I.14Автоматизация процессов и AI-агенты

kaito2006/bert-finetuned-squad — дообученная модель BERT, разработанная автором репозитория kaito2006 на основе google-bert/bert-base-cased. Она предназначена для извлечения ответа на вопрос из предоставленного текста и классифицируется как модель question answering. Архитектура — плотная BertForQuestionAnswering, размер — 135,5 млн параметров, формат весов — safetensors; максимальная длина контекста составляет 512 токенов. Модель подходит для поиска фактических ответов в текстовых фрагментах и для прототипов систем вопросно-ответного поиска. Она дообучена на SQuAD согласно названию репозитория, однако README сообщает, что обучающий датасет неизвестен, поэтому это указание нельзя считать подтверждённым. Лицензия — Apache-2.0. В карточке не приведены сведения об оценке качества или подробные ограничения; базовая модель cased ориентирована на английский текст.

merthacioglu/bert-finetuned-squad — модель на архитектуре BERT, дообученная для ответа на вопросы. Она принимает текст вопроса и контекст и предсказывает ответный фрагмент из контекста. Модель содержит 135,5 млн параметров и рассчитана на контекст длиной до 512 токенов. Карточка связывает её с SQuAD, однако подробности о данных обучения, языках, оценках качества и рекомендованных сценариях не приведены. Модель опубликована в формате PyTorch; условия лицензии в доступных сведениях не указаны.

Модель badokorach/bert-finetuned-squad-5 — дообученная версия BERT для извлечения ответов на вопросы из текста. Она принимает вопрос и контекст и предназначена для задач question answering. Модель содержит 135,5 млн параметров, поддерживает контекст длиной до 512 токенов и опубликована в формате TensorFlow. В README указано, что модель дообучена на основе badokorach/bert-finetuned-squad-4, но датасет обучения не установлен; приведены значение Train Loss 0,0004 и 29 эпох обучения. Лицензия — Apache-2.0. Язык модели и качество на пользовательских данных в доступных сведениях не определены.

Модель SetFit, разработанная на основе desarrolloasesoreslocales/bert-leg-al-corpus, предназначена для классификации текстов. Она использует дообученный контрастивным обучением Sentence Transformer и классификационную голову LogisticRegression; обучение выполнено в режиме few-shot. Модель распределяет входные тексты по 21 классу, связанному с обращениями и административными материалами на испанском языке. Модель основана на архитектуре RoBERTa, содержит 211,6 млн параметров и принимает последовательности длиной до 512 токенов (в метаданных контекст указан как 514 токенов). Для текстовой классификации в README указана точность 0,9127. Репозиторий использует формат safetensors и библиотеку SetFit. Лицензия в предоставленных данных не указана.

htdht/bge_m3_finetuned — дообученная модель Sentence Transformers на базе BAAI/bge-m3, разработанная автором репозитория htdht. Она преобразует предложения и абзацы в нормализованные плотные векторы размерности 1024 для семантического поиска и извлечения документов по запросу. Архитектура включает XLM-RoBERTa, CLS-пулинг и нормализацию; сходство векторов можно оценивать косинусной мерой. Максимальная длина последовательности — 8192 токена. Модель обучалась на парах запрос–положительный документ с MultipleNegativesRankingLoss и рассчитана на текстовый поиск. Примеры обучающих данных и запросов в карточке преимущественно на вьетнамском языке, в том числе для поиска товарных описаний; результаты приведены для retrieval-оценки. Лицензия в предоставленных данных не указана.

Boomba-AI — дообученная текстовая модель от 007Arijit на базе unsloth/qwen2.5-7b-instruct-unsloth-bnb-4bit. Она предназначена для генерации текста и диалогового взаимодействия; в метаданных также указана поддержка интерфейса вызова инструментов. Модель использует плотную архитектуру Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов. По карточке, модель обучали с помощью Unsloth и библиотеки TRL от Hugging Face. Репозиторий содержит веса в формате safetensors. Указана лицензия Apache-2.0. README не описывает специализацию, результаты оценки или конкретные ограничения качества.

BRAG-Qwen2-7b-v0.1 — языковая модель серии BRAG, разработанная Pratik Bhavasar и Ravi Theja и дообученная для генерации ответов по найденному контексту. Она предназначена для RAG по текстам и таблицам, а также для диалогового поиска и ответов на вопросы. Модель основана на плотной архитектуре Qwen2ForCausalLM, содержит 7,1 млрд параметров и принимает текст; заявленная в метаданных длина контекста — 32 768 токенов. README указывает, что модель обучалась и оценивалась на английском языке. Модель рассчитана на сценарии, где ответ должен опираться на предоставленный контекст и сообщать, если нужной информации в нём нет. Для снижения риска галлюцинаций рекомендуется использовать системную инструкцию из карточки. Модель дообучена на англоязычных данных для коротких контекстов, поэтому качество на длинных контекстах и других языках может быть ниже. Доступна по лицензии Apache-2.0.

Chat2DB-SQL-7B — языковая модель проекта Chat2DB для преобразования запросов на естественном языке в SQL. Она основана на CodeLlama и дообучена для генерации SQL; архитектура — плотная Llama, размер — около 6,6 млрд параметров. Модель работает с контекстом до 16 384 токенов и поддерживает несколько диалектов, включая MySQL, PostgreSQL и SQLite. Модель подходит для подготовки SQL по текстовому описанию запроса, в том числе с использованием функций и типовых конструкций SQL. В README приведены результаты оценки на Spider для обобщённого SQL, однако гарантии точности для производственного применения нет. Лучше всего модель настроена на MySQL, PostgreSQL и обобщённый SQL; в других диалектах возможны ошибки, особенно в специфичных функциях дат и строк. Лицензия — Apache-2.0.

Карточка модели Smilesjs/chemsmart-qwen2.5-coder-3b-instruct-v13 на Hugging Face совпадает с карточкой Smilesjs/chemsmart-qwen2.5-coder-3b-instruct-v7, поэтому описание составлено по ней. Smilesjs/chemsmart-qwen2.5-coder-3b-instruct-v7 — дообученная Smilesjs модель семейства Qwen2 для генерации текста. Она основана на unsloth/Qwen2.5-Coder-3B-Instruct-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL. Модель содержит 3,1 млрд параметров, имеет контекст до 32 768 токенов и рассчитана на текстовые диалоги; в метаданных указана поддержка английского языка. Модель можно применять для генерации ответов и кода в интерактивных сценариях. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает специальную химическую настройку, качество на задачах или результаты оценки, поэтому название репозитория само по себе не подтверждает пригодность для химических сценариев.

Модель crossencoder-mdebertav3-base-mmarcoFR разработана для ранжирования франкоязычных текстов. Это cross-encoder на базе mDeBERTa V3 Base: он совместно обрабатывает запрос и отрывок, учитывает взаимодействие между ними и выдаёт оценку релевантности. Модель содержит 306 млн параметров, принимает пары «запрос — отрывок» и поддерживает контекст до 512 токенов; при обучении максимальная длина пары составляла 256 токенов. Модель предназначена для второго этапа семантического поиска: после первичного отбора документов, например BM25 или плотным биэнкодером, она пересчитывает релевантность отрывков и упорядочивает их. Обучена на франкоязычной части mMARCO — машинно переведённого набора MS MARCO — с трудными отрицательными примерами; оценивалась на dev-выборке mMARCO-fr. Оценки выдаются в диапазоне от 0 до 1. Для ранжирования большого корпуса требуется предварительный этап поиска, поскольку модель обрабатывает пары по отдельности. Лицензия — MIT.

Data2Vec-Audio-Large-960h — акустическая модель Facebook для автоматического распознавания английской речи. Это крупная Transformer-модель семейства data2vec с архитектурой Data2VecAudioForCTC и 402,7 млн параметров; она предварительно обучена и дообучена на 960 часах аудио из LibriSpeech. Модель принимает речь с частотой дискретизации 16 кГц и выводит текстовую транскрипцию. Модель предназначена для транскрибирования аудиозаписей и оценки систем распознавания речи на наборах LibriSpeech. В карточке приведены результаты WER 1,89 для раздела clean и 4,07 для other. Эти показатели относятся к указанной оценке на LibriSpeech и не гарантируют аналогичного качества на других данных. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Она рассчитана на английскую речь и требует аудио с частотой 16 кГц; карточка не описывает поддержку других языков или сценариев работы.

stevemobs/deberta-base-finetuned-squad1-aqa-newsqa — модель на базе DeBERTa, дообученная для извлечения ответов на вопросы. В README указано, что она является дообученной версией stevemobs/deberta-base-finetuned-squad1-aqa; число параметров — 151,8 млн, архитектура — DebertaForQuestionAnswering, формат весов — PyTorch. Модель предназначена для ответов на вопросы по предоставленному текстовому контексту. В названии указаны SQuAD 1 и NewsQA, однако README не подтверждает состав обучающих данных: поле датасета обозначено как None. Контекст ограничен 512 токенами. Лицензия — MIT.

Квантизированная GGUF-сборка модели DeepSeek-V4-Flash-180B, разработанной DeepSeek и опубликованной в этой форме пользователем kingjones777. Модель предназначена для локальной генерации текста и запуска через llama.cpp-подобный сервер на системах с AMD Strix Halo, включая Ryzen AI Max+ 395 с графикой gfx1151. В README также указана работа с tool calling в проверенной конфигурации. Сборка основана на MXFP4-релизе и преобразована в формат Q4_0_ROCMFP4_STRIX_LEAN. Доступны варианты примерно на 90 ГБ без MTP-тензоров и на 92 ГБ с сохранёнными MTP-тензорами для экспериментов со speculative decoding. Контекст в примере запуска установлен на 32 768 токенов, однако это значение не обязательно является предельным. Сведения об архитектуре, языках и мультимодальности не приведены. Главное преимущество — адаптация FP4-квантизации под unified-memory-системы AMD Strix Halo при существенно меньшем размере по сравнению с полноразмерными весами. Ограничения включают высокие требования к памяти, необходимость специальной сборки ROCmFPX с поддержкой ROCmFP4 для gfx1151 и несовместимость со стандартным llama.cpp. В README отмечено, что MTP-вариант в одном родственном тесте показал замедление примерно до 0,78×, поэтому его эффективность необходимо проверять на конкретном оборудовании. Репозиторий распространяется по лицензии Apache-2.0. Форматы ROCmFP4 и соответствующий форк ROCmFPX имеют лицензию MIT; лицензия и права на базовую модель определяются её авторами.

Это англоязычная модель ответов на вопросы от Hugging Face: DistilBERT-base-uncased, дополнительно дообученная методом дистилляции на SQuAD v1.1. Она принимает вопрос и текстовый контекст и извлекает из контекста краткий ответ; подходит для ответов по предоставленным документам и фрагментам текста. Архитектура — компактный Transformer DistilBERT; модель была создана для более быстрого и экономичного вывода, чем BERT-base, при сохранении высокой точности на языковых задачах. Контекст ограничен 512 токенами. Модель ориентирована на английский язык и задачу question answering. На валидационном наборе SQuAD v1.1 указана оценка F1 86,9. Она может выбирать неподтверждённый контекстом или неверный ответ, а также воспроизводить стереотипы и предвзятость из данных; её не следует считать источником проверенных фактов о людях и событиях. Лицензия — Apache 2.0.

sasuke/distilbert-base-uncased-finetuned-squad — модель на базе DistilBERT, дообученная на наборе SQuAD для ответов на вопросы по предоставленному текстовому контексту. Она принимает вопрос и контекст и извлекает из него ответ; архитектура — DistilBertForQuestionAnswering, формат весов — PyTorch, максимальная длина контекста — 512 токенов. Модель подходит для поиска ответов в текстах и прототипов систем вопросно-ответного поиска. В карточке приведён результат оценки на тестовой выборке SQuAD: loss 1.1458. Модель лицензирована по Apache-2.0. Карточка не описывает дополнительные языки или ограничения применения; обучение на SQuAD указывает на ориентированность на англоязычные вопросы и контексты.

Карточка модели aungkaungmyatmce/distilbert-base-uncased-finetuned-squad-d5716d28 на Hugging Face совпадает с карточкой Asynk/distilbert-base-uncased-finetuned-squad-d5716d28, поэтому описание составлено по ней. Это англоязычная модель ответов на вопросы, созданная как воспроизведение варианта DistilBERT из статьи DistilBERT. Студент distilbert-base-uncased дообучен на SQuAD v1.1 с дополнительной дистилляцией от модели lewtun/bert-base-uncased-finetuned-squad-v1, также настроенной на SQuAD. Репозиторий содержит веса PyTorch; архитектура в метаданных указана как DistilBertForMaskedLM, хотя README описывает модель для ответов на вопросы. Модель предназначена для извлечения ответа на вопрос из предоставленного текста на английском языке, например для поиска факта в документе или ответа по статье. Контекст ограничен 512 токенами. В README приведены результаты на SQuAD: Exact Match 78,4 и F1 86,5. Модель распространяется по лицензии Apache-2.0.

twmkn9 — модель на базе DistilBERT base uncased, дообученная на SQuAD v2 для извлечения ответов из текста по вопросу. Она принимает вопрос и текстовый фрагмент и возвращает найденный ответ либо указывает, что ответа в тексте нет. Подходит для систем поиска ответов по документам и справочным материалам. Контекст модели — до 512 токенов; архитектура — DistilBertForQuestionAnswering, формат весов — PyTorch. README приводит результаты оценки на подмножестве dev SQuAD v2: exact match 64,9 и F1 68,2. Модель работает с английским языком, как базовая uncased-модель DistilBERT и датасет SQuAD v2. Это компактная специализированная модель для extractive question answering, а не универсальный диалоговый генератор. Лицензия в предоставленных данных не указана.

Модель quynguyen1704/distilbert-finetuned-squad_v2 — дообученная версия DistilBERT для задачи question answering. Она предназначена для извлечения ответа на вопрос из предоставленного текста; архитектура — DistilBertForQuestionAnswering, базовая модель — distilbert/distilbert-base-uncased. Контекст ограничен 512 токенами, веса доступны в формате safetensors. Модель основана на англоязычной uncased-версии DistilBERT и подходит для англоязычных фрагментов текста. Лицензия — Apache-2.0. В карточке не приведены сведения о датасете дообучения, оценке качества и известных ограничениях.

Bienvenu2004/donut-handball-pv6 — дообученная модель семейства Donut с архитектурой vision-encoder-decoder. Она создана на основе Bienvenu2004/donut-handball-pv5 и обучена на датасете imagefolder. Модель принимает изображения и выдаёт текст; в карточке указана задача image-text-to-text. Модель подходит для сценариев преобразования изображений в текст. Карточка не описывает конкретный предметный сценарий, языки, размер модели или длину контекста. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT.

DUSUNEN Rota 270M v3 — компактная модель плотного поиска по турецким текстам, разработанная Werea и дообученная на базе microsoft/harrier-oss-v1-270m. Она построена на текстовой архитектуре Gemma 3, содержит около 257 млн параметров и рассчитана на контекст до 32 768 токенов. Модель создаёт текстовые эмбеддинги для семантического поиска и сравнения предложений; обучение включало дистилляцию оценок multilingual-e5-large и 308 тысяч естественных пар из MS MARCO-TR и DUSUNEN без синтетических шаблонов. Модель подходит для поиска документов и формирования кандидатов на первом этапе турецкоязычного RAG. В опубликованной оценке на TurHistQuadRetrieval она превзошла базовую Harrier OSS 270M по nDCG@10, но уступила multilingual-e5-base, особенно по полноте поиска на 100 результатах. Для стабильной работы автор рекомендует bf16: при fp16 выходы эмбеддингов могут содержать NaN. Лицензия — Apache-2.0.

Это веса модели EVA02 Enormous Patch14 CLIP 224, опубликованные в репозитории timm и совместимые с библиотекой OpenCLIP. Модель предназначена для классификации изображений по текстовым описаниям без обучения на целевых классах: она сопоставляет изображение с кандидатными подписями и оценивает их соответствие. Архитектура использует визуальный энкодер EVA02 с патчами 14 × 14 и CLIP-сопоставление изображения и текста; размер входного изображения — 224 пикселя. Веса связаны с обучающей выборкой LAION-2B и доступны в форматах PyTorch и Safetensors. Модель принимает изображения и текстовые варианты классов, а выдаёт оценки соответствия для выбора наиболее подходящего описания. Карточка не сообщает языковую специализацию, поэтому область поддержки языков по ней определить нельзя. Лицензия репозитория — MIT.

FastContext-4B-RLbase-SFT-Fable5-Glint — дообученная модель генерации текста на архитектуре Qwen3ForCausalLM с 3,7 млрд параметров. Её разработали на основе microsoft/FastContext-1.0-4B-RL и обучили методом SFT на наборе инструкций Fable-5-Glint-Clean. Модель предназначена для диалогов и ответов на инструкции; в метаданных также заявлен интерфейс вызова инструментов. Контекстное окно составляет 262 144 токена. В проверке на отложенной выборке из 199 примеров точность предсказания следующего токена выросла относительно базовой модели: top-1 — с 0,5699 до 0,6952, top-5 — с 0,8201 до 0,9160. Эти результаты относятся только к указанной выборке и не являются сравнением с другими моделями. Поведение за пределами обучающего набора не проверено; модель наследует ограничения и смещения основы. LoRA-адаптеры слиты с весами, поэтому отделить их от дообучения нельзя. Лицензия в доступных данных не указана.

facebook/fasttext-fr-vectors — предварительно обученная модель векторных представлений французских слов на основе библиотеки fastText, разработанной Facebook. Она предназначена для получения векторов слов и использования их в задачах классификации текста и определения языка, а также для оценки сходства слов по косинусной близости. Модель построена на архитектуре CBOW с позиционными весами, использует символьные n-граммы длиной 5 и выдаёт векторы размерности 300. Обучение проводилось на данных Common Crawl и Википедии. fastText рассчитан на работу на стандартном оборудовании и может применяться в прототипах и производственных системах. Модель поддерживает французский язык; описание семейства сообщает о моделях fastText для 157 языков. Возможны смещения в предсказаниях, а качество и охват представлений зависят от обучающих корпусов. Лицензия модели — CC BY-SA 3.0.

OsaurusAI подготовила производный вариант Google Gemma 4 12B IT QAT в формате MLX MXFP4 для запуска на Apple Silicon. Это плотная мультимодальная модель семейства Gemma 4 с 48 текстовыми слоями: 8 используют full attention, 40 — sliding attention. Линейные слои декодера квантованы в MXFP4 с размером группы 32; эмбеддинги, нормализации и ранние объединяющие медиа-энкодеры сохранены в fp16. Модель предназначена для диалогов и генерации текста по текстовым и визуальным входам; в комплекте также сохранён аудиоэнкодер. Указанный основной сценарий — image-text-to-text, включая анализ изображений. Карточка не подтверждает рабочий путь обработки видео. Доступны интерфейс чата и совместимость с вызовом инструментов в поддерживающих это рантаймах. Для запуска нужен MLX/vMLX с поддержкой Gemma 4 MXFP4; пакет не подходит для GGUF-рантаймов. Модель основана на google/gemma-4-12B-it-qat-q4_0-unquantized. Лицензия и ограничения использования наследуются от условий Gemma.

Карточка модели 7tianan/gemma-4-26B-A4B-it-assistant на Hugging Face совпадает с карточкой google/gemma-4-26B-A4B-it-assistant, поэтому описание составлено по ней. Gemma 4 26B A4B IT Assistant — мультимодальная модель с открытыми весами от Google DeepMind, представленная как MTP-драфтер для семейства Gemma 4. Драфтер используется в спекулятивном декодировании: он предсказывает несколько токенов вперёд, а целевая модель проверяет их параллельно. По карточке семейства, этот вариант имеет архитектуру MoE размером 26B A4B и предназначен для инструкционного взаимодействия и ускорения генерации с сохранением качества целевой модели. Модель подходит для диалога, генерации и редактирования текста, программирования, рассуждений и агентных сценариев с вызовом функций. Семейство Gemma 4 принимает текст и изображения, поддерживает анализ видео; заявленная поддержка аудио относится к вариантам E2B, E4B и 12B, поэтому её нельзя переносить на этот чекпойнт. Для 26B A4B в карточке указано контекстное окно до 256K токенов, а семейство обучено на более чем 140 языках. Ключевое назначение этого чекпойнта — снизить задержку генерации в совместимом конвейере спекулятивного декодирования; заявлено ускорение до 3 раз. Для работы требуется целевая модель и поддержка MTP-декодирования, поэтому чекпойнт не является самостоятельной заменой полной модели Gemma 4. Лицензия — Apache 2.0.

Карточка модели hasithanilwakka/ghostwriter-llama31-8b-merged на Hugging Face совпадает с карточкой hasithanilwakka/ghostwriter-llama31-8b-merged-run02, поэтому описание составлено по ней. Ghostwriter Llama 3.1 8B Merged Run02 — дообученная автором hasithanilwakka языковая модель на основе unsloth/Llama-3.1-8B-Instruct-unsloth-bnb-4bit. Это плотная автрорегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста и диалогового общения; в карточке также заявлен интерфейс вызова инструментов. Модель обучалась с использованием Unsloth и библиотеки TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Она распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специальную область применения, конкретные улучшения после дообучения или результаты оценки качества.

GLuCoSE-base-ja — японская модель эмбеддингов предложений, разработанная Акихико Фукутти, Юитиро Хосино и Ётаро Ватанабэ. Она основана на LUKE и дообучена для получения векторных представлений японского текста; использует mean pooling и формирует эмбеддинги размерности 768. Модель рассчитана на последовательности длиной до 512 токенов по README; метаданные указывают контекст в 514 токенов. Модель предназначена для сравнения смысловой близости предложений и семантического поиска по японским текстам. Для обучения использована смесь веб-данных и наборов для поиска и понимания естественного языка. В карточке приведены результаты оценки на JSTS и AIO3, где модель превзошла сравниваемые эмбеддинг-модели по указанным метрикам. Модель принимает текст и выдаёт векторные представления, удобные для поиска и ранжирования по близости. Она поддерживает японский язык и распространяется по лицензии Apache-2.0. Оценки в карточке относятся к конкретным тестовым наборам и сами по себе не гарантируют качество на других данных.

Palak/google_electra-small-discriminator_squad — компактная модель семейства ELECTRA, разработанная Palak и дообученная на google/electra-small-discriminator для ответов на вопросы по контексту. Она принимает вопрос и текстовый фрагмент и выделяет ответ из предоставленного контекста; подходит для извлечения фактических ответов из документов и справочных материалов. Модель содержит 20,4 млн параметров, использует архитектуру ElectraForQuestionAnswering, работает с контекстом до 512 токенов и опубликована в формате PyTorch. В README указаны результаты на SQuAD v1: exact match 76,95 и F1 84,99. Модель предназначена для англоязычного набора SQuAD v1; заявленная лицензия — Apache-2.0. Она отвечает только на основе переданного контекста и может ошибаться либо не находить ответ, если контекст недостаточен. Карточка не описывает дополнительные ограничения или сценарии использования.

GPA v1.5 — разработанная AutoArk-AI единая авторегрессионная аудиоязыковая модель для распознавания речи и синтеза речи. Репозиторий содержит чекпойнт для PyTorch и Hugging Face Transformers, а также поддерживает дообучение через Trainer. В метаданных указаны архитектура ArkASR, около 504,7 млн параметров, контекст 32 768 токенов и форматы PyTorch и Safetensors; базовая модель — Qwen/Qwen3-0.6B. Модель предназначена для преобразования речи в текст и генерации речи по тексту с условием на референсный голос. В README описаны сценарии локального запуска и развёртывания сервисов, а также приведены оценки ASR на англоязычном LibriSpeech и китайском AISHELL-1. Карточка заявляет поддержку английского и китайского языков. Указанная лицензия — Apache-2.0. В нативной версии GPA v1.5 преобразование голоса пока обозначено как планируемая функция, поэтому не следует считать его доступной возможностью этого чекпойнта. Для работы TTS требуются отдельные ресурсы токенизатора Spark; оптимизированные ONNX-файлы размещены в отдельном репозитории.

Granite Speech 4.1 2B — компактная речевая модель IBM для многоязычного распознавания речи и перевода речи. Она дообучена на базе ibm-granite/granite-4.0-1b-base и принимает аудио, выдавая текст. Модель обучалась на 174 000 часах аудио из открытых корпусов и синтетических данных. Модель поддерживает английский, французский, немецкий, испанский, португальский и японский языки. Она предназначена для транскрибации и перевода речи в обе стороны между этими языками и английским; также заявлены переводы с английского на итальянский и китайский. Архитектура использует двойную CTC-голову с графемным и BPE-выходами. Модель умеет расставлять пунктуацию и регистр, а также учитывать заданные ключевые слова для распознавания имён, аббревиатур и технической лексики. Модель ориентирована на обработку речи в корпоративных приложениях. В README не приведены результаты, позволяющие сравнить качество на всех языках и сценариях; дополнительные возможности временных меток и атрибуции говорящих относятся к отдельному варианту granite-speech-4.1-2b-plus. Лицензия — Apache 2.0.