vLLM — это механизм вывода и обслуживания для больших языковых моделей (LLM). Начиная с версии 0.5.5 и до версии 0.18.0, Librosa по умолчанию использует numpy.mean для монофонического микширования (to_mono), в то время как международный стандарт ITU-R BS.775-4 определяет взвешенный алгоритм микширования. Это несоответствие приводит к несоответствию между звуком, слышимым людьми (например, через наушники/обычные динамики), и звуком, обработанным моделями искусственного интеллекта (которые инфра через Librosa, такие как vllm, трансформатор).
Эта проблема исправлена в версии 0.18.0.
Показать оригинальное описание (EN)
vLLM is an inference and serving engine for large language models (LLMs). From version 0.5.5 to before version 0.18.0, Librosa defaults to using numpy.mean for mono downmixing (to_mono), while the international standard ITU-R BS.775-4 specifies a weighted downmixing algorithm. This discrepancy results in inconsistency between audio heard by humans (e.g., through headphones/regular speakers) and audio processed by AI models (Which infra via Librosa, such as vllm, transformer). This issue has been patched in version 0.18.0.
Характеристики атаки
Последствия
Строка CVSS v3.1