I.6Перевод и языковая адаптация

Helsinki-NLP/opus-mt-pl-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с польского на английский и предназначена для автоматического перевода отдельных текстов и интеграции в приложения перевода. Модель построена на архитектуре Transformer-align, использует нормализацию и SentencePiece; число параметров — 57,6 млн, родной контекст — 512 токенов. В метаданных указаны реализации PyTorch и TensorFlow. В карточке приведён результат BLEU 54,9 и chr-F 0,701 на наборе Tatoeba.pl.en. Модель ориентирована на одну языковую пару; качество и уместность перевода могут зависеть от жанра и предметной области текста. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-ru-ar — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с русского языка на арабский; архитектура — Transformer на базе MarianMT, размер — 57,2 млн параметров. Для выбора целевого варианта арабского перед предложением требуется языковой токен вида `>>id<<`; модель применяет нормализацию и токенизацию SentencePiece с словарями по 32 тыс. токенов. Метаданные указывают контекст до 512 токенов и форматы PyTorch и TensorFlow. Модель подходит для перевода предложений и текстовых фрагментов с русского на арабский в приложениях и рабочих процессах локализации. В карточке приведён результат BLEU 16,6 на Tatoeba-test.rus.ara; фактическое качество зависит от текста и целевого варианта арабского. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-ru-bg — модель машинного перевода проекта OPUS-MT от Helsinki-NLP. Она переводит текст с русского на болгарский; поддерживаются болгарская кириллица и латинская запись. Модель построена на Transformer и реализована архитектурой MarianMT, содержит 54,5 млн параметров и рассчитана на контекст до 512 токенов. Перед переводом текст нормализуется и токенизируется SentencePiece с моделью словаря на 32 тысячи элементов. Для указания целевого языка в начале предложения требуется токен вида `>>id<<` с допустимым идентификатором языка. В README приведён результат на тесте Tatoeba: BLEU 52,3 и chr-F 0,704; эти показатели относятся к указанному набору данных и не гарантируют аналогичное качество на других текстах. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-rw-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с языка киньяруанда (rw) на английский (en) и предназначена для перевода предложений и текстов в приложениях и рабочих процессах обработки языков. Модель использует архитектуру Marian Transformer с выравниванием, нормализацию и токенизацию SentencePiece; содержит 56,1 млн параметров, а её родная длина контекста составляет 512 токенов. В карточке приведены оценки BLEU 37,3 на JW300.rw.en и 49,8 на Tatoeba.rw.en. Модель поддерживает направление rw→en; результаты на этих тестовых наборах не гарантируют качество для всех типов текстов. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-tc-big-en-gmq — модель машинного перевода проекта OPUS-MT, разработанного Helsinki-NLP. Она переводит текст с английского на датский, фарерский, исландский, норвежский букмол, норвежский нюнорск и шведский. Модель построена на архитектуре Marian NMT и содержит около 156,6 млн параметров; максимальная длина контекста — 1024 токена. Модель предназначена для перевода предложений и текстов между английским и северогерманскими языками. В README приведены результаты тестирования на наборах OPUS и Tatoeba, включая BLEU 61,6 для направления английский—датский и 18,3 для английский—фарерский; качество различается по языковым парам. Веса доступны в форматах PyTorch, Safetensors и TensorFlow. Лицензия — CC BY 4.0; при использовании требуется указание авторства.

Модель remox01/opus-mt-tc-big-en-tr — модель машинного перевода с английского на турецкий, разработанная на основе Helsinki-NLP/opus-mt-tc-big-en-tr и обученная на датасете remox01/xde. Она использует архитектуру MarianMT и подходит для перевода текстов и интеграции в приложения через библиотеку Transformers. Контекст модели составляет 1024 токена, веса опубликованы в формате safetensors. Модель ориентирована на пару языков en→tr; направление tr→en представлено отдельной связанной моделью. Карточка не указывает лицензию и количественные характеристики модели. Качество перевода зависит от тематики и данных; перед применением в критически важных сценариях результат следует проверять.

Helsinki-NLP/opus-mt-tc-big-en-zle — модель машинного перевода проекта OPUS-MT, разработанная командой Helsinki-NLP. Она переводит текст с английского языка на белорусский, русский и украинский; целевой язык задаётся специальной меткой. Модель построена на Marian NMT и представлена в архитектуре MarianMTModel. Веса объёмом 163,7 млн параметров доступны в форматах PyTorch, SafeTensors и TensorFlow; длина контекста — до 1024 токенов. Модель предназначена для перевода предложений и текстов с английского на восточнославянские языки. В карточке приведены тестовые результаты на наборах Tatoeba для белорусского, русского и украинского языков. Данные для обучения взяты из OPUS, а обучающий конвейер основан на OPUS-MT-train. Модель опубликована по лицензии CC BY 4.0; при использовании авторы просят цитировать публикации проекта OPUS-MT.

Helsinki-NLP/opus-mt-tc-big-es-zle — модель машинного перевода проекта OPUS-MT, разработанная командой Helsinki-NLP. Она переводит текст с испанского на белорусский, русский и украинский языки. Модель построена на архитектуре Marian NMT; число параметров — 163,7 млн, максимальная длина контекста — 1024 токена. Модель предназначена для перевода предложений и текстов между испанским и восточнославянскими языками. В карточке приведены результаты тестирования на парах испанский—белорусский, испанский—русский и испанский—украинский; показатели различаются по языковым парам и тестовым наборам. Модель распространяется по лицензии CC BY 4.0.

Helsinki-NLP/opus-mt-tc-big-gmq-en — модель машинного перевода проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит с северогерманских языков на английский: датского, фарерского, исландского, норвежского букмола и нюнорска, а также шведского. Архитектура — Transformer-big на базе Marian NMT; модель содержит 156,7 млн параметров и принимает текстовые последовательности длиной до 1024 токенов. Модель обучена на данных OPUS с использованием процедур OPUS-MT-train и токенизации SentencePiece. В опубликованных тестах показаны результаты для датского, фарерского и исландского языков; качество может различаться между языками и тематическими областями. Репозиторий содержит веса PyTorch, Safetensors и TensorFlow, конвертированные для использования с Transformers. Лицензия — CC BY 4.0.

Helsinki-NLP/opus-mt-tc-big-zh-ja — модель машинного перевода проекта OPUS-MT, разработанная исследовательской группой Language Technology Research Group Хельсинкского университета. Она переводит текст с китайского языка на японский и предназначена для перевода предложений и текстов в приложениях и рабочих процессах локализации. Модель использует архитектуру Marian Transformer-big; в метаданных указано 133,4 млн параметров и контекст до 1024 токенов. Она обучалась на данных OPUS с предварительной обработкой SentencePiece и доступна в форматах PyTorch, Safetensors и TensorFlow. В опубликованной оценке на наборе Tatoeba zho-ja указаны BLEU 24,6 и chr-F 0,2779. Лицензия — CC-BY-4.0. Оценка на одном тестовом наборе не гарантирует сопоставимого качества на других тематиках и стилях; для важных переводов результат следует проверять.

Helsinki-NLP/opus-mt-tc-big-zle-en — модель машинного перевода проекта OPUS-MT для перевода с восточнославянских языков на английский. Она принимает текст на белорусском, русском или украинском и генерирует перевод на английском. Модель построена на архитектуре Transformer-big с реализацией Marian NMT; в репозитории представлены веса PyTorch, Safetensors и TensorFlow. Размер — 163,1 млн параметров, максимальная длина контекста — 1024 токена. Для токенизации используется SentencePiece. Модель обучена на данных OPUS и предназначена для перевода текстов, включая отдельные языковые пары белорусский—английский, русский—английский и украинский—английский. Модель распространяется по лицензии CC BY 4.0. Карточка приводит оценки на тестовых наборах Tatoeba для трёх языковых пар; качество может различаться в зависимости от тематики и стиля текста, а контекст ограничен 1024 токенами.

Helsinki-NLP/opus-mt-uk-ru — модель машинного перевода проекта OPUS-MT для перевода с украинского на русский язык. Она разработана Helsinki-NLP на архитектуре Transformer-align и представлена в формате MarianMT; число параметров — 54,7 млн, библиотека — Transformers. Веса проекта OPUS датированы 17 июня 2020 года. Модель принимает украинский текст и выдаёт перевод на русский. Для обработки текста используются нормализация и SentencePiece с словарями по 32 тысячи токенов. В карточке приведён результат BLEU 69,2 и chr-F 0,826 на Tatoeba-test.ukr.rus; эти показатели относятся к указанному тестовому набору. Контекст модели — до 512 токенов. Модель выпущена по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-vi-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с вьетнамского на английский и предназначена для перевода предложений и текстовых фрагментов между этими языками. Модель основана на архитектуре Transformer-align и реализована как MarianMTModel; в репозитории доступны веса PyTorch и TensorFlow. Размер составляет 52,7 млн параметров, родной контекст — 512 токенов. Перед обработкой текста применяются нормализация и SentencePiece с отдельными словарями размером 32 тыс. единиц для исходного и целевого языков. Для набора Tatoeba-test.vie.eng в карточке приведены оценки BLEU 42,8 и chr-F 0,608. Модель рассчитана на перевод с вьетнамского на английский; обратное направление и другие языковые пары не заявлены. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-vi-es — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer-align и реализованная как MarianMT. Она переводит текст с вьетнамского на испанский; направление перевода одноязычное, с предварительной нормализацией и токенизацией SentencePiece с словарями spm32k. Размер модели — 55,1 млн параметров, родной контекст — 512 токенов. В тесте Tatoeba-test.vie.spa указаны BLEU 32,9 и chr-F 0,540. Репозиторий предоставляет веса в форматах PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-yo-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с йоруба на английский и предназначена для перевода отдельных фраз и текстов, например материалов корпуса JW300. Модель использует архитектуру Marian на основе Transformer; в метаданных указано 54,3 млн параметров и контекст до 512 токенов. Предобработка включает нормализацию текста и SentencePiece. Для тестового набора JW300.yo.en в карточке приведены оценки BLEU 33,8 и chr-F 0,496. Модель принимает текст на йоруба и выдаёт текст на английском. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-zh-it — модель машинного перевода из серии OPUS-MT, опубликованная Helsinki-NLP на основе проекта Tatoeba-Challenge. Она переводит текст с китайского на итальянский. Модель построена на архитектуре MarianMT с Transformer-align, содержит 58,4 млн параметров и принимает контекст длиной до 512 токенов. Для предобработки используются нормализация и SentencePiece с моделью словаря spm32k. Модель подходит для перевода китайских текстов на итальянский, включая предложения и короткие фрагменты. В тесте Tatoeba для этой языковой пары указаны BLEU 27,9 и chr-F 0,508. Поддерживаются варианты китайского письма и региональные разновидности, перечисленные в карточке; целевой язык — итальянский. Модель доступна в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0.

Helsinki-NLP разработала эту модель машинного перевода OPUS-MT для перевода с восточнославянских языков на английский. Это трансформер Marian с 56,7 млн параметров, доступный в форматах PyTorch и TensorFlow. Источник обрабатывается с нормализацией и SentencePiece; заявленная длина контекста — 512 токенов. Модель принимает белорусский, русский, украинский, русинский и старославянский текст в кириллической и латинской записи там, где это указано в карточке, и переводит его на английский. Её можно использовать для перевода отдельных фраз и текстов; в README приведены результаты оценки на тестовых наборах новостных переводов с русского на английский. Модель распространяется по лицензии Apache-2.0. Качество может различаться между языками и жанрами: приведённые в README оценки относятся к конкретным тестовым наборам, а отдельные результаты для всех исходных языков не указаны.

Qwen2.5-7B-Sep_2c1t — модель SardineLab, выпущенная в рамках исследования Doc2FRC и предназначенная для многоязычного машинного перевода фрагментов документов с учётом контекста. Это полнопараметрическое дообучение Qwen/Qwen2.5-7B-Instruct методом supervised fine-tuning; модель использует плотную архитектуру Qwen2 и содержит 7,1 млрд параметров. При обработке каждого фрагмента модель получает два предшествующих фрагмента исходного текста в отдельных секциях Context1 и Context2 и переводит текущий фрагмент в целевой язык. Поддерживаются переводы между английским и немецким, испанским, французским, итальянским, корейским, нидерландским, португальским, русским и китайским языками. Обучение использовало фрагменты длиной 256–512 токенов; максимальная длина последовательности — 32 768 токенов. Модель работает с текстом и доступна в формате PyTorch через Transformers. Она подходит для контекстно-согласованного перевода частей длинных документов, где важно учитывать предшествующее содержание. Для воспроизведения схемы разбиения документов, настройки запросов и оценки авторы отсылают к материалам проекта Doc2FRC. Модель распространяется по лицензии Apache-2.0.

Randeng-Deltalm-362M-Zh-En — модель машинного перевода, разработанная командой Fengshenbang и дообученная на базе DeltaLM с использованием фреймворка Fengshen-LM. Она переводит текст с китайского на английский; для обучения использованы 30 млн китайско-английских примеров и 200 тыс. параллельных примеров IWSLT. Модель относится к семейству DeltaLM и использует архитектуру кодировщик–декодировщик с условной генерацией. В метаданных указаны 248,6 млн параметров и контекст длиной 512 токенов, тогда как карточка приводит размер 362 млн параметров. В формате PyTorch модель поддерживает задачу перевода; на наборе FLORES-101 для направления zh-en указана оценка BLEU 26,47. Модель подходит для перевода китайского текста на английский. В карточке не приведены сведения о лицензии, поэтому условия распространения и коммерческого использования следует проверять в репозитории модели.

Riva-Translate-4B-Instruct — модель машинного перевода NVIDIA на архитектуре decoder-only Transformer, дообученная для перевода между 12 языками и региональными вариантами: английским, немецким, европейским и латиноамериканским испанским, французским, бразильским португальским, русским, упрощённым и традиционным китайским, японским, корейским и арабским. Модель содержит 3,9 млрд параметров; её основа — Mistral-NeMo-12B-Base, сжатая pruning и дистилляцией, после чего модель прошла многоэтапные CPT и SFT. Используются токенизатор tiktoken и контекст до 8192 токенов. Модель предназначена для перевода текстов с помощью инструкций и рекомендованного шаблона диалога System/User/Assistant. Она может применяться в пользовательских и прикладных сценариях перевода между поддерживаемыми языками. Качество зависит от предметной области, контекста и характеристик входного текста; возможны грамматические и смысловые ошибки. Для использования необходимо соблюдать условия NVIDIA Open Model License Agreement.

Seed-X-Instruct-7B — инструкция-адаптированная многоязычная модель перевода от ByteDance-Seed. Это плотная причинная языковая модель на архитектуре Mistral с 7,2 млрд параметров и контекстом до 32 768 токенов; веса опубликованы в формате safetensors. Модель предназначена для перевода между 28 языками и обучена следовать намерению пользователя в задачах перевода. Модель подходит для перевода текстов в разных областях, включая научно-технические материалы, деловую переписку, электронную коммерцию, биомедицину, финансы, право, литературу и развлечения. Для перевода требуется добавлять в конец запроса языковой тег целевого языка. Авторы сообщают о сравнительных оценках на FLORES-200, WMT-25 и других тестах, но рекомендуют Seed-X-PPO как вариант с более высокой точностью перевода. Модель специализирована на переводе и, по предупреждению авторов, неожиданно может не справляться с другими задачами; для многоходового диалога шаблон чата не предусмотрен. Лицензия указана как other, поэтому конкретные условия использования следует проверять в карточке репозитория.

SMaLL-100 — компактная многоязычная модель машинного перевода, разработанная Alireza Mohammadshahi и соавторами и представленная на EMNLP 2022. Это дистиллированная версия M2M-100 на 12 млрд параметров: модель использует архитектуру M2M100ForConditionalGeneration с изменённым токенизатором и содержит 332,5 млн параметров. Модель предназначена для перевода между более чем 100 языками, включая малообеспеченные языковые пары; заявлено покрытие более 10 тысяч направлений перевода. Она ориентирована на сценарии, где важны меньшие требования к памяти и более быстрая генерация по сравнению с крупными мультиязычными моделями. Доступны веса PyTorch, Safetensors и ONNX; максимальная длина контекста составляет 1024 токена. В статье сообщается о конкурентных результатах на FLORES-101, Tatoeba и TICO-19, в том числе для низкоресурсных языков. Карточка рекомендует загружать специальный токенизатор SMALL100Tokenizer из репозитория; для него требуется SentencePiece. Сжатие может ухудшать качество на недостаточно представленных языках и усиливать гендерные и семантические смещения. Лицензия — MIT.

Sunflower-Qwen3.8-27B — открытая модель Sunbird AI на базе Qwen3.8-27B, дообученная для 68 африканских языков, с наиболее глубокой поддержкой 31 языка Уганды. Она предназначена прежде всего для перевода между английским и африканскими языками, а также для понимания текста, ответов на вопросы и рассуждений. Модель поддерживает диалоговый формат Qwen3.8; при включённом режиме thinking сама решает, когда применять рассуждение. Для массового перевода thinking можно отключить, чтобы ускорить генерацию без потери качества перевода. По результатам оценок авторов, модель показывает сильные результаты на переводческих наборах, включая FLORES-200 и SAHARA, и особенно эффективна при переводе на языки Уганды. Качество заметно различается между языками в зависимости от объёма обучающих данных: для языков базового уровня авторы рекомендуют проверять результат с носителем. Перевод оптимизирован сильнее, чем общий чат и рассуждения; как и другие большие языковые модели, Sunflower может уверенно выдавать неверную информацию. Модель распространяется по лицензии Apache-2.0.

Tower-7B-Sep_1c1t — модель SardineLab, выпущенная в рамках работы Doc2FRC о переводе документов с разбиением на фрагменты фиксированного диапазона длины. Это полно-параметрически дообученная на supervised-примерах версия Unbabel/TowerInstruct-Mistral-7B-v0.2: плотная Mistral-архитектура с 7,1 млрд параметров, рассчитанная на генерацию текста и перевод между английским и немецким, испанским, французским, итальянским, корейским, нидерландским, португальским, русским или китайским в обоих направлениях. Вариант Sep_1c1t переводит текущий исходный фрагмент в один целевой, учитывая один непосредственно предшествующий фрагмент исходного текста. Модель обучалась на фрагментах длиной 256–512 токенов; максимальная длина последовательности при обучении составляла 32 768 токенов. Для полного воспроизведения разбиения документов, формата запросов и оценки авторы отсылают к материалам проекта Doc2FRC. Модель предназначена для многоязычного машинного перевода фрагментов документов с учетом ближайшего контекста. Репозиторий содержит веса PyTorch для Transformers. Лицензия CC BY-NC-SA 4.0 допускает использование на условиях указания авторства, распространения производных материалов на той же лицензии и некоммерческого применения.

Tower-7B-Stair_FS4 — модель Unbabel/TowerInstruct-Mistral-7B-v0.2, дообученная SardineLab полным обновлением параметров для многоязычного машинного перевода фрагментов документов. Она переводит между английским и немецким, испанским, французским, итальянским, корейским, нидерландским, португальским, русским или китайским языком в обоих направлениях. Вариант Stair_FS4 обучен на четырёх последовательных фрагментах документа: для каждого следующего фрагмента можно передать до трёх предыдущих частей исходного текста, чтобы учитывать контекст документа. При подготовке данных использовалось разбиение на фрагменты длиной 256–512 токенов; максимальная длина последовательности модели — 32 768 токенов. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Она предназначена для сценариев, где нужно переводить документы частями с учётом предыдущего контекста; точное разбиение документа и формат промптов важны для соответствия обучению. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование и требует соблюдения условий лицензии.

TowerInstruct-7B-v0.2 — языковая модель Unbabel, Instituto Superior Técnico и CentraleSupélec University of Paris-Saclay, дообученная на базе TowerBase на наборе TowerBlocks. Она предназначена прежде всего для задач, связанных с машинным переводом: переводит предложения и абзацы, учитывает контекст и терминологию, а также выполняет автоматическое постредактирование перевода, распознавание именованных сущностей, исправление грамматических ошибок и перефразирование. Модель основана на плотной архитектуре Llama и содержит 6,6 млрд параметров; формат весов — safetensors, контекст — до 4096 токенов. Поддерживает английский, португальский, испанский, французский, немецкий, нидерландский, итальянский, корейский, китайский и русский языки. Версия v0.2, согласно карточке, надёжнее справляется с переводом документов по сравнению с v0.1, однако разработчики отдельно указывают, что модель не предназначена для документного перевода, чат-ботов или помощи с кодом. Она не выравнивалась по человеческим предпочтениям и может выдавать галлюцинации, вредоносный контент или ложные сведения. Лицензия — CC-BY-NC-4.0; базовая Llama 2 распространяется по лицензии Llama 2 Community License.

WindyTranslate/translate-az-en — компактная модель машинного перевода от Windstorm Labs для перевода текста с азербайджанского на английский. Она основана на Helsinki-NLP/opus-mt-az-en и использует архитектуру MarianMT; в репозитории указано 37,1 млн параметров и контекст до 512 токенов. Веса дообучены методом LoRA на параллельных текстовых данных, а адаптер объединён с базовыми весами. Модель распространяется в формате safetensors и загружается через Transformers как модель последовательностного преобразования текста. Лицензия — Apache-2.0.

WindyTranslate/translate-bg-en — модель машинного перевода от Windstorm Labs для перевода текста с болгарского на английский. Это дообученная версия Helsinki-NLP/opus-mt-bg-en: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,8 млн параметров и принимает текст; контекст составляет до 512 токенов. Модель предназначена для перевода фраз и документов с болгарского языка на английский. В карточке приведена скрининговая оценка на 48 предложениях FLORES-200 dev: chrF++ 58,73 и BLEU 28,02. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0.

WindyTranslate/translate-es-ca — модель машинного перевода, опубликованная Windstorm Labs для перевода с испанского на каталанский. Она основана на Helsinki-NLP/opus-mt-es-ca: LoRA-дообучение на параллельном корпусе слито с базовыми весами. Модель MarianMT содержит 51,8 млн параметров, принимает текст и выдаёт текст; для загрузки используется Transformers, веса доступны в формате safetensors. Контекст составляет 512 токенов. Модель предназначена для перевода отдельных фраз и текстов с испанского на каталанский. В проверке на 48 примерах FLORES-200 dev получены chrF++ 53,45 и BLEU 26,03; авторы оценивают результат как Good и подчёркивают, что это предварительная проверка, а не результат публикационного исследования. Поддерживается только направление es→ca. Лицензия — Apache-2.0.

WindyTranslate/translate-es-en — модель машинного перевода, опубликованная Windstorm Labs, для перевода текста с испанского на английский. Она основана на Helsinki-NLP/opus-mt-es-en: LoRA-дообучение на параллельных данных объединено с базовыми весами. Модель использует архитектуру MarianMT на базе Transformer, содержит 58,4 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для перевода испанских текстов на английский. В карточке приведён скрининговый результат на 48 предложениях FLORES-200 dev: chrF++ 57,70 и BLEU 31,09; это ограниченная оценка, а не результат публикационного исследования. Другие направления перевода не заявлены. Репозиторий содержит веса safetensors для Transformers. Лицензия — Apache-2.0.