I.6Перевод и языковая адаптация

Niwaki-Qwen3.6-30B-A3B-v3.0-gguf — это GGUF-сборка модели Niwaki на основе Qwen3.6-35B-A3B, подготовленная проектом Niwaki для запуска через llama.cpp. Модель имеет архитектуру Mixture-of-Experts: всего 30,5 млрд параметров, активируется не более примерно 3,8 млрд; в ней 40 слоёв, по 256 маршрутизируемых экспертов и top-k 8. Эксперты хранятся в разных точностях: часть квантована до 2 или 3–4 бит, часть удалена, а основная часть модели сохранена в Q8_0. Модель предназначена для диалоговой генерации текста и многоязычных сценариев. В README приведены измерения для английского, испанского, французского, немецкого, русского, китайского, японского, корейского, арабского и хинди, а также тесты отслеживания состояния и многошагового рассуждения. Файл занимает 14,1 ГБ и требует форк neopolita-llama.cpp версии v3.0 или новее: стандартная сборка llama.cpp не поддерживает используемое распределение точности экспертов. Это производная квантованная сборка модели Niwaki-Qwen3.6-30B-A3B-v3.0-mlx; исходная модель Qwen разработана командой Qwen. Лицензия — Apache-2.0. Результаты зависят от выбранного сценария и аппаратуры; скорость ниже, чем у некоторых однотипных сборок, из-за выполнения экспертов в двух уровнях точности. Полная статья с методом и измерениями, согласно README, ещё готовится.

OpenThaiGPT 1.0.0 Beta 13B Chat — это диалоговая языковая модель, разработанная OpenThaiGPT и представленная в формате GGUF командой TheBloke. Модель основана на архитектуре Llama, содержит около 13 миллиардов параметров и предназначена для генерации текста и ведения диалогов на тайском и английском языках. Модель подходит для локального запуска и сценариев, связанных с чат-ассистентами, генерацией текста и экспериментами с языковыми моделями. GGUF поддерживается llama.cpp и рядом совместимых приложений и библиотек, включая text-generation-webui, KoboldCpp, GPT4All, LM Studio и llama-cpp-python. Доступны варианты квантования с разной разрядностью — от 2 до 8 бит, что позволяет выбирать баланс между требованиями к памяти и характеристиками инференса. Размер контекста в README не указан. К сильным сторонам относятся поддержка тайского и английского языков, диалоговая настройка и возможность запуска на CPU и GPU через экосистему GGUF. Ограничения включают отсутствие информации о точности на отдельных тестах, размере контекста и подробностях обучающих данных; влияние квантования на качество зависит от выбранного варианта. Для исходной модели указана лицензия Apache-2.0, однако из-за базирования на Llama 2 также применяются условия лицензии Meta Llama 2; репозиторий рекомендует учитывать обе лицензии.

Mungert/Qwen2.5-1.5B-Instruct-GGUF — набор GGUF-версий инструкционной языковой модели Qwen2.5-1.5B-Instruct, основанной на Qwen/Qwen2.5-1.5B. В README разработчик конкретной сборки не указан. Модель предназначена для генерации текста, чат-взаимодействия и локального инференса на устройствах с ограниченными ресурсами. Доступны варианты с точностью BF16 и F16, а также квантованные версии Q4_K, Q6_K, Q8_0 и IQ3. Квантование уменьшает размер модели и требования к памяти, но может снижать точность. Формат GGUF ориентирован на запуск через совместимые инструменты, включая сценарии инференса на CPU, GPU и устройствах с небольшим объёмом VRAM. README не указывает размер контекстного окна, точную архитектуру и число параметров сверх обозначения 1.5B. Модель поддерживает китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский языки. Её сильные стороны — компактность, широкий выбор компромиссов между качеством и потреблением памяти и пригодность для локального использования. Ограничения связаны с небольшим размером и возможным ухудшением качества в низкобитных квантованных вариантах; мультимодальные возможности не заявлены. Лицензия — Apache-2.0.

CarrotAI/Rabbit3-Ko-4B — диалоговая языковая модель с настройкой по инструкциям, созданная командой CarrotAI на основе Qwen/Qwen3-4B. Модель дообучена на корейских и английских данных и рассчитана прежде всего на работу с корейским языком. Она использует плотную архитектуру Qwen3ForCausalLM и содержит около 3,7 млрд параметров; нативная длина контекста — 40 960 токенов. Модель подходит для диалогов, ответов на вопросы и генерации текста на корейском и английском языках. В карточке приведены результаты оценок, в том числе на наборах GSM8K, Haerae, KoBEST и KMMLU. Для развёртывания README рекомендует sglang версии 0.4.6.post1 или новее либо vLLM версии 0.8.5 или новее; указана возможность создать совместимый с OpenAI API endpoint. Репозиторий содержит веса safetensors, лицензия — Apache-2.0. Карточка сообщает, что доступен только обычный режим использования.

cointegrated/roberta-base-formality — англоязычный классификатор формальности текста, разработанный @cointegrated на основе FacebookAI/roberta-base. Модель дообучена как бинарный классификатор на наборе GYAFC: класс 1 означает формальный текст, класс 0 — неформальный. Веса представлены в форматах PyTorch и Safetensors; размер модели — около 151,8 млн параметров, контекст — до 514 токенов. Модель предназначена для определения формальности предложений и оценки переноса стиля текста. В карточке указаны ROC AUC 99,13% на dev-разбиении и 99,20% на test-разбиении GYAFC. Лицензия обозначена автором как предположительно MIT на основе базовой модели, при этом условия использования GYAFC следует проверить отдельно.

Это модель на базе XLM-RoBERTa для получения векторных представлений болгарских предложений и оценки их сходства. Она содержит 124,5 млн параметров, принимает текст и поддерживает контекст до 514 токенов. Модель обучали по идеям Sentence-BERT на закрытых параллельных болгарско-английских данных: переводные предложения должны располагаться близко в общем векторном пространстве. Учителем служила модель Google USE; затем модель сжали методом progressive module replacing. Модель подходит для поиска семантически близких предложений и сопоставления болгарских фраз с английскими переводами. Она чувствительна к регистру: различает «bulgarian» и «Bulgarian». Репозиторий предоставляет веса PyTorch; лицензия — MIT. Качество на иных языках и типах данных в карточке не описано.

SambaLingo-Turkish-Base — двуязычная языковая модель SambaNova Systems на архитектуре Llama 2, дообученная для турецкого языка. Модель обучали на 42 млрд токенов турецкой части Cultura-X; размер составляет 6,7 млрд параметров, контекст — 4096 токенов. Словарь токенизатора расширен с 32 000 до 57 000 токенов. Модель предназначена для генерации текста на турецком и английском языках, а также для задач с few-shot prompting, включая перевод. Это базовый предварительно обученный чекпойнт, а не диалоговая модель; для прямых вопросов и ответов разработчик рекомендует SambaLingo-Turkish-Chat. Для генерации рекомендуется отключить случайную выборку. В README отмечены возможные галлюцинации, переключение между языками и диалектами, повторения, ограничения в программировании и сложной математике, а также риск токсичных ответов. Модель не предназначена для критически важных и связанных с безопасностью решений. Использование регулируется лицензией Meta Llama 2 Community License Agreement.

SauerkrautLM-7b-HerO — авторегрессионная языковая модель на архитектуре Mistral, разработанная VAGO solutions. Она получена слиянием OpenHermes-2.5-Mistral-7B и Open-Orca/Mistral-7B-OpenOrca методом gradient SLERP через MergeKit, а затем дообучена на наборе Sauerkraut с немецкими дополненными и переведёнными данными. Модель предназначена для диалогов, генерации текста и ответов на вопросы на немецком и английском языках. В README заявлено, что обучение улучшает понимание немецкого языка и сохраняет международные возможности исходных моделей. Модель содержит 7,1 млрд параметров, использует формат PyTorch/SafeTensors и поддерживает контекст до 32 768 токенов. Лицензия — Apache 2.0, допускающая коммерческое использование. Разработчики предупреждают, что модель может выдавать неподходящий или некорректный контент; заявленные преимущества и результаты оценки приведены в README без численных результатов в предоставленном тексте.

Spark-X2.5-4B-Japanese — неофициальная японская донастройка модели XHToken/Spark-X2.5-4B, созданная автором репозитория Takenoko12345678. Это плотная причинная языковая модель примерно на 3,8 млрд параметров для диалоговой генерации текста. Два этапа LoRA обучались на японских диалоговых данных: supervised fine-tuning и дистилляции ответов более крупной модели; обученные адаптеры объединены с базовой моделью. Модель рассчитана прежде всего на ответы и беседы на японском языке, а также на перевод на японский, общие знания, творческое письмо и ролевой диалог. Карточка сообщает о контексте до 1 048 576 токенов и приводит сравнительные оценки японского и английского здравого смысла. Английский поддерживается, но основное назначение — более естественная генерация на японском. По наблюдениям автора, ответы часто получаются длинными и объяснительными; для краткости следует задавать ограничения в системном сообщении. Рекомендуется отключать режим рассуждений через enable_thinking=False. Для запуска через Transformers требуются trust_remote_code=True и версия 4.57; карточка указывает на более медленную работу этой реализации и отсутствие поддержки архитектуры в vLLM 0.30. Лицензия — Apache License 2.0.

NVIDIA FastConformer-Hybrid Large для арабского языка — модель автоматического распознавания речи, разработанная NVIDIA и доступная для работы через NeMo. Она преобразует аудио в текст и поддерживает знаки пунктуации: точки, арабские запятые и вопросительные знаки. Модель построена на архитектуре FastConformer с гибридным декодером Transducer (RNNT) и CTC и содержит около 115 млн параметров. Она обучена на примерно 760 часах арабской речи из MASC, Common Voice 17.0 и Fleurs. На вход подаются монофонические WAV-файлы с частотой 16 кГц; модель работает в нестриминговом режиме. На выходе — арабский текст без диакритических знаков, которому может потребоваться обратная нормализация. Модель предназначена для транскрибирования арабской речи и разрешена для коммерческого и некоммерческого использования по лицензии CC BY 4.0. Точность зависит от шума, акцента, типа речи и контекста; качество может снижаться на диалектной речи и незнакомой терминологии. Она не предназначена для критически важных сценариев.

Summer-0.5B-S1 — двуязычная базовая авторегрессионная языковая модель, обученная разработчиком с нуля на китайских и английских текстах. Несмотря на сходство архитектуры с Qwen3-0.6B-Base, веса модели и её токенизатор созданы с нуля; это не дообучение Qwen. В метаданных указан размер 436,2 млн параметров, а в README — 524 336 128 параметров. Модель использует плотную архитектуру Qwen3ForCausalLM и контекст до 32 768 токенов. Модель предназначена для продолжения текста и генерации на китайском и английском. Дополнительный этап обучения на двуязычных параллельных данных улучшил перевод между китайским и английским: в README приведены результаты WMT22 с примерами в контексте. Токенизатор поставляется как расширение C++, поэтому он не загружается через AutoTokenizer; для работы нужны файлы и пример загрузки из репозитория. Обучение охватило 14,6 млрд токенов предварительного обучения и 1,34 млрд токенов дополнительного этапа. README подчёркивает, что бюджет существенно меньше, чем у Qwen3-0.6B-Base, поэтому приведённые результаты не следует считать конкурентными. Лицензия — Apache-2.0.

Taiwan LLM 13B v2.0 base — языковая модель на архитектуре Llama, разработанная для традиционного китайского языка и языкового и культурного контекста Тайваня. В README указано, что модель дообучена методом supervised fine-tuning на текстовых источниках, связанных с Тайванем, и синтетических данных; метаданные определяют её как плотную causal language model примерно с 12,9 млрд параметров и контекстом 4096 токенов. В README также есть противоречивое указание размера: 7 млрд параметров. Модель предназначена для дальнейшей настройки под следование инструкциям и чат-приложения, а также для генерации и понимания текста на традиционном китайском. В карточке заявлены улучшенные результаты на бенчмарках, включая TC-Eval, и соответствие тайваньским языковым и культурным особенностям. Лицензия — Apache-2.0. Модель не предназначена для медицинской диагностики, юридических консультаций и финансовых инвестиционных решений; разработчики предоставляют её без гарантий, а точность ответов следует оценивать самостоятельно.

Tamil LLaMA 13B Instruct v0.1 — инструктивная языковая модель, разработанная Абхинандом Балакришнаном. Это плотная GPT-подобная модель семейства LLaMA с 12,9 млрд параметров, дообученная на Tamil-Alpaca-Orca — смеси переведённых на тамильский язык инструкций Stanford-Alpaca и части набора OpenOrca. Для тамильского языка используется расширенный словарь из 16 000 токенов; модель также поддерживает английский язык. Модель предназначена для генерации ответов на инструкции и вопросы, прежде всего на тамильском языке, а также для дальнейшего дообучения под прикладные NLP-задачи. Контекст составляет 4096 токенов. В README указана лицензия GNU GPL v3.0, тогда как метаданные Hugging Face обозначают лицензию Llama 2; перед использованием следует проверить применимые условия лицензирования. Модель не проходила детоксикацию и может выдавать вредный или оскорбительный текст, поэтому её ответы требуют контроля.

Tamil LLaMA 7B Instruct v0.1 — инструктивная языковая модель, разработанная Абхинандом Балакришнаном и дообученная на основе abhinand/tamil-llama-7b-base-v0.1. Это плотная авторегрессионная модель семейства LLaMA с примерно 6,7 млрд параметров, созданная для генерации ответов на инструкции и запросы на тамильском и английском языках. Для обработки тамильского используется расширенный словарь из 16 000 токенов; длина контекста составляет 4096 токенов. Модель подходит для диалоговых ответов, выполнения инструкций и создания прикладных решений на основе дальнейшего дообучения. При обучении использовалась смесь переведённых примеров Stanford-Alpaca и части OpenOrca; README также указывает набор из 145 тысяч инструкций. Доступны веса PyTorch в формате float16. Лицензия в метаданных Hugging Face — Llama 2; в README указана GNU GPL v3.0, поэтому сведения о лицензии противоречат друг другу и требуют проверки перед использованием. Модель не проходила детоксикацию и может генерировать вредный или оскорбительный контент. Контроль результатов особенно важен при использовании в публичных и чувствительных приложениях.

Tencent-Hy-30B-A3B-uncensored-heretic-i1-GGUF — это набор квантизированных моделей в формате GGUF, созданный mradermacher на основе модели 0xSojalSec/Tencent-Hy-30B-A3B-uncensored-heretic. По названию базовой модели она относится к семейству Tencent-Hy и имеет обозначение 30B-A3B, однако README не содержит подробностей об архитектуре, числе активных параметров или механизме их активации. Модель предназначена для локального запуска через совместимые инструменты, поддерживающие формат GGUF, а также для генерации текста и, судя по заявленным языкам и тегу translation, многоязычных задач и перевода. Указаны языки: китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, тайский, итальянский, немецкий и ряд других языков. Мультимодальность и размер контекстного окна не указаны. Основное преимущество версии — широкий выбор квантизаций с различным балансом между размером, скоростью и качеством, включая i1-IQ и i1-Q варианты объёмом примерно от 6,3 до 20,8 ГБ. В README отмечены i1-Q4_K_M как быстрый рекомендуемый вариант и i1-Q4_K_S как оптимальный по соотношению размера, скорости и качества; самые компактные варианты могут заметно уступать в качестве. Ограничениями являются отсутствие подробных тестов, характеристик производительности и данных о контекстном окне, а также заявленный uncensored/heretic-профиль, который может означать ослабленные ограничения безопасности. Лицензия модели указана как Apache-2.0. Для использования необходимо учитывать условия этой лицензии и совместимость конкретного GGUF-файла с выбранным программным обеспечением.

Vekol-STT Sorani — модель распознавания речи, разработанная Revge в рамках проекта Vekol и дообученная на базе OpenAI Whisper Small. Она преобразует аудио на центральнокурдском языке (сорани) в текст и рассчитана на автономную работу на CPU, в том числе на ноутбуках. Модель содержит 153,1 млн параметров по метаданным; в карточке README указан размер базовой Whisper Small — 244 млн параметров. Доступны форматы ONNX и Safetensors, предусмотрено использование через ONNX Runtime или Transformers/PyTorch. Обучение проводилось на Common Voice 25.0 для ckb и FLEURS для ckb_iq. На тестовой выборке Common Voice с разделением по говорящим авторы сообщают WER 15,5% и CER около 3% без учёта пробелов. Для нормализации текста удаляются диакритические знаки, ZWNJ и татвил, а также выполняется сведение вариантов курдских букв и цифр. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

BuzzASR/Vietnamese — специализированная модель автоматического распознавания речи на вьетнамском языке, разработанная как часть набора из 102 языковых ASR-моделей BuzzASR. Она дообучена методом простого fine-tuning от openai/whisper-large-v3 с сохранением токенизатора Whisper и настройкой только для распознавания речи. Модель использует архитектуру Whisper large-v3 с 905,2 млн параметров и принимает аудио, выдавая текстовую транскрипцию. Модель предназначена для транскрибации вьетнамской речи. В тестах README указаны CER 3,73% и WER 7,26% на FLEURS, а также CER 5,38% и WER 10,68% на комбинированном тестовом наборе; результаты зависят от данных и условий оценки. Обучение включало FLEURS и текстовые данные корпуса Goldfish. Модель распространяется по лицензии MIT.

Vigogne 2 70B Chat — крупная диалоговая языковая модель на архитектуре Llama 2, разработанная bofeng huang; в системном промпте также указано, что модель создана при участии Zaion Lab. Данная версия распространяется TheBloke в формате GGUF и предназначена для генерации текста, общения и выполнения инструкций, прежде всего на французском языке. Модель содержит около 70 миллиардов параметров и относится к семейству LLM для text-generation. GGUF-файлы поддерживают квантование от 2 до 8 бит, что позволяет запускать модель с использованием CPU и GPU через llama.cpp и совместимые приложения, включая text-generation-webui, LM Studio, KoboldCpp и другие. Конкретный размер контекста в README не указан. К сильным сторонам относятся большой размер модели, диалоговая настройка, ориентация на французский язык и наличие нескольких уровней квантования для выбора компромисса между требованиями к памяти и качеством. Ограничения связаны с тем, что это текстовая модель без заявленной поддержки изображений или других модальностей, а характеристики качества, наборы данных и подробные результаты оценки в README не приведены. Модель распространяется по лицензии Llama 2.

Модель jonatasgrosman/wav2vec2-large-xlsr-53-persian — акустическая модель распознавания речи, дообученная Jonatas Grosman на базе facebook/wav2vec2-large-xlsr-53. Она использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров. Модель предназначена для преобразования персидской речи в текст; обучалась на обучающей и валидационной выборках Common Voice 6.1. На вход подаётся аудио с частотой дискретизации 16 кГц, на выходе — распознанный текст на персидском языке. В карточке приведены результаты на тестовой выборке Common Voice: WER 30,12% и CER 7,37%; фактическое качество зависит от записи и условий речи. Модель опубликована под лицензией Apache-2.0.

Whisper Small Italian — модель распознавания речи на архитектуре Whisper, дообученная автором whispy на базе openai/whisper-base на наборе Common Voice 11.0. Она преобразует итальянскую речь в текст и подходит для транскрибирования записей и голосовых сообщений. Модель содержит 153,1 млн параметров; доступные веса представлены в формате PyTorch. На оценочной выборке указаны loss 0,1185 и WER 17,3916. Лицензия — Apache-2.0.

anuragshas/whisper-large-v2-bn — дообученная модель распознавания речи на основе Whisper Large-v2 от OpenAI. Она предназначена для преобразования аудио на бенгальском языке в текст и обучена на бенгальской части набора Mozilla Common Voice 11.0. Модель содержит около 905,2 млн параметров, использует архитектуру Whisper и представлена в формате PyTorch. В карточке указана оценка WER 11,1086 на тестовой выборке. Модель выпущена под лицензией Apache-2.0. Результаты на этой выборке не гарантируют сопоставимого качества для других условий записи, акцентов или языков.

vumichien/whisper-large-v2-mix-jp — дообученная пользователем vumichien модель распознавания речи на базе OpenAI Whisper large-v2. Она предназначена для преобразования японской речи в текст; дообучение проведено на наборе vumichien/preprocessed_jsut_jsss_css10_common_voice_11. Архитектура WhisperForConditionalGeneration, около 905,2 млн параметров. В README приведены результаты оценки: WER 7,6453 и CER 4,7187, но описание тестового набора и условий оценки отсутствует. Модель принимает аудио и выдаёт текст. Распространяется по лицензии Apache-2.0.

Trendency/whisper-large-v3-hu — дообученная Trendency на открытых речевых данных версия Whisper large-v3 от OpenAI, ориентированная прежде всего на распознавание венгерской речи. Это мультиязычная модель автоматического распознавания речи с архитектурой WhisperForConditionalGeneration и примерно 905,2 млн параметров; она принимает аудио и выдаёт текст. Для длинных записей требуется обработка фрагментами, поскольку рецептивное поле модели составляет 30 секунд; для запуска автор рекомендует faster-whisper. Модель предназначена для транскрибации венгерской речи, включая записи из Common Voice, VoxPopuli и других речевых наборов. В README сообщается о среднем WER 11,26 на указанных срезах Common Voice и об улучшении относительно базовой модели на венгерских данных, но также о возможном снижении качества на других языках. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. Как и другие версии Whisper, модель может ошибочно добавлять текст, которого нет в аудио, повторять фрагменты и показывать неодинаковую точность для разных языков, акцентов и диалектов. README указывает, что при обучении использовались также обучающие, тестовые и валидационные части наборов данных, поэтому приведённые оценки следует интерпретировать с учётом этого обстоятельства.

cahya/whisper-medium-id — модель распознавания речи на индонезийском языке, созданная дообучением openai/whisper-medium на датасетах Common Voice 11, MagicData, TITML и Google Fleurs. Она использует архитектуру Whisper и содержит 455,8 млн параметров; для работы доступна в формате PyTorch через Transformers. Модель предназначена для преобразования индонезийской речи в текст. В карточке приведён пример транскрибации аудиофайла с настройкой языка распознавания. На тестовых выборках указана частота ошибок слов (WER) 3,83 на Common Voice 11 и 9,74 на Google Fleurs; на Common Voice результат базовой Whisper Medium в той же оценке составил 12,62. Модель распространяется по лицензии Apache-2.0. Описание не приводит сведений о длине контекста или подробных ограничениях; приведённые оценки относятся к конкретным тестовым выборкам и не гарантируют аналогичное качество на других типах аудио.

Whisper Small Indonesian — модель распознавания речи, дообученная разработчиком cahya на основе openai/whisper-small. Она преобразует аудио на индонезийском языке в текст и предназначена для сценариев автоматической транскрибации. Архитектура — WhisperForConditionalGeneration; размер модели составляет 153,1 млн параметров. Для обучения использовались наборы Mozilla Common Voice 11.0, Magic Data, TITML и Google FLEURS. В карточке указаны результаты оценки: loss 0,1022 и WER 6,0592. Модель распространяется по лицензии CC; конкретный вариант лицензии в предоставленных данных не уточнён.

whisper-small-Kurdish-Sorani — модель распознавания речи, созданная дообучением openai/whisper-small для транскрибирования речи на курдском языке сорани. Она основана на архитектуре Whisper и содержит 153,1 млн параметров; для работы принимает аудио и выдаёт текст. В карточке приведены результаты оценки: WER 24,1171 и WER Ortho 26,7340, однако описание набора данных и методики оценки не раскрыто. Модель распространяется по лицензии Apache-2.0.

Blgn94/whisper-small-mn-v2 — дообученная модель на основе openai/whisper-small для автоматического распознавания речи на монгольском языке. Она использует архитектуру Whisper и предназначена для транскрибирования аудио; модель распространяется через Transformers в формате safetensors. Обучение проводилось на корпусе примерно из 77 часов монгольской речи с частотой 16 кГц, преимущественно на записях Common Voice. По результатам проверки на фиксированной выборке из 200 примеров модель показала WER 15,16% и CER 6,60%; полная оценка на валидационной выборке ещё не проводилась. Модель лучше подходит для чёткой подготовленной речи на кириллице и может быть полезна для транскрибирования записей и субтитров. По сравнению с разговорной, шумной или телефонной речью качество может быть ниже; Whisper также может ошибочно генерировать текст на тишине и неречевых фрагментах. Лицензия — Apache-2.0.

Whisper Small Persian — модель распознавания речи, созданная Amir Mohseni дообучением openai/whisper-small на наборе данных Fleurs Farsi. Она построена на архитектуре Whisper и содержит 153,1 млн параметров. Модель предназначена для преобразования речи на персидском языке в текст. На приведённой в карточке оценке модель показала значение WER 25,8171 и loss 0,3818. Она распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает ограничения применения и условия оценки подробнее.

Модель cdli/whisper-small-Swahili_finetuned_small_CV20 — дообученная версия Whisper Small от разработчика CDLI для автоматического распознавания речи на суахили. Она принимает аудио и генерирует текстовую расшифровку; подходит для транскрибирования записей и речи из датасета Common Voice. Модель построена на архитектуре WhisperForConditionalGeneration, содержит 153,1 млн параметров и распространяется в формате safetensors через библиотеку Transformers. В README приведены значения WER: 0,261 на dev-наборе и 0,295 на test-наборе; до настройки они составляли 0,849 и 0,856 соответственно. Сведения о лицензии отсутствуют в предоставленных источниках.

Whisper Small Turkmen Language — модель распознавания речи на туркменском языке, созданная Abdyrahman Gudratullayew путём дообучения openai/whisper-small на наборе Common Voice 19. Это мультиязычная архитектура Whisper с 153,1 млн параметров; модель принимает аудио и выдаёт текстовую транскрипцию. На оценочном наборе указаны Loss 0,8752, WER Ortho 54,5959 и WER 46,1854. Эти показатели отражают заметную долю ошибок распознавания, поэтому транскрипции могут требовать проверки. Модель распространяется по лицензии Apache-2.0.