I.5Создание и редактирование текста

tiiuae выпустила Falcon3-10B-Base-1.58bit-prequantized — экспериментальную модификацию базовой модели Falcon3-10B-Base с причинной декодерной архитектурой на основе Llama и примерно 9,9 млрд параметров. Веса имеют тернарное представление с внедрёнными масштабами, чтобы сделать модель совместимой с дообучением; доступны файлы safetensors, а для работы указаны Transformers и BitNet. Модель предназначена для генерации текста и дальнейшего дообучения. Карточка характеризует её как преимущественно англоязычную; контекст составляет 32 768 токенов. Для базовой версии указана лицензия TII Falcon License 2.0; метаданные текущего репозитория обозначают лицензию как other, поэтому условия следует сверять с лицензией базовой модели и файлами репозитория. Автор описывает эту версию как модифицированную и сообщает об оценке во внутреннем наборе бенчмарков.

FISH (Fusion of Intuitive Semantic Heuristics) — разговорная языковая модель Envoid на архитектуре Mixtral, предназначенная прежде всего для ролевых диалогов и развлекательных сценариев. В карточке указано, что модель получена линейным слиянием нескольких моделей и LoRA, включая медицинскую Mixtral_8x7b_Medicine, Mixtral_8x7b_WuKurtz, Mixtral-8x7b-Remixtral и другие экспериментальные чекпойнты. Метаданные указывают 7,1 млрд параметров и контекст 32 768 токенов. Модель генерирует текст и поддерживает чат. README отмечает, что она хорошо реагирует на формат инструкций [INST]…[/INST], используя специальные токены ChatML; автор описывает результаты как подходящие для ролевых развлечений. Репозиторий содержит веса Safetensors, однако автор тестировал модель только в формате Q8 GGUF из-за ограничений оборудования. Языковая поддержка явно не перечислена. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

Sunfall v0.5.2 — экспериментальная разговорная модель на базе Gemma 2, представленная разработчиком crestf411 5 июля 2024 года. Это плотная авторегрессионная модель с 9 млрд параметров и контекстом до 8192 токенов; для работы доступны веса в формате safetensors. В README указано, что модель использует LoRA поверх Gemma 2 и обучалась с контекстом, имитирующим JSON-файлы Silly Tavern. Модель предназначена для ролевых диалогов и написания историй, включая повествование от лица рассказчика и взаимодействие между персонажами. Автор отмечает, что это ранний эксперимент и просит сообщать о результатах; модель не ориентирована на широкую аудиторию и рассчитана на откровенный контент. Лицензия в метаданных обозначена как other, конкретные условия использования по этим данным определить нельзя.

GPT2 Shakespeare style transfer paraphraser — модель на базе GPT-2, загруженная пользователем filco306. Это обученная модель из работы «Reformulating Unsupervised Style Transfer as Paraphrase Generation»; автор репозитория уточняет, что не является автором работы и получил разрешение на публикацию весов от её ведущего автора. Модель предназначена для перефразирования текста в стиле Уильяма Шекспира и генерации текста с переносом этого стиля. Модель использует архитектуру GPT2LMHeadModel, распространяется в формате PyTorch и имеет контекст до 1024 токенов. В карточке не приведены сведения о размере модели, поддерживаемых языках или условиях лицензии. Оценить качество, ограничения по входному формату и допустимое коммерческое использование по имеющимся данным нельзя.

MuXodious/Harbinger-24B-absolute-heresy — дообученная версия Harbinger-24B, созданная с помощью инструмента Heretic и метода abliteration для снижения частоты отказов. Это плотная Mistral-модель с 23,4 млрд параметров, предназначенная для генерации текста в чате. Базовая Harbinger-24B настроена на иммерсивные текстовые приключения, ролевые диалоги и связное повествование, в том числе с продолжением длинных сцен без частых вмешательств пользователя. Обучение включало SFT и DPO; карточка этой версии сообщает о 4 отказах из 100 проверок после преобразования против 98 до него. Для общения использовался формат ChatML. Контекст модели — до 131 072 токенов. Модель ориентирована на английский язык и повествование от второго лица в настоящем времени; другие стили могут давать менее удачные результаты. Автор отмечает, что исходная Harbinger-24B не содержит шаблона чата Jinja, а метрики «геретизации» не показывают качество генерации. Лицензия — Apache-2.0.

Himeros V2 27B — модель для генерации текста, разработанная Skttttt на основе orcarouter/Qwen3.8-27B-Uncensored. Это LoRA-дообучение, объединённое с базовой моделью перед экспортом, ориентированное прежде всего на англоязычный roleplay, диалоги с персонажами, романтические сцены и продолжение художественной прозы. Модель относится к классу 27B параметров и обучалась на последовательностях до 49 152 токенов. В обучающую смесь вошли ролевые диалоги, синтетические диалоги и длинная проза; основной язык — английский. Распространяется в виде отдельных standalone-файлов GGUF с K- и IQ-квантизациями, а также в формате BF16, поэтому отдельная загрузка базовой модели или адаптера не требуется. Поддерживаются совместимые среды, включая LM Studio и llama.cpp, с использованием встроенного chat template. Сильные стороны модели — ведение продолжительных сцен, взаимодействие персонажей и генерация длинных художественных текстов. Указанный предел контекста относится к конфигурации дообучения и не гарантирует равномерное качество на всём протяжении 48K-контекста. Возможны ошибки грамматики, непрерывности персонажей, повторения и извлечения информации из длинного контекста; качество разных квантизированных вариантов отдельно не сравнивалось. Модель не предназначена для получения фактических или профессиональных рекомендаций, а её ответы могут содержать зрелые темы, предвзятость и недостоверную информацию. README не указывает отдельную лицензию для Himeros V2. Использование и распространение базовой модели остаются subject to применимым условиям upstream-модели; карточка также не подтверждает дополнительные права на исходные обучающие материалы.

Модель Ankit Lakra для машинного перевода с хинди на язык курукх (ораон). Она основана на архитектуре Google mT5-small и содержит 157,4 млн параметров; модель дообучена для преобразования текста, а перевод выполняется между текстами на письме деванагари. Для обучения использованы параллельные предложения из литературы, государственных лексиконов и материалов, подготовленных сообществом. Модель предназначена для перевода повседневных фраз и предложений с хинди на курукх; лицензия Apache-2.0. Она ориентируется преимущественно на стандартный диалект Джаркханда. Региональные варианты курукха и техническая лексика могут обрабатываться хуже.

HongLouMeng-6b — языковая модель проекта stylellm, созданная для переноса стиля классической китайской литературы. По README, модель дообучена на романе «Сон в красном тереме» и использует усвоенные словарь, конструкции предложений, риторические приёмы и особенности диалогов, чтобы переписывать исходный текст в соответствующей манере. В примерах модель преобразует фрагменты «Белоснежки» в стилистику романа. Модель основана на Yi-6B и имеет архитектуру LlamaForCausalLM; в метаданных указаны 5,8 млрд параметров, контекст 4096 токенов и формат safetensors. Она принимает текст и генерирует текст, ориентирована на китайский язык и сценарии стилизации, литературной имитации и редактирования. В README приведена лицензия «other» без дополнительных условий; конкретные ограничения этой лицензии из доступных данных установить нельзя.

Ice0.64.1-24.01-RP — текстовая генеративная модель примерно на 7,1 млрд параметров, созданная автором репозитория с помощью mergekit. Это слияние методом SLERP моделей RolePlayLake-7B и Ice0.60-18.01-RP; в конфигурации указана основная модель Ice0.60-18.01-RP. Модель построена на архитектуре Mistral и сохранена в формате Safetensors. Модель предназначена для генерации текста в сценариях ролевого общения. Контекстное окно составляет 32 768 токенов. Карточка не сообщает языки обучения и использования. Данных о лицензии и конкретных ограничениях качества в доступных материалах нет.

IteraTeR RoBERTa — модель классификации текста, разработанная авторами исследования «Understanding Iterative Revision from Human-Written Text». Она получена дообучением roberta-large на наборе IteraTeR-human-sent и предназначена для предсказания намерения правки по паре исходного и отредактированного предложений. Модель выдаёт вероятности классов намерений редактирования. Это модель RoBERTa для классификации последовательностей с 454,1 млн параметров и контекстом до 514 токенов. Репозиторий содержит веса PyTorch; в карточке также указан датасет IteraTeR_full_sent. Лицензия и поддерживаемые языки в предоставленных данных не указаны.

Jamet-8B-L3-MK.V-Blackroot — разговорная модель для ролевых диалогов и создания историй, разработанная Hastagaras на основе семейства Llama 3. В карточке указано, что модель объединяет Llama 3 Instruct с несколькими моделями и адаптерами, а также прошла DPO-настройку для уменьшения количества эмодзи и чрезмерно позитивного тона. Архитектура — плотная Llama с 7,5 млрд параметров; контекст — 8192 токена. Модель принимает текст и генерирует текст. Основные сценарии — ролевые диалоги и художественное повествование. Автор отмечает, что при высокой температуре генерация может становиться несвязной, а эмодзи иногда сохраняются. Для немецкого языка качество не удалось исправить; сведения о поддерживаемых языках в карточке ограничены упоминаниями немецкого и английского. Модель распространяется по лицензии Llama 3; перед использованием следует учитывать её условия.

KansenSakura-Radiance-RP-12b — слитая языковая модель для ролевых историй, разработанная Retreatcost. Она предназначена для атмосферной прозы с акцентом на внутренние переживания персонажей, моральные дилеммы, искупление и постепенное развитие трагических сюжетов. Модель помогает описывать настроение и сенсорные детали, вести внутренний монолог и создавать сцены с неторопливым темпом повествования. Это плотный трансформер MistralForCausalLM на 12,1 млрд параметров, объединённый методом Passthrough из нескольких ролевых моделей; файлы представлены в формате safetensors. Модель поддерживает генерацию текста и диалоговый режим. В README рекомендуются шаблон ChatML и контекст 16K токенов; значение нативного контекста в метаданных — 1 024 000 токенов, но карточка не объясняет практические условия его использования. Языки модели не обозначены. Модель рассчитана на художественные ролевые сценарии с мрачными и эмоционально сложными темами и может генерировать NSFW-контент. Лицензия — Apache-2.0. Рекомендации README по настройкам генерации являются отправной точкой, а не гарантией качества или согласованности длинного повествования.

KL3M 170M — языковая модель Alea Institute для генерации юридических текстов в нескольких областях права и бизнеса. Это чекпойнт второй фазы обучения семейства KL3M: модель продолжила обучение после 37 тысяч шагов и достигла 57 тысяч шагов на корпусе судебных документов, федеральных нормативных актов, патентов и отчетности SEC. Модель построена на архитектуре Llama с Grouped Query Attention и содержит 181,7 млн параметров, включая 170 млн параметров без эмбеддингов. Она принимает текст и генерирует текст, поддерживает английский язык и контекст до 4096 токенов. В карточке заявлена генерация связных текстов в стилях судебных документов, нормативных актов, патентных формулировок и финансовых раскрытий. Модель предназначена для генерации и изучения юридических текстов, однако её компактный размер и отсутствие независимых оценок качества ограничивают надёжность сложного юридического анализа; результаты требуют проверки специалистом. Веса опубликованы в формате safetensors, лицензия — Apache-2.0.

DavidAU/L3-V2-S-M-B-Grand-HORROR-17B-GLM4.7-Thinking-UNCENSORED-NEO-Imatrix-GGUF — текстовая генеративная модель, разработанная DavidAU. Она предназначена прежде всего для художественного письма, генерации и продолжения рассказов, сцен, сюжетов и подсюжетов, а также для ролевых сценариев. Заявлены специализация на horror, thriller, science fiction, drama и romance, высокая детализация и творческий стиль, включая графические хоррор-сцены, обсценную лексику и контент для взрослой аудитории. Модель относится к pipeline text-generation и представляет собой instruct/thinking-гибрид. Согласно README, это 17-миллиардная модель на базе семейства Llama 3, созданная как frankenmerge: 71 слой и 642 объединённых тензора. В ней заявлены способности к рассуждению уровня GLM 4.7, полученные при обучении на reasoning/thinking-данных GLM 4.7 с использованием Unsloth. Доступны варианты GGUF с NEO Imatrix; для квантов от Q5KM и выше указан выходной тензор Q8, а для Q6 и Q8 — bf16. Язык модели обозначен как английский. Размер контекста, точные параметры обучения и требования к оборудованию в README не указаны. Сильные стороны модели — подробная и выразительная генерация, работа с несколькими художественными жанрами, поддержка рассуждений и сохранение авторского стиля при создании сцен. Ограничения связаны с узкой ориентацией на англоязычное художественное письмо и содержанием для взрослых: модель позиционируется как uncensored и может генерировать NSFW, графическое насилие и экстремальную обсценную лексику. Лицензия — Apache-2.0.

Модель raditkw/legal-assistant-llama3.2-3b-finetuned — дообученная raditkw разговорная языковая модель семейства Llama 3.2 на базе unsloth/llama-3.2-3b-instruct-bnb-4bit. Она предназначена для генерации текста в формате чата и ориентирована на задачи юридического ассистента. Модель содержит 3,2 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Карточка указывает английский язык; веса представлены в формате safetensors, модель обучена с использованием Unsloth и библиотеки TRL. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или подробностей о юридических задачах, на которых проводилось дообучение.

brain-lab выпустила 2-битную квантованную версию предварительно обученной модели Meta Llama 2 7B. Она использует метод HARP, который заменяет фиксированное преобразование в конвейере QuIP# обучаемым структурированным ортогональным процессором. Процессор настраивается только на калибровочных данных, без переобучения самой модели, и хранится в int8 с небольшими дополнительными затратами на параметры. Модель предназначена для генерации текста и оценки языковых моделей при крайне низкой точности весов. В README приведены результаты на WikiText2, C4, ARC, PIQA и WinoGrande при контексте 4096 токенов; в указанных сравнениях вариант HARP показывает лучшие результаты, чем QuIP# с фиксированным преобразованием при близком размере около 2 бит на параметр. Для запуска нужны упакованные веса QuIP# и код инференса harp_quip; стандартный AutoModelForCausalLM из Transformers не подходит. Модель основана на англоязычной Llama 2 7B и распространяется по лицензии Llama 2.

elinas/llama-65b-hf-transformers-4.29 — конвертированная в формат Hugging Face Transformers версия оригинальных весов LLaMA 1 от команды FAIR, Meta AI. Это авторегрессионная плотная языковая модель на архитектуре Transformer с 65 млрд параметров и контекстом до 2048 токенов; репозиторий содержит веса PyTorch и токенизатор LlamaTokenizerFast. Модель предназначена прежде всего для исследований и экспериментов с генерацией текста, включая проверку ответов на вопросы, понимания естественного языка и чтения с пониманием. В обучающих данных преобладает английский; данные также включали 20 языков, в том числе русский. Лицензия — специальная некоммерческая лицензия Meta.

keithtwesigye/lunyoro-lun2en — модель машинного перевода на базе MarianMT, дообученная для перевода с луньоро и руторо на английский. Она предназначена для перевода предложений и текстов на этих языках, распространённых в западной Уганде. Модель дообучена на базе Helsinki-NLP/opus-mt-mul-en с использованием примерно 53 948 пар предложений, собранных из краудсорсинговых материалов, словарных статей, параллельных корпусов и дополненных обратным переводом. Размер — 58 млн параметров, контекст — до 512 токенов. Доступны файлы в форматах Safetensors и ONNX. Модель рассчитана на направление луньоро/рутoро → английский и не предназначена для обратного перевода. Качество может зависеть от тематики и качества исходного текста; подробные оценки качества в карточке не приведены. Лицензия — MIT.

Buseak разработал md_mt5_0109_v2 — дообученную модель семейства mT5 с архитектурой MT5ForConditionalGeneration и 157,4 млн параметров. Модель сохранена в формате safetensors и распространяется по лицензии Apache-2.0. Карточка указывает результаты оценки: loss 0,2368, BLEU 0,5272 и среднюю длину генерации 18,93 токена. Датасет, назначение дообучения и целевые сценарии в карточке не раскрыты, поэтому определить конкретные задачи модели нельзя.

Felladrin разработал Minueza-32M-UltraChat — компактную диалоговую языковую модель с плотной архитектурой MistralForCausalLM и 22,8 млн параметров. Это дообученная методом SFT модель Felladrin/Minueza-32M-Base, обученная на диалоговых данных UltraChat 200k в формате ChatML. Модель предназначена для генерации текста в формате беседы: она принимает сообщения system и user и продолжает их ответом assistant. Контекст составляет 2048 токенов; основным указан английский язык. Модель опубликована в формате Safetensors, а также доступны варианты GGUF и ONNX. Карточка приводит результаты оценки на Open LLM Leaderboard и лицензию Apache 2.0. Из-за небольшого размера модели её возможности ограничены по сравнению с крупными языковыми моделями; приведённые результаты не гарантируют качество ответов в конкретных задачах.

MiquMaid-v2-70B-DPO — разговорная языковая модель для ролевых диалогов, созданная Undi и IkariDev на основе Miqu-70B и дообученная методом DPO для снятия ограничений на ответы. Модель построена на архитектуре Llama с плотной причинной языковой сетью объёмом 68,7 млрд параметров; репозиторий содержит веса FP16. Она принимает текст и генерирует текст, поддерживает контекст до 32 764 токенов и использует формат запросов Alpaca. Модель предназначена прежде всего для ролевых бесед и диалоговых сценариев с меньшим числом отказов на чувствительные запросы. В обучении использовались наборы Aesir, NoRobots, limarp, toxic-dpo-v0.1-sharegpt, ToxicQAFinal и ToxicDPOqa. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое; модель помечена как содержащая контент для взрослой аудитории. Ожидаемые ограничения включают возможные нежелательные или недостоверные ответы и зависимость результатов от корректного шаблона Alpaca.

mistral-nemo-wissenschaft-12B — дообученная модель для генерации текста на основе Mistral-Nemo-Instruct-2407 от Mistral AI и NVIDIA. Разработчик дообучил её на текстовой части набора ScienceQA в течение одной эпохи; в README также описан выбор верных ответов как предпочтительных и случайных неверных как отклоняемых. Модель предназначена для диалога и ответов на вопросы, в том числе по научным темам и заданиям ScienceQA. Это плотная архитектура MistralForCausalLM с 12,1 млрд параметров, рассчитанная на контекст до 1 024 000 токенов. Карточка указывает библиотеку Transformers и формат safetensors; базовая модель поддерживает несколько языков, однако конкретный языковой охват этого дообучения не уточнён. В README приведены результаты оценивания: среднее значение 24,58, IFEval — 65,20 и BBH — 29,57; эти цифры сами по себе не характеризуют качество ответов на ScienceQA. Модель выпущена под лицензией Apache-2.0. Ограничения включают узкую специализацию дообучения и малый объём описанных сведений об оценке именно научных ответов.

DavidAU/MN-Dark-Horror-The-Cliffhanger-18.5B-GGUF — модель для генерации текста на базе Mistral Nemo, разработанная DavidAU. Это специализированное смешанное решение, созданное многоэтапным объединением пяти моделей серии «Cliffhanger» проекта Wordstorm, включая Mistral Nemo Instruct. Модель ориентирована на художественное письмо, продолжение сцен, создание сюжетов и подсюжетов, сторителлинг, ролевые сценарии и генерацию текстов в разных жанрах, особенно в жанрах horror, science fiction и romance. Модель имеет около 18,5 млрд параметров, поддерживает текстовую генерацию на английском языке и заявленный контекст до 131 000 токенов. Она доступна в формате GGUF с различными уровнями квантования. Для работы требуется шаблон Mistral Instruct, ChatML или Alpaca. Модель рассчитана на выразительную, насыщенную деталями прозу и диалоги, часто формирует мрачную атмосферу, резкую лексику и клиффхэнгеры. Изменение температуры и repetition penalty заметно влияет на стиль, разнообразие, следование инструкциям и склонность к повторениям. Сильными сторонами являются высокая пригодность для творческого письма, ролевых игр, жанровой прозы и генерации интенсивных сцен, а также большой контекст. Ограничения включают выраженный негативный и мрачный уклон, склонность к графическому насилию, ненормативной лексике и контенту NSFW; для позитивного или нейтрального тона требуются специальные указания в запросе. При чрезмерно высокой температуре или низком repetition penalty возможны чрезмерно длинные ответы и повторение абзацев, а использование context shift или RoPE может нарушить генерацию. Модель распространяется по лицензии Apache-2.0.

MN-Slush — экспериментальная разговорная языковая модель crestf411 для творческого письма и ролевых диалогов. Она построена на Mistral Nemo Instruct 2407: разработчик продолжил предобучение базовой модели с LoRA, объединил результат с инструктивной моделью и затем дообучил его для усиления ролевых способностей. Итоговые веса объединены методом TIES; размер модели — 12,1 млрд параметров, архитектура — плотная Mistral с авторегрессионной генерацией текста. Модель рассчитана на ролевые сценарии, диалоги персонажей и творческое письмо. README рекомендует пресеты Silly Tavern для Mistral V2 или V3 и приводит настройки генерации, с которыми проводилось тестирование. Контекст в метаданных указан как 1 024 000 токенов; этапы обучения проводились с контекстом 16 384 токена. Данных о целевых языках в карточке нет. Модель обозначена как неподходящая для всех аудиторий; в карточке не указана лицензия, поэтому условия распространения и использования следует проверять отдельно.

iryneko571 выпустил компактную модель машинного перевода на основе mT5-small, дообученную для перевода между японским и китайским языками. Модель содержит 157,4 млн параметров и использует архитектуру MT5ForConditionalGeneration; для работы применяется библиотека Transformers, веса опубликованы в формате safetensors. Модель предназначена для перевода текстов с японского на китайский и обратно. Она дообучалась на наборе CCMatrix-v1-Ja_Zh в течение семи эпох; автор сообщает о валидационной потере около 1,7 и отмечает, что обучение застопорилось, а качество перевода пока слабое. Лицензия — MIT.

Trappu разработал Nemo-Picaro-12B — плотную авторегрессионную языковую модель семейства Mistral на 12,1 млрд параметров, дообученную на собственной небольшой коллекции текстов без синтетических данных. Она ориентирована на написание историй и создание сценариев по тегам и кратким описаниям; модель принимает текст и генерирует текст. В карточке указаны контекст до 1 024 000 токенов и английский язык. Для диалогового формата рекомендован ChatML без системного промпта. Модель предназначена прежде всего для творческого письма и ролевых сценариев, а не для универсальных диалогов. Автор отмечает склонность к выдаче себя за пользователя, слабые рассуждения и трудность управления ответами; обучение не включало данные для многоходового общения. Лицензия — Apache-2.0.

SalomonMetre13/nnb_fr_mt_v3 — модель машинного перевода, разработанная SalomonMetre13 и дообученная на базе t5-base на параллельном корпусе Nande—French. Она предназначена для перевода текстов с языка нандэ на французский. Модель построена на архитектуре T5 и содержит 123,7 млн параметров; длина контекста — 512 токенов. Для оценки автор приводит BLEU 29,9. Модель принимает текст на нандэ и выдаёт текст на французском. Веса опубликованы в формате safetensors, библиотека — Transformers; лицензия — MIT. Карточка не уточняет условия оценки BLEU и качество на других жанрах и тематиках, поэтому результат может отличаться на текстах вне обучающего корпуса.

Helsinki-NLP/opus-mt-cel-en — модель машинного перевода семейства Marian, разработанная Helsinki-NLP в рамках проекта OPUS-MT. Она переводит тексты с нескольких кельтских языков на английский: валлийского, шотландского гэльского, ирландского, бретонского, корнского и мэнского. Архитектура — Transformer Marian, около 54,8 млн параметров; модель использует нормализацию и SentencePiece с словарями по 32 тыс. токенов и принимает последовательности длиной до 512 токенов. Модель предназначена для перевода текстов и фраз с кельтских языков на английский. В README приведены тестовые оценки BLEU: 41,5 для валлийского и 17,2 для бретонского; результаты заметно различаются в зависимости от языка и тестового набора. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-chk-es — модель машинного перевода из семейства OPUS-MT, разработанного Helsinki-NLP. Она переводит текст с языка чокто (chk) на испанский (es). Модель построена на архитектуре Transformer-align с использованием MarianMT, содержит 55,9 млн параметров и рассчитана на контекст до 512 токенов. В предобработке применяются нормализация текста и SentencePiece. Модель подходит для перевода текстов на чокто на испанский, в том числе материалов, похожих на данные JW300, на которых приведена оценка BLEU 20,8 и chr-F 0,374. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache 2.0. Оценка на одном тестовом наборе не гарантирует сопоставимого качества для других жанров и сценариев.

Helsinki-NLP/opus-mt-en-aav — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она преобразует текст с английского языка на несколько австроазиатских языков: хасийский, кхмерский, монский и вьетнамский; для некоторых языков доступны варианты письма латиницей или ханты. Это трансформер Marian с 53,9 млн параметров, SentencePiece-токенизацией и контекстом до 512 токенов. Для выбора языка перевода перед текстом требуется указать специальный токен целевого языка в формате `>>id<<`. Модель предназначена для перевода предложений и текстовых фрагментов. В README приведены тестовые результаты на наборах Tatoeba для хасийского и кхмерского, где значения BLEU низкие, поэтому качество для этих языковых пар может быть ограниченным. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — Apache-2.0.