I.14Автоматизация процессов и AI-агенты

Transcendental-Maidphin-7B — объединённая языковая модель на 7,1 млрд параметров, созданная nbeerbower методом SLERP с помощью mergekit из nbeerbower/Transcendental-Maid-7B и nbeerbower/bruphin-epsilon. Это плотная модель архитектуры Mistral для генерации текста и диалогов; заявленная длина контекста — до 32 768 токенов. Модель принимает текст и генерирует текст. Модель подходит для диалоговых приложений и других сценариев генерации текста, включая работу с длинными текстовыми запросами в пределах контекста. Репозиторий распространяет веса в формате safetensors, а лицензия — Apache-2.0. Карточка не описывает специальные предметные области или языковые приоритеты.

Это дообученная модель Sentence Transformers, созданная на основе bkai-foundation-models/vietnamese-bi-encoder. Она использует архитектуру RoBERTa с mean pooling, содержит 162,4 млн параметров и преобразует предложения и абзацы на вьетнамском языке в плотные векторы размерностью 768 для сравнения по косинусному сходству. Максимальная длина последовательности — 258 токенов по метаданным модели; в README указано ограничение 256 токенов. Модель предназначена для семантического поиска и оценки сходства текстов, а также может применяться для поиска перефразировок, кластеризации и классификации текста. Обучение на 10 200 примерах использовало MatryoshkaLoss и MultipleNegativesRankingLoss; приведённые в README результаты поиска показывают качество для векторных представлений размером от 64 до 768 измерений. Модель ориентирована на вьетнамский язык и не предназначена для генерации текста. Лицензия в предоставленных данных не указана.

timm/ViT-SO400M-16-SigLIP2-384 — визуально-языковая модель семейства SigLIP 2, обученная на наборе WebLI и подготовленная для использования в библиотеке OpenCLIP. Репозиторий содержит конверсию исходных контрольных точек JAX из Big Vision; веса доступны в форматах PyTorch и Safetensors, лицензия — Apache-2.0. Модель сопоставляет изображения с текстовыми описаниями и предназначена для классификации изображений без дообучения: пользователь задаёт варианты классов текстом, а модель оценивает их соответствие изображению. Подходит для поиска по изображениям и семантической сортировки по текстовым запросам. В карточке также упомянута многоязычная направленность семейства SigLIP 2, но конкретный перечень поддерживаемых языков и размер контекста не приведены.

Yehor разработал модель распознавания украинской речи на основе дообученной facebook/w2v-bert-2.0. Это плотная модель архитектуры Wav2Vec2-BERT с головой CTC, принимающая аудио и выдающая распознанный текст. В метаданных указано 402,7 млн параметров; модель обучалась на Common Voice 10.0 и распространяется в формате Safetensors по лицензии Apache-2.0. В карточке приведены метрики: WER 6,6% и CER 1,34%; также указана точность на словах 93,4% и символах 98,7%. Карточка рекомендует использовать обновлённую модель, поэтому результаты могут не отражать актуальное состояние проекта. Модель предназначена для автоматического распознавания речи на украинском языке.

Nachuwu/wav2vec2-fleur-mms-batch6-epoch16 — модель автоматического распознавания речи на архитектуре Wav2Vec2, дообученная на базе facebook/mms-1b-FL102 на наборе данных audiofolder. Модель принимает аудио и выдаёт распознанный текст; карточка сообщает о размере 1,3 млрд параметров. На оценочной выборке указаны loss 0,9813 и WER 0,4603. Эти значения описывают только приведённую оценку и не гарантируют качество на других данных. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое применение.

Lguyogiro/wav2vec2-large-mms-1b-azz-adapter-ilv-all_data — дообученная на наборе audiofolder модель распознавания речи, созданная на основе facebook/mms-1b-all. Она использует архитектуру wav2vec2 с классификационной головой CTC и содержит 1,3 млрд параметров. Модель принимает аудио и преобразует речь в текст; базовая модель поддерживает более тысячи языков, но язык или языки, на которых рассчитан этот конкретный чекпойнт, в доступных данных не определены. На тестовом наборе указаны WER 0,2867 и CER 0,0886. Эти значения описывают результаты только на данном наборе и не гарантируют качество на других аудиозаписях. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

jonatasgrosman/wav2vec2-large-xlsr-53-german — модель распознавания речи на немецком языке, созданная Jonatas Grosman путём дообучения facebook/wav2vec2-large-xlsr-53 на обучающей и валидационной выборках Common Voice 6.1. Это архитектура Wav2Vec2 с CTC-декодированием, содержащая 402,7 млн параметров. Модель преобразует аудиозапись немецкой речи в текст и рассчитана на сценарии автоматической транскрипции. Для входной речи требуется частота дискретизации 16 кГц; README описывает использование без языковой модели. Репозиторий содержит веса PyTorch и Flax. Модель распространяется по лицензии Apache-2.0. Карточка не приводит сведений о точности или подробных ограничениях распознавания, поэтому качество на шумной речи и за пределами немецкого языка не следует считать установленным.

aware-ai/wav2vec2-large-xlsr-53-german-with-lm — акустическая модель распознавания речи на базе Wav2Vec2 XLSR-53, дополненная языковой моделью KenLM. Она предназначена для преобразования немецкой речи в текст; в карточке приведена оценка на тестовой части Common Voice: WER около 5,75% и CER около 1,90%. Архитектура модели — Wav2Vec2ForCTC, размер — 402,7 млн параметров. Модель принимает аудио и выдаёт распознанный текст на немецком языке. В README указано, что акустическая часть скопирована с модели jonatasgrosman и для неё обучена соответствующая языковая модель KenLM. Файлы доступны в форматах PyTorch и safetensors. Лицензия — Apache-2.0.

Это модель автоматического распознавания речи на польском языке, разработанная Jonatas Grosman путём дообучения facebook/wav2vec2-xls-r-1b с помощью HuggingSound. Она использует архитектуру Wav2Vec2ForCTC и предназначена для преобразования польской речи в текст; в обучении использованы обучающая и валидационная части Common Voice 8.0, Multilingual LibriSpeech и Voxpopuli. Модель содержит 1,3 млрд параметров и принимает аудио с частотой дискретизации 16 кГц. Для распознавания польской речи её можно применять к аудиозаписям и речевым данным из различных источников. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Качество распознавания зависит от записи и соответствия входного аудио требованию 16 кГц; сведения о производительности в конкретных условиях в карточке не приведены.

Это модель автоматического распознавания речи на турецком языке, созданная mpoyraz дообучением facebook/wav2vec2-xls-r-300m. Она использует архитектуру wav2vec2 с выходным слоем CTC и принимает аудио, преобразуя речь в текст. Модель дообучена на проверенной части Common Voice 8.0 на турецком языке; для языкового моделирования также подготовлена n-граммная модель KenLM на статьях турецкой Википедии. Модель предназначена для транскрибирования турецкой речи. В карточке приведены результаты оценки: WER 10,61 и CER 2,67 на тестовой части Common Voice 8.0, а также WER 36,46 и CER 12,38 на Speech Recognition Community dev data. Лицензия — Apache 2.0. Показатели зависят от набора данных и условий записи; на втором наборе ошибок заметно больше.

WeDLM-7B-Instruct — инструкционно дообученная диффузионная языковая модель Tencent на 7,1 млрд параметров, созданная на основе tencent/WeDLM-7B. Она генерирует текст с параллельным декодированием при стандартном причинном механизме внимания и поддерживает диалог и выполнение инструкций. Модель предназначена для генерации ответов и многошагового общения; для ускоренного вывода разработчики рекомендуют движок wedlm, а интерфейс Hugging Face Transformers описан как удобный для обучения и простых прямых проходов. В README приведены результаты на тестах ARC-C, GSM8K и MATH, но они различаются по задачам, поэтому эти цифры не гарантируют качество в конкретном приложении. Контекст в метаданных указан как 16 384 токена, тогда как README сообщает 32 768 токенов. Модель доступна на условиях лицензии Apache 2.0.

adriszmar/whisper-large-v3-turbo-es — дообученная модель распознавания речи, созданная на основе openai/whisper-large-v3-turbo и адаптированная к испанскому языку на испанской части Common Voice 17.0. Она использует архитектуру WhisperForConditionalGeneration и содержит 905,2 млн параметров; работает с аудио и выдаёт текстовую транскрипцию. Модель предназначена для распознавания испанской речи. На тестовой выборке Common Voice 17.0 её показатель WER составил 5,34% против 6,91% у базовой модели. Результат относится к этой выборке и не гарантирует такую же точность на других аудиозаписях. Модель распространяется по лицензии MIT.

NavAI · whisper-medium-uzbek — модель автоматического распознавания узбекской речи, созданная NavAI дообучением openai/whisper-medium на 753 часах аудио с человеческими расшифровками. Архитектура WhisperForConditionalGeneration, формат Safetensors; метаданные каталога указывают 455,8 млн параметров. README также называет размер 769 млн, поэтому точный размер в источниках расходится. Модель предназначена для преобразования узбекской речи в текст. Она обучена на Common Voice, FLEURS и Uzbek Speech Corpus, а тестовые наборы исключены из обучения. Для лучшего распознавания рекомендуется явно задавать язык uz; типичный вывод — узбекский текст латинским письмом. Обработка выполняется окнами по 30 секунд, длинные записи разбиваются на фрагменты. В README приведены результаты оценки на четырёх отложенных узбекских тестовых наборах и описана единая методика декодирования и нормализации. Слабее обрабатываются редкие иностранные имена, шумная дальняя запись и выраженные диалекты. Лицензия модели — Apache-2.0; для данных Uzbek Speech Corpus требуется атрибуция по CC BY 4.0.

vumichien/whisper-small-ja — модель распознавания японской речи, полученная дообучением Whisper Small от OpenAI на японской части Mozilla Common Voice 11.0. Она принимает аудио и генерирует текстовую транскрипцию; архитектура — WhisperForConditionalGeneration, размер — 153,1 млн параметров. Модель подходит для преобразования японской речи в текст. На указанном в карточке наборе оценки достигнуты значения WER 13,4679 и CER 8,6022. Базовая Whisper Small также поддерживает несколько языков и перевод аудио на английский, однако карточка этой версии описывает дообучение именно для японского распознавания. Веса доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

Карточка модели unsloth/whisper-tiny на Hugging Face совпадает с карточкой openai/whisper-tiny, поэтому описание составлено по ней. Whisper Tiny — компактная предварительно обученная модель распознавания речи семейства Whisper, разработанная OpenAI. Это трансформерная архитектура «энкодер—декодер» с 29,4 млн параметров, обученная на больших массивах размеченной речи с масштабным слабым контролем. Модель принимает аудио и генерирует его текстовую расшифровку; семейство Whisper также поддерживает перевод речи, но метаданные этой модели указывают только задачу распознавания речи. Модель подходит для транскрибации речи на множестве языков, включая русский, а также для распознавания аудио с акцентами, фоновым шумом и технической лексикой. Базовая длительность входного аудиофрагмента — до 30 секунд; длинные записи можно обрабатывать с разбиением на фрагменты. Модель может выдумывать слова, которых нет в аудио, повторять текст, а качество распознавания неодинаково для разных языков, акцентов и диалектов. Распространяется по лицензии Apache-2.0.

wtp-bert-mini — компактная символьная модель BERT для классификации токенов, опубликованная пользователем benjamin на Hugging Face для проекта wtpsplit. Она предназначена для восстановления границ предложений и связанных задач сегментации текста. Модель содержит около 12 млн параметров, принимает текстовые последовательности длиной до 512 токенов и поддерживает множество языков; репозиторий включает веса PyTorch и ONNX. Карточка модели распространяется по лицензии MIT.

severinsimmler/xlm-roberta-longformer-base-16384 — версия модели hyperonym/xlm-roberta-longformer-base-16384 в формате PyTorch, опубликованная без изменений исходных весов. Это мультиязычный Longformer, инициализированный весами XLM-RoBERTa без дополнительного предварительного обучения; модель предназначена для дообучения под конкретные задачи и извлечения признаков из текста. Она содержит 305,2 млн параметров и поддерживает контекст до 16 386 токенов. Модель подходит для анализа длинных документов на разных языках, когда требуется получить контекстные представления текста. Репозиторий использует форматы PyTorch и Safetensors и распространяется по лицензии MIT. Карточка не сообщает результатов оценки качества на прикладных задачах; для целевого применения потребуется дообучение.

Yaxin1992/zephyr-beta-llama2-7b-ties — диалоговая языковая модель, созданная слиянием Zephyr 7B Beta и Llama 2 7B Chat методом TIES с помощью mergekit. В метаданных указана архитектура MistralForCausalLM с плотной структурой, около 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате и использования в качестве ассистента. Слияние выполнено на основе HuggingFaceH4/zephyr-7b-beta с включением meta-llama/Llama-2-7b-chat-hf; в README приведена конфигурация слияния и типом float16. Метаданные указывают библиотеку Transformers и формат safetensors. Карточка не сообщает отдельные результаты оценки качества или специализированные предметные области. Лицензия в предоставленных данных не указана.

Карточка модели qihoo360/360Zhinao-7B-Chat-360K на Hugging Face совпадает с карточкой qihoo360/360Zhinao-7B-Base, поэтому описание составлено по ней. 360Zhinao-7B-Base — базовая авторегрессионная языковая модель семейства 360Zhinao, разработанная командой 360 (Qihoo 360). Модель содержит 7,1 млрд параметров и обучена на корпусе объёмом 3,4 трлн токенов, преимущественно на китайском и английском языках, а также на коде. Это базовая, а не чат-версия; для диалогового применения в серии отдельно выпущены модели Chat. Модель предназначена для генерации текста и служит основой для задач понимания языка, работы со знаниями, математики, логических рассуждений и генерации кода. Она поддерживает контекст до 4096 токенов, построена на архитектуре ZhinaoForCausalLM и распространяется в формате safetensors для Transformers. README сообщает о сравнительной оценке базовой модели на наборах OpenCompass, включая C-Eval, MMLU, GSM8K и HumanEval. Лицензия — Apache-2.0. Как базовая языковая модель, она не настроена специально для следования инструкциям или ведения диалога; качество ответов зависит от промпта и сценария применения.

Anubis-v1-Magnum-v4-SE-70B — слитая модель для генерации текста, созданная автором knifeayumu с помощью mergekit методом SLERP. В неё объединены TheDrummer/Anubis-70B-v1 и Doctor-Shotgun/L3.3-70B-Magnum-v4-SE. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 69,5 млрд параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для диалогов, творческого письма и ролевых сценариев. Модель принимает текст и генерирует текст; метаданные также отмечают интерфейс для вызова инструментов. Она опубликована в формате safetensors, а конфигурация слияния указывает на bf16. Карточка не приводит отдельной информации о лицензии, поэтому условия использования следует проверять по лицензиям исходных моделей и репозитория. Данных о специальных ограничениях качества или безопасности в карточке нет.

Adel-Elgabry/arabic-semantic-search — модель Sentence Transformers, дообученная автором на базе sentence-transformers/LaBSE для поиска семантически близких арабских текстов. Она кодирует предложения и абзацы в плотные векторы размерности 768; сходство между ними можно оценивать косинусной мерой, а векторы использовать для поиска и извлечения релевантных текстов. В метаданных указана архитектура RoBERTa с 151,8 млн параметров; библиотека для работы — sentence-transformers. Модель принимает текст и рассчитана на последовательности длиной до 256 токенов согласно README; метаданные каталога указывают контекст 514 токенов. Обучение описано на наборе из 1 000 пар предложений с MultipleNegativesRankingLoss. LaBSE поддерживает 109 языков, однако специализация этой дообученной модели — арабский семантический поиск. Лицензия в предоставленных данных не указана.

Jebadiah/Aria-dolphin-1m-sand-stone — языковая модель, созданная разработчиком Jebadiah слиянием методом linear через mergekit моделей Jebadiah/Aria-7b-128k-v4 и cognitivecomputations/dolphin-2.9-llama3-8b-1m. Это плотная архитектура MistralForCausalLM с 7,1 млрд параметров; веса сохранены в формате safetensors, с точностью float16. Модель предназначена для генерации текста и принимает текстовые запросы, выдавая текст. Заявленная длина контекста — 32 768 токенов. Карточка не описывает специализированные предметные области или конкретные языки. Условия лицензирования в предоставленных данных не приведены.

Azerbaijani Whisper Turbo — модель LocalDoc для автоматического распознавания азербайджанской речи. Это дообученная на датасетах LocalDoc/azerbaijani_asr и LocalDoc/fleurs-azerbaijani-asr модель openai/whisper-large-v3-turbo на архитектуре Whisper с 905,2 млн параметров. Она принимает аудио с частотой дискретизации 16 кГц в моно и преобразует речь в текст. Модель предназначена для транскрибации азербайджанской речи, в том числе для сценариев с обработкой в реальном времени на GPU. По README, на тестовой выборке FLEURS из 921 аудиозаписи она показала WER 13,17%; авторы также заявляют о снижении WER на 8% относительно whisper-large-v3 и почти двукратном ускорении вывода. Лицензия — Apache-2.0.

BERT Large Cased Whole Word Masking — предварительно обученная языковая модель BERT, выпущенная авторами BERT и представленная в карточке Hugging Face. Это англоязычная модель с архитектурой BERT: 24 слоя, скрытое представление размером 1024, 16 голов внимания и 432,3 млн параметров по метаданным. Она обучалась на корпусах BookCorpus и English Wikipedia с задачами masked language modeling и предсказания следующего предложения. При whole word masking все токены WordPiece, составляющие одно слово, маскируются одновременно; модель различает регистр букв. Основное применение — предсказание пропущенных слов в контексте. Модель также можно дообучать для классификации последовательностей и токенов, ответов на вопросы и других задач понимания текста. Контекст ограничен 512 токенами; модель не предназначена для генерации связного текста. Предобучение выполнено на английских книгах и Википедии, поэтому возможны смещения в предсказаниях. Лицензия — Apache-2.0.

mrm8488/bert-mini-finetuned-age_news-classification — англоязычная модель классификации новостей, созданная разработчиком mrm8488 дообучением BERT-Mini на наборе данных AG News. Это компактный классификатор последовательностей на архитектуре BERT с примерно 12 млн параметров и контекстом до 512 токенов. Модель принимает текст и присваивает ему категорию новости; в карточке Hugging Face для тестовой выборки AG News указана точность около 0,934. Модель предназначена для автоматической тематической сортировки новостных материалов и демонстрации классификации текста. Карточка предоставляет варианты весов PyTorch и Flax, а также формат safetensors. Условия лицензии в доступных источниках не подтверждены.

Это компактная модель Sentence Transformers, дообученная автором swardiantara на базе англоязычной google/bert_uncased_L-2_H-128_A-2. Она кодирует предложения и абзацы в плотные векторы размерности 128; сходство текстов можно оценивать косинусным сходством, а в README отдельно указано применение для поиска. Модель подходит для семантического поиска и сравнения текстовых фрагментов, в том числе отзывов о товарах. Архитектура включает BertModel с mean pooling. Метаданные указывают 4,4 млн параметров и контекст до 512 токенов, тогда как README задаёт максимальную длину последовательности 128 токенов; при использовании следует учитывать это различие. Веса опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

anishareddyalla/bge-base-financial-matryoshka-anisha — англоязычная модель Sentence Transformer, дообученная автором на базе BAAI/bge-base-en-v1.5 для создания плотных текстовых эмбеддингов. Она кодирует предложения и абзацы в векторы размерностью 768 и поддерживает сравнение по косинусному сходству. Архитектура основана на BERT и включает пулинг CLS-токена и нормализацию; максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска и сравнения текстов, включая поиск финансовых материалов. Её также можно использовать для поиска перефразирований, кластеризации и классификации текстов. Обучение описано как Matryoshka fine-tuning: приведены результаты поиска для усечённых эмбеддингов размерностью от 64 до 768, а обучающая выборка содержит 6 300 примеров. Лицензия — Apache-2.0.

pan0sk/bge-m3-legal-v2 — дообученная модель Sentence Transformers на базе BAAI/bge-m3, разработанная для семантического поиска и сравнения текстов с акцентом на юридические материалы, законодательство и общие тексты. Она преобразует предложения и абзацы в плотные векторы размерности 1024, нормализует их и предназначена для сравнения по косинусному сходству; архитектура включает XLM-RoBERTa с пулингом CLS-токена. В метаданных указаны 658,7 млн параметров, библиотека Sentence Transformers и контекст до 8194 токенов, тогда как карточка модели задаёт максимальную длину последовательности 256 токенов. Модель подходит для семантического поиска по правовым документам, оценки сходства текстов, поиска перефразирований, кластеризации и классификации текстов. Карточка называет обучающие наборы legal, statute и general; приведённый пример данных — на греческом языке, но полного перечня поддерживаемых языков нет. Репозиторий содержит веса safetensors и вариант GGUF F16. Лицензия в предоставленных сведениях не указана.

BLOSSOM-v4-qwen15-4b — диалоговая языковая модель, созданная на основе Qwen1.5-4B и дообученная командой Blossom на смешанных наборах данных Blossom Orca, Wizard, Chat и Math. Это плотная авторегрессионная модель семейства Qwen2 с 3,6 млрд параметров и контекстом до 32 768 токенов. Она принимает текстовые инструкции и историю диалога и генерирует ответы; обучение включало одноходовые инструкции и многоходовые беседы на китайском и английском языках. Модель предназначена для диалоговых помощников, ответов на вопросы, следования инструкциям и решения задач общего назначения, включая математические запросы. README описывает формат диалогового продолжения и шаблон промпта для одиночного и многоходового диалога. Модель опубликована в формате Safetensors по лицензии Apache-2.0. Карточка не приводит количественных оценок качества; результаты могут зависеть от формата промпта и выбранного сценария использования.

ChengyouXin/cacheverifier-quora — текстовый Cross Encoder, обученный с помощью библиотеки Sentence Transformers для оценки пар текстов. Модель принимает запрос и кандидатный текст, выдаёт один числовой балл релевантности; баллы подходят для ранжирования результатов семантического поиска и других задач сравнения текстовых пар. Архитектура основана на BERT и BertForSequenceClassification, размер — 25,9 млн параметров, максимальная длина входной последовательности — 512 токенов. В README указано обучение на 11 928 примерах с колонками query, response и label и функцией потерь BinaryCrossEntropyLoss. Примеры охватывают вопросы и ответы Quora, включая перефразирования. Данных о лицензии и целевых языках в предоставленных источниках нет. Поскольку обучение заняло 19,5 секунды, качество и обобщение на другие наборы данных следует проверять для конкретного применения.