I.14Автоматизация процессов и AI-агенты

T3qm7xNeuralsirkrishna_Experiment27Experiment28 — объединённая языковая модель семейства Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment27Experiment28-7B. Модель содержит 7,1 млрд параметров и использует архитектуру MistralForCausalLM; веса опубликованы в формате safetensors. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст длиной до 32 768 токенов. Данные о целевых языках и специализации по предметным областям в карточке не приведены. Модель опубликована по лицензии Apache-2.0. Качество и ограничения конкретного объединения моделей в карточке не описаны.

T3qm7xNeuralsirkrishna_Experiment27Yam — объединённая языковая модель семейства Mistral, созданная слиянием automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment27Yam-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и распространяется в формате safetensors. Она предназначена для генерации текста и диалогов с контекстом до 32 768 токенов. Модель может применяться для ответов на запросы и создания связного текста. Карточка не сообщает о специализированной предметной области или поддерживаемых языках. Лицензия — Apache-2.0. Практические ограничения и результаты оценки качества в карточке не описаны.

T3qm7xNeuralsirkrishna_Experiment28Yam — объединённая языковая модель семейства Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment28Yam-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и хранится в формате safetensors. Возможные сценарии применения — генерация продолжений и ответов на текстовые запросы. Лицензия — Apache-2.0.

T3qm7xNeuralsirkrishna_Experiment29Experiment24 — объединённая модель семейства Mistral, созданная слиянием automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment29Experiment24-7B. Она предназначена для генерации текста и диалоговых ответов; содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Файлы опубликованы в формате safetensors. Модель принимает текст и выдаёт текст. Репозиторий распространяется по лицензии Apache-2.0. Карточка не сообщает о специализированной предметной области или отдельных гарантиях качества; возможности и ограничения после слияния отдельно не описаны.

Jebadiah создал Tess-gradient-ruby-p2 — объединённую диалоговую языковую модель семейства Llama с плотной архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она объединяет Jebadiah/Tess-gradient-ruby-p1 и NousResearch/Hermes-2-Theta-Llama-3-8B методом DARE linear; файлы представлены в формате safetensors, веса указаны как bfloat16. Модель предназначена для генерации текста и диалоговых сценариев: она принимает текстовые запросы и выдаёт текстовые ответы. Контекст составляет до 8192 токенов. В метаданных указана возможность чата; отдельные сведения о поддерживаемых языках и лицензии не приведены, поэтому их нельзя уточнить по доступным данным.

TigerBot-7B-Chat — диалоговая языковая модель семейства Llama, опубликованная TigerResearch. Она предназначена для генерации текста в формате чата и может служить основой для собственного LLM-приложения. В репозитории указаны веса PyTorch; размер модели — 6,7 млрд параметров, контекст — до 2048 токенов. Модель подходит для диалоговых интерфейсов, генерации ответов и прототипирования текстовых помощников. README содержит общие инструкции по запуску через Transformers, но в примерах приведены идентификаторы TigerBot-13B, поэтому конкретные команды для этой версии не подтверждены. Модель распространяется по лицензии Apache-2.0.

tjake/TinyLlama-1.1B-Chat-v1.0-Jlama-Q4 — квантизированная версия TinyLlama-1.1B-Chat-v1.0, опубликованная пользователем tjake для запуска через Jlama. Это компактная авторегрессионная языковая модель семейства Llama, предназначенная для генерации текста и диалоговых сценариев при ограниченных ресурсах памяти и вычислений. Базовый проект TinyLlama разработан сообществом TinyLlama под руководством Zhang и использует архитектуру и токенизатор, совместимые с Llama 2.

tolk-7B — дообученная языковая модель от RaspizdAI на базе deepseek-ai/DeepSeek-R1-Distill-Qwen-7B. Она предназначена для многоходового диалога, общения в заданной персоне и генерации структурированного текста на русском и английском языках. Модель использует плотную архитектуру Qwen2 с причинной языковой моделью, содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Модель подходит для диалоговых ассистентов, которым важно поддерживать беседу на русском или английском, придерживаться заданного образа и выдавать текст в заданной структуре. Метаданные указывают поддержку чата и интерфейса вызова инструментов; качество этих возможностей отдельно не охарактеризовано. Модель распространяется под лицензией MIT.

allenai/tulu-v2.5-dpo-13b-alpacafarm-human-pref — англоязычная диалоговая модель AllenAI из набора RLHF-моделей Tulu. Она основана на Llama 2 с 13 млрд параметров и дообучена на смеси инструкций и диалогов Tulu V2, затем дополнительно выровнена методом DPO на предпочтениях людей из набора AlpacaFarm Human Preference. Модель предназначена для генерации текста и ответов помощника на инструкции и вопросы на английском языке. Она принимает текст в формате диалога, для которого рекомендуется использовать шаблон чата токенизатора, и поддерживает контекст до 4096 токенов. Модель может давать проблемные или небезопасные ответы: на этапе выравнивания её не обучали безопасно отказывать на вредоносные запросы, а фильтрация ответов не встроена. Лицензия — Apache 2.0.

BuzzASR/urdu — одноязычная модель автоматического распознавания речи на урду, разработанная в рамках набора BuzzASR и дообученная из openai/whisper-large-v3. Она принимает аудио и генерирует текстовую транскрипцию; модель построена на архитектуре Whisper large-v3 и содержит 905,2 млн параметров. Для распознавания используется токенизатор Whisper, а языковая и задачная подсказка встроена в конфигурацию генерации. Модель предназначена для транскрибации речи на урду. На тесте FLEURS указаны CER 7,5% и WER 21,8%; на объединённом тесте — CER 9,24% и WER 26,77%. Обучение использовало FLEURS и текстовые данные корпуса Goldfish. Модель оценивалась на тестовых разделах FLEURS и Common Voice, поэтому качество на других тематиках, диалектах и акустических условиях может отличаться. Лицензия — MIT.

Uzbek Whisper Small STT v2 — модель автоматического распознавания речи на узбекском языке, созданная на основе Whisper Small и дообученная на Mozilla Common Voice 26. В README указаны три эпохи обучения и 9 195 шагов оптимизации; оценка проводилась на узбекской тестовой выборке Common Voice 26. Модель предназначена для преобразования узбекской речи в текст. Файлы основной ветки представлены в формате CTranslate2 FP16 для запуска через faster-whisper; это не стандартный чекпойнт Transformers. README не сообщает лицензию. Точность может снижаться на записях с шумом, другими микрофонами, стилями речи и диалектами, а также на аудио, отличном от Mozilla Common Voice. Перед развёртыванием рекомендуется проверить модель на характерных для приложения записях.

Harveenchadha/vakyansh-wav2vec2-telugu-tem-100 — модель автоматического распознавания речи на телугу, опубликованная Harveen Singh Chadha в рамках проекта Vakyansh. Проект разработан как набор инструментов и моделей для ASR на индийских языках с ограниченными ресурсами; данная модель предназначена для преобразования телугуязычной речи в текст. Модель построена на архитектуре Wav2Vec2ForCTC и использует библиотеку Transformers с PyTorch. Размер модели составляет около 113,3 млн параметров. Она принимает аудио и возвращает транскрипцию на телугу; модель ориентирована на пакетное или потоковое распознавание речи, но качество может снижаться при шуме, музыке, необычной лексике, отличающихся от обучающих данных доменах и речи с сильным акцентом. Длина контекста и условия лицензирования в доступных источниках не установлены.

Vectorite-Pro-4B — дообученная Sup2Doggie языковая модель семейства Qwen3 для генерации текста и диалогового общения. В основе лежит unsloth/qwen3-4b-unsloth-bnb-4bit; для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель содержит 3,7 млрд параметров и поддерживает контекст до 40 960 токенов. Модель подходит для генерации ответов в чате и задач, сводящихся к продолжению или созданию текста. Метаданные отмечают интерфейс вызова инструментов, но README не описывает специальные навыки или результаты оценки качества. Модель распространяется по лицензии Apache-2.0.

Это веса визуального энкодера CLIP из семейства DFN, опубликованные разработчиками timm. Модель принимает изображения и преобразует их в признаки и эмбеддинги; она предназначена для извлечения визуальных представлений, в том числе как часть систем поиска и сопоставления изображений с текстом. В репозитории указаны архитектура ViT-Large с патчами 14 и разрешением изображения 224 пикселя, а также веса в форматах PyTorch и Safetensors. Карточка уточняет, что это только энкодер изображений, поэтому модель сама по себе не генерирует текст и не выполняет полный цикл CLIP-сопоставления с текстом. Лицензия обозначена как other; конкретные условия следует проверить в файлах репозитория.

NhutP/ViWhisper-medium — модель распознавания вьетнамской речи, созданная авторами репозитория путём дообучения Whisper medium от OpenAI. Она принимает аудио и выдаёт текст; модель доступна через Transformers и подходит для транскрибирования записей и потоков речи. В обучении использовано в общей сложности 1308 часов данных из VSV-1100, Common Voice 14, VIVOS, VLSP2021 и синтетических примеров, созданных системой синтеза речи. Архитектура — WhisperForConditionalGeneration, размер — 455,8 млн параметров. В карточке приведены результаты WER на нескольких тестовых наборах: от 4,69 на VIVOS до 28,76 на VLSP2020-T2. Эти показатели зависят от набора данных и не гарантируют такого же качества на других записях. Для запуска в примере используется аудио с частотой дискретизации 16 кГц; указана обработка фрагментами до 30 секунд. Модель распространяется по лицензии MIT.

Модель GaborMadarasz/w2v-bert-2.0-hungarian-CV24.0 разработана как дообученная версия facebook/w2v-bert-2.0 для автоматического распознавания венгерской речи. Это акустическая модель архитектуры Wav2Vec2-BERT на 402,7 млн параметров, принимающая аудио и преобразующая его в текст. Она обучена на венгерской части набора Common Voice Scripted Speech 24.0 и предназначена для транскрибации записанной речи. В карточке приведены результаты оценки на тестовых данных Common Voice: WER 5,65%, CER 1,47% и SER 32,26% для 12 066 примеров. Результаты показывают пригодность для распознавания венгерской речи в условиях, похожих на тестовый набор, но ошибки на отдельных примерах могут быть значительными. Для загрузки README рекомендует скачать репозиторий и выполнять инференс локально из-за проблем с разрешением метаданных токенизатора в загрузчике Hugging Face. Модель распространяется по лицензии MIT.

Wartortle — компактная модель эмбеддингов на базе BERT, созданная Mihaiii как дистилляция bge-base-en-v1.5. Она предназначена прежде всего для семантического автодополнения: преобразует текст в векторы, которые можно использовать для поиска подходящего продолжения или сопоставления фраз. Модель содержит 18,8 млн параметров, работает с контекстом до 512 токенов и доступна в форматах Safetensors и ONNX. Для корректного использования в сценарии семантического автодополнения README рекомендует CLS-пулинг и нормализацию эмбеддингов; модель также можно применять в задачах сходства предложений и извлечения признаков. Базовая модель ориентирована на английский язык. Лицензия — MIT.

CAiRE/Wav2Vec2-Large-XLSR-53-Cantonese — модель распознавания речи, дообученная CAiRE на основе facebook/wav2vec2-large-xlsr-53 на кантонском языке с использованием Common Voice Corpus 8.0. Модель построена на архитектуре Wav2Vec2ForCTC, содержит 406,6 млн параметров и принимает аудиозаписи с частотой дискретизации 16 кГц, преобразуя речь в текст без языковой модели. Модель предназначена для автоматической транскрибации кантонской речи; в README приведён результат CER 18,55% на тестовой части Common Voice для zh-HK. Доступна в формате PyTorch по лицензии Apache-2.0. В карточке не указаны сведения о длине контекста.

jonatasgrosman/wav2vec2-large-xlsr-53-dutch — модель распознавания нидерландской речи, разработанная Jonatas Grosman. Это дообученная на нидерландском языке версия facebook/wav2vec2-large-xlsr-53 на обучающей и валидационной выборках Common Voice 6.1 и CSS10. Модель использует архитектуру wav2vec2 с CTC-декодером и содержит 402,7 млн параметров. Модель преобразует входящую речь в текст и подходит для транскрибации записей на нидерландском языке. Для подачи аудио требуется частота дискретизации 16 кГц. В карточке приведены оценки на тестовой выборке Common Voice 6.0 и наборе speech-recognition-community-v2/dev_data. Модель распространяется по лицензии Apache-2.0. Карточка не описывает языковую модель для декодирования; пример использования предусматривает распознавание без неё.

Facebook wav2vec2-large-xlsr-53-french — модель распознавания французской речи, основанная на архитектуре wav2vec2 и настроенная для французского языка. Она принимает аудио и преобразует речь в текст; карточка сообщает об оценке на тестовой выборке Common Voice FR — 25,2 %. Модель содержит 402,7 млн параметров и доступна в форматах PyTorch и Flax. Модель подходит для транскрибации французской речи, например, записей и голосовых сообщений. Лицензия — Apache-2.0. Метаданные указывают на обучение или оценивание на Common Voice; сведений о поддержке других языков карточка не приводит.

Это модель автоматического распознавания речи на венгерском языке, созданная сообществом на основе openai/whisper-base. Она объединяет взвешенным усреднением параметров две венгерские дообученные версии: 90% весов whisper-hu-base-finetuned-V2 и 10% whisper-base-hungarian_v4. Модель содержит 51,7 млн параметров и доступна в формате safetensors для Transformers. Модель предназначена для преобразования венгерской речи в текст, в том числе для записей с фоновым шумом. В тестах авторов она показала более низкий WER на FLEURS hu_hu, чем обе исходные версии, и лучшее распознавание на зашумлённых записях; на Common Voice 17.0 немного уступила V2, обучавшейся на его обучающей и валидационной выборках. Результаты зависят от условий записи и настроек декодирования. Для живой речи, телефонных разговоров и сильных акустических искажений качество может быть ниже, чем на подготовленных записях. README указывает, что коммерческое использование без согласия не разрешено; для личного использования применяются исходные условия лицензии Whisper.

Whisper Hindi Large-v2 — версия Whisper Large-v2, дообученная на корпусах распознавания речи на хинди в рамках Whisper fine-tuning sprint. Модель на архитектуре Whisper содержит около 905,2 млн параметров и предназначена для преобразования аудиозаписей на хинди в текст. Она подходит для транскрибирования речи и оценки качества распознавания на тестовых наборах. Для обучения использовались GramVaani ASR Corpus, ULCA ASR Corpus, Shrutilipi ASR Corpus и обучающая и валидационная части Google FLEURS. В README также указаны тестовые части GramVaani ASR Corpus и Google FLEURS для оценки. Доступны веса PyTorch и Flax; модель распространяется по лицензии Apache-2.0.

mikr/whisper-large-czech-cv11 — дообученная модель автоматического распознавания речи на базе Whisper Large от OpenAI. Она обучена на чешской части датасета Mozilla Common Voice 11.0 и предназначена для транскрибирования чешской речи в текст. В архитектуре WhisperForConditionalGeneration около 905,2 млн параметров; веса доступны в форматах PyTorch и Safetensors. На тестовой выборке автор приводит WER 10,8278 и loss 0,2528. Модель распространяется по лицензии Apache-2.0.

Finnish-NLP разработала эту модель как дообученную на финских данных версию OpenAI Whisper Large V3 для распознавания финской речи. Модель семейства Whisper содержит около 905,2 млн параметров и принимает аудио, выдавая распознанный текст; она доступна в формате Safetensors и рассчитана на использование с Transformers. Модель предназначена для транскрибирования финской речи. В карточке приведены результаты на тестовых наборах Common Voice 11 и Google Fleurs: после 32 000 шагов дообучения WER составил 8,23 на Common Voice 11 и 8,21 на Fleurs. Используется лицензия Apache 2.0.

zuazo/whisper-large-v2-es — дообученная модель распознавания речи на базе openai/whisper-large-v2, опубликованная пользователем zuazo. Она адаптирована для транскрибации испанской речи на наборе mozilla-foundation/common_voice_13_0. Архитектура — WhisperForConditionalGeneration; модель содержит 905,2 млн параметров и принимает аудио, выдавая текст. В оценке на тестовом наборе указаны WER 4,8949 и loss 0,2544. Модель подходит для преобразования записанной испанской речи в текст. Карточка не описывает дополнительные сценарии или ограничения качества. Лицензия Apache-2.0 разрешает использование, изменение и распространение с указанием авторов.

sitwala/whisper-large-v3-turbo-anv-zul-150h — дообученная модель распознавания речи на базе OpenAI Whisper large-v3-turbo. Она предназначена для преобразования аудио в текст, с настройкой на набор данных dsfsi-anv/za-african-next-voices. В оценке на тестовой выборке указаны Loss 0,3443 и WER 25,2022. Модель использует архитектуру WhisperForConditionalGeneration, содержит 905,2 млн параметров и доступна в формате safetensors для библиотеки Transformers. Исходная Whisper large-v3-turbo — мультиязычная модель распознавания речи и перевода аудио в текст; карточка этой версии не уточняет языки и режимы, проверенные при дообучении. Лицензия — MIT.

imTak/whisper_large_v3_turbo_Korean2 — дообученная модель распознавания речи на основе Whisper large-v3-turbo от OpenAI. Она предназначена для преобразования корейской речи в текст; в карточке указано дообучение на наборе Zeroth-Korean, а метаданные также связывают модель с Common Voice 17.0. Модель построена на архитектуре WhisperForConditionalGeneration, содержит 905,2 млн параметров и работает через Transformers. На оценочном наборе автор приводит значение WER 5,2703 и loss 0,0670. Модель распространяется по лицензии MIT. Показатели приведены для указанного оценочного набора и сами по себе не гарантируют такое же качество на других данных и условиях записи.

Whisper Medium Czech 2 CV11 — модель распознавания речи, дообученная автором mikr на openai/whisper-medium с использованием чешской части набора Mozilla Common Voice 11.0. Она преобразует чешскую речь в текст и предназначена для автоматической транскрибации аудио. Модель построена на архитектуре Whisper, содержит 455,8 млн параметров и распространяется в форматах PyTorch и Safetensors. На оценочной выборке указана ошибка слов WER 11,4086 и значение loss 0,2417. Лицензия — Apache-2.0. В README не описаны ограничения применения и условия оценки, кроме приведённых метрик.

GeoffVdr/whisper-medium-nlcv11 — дообученная модель распознавания речи на базе OpenAI Whisper Medium. Она обучена на обучающей и валидационной частях нидерландского набора Mozilla Common Voice 11.0 и предназначена для преобразования нидерландской речи в текст. Модель использует архитектуру WhisperForConditionalGeneration и содержит 455,8 млн параметров. Для оценки использовалась тестовая часть Common Voice 11.0 на нидерландском языке. Модель принимает аудио и выдаёт текст; карточка не сообщает метрики качества или подробные ограничения. Веса доступны в формате PyTorch по лицензии Apache-2.0.

Whisper Small Czech CV11 — модель распознавания речи, созданная дообучением openai/whisper-small на чешской части набора Mozilla Common Voice 11.0. Она преобразует чешскую речь в текст и подходит для транскрибирования записей и голосовых фрагментов. Архитектура — WhisperForConditionalGeneration, размер — 153,1 млн параметров; базовая модель Whisper мультиязычная. На тестовой выборке указана WER 18,5557 и loss 0,3587. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Оценка приведена для указанного набора данных; README не описывает ограничения качества в других условиях записи.