I.6Перевод и языковая адаптация

Whisper для распознавания речи, дообученная Mohammed Nasri на алжирском диалекте арабского языка с переключением на французский. Модель основана на openai/whisper-tiny, содержит 153,1 млн параметров и принимает аудио, выдавая текстовую транскрипцию. Для обучения использовалась алжирская часть набора UBC-NLP/Casablanca; в карточке указана частота ошибок слов около 23% на валидационной выборке. Модель предназначена для транскрибирования речи на алжирском диалекте, в том числе в записях с арабско-французским переключением. Автор описывает обучение как демонстрационное и отмечает, что для производственного применения рекомендуется более длительное дообучение. Лицензия — Apache-2.0.

Whisper Amharic Small v2 — дообученная модель распознавания речи на основе openai/whisper-small. Она предназначена для транскрибации амхарской речи; разработчик сообщает, что обучение проводилось на данных Mozilla Common Voice на амхарском языке. Модель построена на архитектуре Whisper и содержит 153,1 млн параметров. В README приведён показатель WER 69%, улучшенный с 77% в предыдущей версии. Модель принимает аудио и выдаёт текст. Для работы с ней в README показано использование Transformers и WhisperProcessor. Лицензия — OpenRAIL. Указанный показатель WER свидетельствует о заметной ошибке распознавания, поэтому качество транскрипции может требовать проверки, особенно для задач с высокими требованиями к точности.

Модель sarpba/whisper-hu-large-v3-turbo-finetuned — дообученная на пользовательском наборе данных мультиязычная модель Whisper Large v3 Turbo от OpenAI, предназначенная для автоматического распознавания речи и преобразования аудио в текст. Она содержит около 905,2 млн параметров и использует архитектуру WhisperForConditionalGeneration; веса опубликованы в формате safetensors. В README приведены результаты оценки: loss 0,0287 и WER 0,0748. Модель ориентирована на венгерскую речь. README сообщает, что в нативном формате F32 она работает хорошо, но при квантовании через CTranslate2 качество резко ухудшается: вывод может сильно обрезаться, особенно на аудио длительностью около 10 секунд или меньше. Репозиторий распространяется по лицензии MIT.

Rhaodgh/whisper-large-libyan — дообученная модель распознавания речи на основе openai/whisper-large-v3, созданная для транскрибации ливийского диалекта арабского языка. Обучение проводилось на 258 вручную расшифрованных аудиофрагментах ливийских подкастов. Модель использует архитектуру Whisper и библиотеку Transformers; веса доступны в формате safetensors. На оценочном наборе указаны loss 0,5756 и WER 31,3595. Эти результаты характеризуют только приведённую оценку и не гарантируют такого же качества на других записях. Модель распространяется по лицензии Apache-2.0.

Модель devalade/whisper-large-v3-yoruba-colab — дообученная devalade версия Whisper large-v3 для автоматического распознавания речи и преобразования аудио в текст. Она принимает аудио и выдаёт текстовую транскрипцию; объём модели составляет 905,2 млн параметров. В README указано, что обучение проводилось с использованием Unsloth и библиотеки TRL для Hugging Face. Модель предназначена для распознавания речи на йоруба, что следует из названия репозитория; метаданные карточки отдельно указывают английский язык. Она распространяется по лицензии Apache-2.0. В карточке нет сведений о длине контекста или оценках качества на конкретных наборах данных.

Rhaodgh/whisper-medium-libyan2 — дообученная версия OpenAI Whisper medium, разработанная автором репозитория на наборе из 258 вручную расшифрованных фрагментов ливийских подкастов. Модель предназначена для автоматической транскрипции речи на ливийском диалекте арабского языка в текст. Модель использует архитектуру Whisper и библиотеку Transformers; веса опубликованы в формате safetensors. На оценочном наборе указаны loss 0,7715 и WER 36,1968. Базовая модель мультиязычная и также поддерживает перевод речи, однако карточка этой версии описывает дообучение для распознавания ливийского диалекта. Лицензия — Apache-2.0. Карточка не сообщает дополнительных ограничений применения.

ranjan-prabhat/whisper-small-hi — дообученная модель распознавания речи на хинди, созданная на основе Whisper small от OpenAI. Это encoder-decoder Transformer с 153,1 млн параметров; модель принимает аудио и преобразует речь в текст. Обучение проводилось на хинди-разделе Common Voice 17.0. Модель предназначена для черновой расшифровки чёткой речи одного говорящего: например, голосовых заметок, начитки и повествования. Её также можно использовать как основу для дальнейшего дообучения под конкретный акцент, диалект или акустические условия. Проверялась на монофоническом аудио с частотой 16 кГц. На тестовой части Common Voice указана доля ошибок слов около 32%, поэтому для ответственных задач потребуется проверка человеком или дополнительное дообучение. Качество может снижаться на спонтанной речи, сильном шуме, одновременной речи нескольких людей и недостаточно представленных региональных акцентах. Модель распространяется по лицензии Apache-2.0.

sajilck разработала Whisper Small Malayalam — модель распознавания речи на базе Whisper Small от OpenAI, дообученную на объединённом корпусе из шести наборов данных с речью на малаялам. Модель предназначена для транскрибирования малаяламской речи; в метаданных указаны архитектура Whisper, 153,1 млн параметров и формат safetensors. Для подачи аудио README указывает WAV, 16 кГц, моно, PCM 16 бит. Модель обучалась на аудиозаписях с прочитанной речью, краудсорсинговых данных и новостных трансляциях. В README приведены результаты 37,64% WER на тестовом наборе CommonVoice Malayalam и 43,5% WER / 7,3% CER на тесте из разных источников после фильтрации дубликатов. Лицензия — Apache-2.0. Качество может быть ниже на спонтанной разговорной речи и отдельных диалектах; иностранные имена модель может передавать фонетически на малаялам. README сообщает, что обычный запуск через Transformers на CPU медленнее реального времени. Указанная там версия уступает более новой sajilck/whisper-small-malayalam-v2 по оценке на тесте без утечек данных.

Модель thunderboltc/whisper-small-santali-coded — полноценно дообученная версия Whisper-small от OpenAI для распознавания устной сантали с выдачей транскрипции латиницей в орфографии Sanlish. Дообучены все параметры энкодера, декодера и выходной головы; размер базовой модели — около 244 млн параметров. Модель принимает аудио и генерирует текст, а при запуске для распознавания следует явно задавать задачу transcribe. Модель предназначена для транскрибирования аудиозаписей на сантали в Sanlish. На отложенном тестовом наборе из 193 примеров указаны WER 28,82% и CER 4,89%. Модель обучалась на сравнительно небольшом пользовательском наборе данных, поэтому качество может снижаться для незнакомых говорящих, диалектов и условий записи; автоматическое определение языка Whisper для этого чекпойнта не следует считать надёжным. Обучение остановилось на 17-й эпохе из запланированных 20. Лицензия — Apache-2.0.

Lingalingeswaran создал и опубликовал дообученную версию Whisper Small для распознавания речи на сингальском языке. Модель основана на openai/whisper-small и дообучена на наборе Lingalingeswaran/asr-sinhala-dataset_json_v1; она содержит 153,1 млн параметров и доступна в формате safetensors для Transformers. Модель принимает аудио и генерирует текстовую транскрипцию. В README приведён результат оценки на тестовом наборе: WER 46,4577 и loss 0,2086. Репозиторий распространяется по лицензии Apache-2.0. Высокое значение WER указывает на заметные ошибки распознавания; качество может зависеть от записи и речи.

LWobole/whisper-small-tagalog — дообученная модель семейства Whisper от автора репозитория LWobole, созданная на базе openai/whisper-small и предназначенная для автоматического распознавания речи на тагальском языке. Модель содержит 153,1 млн параметров, использует архитектуру WhisperForConditionalGeneration и опубликована в формате safetensors для Transformers. Модель обучалась на наборе fleurs_fil_ph и оценивается по распознаванию речи; в README приведены loss 0,4392 и WER 16,6557 на оценочной выборке. Она подходит для преобразования тагальской речи в текст. Лицензия — Apache-2.0. Подробности об условиях записи аудио, качестве в разных акустических условиях и иных ограничениях в карточке не раскрыты.

Rahul3215/whisper-small-telugu — дообученная Rahul3215 модель OpenAI Whisper Small для распознавания речи на телугу и преобразования аудио в текст. Она создана на основе openai/whisper-small с использованием Mozilla.ai Blueprint speech-to-text-finetune и обучена на 812 аудиопримерах на телугу. Модель использует архитектуру Whisper и доступна в формате safetensors через библиотеку Transformers. В README приведены результаты до и после дообучения: нормализованный WER снизился с 173,255 до 122,977, а нормализованный CER — со 142,764 до 83,015; значения после обучения всё ещё указывают на заметные ошибки распознавания. Лицензия — Apache-2.0.,

onnx-community/whisper-tiny_timestamped — версия модели openai/whisper-tiny с весами в формате ONNX, подготовленная сообществом onnx-community для совместимости с Transformers.js. Репозиторий предназначен для запуска модели в веб-среде и других сценариях, где требуется поддержка ONNX и Transformers.js. Модель основана на Whisper Tiny, однако в предоставленных данных не указаны подробности её архитектуры, размер, поддерживаемые языки, модальности, максимальная длина контекста и точные задачи. Суффикс timestamped присутствует в идентификаторе модели, но README не содержит описания возможностей работы с временными метками, поэтому их наличие нельзя подтвердить по доступной информации. Ключевое преимущество модели — формат ONNX и совместимость с Transformers.js, что упрощает использование в web-ready приложениях. Ограничения, точные требования к ресурсам, условия лицензирования и дополнительные характеристики в README не указаны. Отдельный репозиторий с ONNX-весами обозначен как временное решение до более широкого распространения WebML.

Карточка модели asas-ai/AceGPT-v2-32B на Hugging Face совпадает с карточкой asas-ai/AceGPT-v2-32B-Chat, поэтому описание составлено по ней. AceGPT-v2-32B-Chat — диалоговая языковая модель семейства AceGPT, разработанная исследователями KAUST, CUHKSZ, SRIBD и King Abdulaziz University. Это полностью дообученная генеративная модель на архитектуре Llama, основанная на Qwen1.5-32B и содержащая 31,7 млрд параметров. Модель принимает текст и генерирует текст. Вариант Chat оптимизирован для диалоговых сценариев; семейство AceGPT ориентировано прежде всего на арабский язык, а карточка также указывает поддержку английского и китайского. Контекст составляет до 32 768 токенов. В README приведены результаты тестирования на арабских, английских и китайских бенчмарках. Модель подходит для арабоязычного диалога, ответов на вопросы и генерации текста. Карточка содержит лишь фрагменты таблиц оценки, поэтому по ней нельзя судить о качестве именно версии 32B во всех задачах. Лицензия — Apache-2.0.

AfriGuardInst-AfriqueQwen3.5-4B-50Langs-Instruct-v1-lora-merged — диалоговая языковая модель на архитектуре Qwen3.5, разработанная на основе McGill-NLP/AfriqueQwen3.5-4B-50Langs-Instruct-v1. Модель дообучена методом LoRA ранга 16 на всех линейных слоях, после чего адаптер объединён с базовыми весами. Обучение выполнено на наборе israel/AfriGuard-inst: в примерах использовались системные инструкции по безопасности вместе с запросами пользователей. Модель предназначена для диалоговых ответов с учётом инструкций по безопасности на африканских языках и английском. Репозиторий содержит веса safetensors и использует библиотеку Transformers; лицензия — CC BY 4.0. Базовая модель описана как 4-миллиардная, поддерживающая диалог, математические рассуждения, перевод и ответы на вопросы; это описание не гарантирует, что все эти возможности отдельно проверялись после дообучения.

Samuael/asr-amharic-phoneme-based-233 — модель автоматического распознавания речи на основе архитектуры wav2vec2 с CTC-декодированием, дообученная разработчиком Samuael. Модель предназначена для преобразования амхарской речи в текст; название указывает на фонемное представление, однако подробности его реализации в карточке не описаны. В карточке приведены результаты оценки: WER 0,2679 и CER 0,0730 после примерно трёх эпох обучения. Число параметров — около 402,9 млн. Модель принимает аудио и выдаёт текст. Лицензия Apache-2.0 разрешает использование на её условиях.

Abin7/bangla-chinese-romania-hindi — объединённая языковая модель, созданная с помощью mergekit методом TIES. В качестве базовой использована FlagAlpha/Llama2-Chinese-7b-Chat; также в объединение вошли модели для бенгальского, румынского и хинди. Модель построена на архитектуре Llama с плотной авторегрессионной языковой моделью и содержит 6,6 млрд параметров. Модель предназначена для генерации текста и выполнения текстовых запросов. Состав объединения указывает на поддержку китайского, бенгальского, румынского и хинди; базовая модель BanglaLLM также рассчитана на английский язык. Контекст составляет до 4096 токенов. Данные README и метаданных не описывают отдельные прикладные области или условия лицензии, поэтому их нельзя указать.

BanglaLLM/BanglaLLama-3.2-3b-bangla-alpaca-orca-instruct-v0.0.1 — языковая модель на архитектуре Llama 3.2 с 3,2 млрд параметров, разработанная BanglaLLM. Это дообученная модель для генерации текста и причинно-следственного языкового моделирования, рассчитанная на работу с бенгальским и английским языками. Модель обучена на наборе BanglaLLM/bangla-alpaca-orca и предназначена для вывода готовых ответов и продолжения текста по запросу; заявленная длина контекста — 131 072 токена. Модель доступна для инференса и может применяться в бенгальских и англоязычных диалоговых сценариях и генерации текста. В README лицензия указана как GNU GPL v3.0, тогда как метаданные Hugging Face указывают llama3.2; проверьте условия лицензирования перед использованием. Авторы предупреждают, что модель не прошла детоксикацию и может выдавать вредный или оскорбительный текст, поэтому её ответы следует контролировать.

BELLE-2/Belle-whisper-large-v3-zh-punct — дообученная командой BELLE-2 модель распознавания речи на архитектуре Whisper large-v3, предназначенная для транскрибации китайской речи с расстановкой знаков пунктуации. Модель содержит 905,2 млн параметров, принимает аудио с частотой дискретизации 16 кГц и выдаёт текст. Опубликована в форматах PyTorch и Safetensors; лицензия — Apache-2.0. Модель обучена с использованием LoRA на наборах AISHELL-1, AISHELL-2, WenetSpeech и HKUST. По результатам карточки, её качество близко к Belle-whisper-large-v3-zh на китайских ASR-бенчмарках; отмечено сопоставимое распознавание встреч и небольшое улучшение на WenetSpeech meeting. CER в таблице рассчитан после удаления пунктуации, поэтому эти результаты отдельно не оценивают точность расстановки знаков препинания.

ChatBerry-i1-GGUF — это набор квантованных файлов модели ChatBerry, разработанной artindnr и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена для генерации текста и ведения диалогов, а заявленные языки включают персидский, английский и мультиязычные сценарии. В метаданных она отмечена как Mixture-of-Experts и поддерживает использование через экосистему Transformers и совместимые инструменты для GGUF. Репозиторий предоставляет множество вариантов квантования с разным соотношением размера, скорости и качества, включая imatrix-квантизации. Размер доступных файлов составляет примерно от 12,1 до 22,3 ГБ; варианты i1-Q4_K_S и i1-Q4_K_M обозначены как оптимальные по балансу характеристик, причём i1-Q4_K_M рекомендован как быстрый вариант. Также доступен файл imatrix для самостоятельного создания квантов. Ограничения модели заключаются в том, что README не содержит сведений о количестве параметров, длине контекста, точной архитектуре, мультимодальности, результатах тестирования или системных требованиях. Качество зависит от выбранного уровня квантования: наиболее компактные варианты могут заметно уступать более крупным, а некоторые прямо отмечены как низкокачественные. Модель распространяется по лицензии Apache-2.0.

Chinese-LLaMA-2-13B-GGUF — это набор моделей в формате GGUF-v3, совместимом с llama.cpp, на основе Chinese-LLaMA-2-13B. Репозиторий опубликован организацией hfl; дополнительные сведения о проекте представлены в репозитории Chinese-LLaMA-Alpaca-2, разработанном ymcui и участниками проекта. Модель предназначена для локального запуска и инференса в приложениях, поддерживающих llama.cpp, с выбором различных уровней квантования: от Q2_K до Q8_0, а также F16. В README не указаны точные языки, размер контекста, модальности и перечень прикладных сценариев; из названия и описания следует ориентация на обработку китайского текста. Ключевое преимущество — наличие нескольких вариантов квантования, позволяющих выбирать компромисс между требованиями к памяти и качеством. Для некоторых вариантов доступны версии с суффиксом -im, созданные с использованием important matrix и потенциально обеспечивающие более высокое качество. В качестве ограничения следует учитывать, что качество зависит от выбранного формата и что в таблице приведены только значения PPL, без результатов прикладных тестов. Лицензия — Apache-2.0.

Chocolatine-3B-Instruct-DPO-v1.2 — языковая модель для диалогов, разработанная Jonathan Pacifico и основанная на архитектуре Phi-3. Это DPO-дообучение microsoft/Phi-3.5-mini-instruct на датасете jpacifico/french-orca-dpo-pairs-revised. Модель содержит около 3,7 млрд параметров и рассчитана прежде всего на французский язык; также поддерживает английский. Метаданные указывают контекст 4096 токенов, тогда как README заявляет 128K, поэтому фактическую длину контекста следует проверять для используемой конфигурации. Модель предназначена для генерации текста и диалоговых сценариев на французском и английском языках. По заявлению автора, дообучение улучшило результаты на французском и также повысило качество английского относительно базовой модели. Указанные в README результаты MT-Bench-French являются заявлением автора. Модель распространяется по лицензии MIT. Автор отмечает, что это быстрая демонстрация дообучения и что у модели нет механизма модерации.

EXAONE-3.5-7.8B-Instruct — инструкционная языковая модель для генерации текста, разработанная LGAI-EXAONE и представленная в данном репозитории в квантованном виде компанией Mobilint. Модель предназначена для диалоговых и других задач генерации текста на английском и корейском языках и рассчитана на использование с библиотекой Transformers. Эта версия скомпилирована и оптимизирована для NPU-оборудования Mobilint и предназначена для развертывания в программном стеке ускорения Mobilint. Размер модели составляет около 7,8 млрд параметров; архитектура и длина контекста в README не указаны. Основное преимущество — адаптация к аппаратному ускорению Mobilint, однако применимость вне этой инфраструктуры может быть ограничена. Модель распространяется по лицензии EXAONE; точные условия следует уточнять в файле лицензии по указанной в карточке ссылке.

FinMatcha-3B-Instruct — диалоговая языковая модель, разработанная на основе Llama 3.2 3B Instruct и дообученная для работы преимущественно с индонезийским языком. Модель содержит около 3,2 млрд параметров, использует плотную архитектуру Llama и поддерживает контекст до 131 072 токенов. Для дообучения применён набор NekoFi/alpaca-gpt4-indonesia-cleaned; доступны веса в формате safetensors. Модель предназначена для генерации текста, диалогов и выполнения инструкций на индонезийском и английском языках, включая формальную и разговорную речь и двуязычные сценарии. Указанная лицензия — Apache-2.0. По опубликованным результатам Open LLM Leaderboard, средняя оценка составляет 23,81, а IFEval (0-shot) — 75,48. Основной язык модели — индонезийский; качество на задачах, не связанных с индонезийским, может быть ниже. Возможны культурные и контекстные смещения, характерные для языковых моделей.

Gemma-4-E4B-Hindi-Instruct-GGUF — это дообученная на инструкциях хинди-версия Gemma 4 E4B, подготовленная в формате GGUF разработчиком pankajpandey-dev. Модель создана для локального запуска на CPU, GPU и edge-устройствах без API и облачных сервисов, в частности через llama.cpp, LM Studio и llama-cpp-python. Она предназначена для диалогов, ответов на инструкции и генерации текста на хинди, а также поддерживает английский язык. Модель является текстовой и не поддерживает обработку изображений. Дообучение выполнено методом LoRA на примерно 10 тысячах пар инструкций на хинди из AI4Bharat indic-instruct-data-v0.1. Архитектурной основой служит unsloth/gemma-4-E4B-it. Вариант E4B работает со скоростью, сопоставимой с моделями около 4B, но содержит около 8B общих параметров; доступны квантизации Q4_K_M, Q5_K_M и Q8_0 размером примерно от 5,3 до 8 ГБ. Максимальный заявленный контекст — 128K токенов. Сильные стороны модели — более стабильная генерация на хинди с использованием деванагари, точное соблюдение ограничений запроса и краткие ответы. По сравнению с базовой Gemma 4 E4B она может уступать в подробности и широте общих знаний, поэтому не является универсально более интеллектуальной моделью. Для запуска требуется рабочая память, соответствующая выбранной квантизации; Q4_K_M рассчитана примерно на устройства с 8 ГБ памяти. В README указана лицензия Gemma.

Gujju LLaMA Instruct v0.1 — инструктивная языковая модель команды Khyat Anjaria, Dhruv Bhatnagar и Dixit Trivedi на архитектуре LLaMA 2 с 6,7 млрд параметров. Модель дообучена на базе sampoorna42/gujju-llama-base-v1.0 на наборах инструкций Gujju-Alpaca, Gujju-Dolly и Gujju-Orca, а также других данных для гуджарати. Она предназначена для генерации ответов и выполнения текстовых инструкций на гуджарати и английском языке. Модель принимает текст и генерирует текст; максимальный контекст — 4096 токенов. Для запросов используется формат с разделами Instruction и Response, опционально с входными данными. В карточке приведены результаты тестов на AI2 Reasoning Challenge и HellaSwag, но они не гарантируют качество для конкретной задачи. Лицензия — Llama 2 Community License. Модель не оптимизирована для предотвращения вредного или оскорбительного контента.

Это модель автоматического распознавания японской речи, созданная на основе rinna/japanese-hubert-base и дообученная на common_voice_11_0. Она использует архитектуру HuBERT с CTC-головой, содержит 113,3 млн параметров и распространяется в формате safetensors. Модель преобразует аудио в текст для задач распознавания японской речи. Её вывод ограничен хираганой. На common_voice_11_0 указаны WER 27,51% и CER 11,70%. Лицензия — Apache-2.0.

JiRackUltra_32b-i1-GGUF — это набор квантованных GGUF-файлов базовой модели CMSManhattan/JiRackUltra_32b, подготовленный пользователем mradermacher. Модель предназначена для генерации текста и локального запуска, в том числе на CPU и системах с ограниченной памятью. В метаданных заявлены сценарии веб-интерфейсов, маршрутизации запросов, вызова инструментов и робототехники, однако подробности реализации этих возможностей в README не раскрыты. Модель относится к семейству BitNet и использует ternary/1.58-bit подход; представлены imatrix-квантизации различных уровней от i1-IQ1_S до i1-Q6_K. Размер файлов составляет примерно от 7,4 до 27 ГБ. Указаны библиотеки transformers и GGUF-формат, а также языки: английский, китайский, японский, корейский, французский, испанский, португальский, немецкий, итальянский, русский, арабский, вьетнамский и тайский. Архитектура, размер контекстного окна и поддержка мультимодальности не указаны. Сильной стороной являются варианты для эффективного локального запуска с разным компромиссом между размером, скоростью и качеством; README рекомендует i1-Q4_K_M как быстрый вариант, а i1-Q4_K_S отмечает как оптимальный по размеру, скорости и качеству. Низкобитовые варианты могут обеспечивать меньшие требования к памяти, но сопровождаются снижением качества; отдельные варианты прямо обозначены как низкокачественные. Модель распространяется по лицензии MIT.

K2S3-v0.1 — текстовая авторегрессионная модель семейства Mistral, разработанная K2S3 на основе mistralai/Mistral-7B-v0.1. Авторы увеличили глубину модели, добавили корейские токены и слияния в токенизатор, а затем выполнили полное дообучение параметров методом SFT на данных alpaca-gpt4-data и примерах из The OpenOrca Dataset. Модель содержит 14,2 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, особенно с корейским языком; в метаданных также заявлен английский. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое применение.

KalemaTech-Arabic-STT-ASR-based-on-Whisper-Small — дообученная Salama1429 модель распознавания речи на архитектуре Whisper Small. Она преобразует арабскую речь в текст и предназначена для автоматической транскрипции аудиозаписей. Модель дообучена на Common_Voice_Arabic_12.0_Augmented; в README приведён результат оценки WER 58,5848 на тестовом наборе. Размер составляет 153,1 млн параметров, формат весов — PyTorch. Лицензия — Apache-2.0. Модель подходит для транскрипции арабской речи, в частности аудио, близкого по характеристикам к обучающим данным Common Voice. Значение WER указывает на заметные ошибки распознавания, поэтому качество транскрипции следует проверять для конкретной записи и сценария. Карточка не сообщает о дополнительных режимах работы или иных входных модальностях.