I.14Автоматизация процессов и AI-агенты

BusinessBERT — англоязычная модель на основе двунаправленного энкодера BERT, разработанная для NLP-задач в бизнес-сфере. Она предварительно обучена на корпусах деловой коммуникации общим объёмом 2,23 млрд токенов: годовой отчётности компаний, содержимом корпоративных сайтов и научной литературе. Помимо masked language modeling, при обучении использовалась классификация отрасли документа. Модель содержит 135,8 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch по лицензии CC BY 4.0. BusinessBERT предназначена для дообучения на классификации текстов, распознавании именованных сущностей, анализе тональности и ответах на вопросы о бизнес-документах. В карточке приведены результаты оценки на финансовых и деловых наборах данных для этих задач. Метаданные Hugging Face указывают pipeline-задачу fill-mask; модель также можно применять для заполнения маскированных токенов. Для прикладных задач из README может потребоваться дообучение.

category-v10 — дообученная модель классификации текстов на базе simpliTax/bert-automap-pbt-fine-tuned, разработанная simpliTax. Она предназначена для присвоения тексту категории; конкретная схема категорий и целевая область применения в карточке не описаны. Модель использует архитектуру BERT для классификации последовательностей, содержит 137 млн параметров и принимает тексты длиной до 512 токенов. В оценке указаны accuracy 0,5948, macro F1 0,1717 и weighted F1 0,5197. Данные обучения обозначены как None, поэтому оценить охват категорий и репрезентативность обучения нельзя. Модель опубликована в формате safetensors под лицензией MIT.

Resemble AI Chatterbox — открытая модель синтеза речи из текста семейства Chatterbox. Эта версия относится к многоязычной линейке; в карточке указана Chatterbox Multilingual V3 размером 0,5 млрд параметров на основе Llama. Модель генерирует естественную разговорную речь на 23 языках, поддерживает клонирование голоса по образцу и управление выразительностью речи с помощью параметра exaggeration. Разработчик заявляет об улучшенном сходстве с голосом-образцом, сохранении акцента и снижении повторов и нежелательных продолжений. Модель предназначена для озвучивания текстов, локализации аудио и голосовых интерфейсов, включая агентов и интерактивные приложения. В README также описаны водяные знаки Perth в генерируемом аудио и оговорка: для корректного переноса голоса язык референсного аудио должен соответствовать языку генерации; несовпадение может повлиять на акцент. Модель распространяется по лицензии MIT; в репозитории указаны форматы PyTorch и safetensors.

Con-J-Qwen2-7B — генеративная модель-судья, разработанная на основе Qwen2-7B-Instruct. Она обучена на данных предпочтений Skywork/Skywork-Reward-Preference-80K-v0.1: исходная модель генерировала положительные и отрицательные оценки с пояснениями, а затем пары таких контрастных суждений использовались для обучения методом Direct Preference Optimization (DPO). Модель предназначена для оценки ответов и выдачи вердикта с обоснованием на естественном языке. Модель использует плотную архитектуру Qwen2ForCausalLM с 7,1 млрд параметров, принимает текст и выдаёт текст. Контекст составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. README заявляет точные оценки с пояснениями, но не приводит численных результатов в доступном фрагменте, поэтому качество на конкретных наборах данных по нему определить нельзя.

Contextual-Obedient-MoE-3x8B-Llama3-RAG — разговорная языковая модель TroyDoesAI для ответов на вопросы по явно переданному контексту, в том числе в сценариях RAG. В карточке описан формат запроса с разделителями для входных блоков, метаданных и инструкций; он помогает модели связывать ответ с предоставленными источниками и следовать контексту. Модель относится к семейству Mixtral и использует архитектуру MoE; в метаданных указано 7,5 млрд параметров и контекст длиной 8192 токена. Репозиторий содержит веса в формате safetensors, задача Hugging Face — генерация текста. Лицензия — CC BY 4.0. Модель предназначена для ответов по документам и другим заданным источникам. Заявленная ориентация на соблюдение контекста может быть полезна для снижения галлюцинаций, но сама по себе не гарантирует точность или достоверность ответов; карточка не сообщает поддерживаемые языки и количественные результаты оценки.

ai4data/devdata-search-harrier-270m-cmnrl — модель-биэнкодер семейства DevData Search, разработанная ai4data для поиска по структурированным статистическим метаданным. Это дообученная версия microsoft/harrier-oss-v1-270m: при обучении на DevDataBench порядок полей переставлялся, а часть полей исключалась, чтобы модель связывала смысл с названиями полей, а не с их порядком в записи. Модель создаёт текстовые эмбеддинги запросов и описаний данных для поиска и сравнения по смыслу, в том числе когда формулировки различаются. Она построена на архитектуре Gemma 3 Text, содержит 257 млн параметров и поддерживает контекст до 32 768 токенов по метаданным. В README для обучения указан максимальный размер последовательности 512 токенов; префиксы запроса и документа не требуются. Модель распространяется с лицензией Apache-2.0 и предназначена для встраивания в поиск, а не для работы как готовый поисковый сервис.

TakalaWang/Discussion-Phi-4-multimodal-instruct-audio-dimp-reasoning — дообученная модель семейства Phi-4 от TakalaWang на основе microsoft/Phi-4-multimodal-instruct. Это плотная модель с 3,8 млрд параметров для генерации диалогового текста; в каталоге также отмечен интерфейс вызова инструментов. Базовая модель поддерживает анализ изображений и аудио, распознавание речи и генерацию текстовых ответов, однако README не уточняет, какие из этих возможностей сохраняются или улучшаются после дообучения. Модель использует Transformers и формат safetensors, имеет контекст 4096 токенов и лицензию MIT. README сообщает о дообучении на неизвестном наборе данных и значении loss 16,1311 на оценочном наборе, но не раскрывает методику, поэтому качество и пригодность для конкретных сценариев по этим сведениям оценить нельзя.

Карточка модели sshleifer/distilbart-xsum-6-6 на Hugging Face совпадает с карточкой sshleifer/distilbart-cnn-12-6, поэтому описание составлено по ней. sshleifer/distilbart-cnn-12-6 — англоязычная модель суммаризации текста на базе BART, представленная в семействе DistilBART. Вариант 12-6 использует 12 слоёв кодировщика и 6 слоёв декодировщика; размер модели по метаданным — 252,8 млн параметров. Она предназначена для сокращения документов и статей до краткого связного пересказа. Модель обучена для суммаризации на данных CNN/DailyMail; в карточке также приведены метрики для вариантов DistilBART, включая оценки ROUGE и времени вывода. Она принимает текст и генерирует текстовое резюме, поддерживает контекст до 1024 токенов и доступна в форматах PyTorch и Flax. Лицензия — Apache 2.0. Модель рассчитана на английский язык. Контекстное окно ограничивает длину обрабатываемого текста, а качество и скорость зависят от длины входа и выбранного варианта; приведённая таблица метрик относится к нескольким вариантам DistilBART и не даёт отдельной оценки именно для distilbart-cnn-12-6.

psomi/distilbert-base-uncased-finetuned-clinc — модель DistilBERT, дообученная для классификации текста. Она предназначена для отнесения текстовых последовательностей к классам; карточка сообщает точность 0,9184 и loss 0,7894 на оценочной выборке, но не раскрывает набор меток и состав данных. Модель построена на архитектуре DistilBertForSequenceClassification, использует библиотеку Transformers, принимает текст с контекстом до 512 токенов и распространяется в формате safetensors. Базовая модель — distilbert/distilbert-base-uncased. Лицензия — Apache-2.0. README не описывает конкретные сценарии применения и ограничения качества.

tusbaki/distilbert-base-uncased-finetuned-squad — модель DistilBERT, дообученная на наборе SQuAD для поиска ответов на вопросы по предоставленному тексту. Она принимает вопрос и контекст и предсказывает ответный фрагмент; модель предназначена для извлечения ответов, а не для свободной генерации текста. Максимальная длина контекста составляет 512 токенов. Опубликованные веса представлены в формате PyTorch. Модель основана на distilbert-base-uncased и выпущена по лицензии Apache-2.0. README приводит значение loss 1.1966 на оценочном наборе, но не содержит подробностей о методике оценки и ограничениях. Обучение на SQuAD не подтверждает поддержку русского языка; модель рассчитана на англоязычные вопросы и контексты.

AgentPublic разработала франкоязычный кодировщик вопросов для Dense Passage Retrieval (DPR) на базе CamemBERT. Модель дообучена на объединении наборов PIAF v1.1, FQuAD v1.0 и SQuAD-FR; в обучении использовались положительные абзацы с ответами и сложные отрицательные примеры, найденные BM25. Число параметров — 137,8 млн, максимальная длина контекста — 514 токенов, формат весов — PyTorch. Модель предназначена для получения векторных представлений вопросов и поиска подходящих фрагментов в корпусе документов, в том числе как часть системы ответов на вопросы на французском языке. В оценке на FQuAD v1.0 нужный ответ находился среди 20 отобранных фрагментов для 86,81% вопросов. Авторы отмечают, что на SQuAD-подобных наборах BM25 стабильно превосходил DPR, поэтому качество поиска следует проверять на целевом корпусе. В README не указана лицензия; перед использованием следует проверить условия распространения репозитория и базовой модели.

stillerman/fdt-disfluency-tiny-4m — небольшая модель разметки слов для очистки расшифровок разговорной речи, разработанная Stillerman в рамках проекта FluencyAI. Она присваивает каждому слову один из тегов KEEP, DELETE, KEEP_STRIP_COMMA или KEEP_CAPITALIZE, после чего простое восстановление по тегам формирует очищенный текст. Модель предназначена для обработки транскриптов живой речи, в том числе с запуском в браузере через transformers.js и ONNX Runtime WebGPU. В основе — BERT L2/H128 с 4,4 млн параметров и контекстом до 512 токенов; доступны веса safetensors и квантованный ONNX int8. Валидационные показатели из карточки: exact match 0,5980 и DELETE-F1 0,8892. Разметка ограничена удалением дисфлюенций и простыми изменениями пунктуации и регистра: модель не перефразирует текст и не предназначена для общей коррекции транскрипции. Лицензия репозитория — Apache-2.0, однако обучение частично использовало DailyDialog по CC BY-NC-SA; автор рекомендует считать модель исследовательским артефактом и не применять её в коммерческих целях без отдельной проверки условий использования данных.

lmqg/flan-t5-base-squad-qg — англоязычная модель генерации вопросов, разработанная на базе google/flan-t5-base и дообученная командой LMQG на наборе lmqg/qg_squad. Модель принимает текстовый контекст и предназначена для создания вопросов по нему; её можно применять для подготовки учебных и проверочных материалов, а также для построения конвейеров генерации вопросов и ответов. Модель построена на архитектуре T5 и содержит 123,7 млн параметров. Для неё указан контекст до 512 токенов; веса представлены в формате PyTorch. В карточке приведены оценки на lmqg/qg_squad, включая BERTScore 90,53 и BLEU-1 58,79 для генерации вопросов. Модель рассчитана на английский язык и обучена на SQuAD-подобных данных, поэтому качество на других языках и вне этого распределения может быть ниже. Лицензия — CC BY 4.0.

Franken-MoE-Small-SFT-Preview — экспериментальная разговорная языковая модель DrRiceIO7, созданная на основе Qwen3-0.6B с архитектурой Mixture-of-Experts. В карточке указаны 2,45 млрд параметров и 860 млн активных параметров на токен; метаданные каталога указывают 507,9 млн параметров. Модель использует класс Qwen3MoeForCausalLM и формат safetensors. Модель предназначена для генерации текста и диалогов на английском языке, включая сценарии с интерфейсом вызова инструментов. Контекстное окно составляет 40 960 токенов. По README, модель прошла один полный эпох обучения на DrRiceIO7/split_dataset; автор сообщает о меньшем зацикливании и более связных ответах, но продолжает оценку и обучение. Это предварительная версия, которая может давать сбои и не гарантирует стабильного качества. Распространяется по лицензии Apache-2.0.

Gen-Searcher-8B — мультимодальная модель-агент, разработанная авторами проекта Gen-Searcher: Reinforcing Agentic Search for Image Generation. Она предназначена для подготовки обоснованных запросов к генерации изображений: модель ищет информацию в интернете, просматривает источники и визуальные примеры, а затем рассуждает по найденным данным. Это дообученная на данных GenSearcher/Train-Data плотная модель Qwen3-VL-8B-Instruct с архитектурой Qwen3VLForConditionalGeneration; репозиторий содержит веса safetensors и рассчитан на работу через Transformers. Модель принимает текст и изображения и выдаёт текстовые ответы в диалоге. В описанном сценарии она может поддерживать поиск и анализ сведений из нескольких источников, а также поиск визуальных референсов перед генерацией; сама генерация изображений выполняется отдельной моделью-генератором. В README сообщается о приросте более 15 пунктов на бенчмарках KnowGen и WISE и о переносимости на разные генераторы изображений. Лицензия — Apache-2.0.

HiNER-original-muril-base-cased — модель разметки последовательностей на архитектуре BERT, обученная с нуля на наборе данных cfilt/HiNER-original. Она предназначена для присвоения меток отдельным токенам, однако README не уточняет типы сущностей или другие категории разметки. Модель содержит 264,8 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Карточка не сообщает условия лицензии и оценку качества.

SC117/Huihui-Nex-N2-mini-abliterated-APEX-GGUF — квантованная GGUF-версия модели Huihui-Nex-N2-mini-abliterated от huihui-ai, подготовленная с использованием APEX — смешанного квантования с учётом структуры MoE. Модель основана на Huihui-Nex-N2-mini и предназначена для диалоговой работы с текстом и изображениями, включая агентные сценарии и режим рассуждений. В метаданных указана задача image-text-to-text и возможность vision; размер модели и число параметров не приведены. Варианты APEX используют разные уровни точности; авторы заявляют, что метод распределяет её с учётом ролей тензоров и слоёв. Для режима рассуждений требуется специальная сборка llama.cpp от Nex: стандартный парсер шаблона чата может некорректно обрабатывать теги thinking. Карточка предупреждает, что фильтрация безопасности существенно ослаблена и модель может выдавать чувствительный или неподходящий контент. Лицензия — Apache-2.0; README не рекомендует публичное и производственное применение.

Mitchins разработал классификатор изображений на базе EfficientNet-B0 из timm, дообученный для отнесения изображений к одному из трёх классов: anime, real и rendered. Модель принимает RGB-изображения размером 224×224 пикселя и содержит 5,3 млн параметров. Классификатор предназначен для быстрой проверки, является ли изображение фотографией, аниме-кадром или 3D-рендером. В README указана точность 97,44% на валидационной выборке; скорость инференса около 20 мс на RTX 3060. Модель опубликована в формате safetensors и распространяется по лицензии OpenRAIL. Ошибки возможны на пограничных примерах: фотореалистичные игровые сцены могут распознаваться как фотографии, стилизованные игры — как аниме, а изображения в стиле Pixar могут давать смешанную уверенность. Для важных решений README рекомендует учитывать порог уверенности выше 85% и анализировать матрицу ошибок.

Это модель классификации тональности текста на индонезийском языке, разработанная Wilson Wongso. Она основана на предварительно обученной Indonesian RoBERTa Base и дообучена на наборе SmSA из корпуса IndoNLU, содержащем индонезийские комментарии и отзывы. Модель имеет архитектуру RoBERTa для классификации последовательностей; в метаданных указано 151,8 млн параметров и контекст до 514 токенов. Доступны веса в форматах PyTorch, Safetensors и TensorFlow. Модель предназначена для определения тональности индонезийских отзывов и комментариев. В README сообщается о точности 93,2% и macro-F1 91,02% на тестовом наборе SmSA. Эти показатели относятся к данным бенчмарка и могут не переноситься на другие темы, источники или стили текста. Авторы также предупреждают о возможном влиянии смещений базовой модели и обучающего набора. Лицензия — MIT.

Korean Document QA Enhanced — корейская экстрактивная модель для ответов на вопросы по документам, созданная дообучением model_10000 на новых 10 000 вопросах KorQuAD v1.0. Она находит ответный фрагмент в тексте документа и подходит для поиска фактов в корейских материалах. Модель построена на архитектуре BERT, содержит 137,8 млн параметров и принимает контекст длиной до 512 токенов. На указанной выборке KorQuAD dev модель получила EM 0,822, символьный F1 0,9256 и точное совпадение границ ответа 0,800. Она предназначена прежде всего для вопросов и контекста на корейском языке. Обучение не включало примеры вопросов без ответа; на небольшой самодельной проверке предупреждение об отсутствии ответа было верным в 80% случаев. Описаны случаи коротких ошибочных ответов при высокой уверенности на реальных PDF, а также пропуски при вопросах на корейском по английскому контексту. Лицензия — CC BY-SA 4.0.

LiarAI-i1-GGUF — набор GGUF-квантизированных версий модели LiarAI, разработанной faunix и квантованной mradermacher. Модель предназначена для генерации текста и агентских сценариев, а GGUF-формат ориентирован на локальный запуск с использованием совместимых инструментов. В метаданных указаны библиотека Transformers и английский язык. README характеризует модель как vision model, поэтому для работы с изображениями могут потребоваться отдельные файлы mmproj из статического репозитория. Размер исходной модели, архитектура, размер контекстного окна и точный набор поддерживаемых модальностей не указаны. Доступны варианты квантования от i1-IQ1_S до i1-Q6_K размером примерно от 0,8 до 1,7 ГБ; более качественными обычно считаются варианты с большим размером, при этом Q4_K_M обозначен как быстрый и рекомендуемый, а Q4_K_S — как оптимальный по соотношению размера, скорости и качества. Модель распространяется под лицензией Apache-2.0. Ограничения связаны с потерей качества при низких уровнях квантования, а также с необходимостью использовать совместимое программное обеспечение и, для визуальных задач, дополнительные mmproj-файлы.

Это мультимодальная instruct-модель семейства Llama 4 Maverick, подготовленная сообществом mlx-community в формате MLX с 4-битными весами. README сообщает, что модель преобразована из meta-llama/Llama-4-Maverick-17B-128E-Instruct с помощью mlx-vlm 0.1.21; в метаданных базовая модель указана как meta-llama/Llama-4-Maverick-17B-128E. Архитектура — Llama4ForConditionalGeneration; доступны диалоговый режим, интерфейс вызова инструментов и работа с изображениями. Модель предназначена для диалогов и задач понимания изображений: описания визуального содержимого и ответов на вопросы по изображениям. Она принимает текст и изображения и генерирует текст. Метаданные указывают поддержку арабского, немецкого, английского, испанского, французского, хинди, индонезийского, итальянского, португальского, тайского и вьетнамского языков. README не приводит длину контекста или число параметров этой версии. Лицензия в метаданных обозначена как other; условия следует сверять с карточкой исходной модели Meta.

Llama-SEA-Guard-8B-2602 — модель безопасности AI Singapore, разработанная AI Products Pillar на базе семейства SEA-LION и дообученная на 1 млн пар инструкций. Это декодерная языковая модель семейства Llama с 7,5 млрд параметров и контекстом до 128 тыс. токенов. Она принимает текст и выдаёт текстовую бинарную оценку: «safe» или «unsafe», помогая выявлять небезопасные запросы и ответы с учётом культурного контекста Юго-Восточной Азии. Модель рассчитана на английский, бирманский, индонезийский, малайский, тагальский, тамильский, тайский и вьетнамский языки. Её можно применять для классификации текста в системах модерации и проверки безопасности; README указывает поддержку быстрого инференса через vLLM. Модель может ошибаться или выдавать необоснованные оценки, поэтому результаты следует проверять, а саму классификацию не считать окончательным решением. Лицензия — Llama 3.1 Community License.

Adaptive Classifier — модель классификации текста с возможностью непрерывного обучения и добавления классов. Она основана на distilbert/distilbert-base-cased и использует эмбеддинги размерности 768; в текущем экземпляре настроены два класса: HIGH и LOW, на каждом из которых обучено по пять примеров. Модель предназначена для пользовательской классификации текстов, когда категории могут добавляться динамически, а представления классов обновляются по мере накопления данных. Репозиторий содержит форматы ONNX и safetensors. Лицензия — Apache-2.0. Для каждого класса требуется не менее трёх примеров, предусмотрено не более 500 примеров на класс. Прототипы обновляются каждые 50 примеров; текущий объём обучения невелик, поэтому качество классификации может быть ограничено.

Это модель для ответов на вопросы по испанским текстам. Её дообучил mrm8488 на наборе SQAC — данных для извлекающего ответа на вопросы, составленных из испанских энциклопедических статей, новостей и текстов корпуса AnCora. В основе — Longformer с архитектурой RoBERTa; модель содержит около 151,8 млн параметров и принимает контекст длиной до 4098 токенов. Модель подходит для поиска ответа в длинном испанском документе: на вход подаются вопрос и контекст, а на выходе — фрагмент текста с ответом и его позициями. Это извлекающая система вопросов и ответов, а не генератор развернутых ответов. В карточке не приведены результаты оценки качества. Указана библиотека PyTorch; отдельные условия лицензирования самой модели не описаны.

mDeBERTa-v3-base-myXNLI — модель-кодировщик на архитектуре DeBERTa v3, разработанная для классификации текста на английском и бирманском языках. Она дообучена на наборе myXNLI для задачи вывода по естественному языку (NLI): оценки отношений между посылкой и гипотезой. Модель подходит для NLI и связанных сценариев, включая классификацию текста по пользовательским меткам с помощью zero-shot подхода. Размер составляет 306 млн параметров, максимальная длина контекста — 512 токенов. В карточке приведены точности на тестовых наборах: 88,02% для английского XNLI и 80,99% для myXNLI. Модель выпущена под лицензией MIT. В карточке отмечено, что при оценке рисков и ограничений следует учитывать исследования myXNLI и базовых моделей DeBERTa; конкретные ограничения подробно не перечислены.

MD-Judge-v0.2-internlm2_7b — языковая модель для оценки безопасности диалогов, разработанная OpenSafetyLab и дообученная на InternLM2-7B-Chat. Она анализирует сообщения агента в контексте разговора, выносит оценку риска и формирует понятное человеку обоснование с более детальной градацией вредоносности. Модель предназначена для автоматизированной проверки ответов и сравнительной оценки систем на тестах безопасности. Модель построена на плотной архитектуре InternLM2ForCausalLM, содержит 7,4 млрд параметров и поддерживает контекст до 32 768 токенов. В репозитории используются веса safetensors; шаблон чата включён в конфигурацию токенизатора. Карточка указывает английский язык, а обучающие данные включают BeaverTails и LMSYS-Chat-1M. Лицензия — Apache-2.0. Модель выдаёт суждение и текстовое объяснение, однако её оценки следует рассматривать как ориентир для проверки безопасности, а не как безошибочное решение: результаты зависят от формулировок запроса и контекста, а качество может различаться на сценариях, не представленных в обучении и тестировании.

Minerva-3B-base-RAG — языковая модель для ответов на вопросы, созданная независимым дообучением Minerva-3B-base-v1.0. Базовую модель разработали Sapienza NLP совместно с Future Artificial Intelligence Research (FAIR) и CINECA; автор дообучения в карточке не назван. Модель предназначена для сценариев question answering и использования в системах Retrieval-Augmented Generation (RAG), где она формирует ответы на основе предоставленного контекста. Это плотная causal language model семейства Mistral с архитектурой MistralForCausalLM, 2,8 млрд параметров и контекстом до 16 384 токенов. Карточка указывает итальянский язык и набор данных gquad_it. Модель распространяется в формате safetensors по лицензии Apache-2.0. Количественные оценки качества и подробные ограничения применения в карточке не приведены.

BalaRajesh1/mmbert-small-nli — многоязычная модель для вывода по паре текстов, дообученная на базе jhu-clsp/mmBERT-small. Она определяет, следует ли гипотеза из посылки, противоречит ей или остаётся нейтральной; эти оценки также можно использовать для классификации по заданным категориям без отдельного обучения на них. В карточке указано обучение на девяти наборах данных с примерами на более чем 26 языках. Архитектура — ModernBERT для классификации последовательностей, размер по метаданным — 140,5 млн параметров, формат весов — safetensors, длина контекста в метаданных — 8192 токена. README отдельно указывает ограничение в 128 токенов для пары посылка-гипотеза; фактический предел зависит от используемой конфигурации модели. Модель подходит для проверки текстовых гипотез и классификации текстов по формулировкам категорий на множестве языков. README заявляет охват базовой модели в 1833 языка, однако обучение NLI описано для 26 и более языков, а результаты могут различаться в зависимости от представленности языка в предобучении. На состязательном наборе ANLI качество невысокое, что отмечено в карточке. Лицензия — MIT.

facebook/mms-tts-por — модель синтеза речи на португальском языке из проекта Massively Multilingual Speech компании Facebook. Она преобразует входной текст в речевую аудиоволну и подходит для озвучивания текстов на португальском языке. Модель построена на архитектуре VITS и содержит около 3,5 млн параметров. Это сквозная система синтеза речи с вариационным автоэнкодером, flow-модулем и HiFi-GAN-подобным декодером; стохастический предсказатель длительности позволяет варьировать ритм произношения. Для повтора идентичного результата требуется фиксировать seed. Модель поддерживается библиотекой Transformers версии 4.33 и выше. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.