoregressive flow-matching acoustic head over a 48 kHz AudioVAE,
- Web記事 記事全文: Model Inference Backends | studio-dots-ai/dots.mocr | DeepWiki — https://deepwiki.com/studio-dots-ai/dots.mocr/2.2-model-inference-backends
This page details the two primary inference paths supported by the dots.mocr framework. The system is designed to be backend-agnostic, allowing users to choose between high-throughput serving via vLLM or local developmen
- Web記事 記事全文: Local models – DOTS — https://sempervent.github.io/dots/using/local-models/
Local models (discover, pull, image)¶
DOTS separates three ideas:
Registry and tiers: configs/models.toml in the repo and the
generated models table.
Discover¶
Works on any machine with Python 3.11+ (same as other DOTS h - Web記事 Web検索: GitHub – studio-dots-ai/doteBench: A bilingual benchmark for precise … — https://github.com/studio-dots-ai/doteBench
GitHub – studio-dots-ai/doteBench: A bilingual benchmark for precise …
※ 本記事はAIにより、Reddit・Hacker News・5ch・Xトレンドの公開投稿・トレンドを軸に、その話題をWeb検索で深掘りして集めた一次情報(記事全文・HNコメント)を併せて自動生成されました。本文中の[n]は末尾の引用ソース番号です。内容の正確性は保証されません。引用先を必ずご確認ください。
RECENT COMMENTS