I.3Извлечение и структурирование данных

Qwen3.8-27B-Uncensored-HauhauCS-Aggressive-MTP-GGUF — это модификация Qwen3.8-27B, опубликованная HauhauCS. Модель распространяется в формате GGUF и предназначена для генерации текста, рассуждений, агентских сценариев, а также обработки изображений и видео через отдельный vision-проектор. Указаны языки English, Chinese и multilingual, однако точный перечень поддерживаемых языков не приведён. Модель представляет собой плотную causal language model на 27 млрд параметров с 64 слоями, скрытым размером 5120, размером FFN 17408 и словарём на 248 320 токенов. Архитектура включает 48 слоёв Gated DeltaNet и 16 слоёв gated attention. Нативный контекст составляет 262 144 токена и может быть расширен до 1 000 000. Встроенная поддержка MTP/NextN сохранена, а профиль HauhauCS FastMTP предназначен для ускорения генерации; заявлены преимущества в скорости для документных и reasoning-сценариев. Для изображений и видео требуется отдельный BF16 vision-проектор. Вариант Aggressive ориентирован на прямые ответы, минимальную вводную часть и отсутствие отказов, что может быть полезно для задач, где важны быстрота и непрерывность генерации. Это одновременно является ограничением: README рекомендует для надёжной работы с длинным контекстом и агентскими задачами сбалансированный вариант, если он доступен. Модель не вносит изменений в датасеты или заявленные возможности базовой Qwen3.8-27B, но применяет профиль «uncensored». Доступны различные уровни квантизации, включая пользовательские K_P и IQ-варианты, совместимые с llama.cpp, LM Studio и другими GGUF-совместимыми средами. Лицензия — Apache-2.0.

Qwen3.8-27B-Uncensored-NVFP4 — квантованная и модифицированная версия модели Qwen/Qwen3.8-27B, разработанной командой Qwen компании Alibaba. Сборка johnnyeric предназначена для исследовательских задач, включая интерпретируемость, изучение механизмов отказа, red teaming, оценку устойчивости и контролируемые эксперименты. Она также поддерживает диалоговые сценарии, рассуждения, вызов инструментов и обработку изображений вместе с текстом. Модель содержит 27 млрд параметров и использует плотную гибридную архитектуру с 64 слоями: 48 слоёв Gated DeltaNet с линейным вниманием и 16 слоёв с полным вниманием. В состав входят vision-language модуль и MTP-голова для speculative decoding. Основные характеристики включают контекст до 262 тысяч токенов, поддержку английского и китайского языков, а также динамическую смешанную точность NVFP4 и FP8: большая часть feed-forward слоёв хранится в 4-битном NVFP4, а чувствительные к точности компоненты и KV-кэш — в FP8. Это позволяет снизить требования к памяти по сравнению с полноразмерной моделью при лучшем сохранении качества, чем при равномерном W4A4. Ключевое ограничение — удаление защитного направления отказа посредством abliteration: модель может выполнять вредоносные, незаконные и иные опасные запросы и практически не имеет встроенных защитных механизмов. Её не рекомендуется использовать напрямую в пользовательских или производственных системах без собственных средств модерации, безопасности и предотвращения злоупотреблений. Модель распространяется по лицензии Apache 2.0; применение также должно соответствовать законодательству и условиям лицензии базовой модели.

DavidAU опубликовал полноточную версию модели на базе дообученной Goekdeniz-Guelmez/Josiefied-Qwen3-8B-abliterated-v1. Это плотная авторегрессионная языковая модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для диалога и генерации текста; в карточке также заявлен интерфейс вызова инструментов. Контекст модели расширен с 32 768 до 196 608 токенов с помощью YARN. README рекомендует задавать контекст для рассуждений и генерации от 8 000 до 16 000 токенов; упоминается генерация длинных ответов. Модель принимает текст и выдаёт текст. В карточке не заявлена специализация на конкретных языках или прикладных областях. Это дообученная и модифицированная модель, а не самостоятельная базовая разработка. README описывает исходные веса в формате safetensors и возможность использовать их напрямую или конвертировать в другие форматы. Лицензия в предоставленных сведениях не указана.

DavidAU/Qwen3-8B-64k-Context-2X-Josiefied-Uncensored — текстовая генеративная модель на архитектуре Qwen3ForCausalLM с 7,6 млрд параметров, подготовленная DavidAU на основе Goekdeniz-Guelmez/Josiefied-Qwen3-8B-abliterated-v1. Автор указывает, что контекст увеличен с 32 768 до 65 536 токенов с помощью метода YaRN. Модель рассчитана на диалоговую генерацию и рассуждения; в репозитории доступны веса safetensors для прямого использования или подготовки квантованных вариантов. Модель подходит для продолжительных диалогов, работы с длинными текстовыми запросами и ролевых сценариев. Для «мышления» и генерации ответа автор рекомендует выделять 8–16 тысяч токенов контекста. Указаны шаблоны Jinja и ChatML. В метаданных заявлен интерфейс вызова инструментов, однако README не описывает его настройку. Сведения о лицензии в предоставленных данных отсутствуют.

Vontra/Qwen3.8-Flash-Next-MLX-6bit-MTP — это 6-битная MLX-конверсия мультимодальной модели Qwen3.8-Flash-Next, подготовленная Vontra на основе официального BF16-чекпойнта Qwen. Модель предназначена для Apple Silicon и реализована в архитектуре qwen4_exp: vision-language модель с разреженной Mixture-of-Experts архитектурой, поддерживающая работу с текстом и изображениями. Общий размер языковой части составляет 125 млрд параметров, из которых активно используется около 6 млрд; дополнительно указаны 51 млрд параметров hashed bigram/trigram embeddings и 4 млрд параметров native MTP-блока. Модель использует Gated DeltaNet, Qwen Sparse Attention, sparse MoE-слои, vision encoder и контекст до 262 144 токенов. Квантование выполнено методом uniform 6-bit affine с group size 32; мультимодальные модули и маршрутизаторы MoE сохранены в BF16. Встроенный native MTP с одним draft-блоком предназначен для speculative decoding и может ускорять генерацию. Сильными сторонами являются большой контекст, поддержка изображений, высокая вычислительная эффективность за счёт MoE и native MTP, а также проверенная совместимость с MLX-VLM, MLX и oMLX. В тестах на Apple M3 Studio включение MTP увеличило скорость генерации с 20,65 до 25,94 токена в секунду. Ограничения включают значительный размер весов — около 158,08 ГБ, необходимость совместимого runtime с явной поддержкой qwen4_exp и native MTP, а также зависимость поддержки изображений от версий MLX-VLM и oMLX. Языки и точные мультимодальные возможности в предоставленных данных не указаны. Модель распространяется по Qwen Community License 1.0. Токенизатор, chat template, vision processor, конфигурации генерации и native MTP унаследованы от исходной модели.

Qwen3.8-Flash-Next-NVFP4-SSD-Stream — подготовленная для инференса версия RadixArk/Qwen3.8-Flash-Next-NVFP4, созданная garnermccloud для работы с SGLang и расширением sglang-ssd-stream. Модель предназначена для мультимодальных задач image-text-to-text, включая обработку изображений, reasoning, retrieval, работу с инструментами и генерацию текста или кода. Подготовка не включает дообучение, тонкую настройку или повторную квантизацию: изменена только организация хранения данных для обслуживания модели. В основе используется архитектура Qwen/Qwen3.8-Flash-Next. Routed experts применяют ModelOpt NVFP4 W4A4, а attention, shared experts, embeddings, LM head, vision-компоненты и MTP-веса сохранены в BF16; predictive lookup table хранится в FP8. 48-гигабайтная таблица вынесена из оперативной памяти в локальный read-only SSD sidecar объёмом около 51,2 GB, что снижает требования к RAM при загрузке. Заявленный контекст по умолчанию составляет 131 072 токена; в исторических измерениях использовался пул на 262 144 токена. Подготовленный набор данных занимает около 140 GiB. Главное преимущество — возможность запускать модель с существенно меньшим потреблением системной памяти, загружая необходимые данные с SSD во время работы GPU. Производительность зависит от оборудования, профиля и типа нагрузки: измерения на RTX PRO 6000 Blackwell показывают смешанные результаты, поэтому заявленные ускорения нельзя считать универсальными; качество модели отдельно не оценивалось. Решение ориентировано на SGLang и требует совместимого runtime, локального SSD sidecar и соответствующей GPU-конфигурации. Лицензия указана как other; дополнительных условий использования в README не приведено.

R1-Qwen2.5-32B-Instruct-5k — дообученная pe-nlp модель на базе Qwen/Qwen2.5-32B-Instruct, обученная на наборе данных Sky-T1. Это плотная авторегрессионная языковая модель семейства Qwen2 с 32 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Контекстное окно составляет 32 768 токенов. Карточка не раскрывает конкретные сценарии обучения или результаты оценки, поэтому специализированные преимущества модели подтвердить нельзя. Лицензия указана как «other», без уточнения условий в доступных данных.

Ruri v3 130M — японская модель текстовых эмбеддингов, разработанная cl-nagoya на основе cl-nagoya/ruri-v3-pt-130m и архитектуры ModernBERT-Ja. Она преобразует текст в векторы размерностью 512 для поиска, сравнения предложений и других задач семантического сходства; сходство оценивается косинусной мерой. Модель содержит 132,1 млн параметров и обрабатывает последовательности длиной до 8192 токенов. В её архитектуре используются словарь на 100 тысяч токенов, токенизатор SentencePiece и FlashAttention; для токенизации не требуется отдельный инструмент сегментации японского текста. В оценке JMTEB модель показала средний результат 76,55. Модель предназначена прежде всего для японского текста. Она выдаёт эмбеддинги, а не готовые ответы или сгенерированный текст, поэтому для поиска или ранжирования обычно требуется сравнивать полученные векторы. Лицензия — Apache 2.0.

SauerkrautLM-ColQwen3-1.7b-Turbo-v0.1 — мультиязычная модель визуального поиска по документам от VAGOsolutions, основанная на Qwen3-VL-2B. Это ColQwen3 с многовекторным представлением и поздним взаимодействием: модель кодирует изображения страниц и текстовые запросы, чтобы находить релевантные документы с учётом макета, таблиц, форм и диаграмм без отдельного OCR-конвейера. Модель уменьшена структурным прореживанием и восстановлена обучением на mMARCO, а затем настроена для поиска по документам. В ней около 1,7 млрд параметров и размерность эмбеддингов 128; автор сообщает о снижении объёма параметров на 23% относительно версии на 2,2 млрд. В README приведены результаты ViDoRe v1: NDCG@5 88,89; также указаны результаты MTEB и ViDoRe v3. Метаданные указывают поддержку английского, немецкого, французского, испанского, итальянского и португальского языков. Модель принимает изображения и текстовые запросы, а выдаёт многовекторные представления для ранжирования документов. Лицензия — Apache-2.0. Подходит для визуального поиска по PDF и сканированным документам, включая поиск по содержимому, где важны структура страницы и визуальный контекст. Заявленные результаты основаны на бенчмарках; качество может различаться на других наборах документов и запросов. Для работы требуется совместимая реализация ColPali/ColQwen3 или Sentence Transformers с поддержкой многовекторного поиска.

uer/sbert-base-chinese-nli — это модель эмбеддингов предложений на базе BERT, предварительно обученная с помощью UER-py. Она предназначена для преобразования китайских предложений в векторы и сравнения их смысловой близости, например с помощью косинусного сходства. Модель содержит 129,5 млн параметров, использует формат PyTorch и принимает последовательности длиной до 512 токенов. Модель подходит для семантического поиска и ранжирования похожих китайских фраз. Для обучения использовался набор ChineseTextualInference. Репозиторий распространяется по лицензии Apache-2.0. Карточка показывает извлечение эмбеддингов и вычисление сходства; результаты могут зависеть от домена и качества исходных текстов.

pucpr-br/sbertimbau_news_2018 — модель Sentence Transformers, созданная на базе neuralmind/bert-base-portuguese-cased и дообученная для получения векторных представлений предложений и абзацев. Она преобразует текст в плотные векторы размерности 768, пригодные для семантического поиска, кластеризации и сравнения сходства текстов. Модель построена на архитектуре BERT и содержит 136,1 млн параметров. Она принимает текст на португальском языке; максимальная длина контекста составляет 512 токенов. Для использования доступны форматы Sentence Transformers и Transformers; в последнем случае для получения представления требуется подходящая операция pooling. Обучение проводилось с BatchAllTripletLoss. Карточка не приводит результатов оценки качества и подробностей обучающих данных, поэтому пригодность для конкретного корпуса следует проверять отдельно. Лицензия в предоставленных данных не указана.

Sentence-ModernBERT-JP-0.5B-PT — модель для получения векторных представлений японских предложений, разработанная на основе iamtatsuki05/ModernBERT-JP-0.5B-PT-stage2. Авторы дообучили базовую ModernBERT методом контрастивного обучения со слабой разметкой на датасете cl-nagoya/ruri-dataset-v2-pt; модель содержит около 677,5 млн параметров и выдаёт эмбеддинги размерности 1280 с усреднением токенов. Модель предназначена для поиска по смыслу, сравнения предложений и извлечения релевантных текстов. Она принимает текстовые последовательности длиной до 8192 токенов, использует токенизатор SentencePiece с размером словаря 102 400 и позиционное кодирование RoPE; для сравнения векторов рекомендуется косинусное сходство. Поддерживаемый язык — японский. Модель распространяется в формате safetensors и доступна по лицензии MIT.

Yunika/sentence-transformer-nepali — модель эмбеддингов предложений на базе BERT, опубликованная под именем Yunika. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации. Модель обучалась с функцией MultipleNegativesRankingLoss и косинусной мерой сходства; её контекст ограничен 512 токенами, размер составляет 264,8 млн параметров, веса представлены в формате Safetensors. Модель предназначена для работы с текстом на непальском языке. Её можно использовать через библиотеку Sentence-Transformers или Transformers с подходящей операцией pooling. В метаданных лицензия не указана, поэтому условия использования по имеющимся данным определить нельзя.

Shadowm7expMeliodaspercival_01_experiment26t3q-7B — автоматически объединённая текстовая модель на архитектуре Mistral, созданная Maxime Labonne. Она предназначена для генерации текста и диалогов, включая сценарии с длинным контекстом до 32 768 токенов. Модель содержит 7,1 млрд параметров и объединяет ShadowM7EXP-7B и MeliodasPercival_01_Experiment26T3q с базовой моделью Mistral-7B-v0.1 методом model_stock; веса представлены в формате safetensors и типе bfloat16. Репозиторий распространяется по лицензии Apache-2.0.

Swallow-MS-7b-instruct-v0.1 — разговорная языковая модель TokyoTech-LLM, созданная на базе Mistral-7B-v0.1 с продолженным предобучением на данных, в основном добавлявших японский язык, и последующей настройкой на выполнение инструкций. Репозиторий также меняет chat template токенизатора базовой модели. Модель с архитектурой Mistral, 7,2 млрд параметров, рассчитана на генерацию текста в диалоговом формате; родной контекст — 4096 токенов. Модель предназначена для ответов на инструкции, написания и извлечения текста, ролевого диалога, рассуждений, задач STEM и гуманитарных вопросов на японском и английском языках. Расширенный японский словарь токенизатора позволяет эффективнее представлять японский текст. В README приведены результаты оценки на японском MT-Bench и других бенчмарках; показатели по математике сравнительно низкие. Модель разработана TokyoTech-LLM. Выпускается по лицензии Apache-2.0. Авторы предупреждают, что модель находится на ранней стадии разработки и не настроена для надёжного следования человеческим намерениям и требованиям безопасности. Для instruct-варианта рекомендуется использовать указанный в карточке формат инструкций, иначе качество ответов может снизиться.

Swift-Qwen3.8-27B-Genesis-F16-GGUF — мультимодальная модель на базе Swift-Qwen3.8-27B, опубликованная LuffyTheFox. Автор применил к весам метод Genesis для численной коррекции тензоров; модель распространяется в формате GGUF F16 и рассчитана на запуск в llama.cpp, LM Studio, koboldcpp и других совместимых средах. Лицензия — Apache-2.0. Модель предназначена для диалогов, анализа изображений и видео, а также задач общего назначения, включая программирование. README указывает плотную архитектуру на 27 млрд параметров с визуальным энкодером, 64 слоями языковой модели и контекстом 262 144 токена; заявлена возможность расширения контекста до 1 000 000 токенов при поддержке со стороны среды запуска. Указана поддержка текста, изображений и видео, однако для работы с изображениями нужен отдельный файл mmproj. Автор описывает Genesis как постобработку тензоров без переобучения и заявляет, что она снижает шум весов, сохраняя выученные знания. Эти заявления не сопровождаются в карточке независимыми результатами оценки. Для работы с шаблоном диалога рекомендуется llama.cpp с флагом --jinja; README также советует использовать контекст не менее 128K токенов для сохранения возможностей рассуждения. Модель помечена как uncensored; качество и поведение на разных задачах могут отличаться от заявлений автора.

Tess-2.0-Yi-34B-200K — универсальная большая языковая модель серии Tess, разработанной migtissera. Это плотная авторегрессионная модель семейства Llama с 33,9 млрд параметров, обученная на базовой модели 01-ai/Yi-34B-200K. Она предназначена для генерации текста и диалогов; в карточке приведён формат запросов с ролями SYSTEM, USER и ASSISTANT. Контекст модели составляет до 200 000 токенов. Модель работает с текстом и заявлена как uncensored, поэтому может создавать предвзятый, оскорбительный или неподходящий контент. Ответы могут быть неточными или вводящими в заблуждение, их следует проверять. В репозитории указаны веса safetensors. Лицензия обозначена как other, поэтому условия использования следует сверять с лицензией репозитория.

Tess-XS-v1-3-yarn-128K — версия общего языкового семейства Tess, разработанная Migtissera на базе Nous Research Mistral-7B-yarn-128K. Это плотная авторегрессионная модель MistralForCausalLM с 7,1 млрд параметров для генерации текста. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Модель предназначена для генерации текста общего назначения в формате диалога с ролями SYSTEM, USER и ASSISTANT. В карточке указана длина контекста 32 768 токенов; автор сообщает о тестировании до 16 тысяч токенов и отмечает небольшие повторы около этой длины, поэтому для конкретных сценариев рекомендуется проверять качество и ограничивать контекст. Поддерживаемый язык в карточке не обозначен.

GLM-4-32B-0414-GGUF — это квантизированная версия языковой модели GLM-4-32B-0414, разработанной THUDM, подготовленная пользователем bartowski в формате GGUF. Модель предназначена для генерации текста и может запускаться локально через llama.cpp, LM Studio и другие совместимые проекты. Заявлена поддержка китайского и английского языков. Модель содержит 32 миллиарда параметров; точные сведения об архитектуре, размере контекста и поддерживаемых модальностях в README не указаны. Доступны варианты от BF16 до различных квантизаций Q8, Q6, Q5, Q4, Q3 и Q2, что позволяет выбирать между качеством, размером файла и требованиями к памяти. Более высокие уровни квантизации обеспечивают лучшее качество, а низкие подходят для систем с ограниченными ресурсами, но могут заметно уступать по качеству. Для запуска требуется совместимое программное обеспечение и объём памяти, соответствующий выбранному варианту. Квантизация выполнена с использованием llama.cpp и метода imatrix; в описании также отмечено исправление токенизатора. Модель распространяется по лицензии MIT. README не содержит подробных результатов тестирования, поэтому фактические преимущества в конкретных задачах и ограничения базовой модели требуют самостоятельной проверки.

TinyE5-L6-384 — компактная модель эмбеддингов текста, разработанная GrowBit Labs на основе sentence-transformers/all-MiniLM-L6-v2 и дообученная для семантического поиска и информационного поиска с префиксами query: и passage:. Это энкодер на архитектуре BERT с 6 слоями Transformer; он создаёт векторы размерности 384 с помощью среднего pooling и L2-нормализации. По README модель содержит 22,7 млн параметров, а метаданные репозитория указывают 25,9 млн параметров; контекст ограничен 512 токенами. Модель подходит для построения семантического поиска, ранжирования кандидатов через сравнение эмбеддингов и извлечения релевантных документов. Для развертывания доступны варианты Safetensors FP32, ONNX FP32 и динамически квантованный ONNX INT8; README приводит результаты CPU-бенчмарков, где INT8-компактнее и быстрее FP32 с небольшим снижением показателя STS. Основной язык карточки — английский. Лицензия — Apache-2.0.

TomoroAI tomoro-colqwen3-embed-4b — мультимодальная модель для поиска по визуальным документам, созданная на основе Qwen3-VL-4B-Instruct. В README указано, что модель объединена с Qwen3-Embedding-4B и дообучена на наборах данных для визуального поиска. Архитектура ColQwen3 использует позднее взаимодействие в стиле ColPali и проекционную голову размерностью 320 для создания многовекторных представлений текста и визуальных материалов. Модель предназначена для поиска изображений страниц документов, PDF и коротких видео по текстовому запросу. Для страницы поддерживается до 1280 визуальных токенов, для видео рекомендовано до 5120; текстовые запросы ограничены контекстом базовой модели. README сообщает о конкурентных результатах на бенчмарках ViDoRe V1–V3 на английском и многоязычных данных, а также о меньшем размере эмбеддингов по сравнению с некоторыми полноразмерными моделями ColPali. Доступ к весам предоставляется по лицензии Apache-2.0.

newmindai/TurkEmbed4STS — модель Sentence Transformers, разработанная newmindai путём дообучения Alibaba-NLP/gte-multilingual-base на турецком наборе all-nli-tr. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для сравнения смысловой близости по косинусному сходству; также подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текста. В README указана максимальная длина последовательности 512 токенов, а метаданные каталога сообщают о контексте базовой архитектуры до 8192 токенов. Модель ориентирована на турецкий язык. Для обучения использованы функции потерь MatryoshkaLoss, MultipleNegativesRankingLoss и CoSENTLoss; приведены результаты оценивания на наборах для сходства предложений и триплетах. Веса опубликованы в формате safetensors и используются библиотекой sentence-transformers. Лицензия в предоставленных данных не указана.

phandat128/visbert-2epochs — дообученная модель Sentence Transformers на базе keepitreal/vietnamese-sbert, созданная на датасете train_bkai_2024. Она кодирует предложения и абзацы на вьетнамском языке в плотные векторы размерностью 768 для оценки семантического сходства с помощью косинусного сходства, семантического поиска, поиска парафраз и кластеризации. Модель построена на RoBERTa с усреднением токенных представлений; максимальная длина последовательности составляет 256 токенов, контекст — до 258 токенов по метаданным. Размер — 162,4 млн параметров. Также может использоваться как основа для классификации текста через векторные представления. Выпущена в формате safetensors и предназначена для работы с библиотекой Sentence Transformers. Лицензия в доступных данных не указана.

Voxtral-Mini-3B-2507-GGUF — это конверсия 3-миллиардной мультимодальной speech-LLM-модели Voxtral-Mini-3B-2507, разработанной Mistral, в формат GGUF для запуска через C++ runtime CrispASR. Модель предназначена для автоматического распознавания речи, транскрибации, перевода и понимания аудио, включая ответы на вопросы по содержимому записи, суммаризацию и вызов функций по голосовым намерениям. Модель поддерживает английский, французский, немецкий, испанский, итальянский, португальский, нидерландский и хинди, а также автоматическое определение языка. Она сочетает 32-слойный Whisper-large-v3 audio encoder, проектор и 30-слойную Llama 3 / Ministral 3B-подобную языковую модель с GQA; общий объём параметров составляет около 3 млрд. Поддерживается до 30 минут аудио для транскрибации и до 40 минут для понимания. Аудиообработка встроена в GGUF, поэтому во время инференса не требуются Python, PyTorch или librosa. Доступны варианты квантования Q4_K размером 2,5 ГБ, Q8_0 размером 4,6 ГБ и F16 размером 8,7 ГБ. Q4_K рекомендован для практического использования и, согласно приведённым измерениям, примерно в 2,2 раза быстрее F16 на CPU при сохранении идентичной транскрипции. Ограничения включают более высокие требования к ресурсам и меньшую скорость по сравнению с компактными ASR-моделями на коротких аудиофрагментах, а также необходимость подавать моно WAV в формате PCM 16 кГц, 16 бит. Модель распространяется по лицензии Apache-2.0.

Wav2Vec2-Large-Ru-Golos-With-LM — модель распознавания русской речи от bond005 на основе facebook/wav2vec2-large-xlsr-53. Модель Wav2Vec2 с архитектурой CTC содержит 402,7 млн параметров и дообучена на обучающей части датасета SberDevices/Golos с аугментациями аудио. Для декодирования используется 2-граммная языковая модель, построенная на русскоязычных текстах Taiga, Википедии и Викиновостей. Модель предназначена для преобразования русской речи в текст. Её оценивали на тестовых выборках SberDevices/Golos, русской части Common Voice 6.0 и Russian Librispeech; для работы входную речь нужно подавать с частотой дискретизации 16 кГц. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Описание не приводит численных метрик качества или результатов оценки.

Jonatas Grosman подготовил модель распознавания испанской речи, дообучив facebook/wav2vec2-xls-r-1b на обучающих и проверочных выборках Common Voice 8.0, MediaSpeech, Multilingual TEDx, Multilingual LibriSpeech и VoxPopuli. Это плотная модель Wav2Vec2ForCTC на 1,3 млрд параметров для автоматического преобразования речи в текст; она принимает аудио, записанное с частотой дискретизации 16 кГц, и предназначена для испанского языка. Модель подойдёт для транскрибации испанской речи в аудиозаписях и оценки систем распознавания речи. Для работы нужны веса PyTorch; модель распространяется по лицензии Apache-2.0. Карточка не приводит численных результатов оценки качества.

Baybars/wav2vec2-xls-r-300m-cv8-turkish — модель распознавания речи, созданная дообучением facebook/wav2vec2-xls-r-300m на турецкой части датасета Common Voice. Это архитектура Wav2Vec2 с CTC-декодированием; метаданные указывают 402,7 млн параметров и формат PyTorch. Модель принимает аудио и преобразует речь в текст на турецком языке. Модель предназначена для автоматической транскрипции турецкой речи, в том числе записей в сценариях, похожих на Common Voice. В README приведены результаты на тестовом наборе: WER 0,3098 и CER 0,0764. Для языкового декодирования также описана n-граммная модель KenLM, обученная на статьях турецкой Википедии; она упоминается отдельно от основного чекпойнта. Модель распространяется по лицензии Apache-2.0. Оценка качества приведена для конкретного набора данных и не гарантирует таких же результатов на других акцентах, условиях записи или типах аудио; README не содержит подробностей о таких ограничениях.

Portuguese Medium Whisper — модель распознавания речи, созданная дообучением OpenAI Whisper Medium автором pierreguillou на наборе Common Voice 11.0. Она преобразует аудио на португальском языке в текст и подходит для транскрибации записей и оценки систем распознавания речи. Модель построена на архитектуре Whisper и содержит около 455,8 млн параметров; в метаданных указан формат PyTorch. На тестовой выборке автор сообщает Loss 0,2628 и WER 6,5987. Модель распространяется по лицензии Apache-2.0. Показатели сравнения с другими версиями Whisper приведены автором на основе сходства тестовых наборов, поэтому их не следует считать прямым сравнением на идентичном тесте.

mlx-community/whisper-small-asr-fp16 — преобразованная сообществом mlx-community в формат MLX модель OpenAI Whisper Small для распознавания речи. Она предназначена для преобразования аудиозаписей в текст; репозиторий использует библиотеку mlx-audio и содержит веса в формате safetensors. Модель насчитывает 153,1 млн параметров и поддерживает распознавание речи на множестве языков, включая русский и английский. Модель основана на openai/whisper-small и преобразована в формат MLX с помощью mlx-audio 0.2.10; это конверсия формата, а не новое дообучение. Лицензия репозитория — Apache-2.0. Карточка отсылает к исходной модели за подробностями о её характеристиках; отдельные ограничения в предоставленных данных не описаны.

XGen-7B-8K-Inst — языковая модель Salesforce AI Research с плотной архитектурой LlamaForCausalLM и примерно 6,7 млрд параметров. Она создана как версия XGen-7B-8K-Base, дообученная на общедоступных инструкционных данных; контекст составляет до 8192 токенов. Модель предназначена для генерации текста по инструкциям: например, для ответов на вопросы, выполнения текстовых запросов и диалоговых сценариев. В карточке указано, что релиз предназначен для исследовательских целей; данных о поддерживаемых естественных языках нет. Модель распространяется в формате PyTorch. Авторы предупреждают, что её не оценивали для всех прикладных сценариев, поэтому перед применением следует проверять точность, безопасность и справедливость ответов, особенно в задачах высокого риска. Лицензия для этой инструкционной версии в карточке не указана; Apache-2.0 отмечена для базовых моделей XGen-7B-4K-Base и XGen-7B-8K-Base.