I.6Перевод и языковая адаптация

kpriyanshu256/whisper-large-v2-br-1000-32-1e-05 — дообученная модель автоматического распознавания речи на архитектуре Whisper large-v2, разработанная на основе openai/whisper-large-v2. Она обучена на Common Voice 11.0 для распознавания бретонской речи; на тестовой выборке указана ошибка WER 39,9271 и loss 0,7162. Модель содержит 905,2 млн параметров и опубликована в формате PyTorch. Модель подходит для преобразования аудиозаписей на бретонском языке в текст. Лицензия — Apache-2.0. Указанный WER свидетельствует, что распознанный текст может содержать существенные ошибки; перед применением в ответственных сценариях нужна проверка качества на целевых аудиоданных.

sitwala/whisper-large-v3-turbo-anv-zul-250h — дообученная модель семейства Whisper, созданная на основе openai/whisper-large-v3-turbo и обученная на датасете dsfsi-anv/za-african-next-voices. Она предназначена для автоматического распознавания речи и преобразования аудио в текст. Модель содержит 905,2 млн параметров и использует архитектуру WhisperForConditionalGeneration; для работы доступны веса в формате safetensors. В README приведены результаты оценки на тестовом наборе: loss 0,3412 и WER 24,8599. Название модели указывает на язык zul, то есть зулу; отдельного описания обучения, рекомендуемых сценариев и ограничений автор не предоставил. Лицензия модели — MIT.

Shagufta/whisper-medium-km-indomain15-withac — модель распознавания речи, созданная дообучением OpenAI Whisper Medium на аудио на креольском языке Маврикия (Kreol Morisien, mfe). Это плотная encoder-decoder модель класса WhisperForConditionalGeneration примерно с 769 млн параметров, предназначенная для преобразования речи на этом языке в текст. В обучении использовались около 15 часов внутридоменной речи, разделённые на обучающую и проверочную выборки; аудио было в формате WAV, 16 кГц, моно. В названии README заявлено кондиционирование по акценту. Модель ориентирована на расшифровку речи на креольском Маврикия в тематически близких к обучающим данным сценариях. Она построена на мультиязычной базовой модели Whisper Medium, однако сведения о контекстном окне и измеренных показателях качества этой версии не приведены. Модель распространяется под лицензией Apache-2.0.

seastar105/whisper-medium-komixv2 — дообученная модель распознавания речи на базе OpenAI Whisper Medium, опубликованная автором seastar105. Она предназначена для транскрибации корейской речи, в том числе телефонных разговоров, совещаний, адресов и разговорной речи из теле- и радиопередач. Архитектура — WhisperForConditionalGeneration, модель содержит 455,8 млн параметров и принимает аудио, выдавая текст; веса доступны в форматах Flax и Safetensors. Автор сообщает, что на используемом им тестовом наборе среднее качество превосходит Whisper Large v3. В README приведены результаты сравнений на нескольких корейских наборах, однако таблица представлена не полностью, а совещания исключены из описанной оценки. Это утверждение не следует считать гарантией качества на других данных. Лицензия в предоставленных сведениях не указана.

Whisper Small for Bahasa Iban — модель распознавания речи, созданная Meisin Lee на основе openai/whisper-small и дообученная на корпусе Iban Speech Corpus. Это плотная модель Whisper с 153,1 млн параметров, предназначенная для преобразования аудио на языке ибан в текст. При дообучении также использовались знания о близком языке — малайском. Модель подходит для расшифровки записей и устной речи на ибане. На оценочном наборе указана частота ошибок слов (WER) около 15,9%. Ибан — малообеспеченный данными язык, поэтому точность может снижаться на речи, отличающейся от обучающих данных. Модель плохо обрабатывает переключение между ибаном и английским, особенно английские фрагменты. В README лицензия не указана.

Adnan666/whisper-small-pashto-run11-epoch2 — дообученная версия Whisper Small для автоматического распознавания речи. Модель содержит 153,1 млн параметров и использует архитектуру WhisperForConditionalGeneration; файлы представлены в формате safetensors. Она принимает аудио и выдаёт текстовую транскрипцию, с ориентацией на речь на пушту. В README приведён результат оценки на наборе данных: WER 50,2334 и Loss 1,0639. Датасет и подробности обучения не описаны, поэтому эти показатели сами по себе не дают полной картины качества на других данных. Лицензия — Apache-2.0.

oddadmix/Whisperv3-tunisian-codeswitch — дообученная модель распознавания речи на базе Whisper-large-v3, представленная для подзадачи NADI 2026 по распознаванию тунисской арабской речи с переключением между арабским, французским и английским языками. Модель принимает аудио и выдаёт транскрипцию; в README описано декодирование с параметрами language="ar" и task="transcribe". Модель дообучена на данных тунисской речи с переключением языков и записях TEDx из обучающей части NADI; использовались два эпоха обучения и SpecAugment. В README указаны WER 17,26% и CER 6,91% на валидации, а также WER 15,22 на слепом тесте. Это результаты конкретных наборов данных и протокола оценки; качество на других условиях может отличаться. Лицензия в предоставленных данных не указана.

Модель vasilis/xls-r-et-V-3 — дообученная версия facebook/wav2vec2-xls-r-1b для автоматического распознавания эстонской речи. Она использует архитектуру Wav2Vec2ForCTC и обучалась на эстонской части набора Mozilla Common Voice 8.0. Модель принимает аудио и выдаёт распознанный текст. В карточке указаны результаты оценки на тестовом наборе: значение функции потерь 0,8824 и WER 0,5246. Модель опубликована в формате PyTorch по лицензии Apache-2.0.

XLS-R Lao ASR — модель распознавания лаосской речи, разработанная SiangLao. Она дообучена на наборе SiangLao/lao-asr-thesis-dataset на базе facebook/wav2vec2-xls-r-300m и использует архитектуру Wav2Vec2 с выходным слоем CTC. Модель содержит 402,7 млн параметров и предназначена для преобразования аудиозаписей на лаосском языке в текст. В README указана частота ошибок на уровне символов (CER): 13,67% на валидационной выборке и 15,14% на тестовой. Модель подходит для расшифровки лаосской речи и создания текстовых транскриптов. Распространяется по лицензии Apache-2.0.

CantoneseLLMChat-v1.0-32B — разговорная языковая модель от hon9kon9ize для диалога на кантонском языке и работы с темами, связанными с Гонконгом. Это плотная авторегрессионная модель семейства Qwen2 с 32 млрд параметров, предназначенная для генерации текста и чата; длина контекста составляет 131 072 токена. Модель дообучена на основе hon9kon9ize/CantoneseLLM-v1.0-32B-cpt, который, согласно карточке, прошёл непрерывное предобучение на материалах гонконгских новостных сайтов и кантонских веб-сайтов. Инструкционная настройка использовала 75 000 пар запросов и ответов, включая 45 000 кантонских инструкций, созданных другими LLM и проверенных людьми. Разработчик сообщает о сильных результатах на HK-Eval по пониманию кантонского языка и культуры Гонконга; при этом модель уступает моделям с рассуждением в описанном сравнении. Лицензия — Apache-2.0.

Карточка модели fengtc/Chinese-Llama-2-7b на Hugging Face совпадает с карточкой LinkSoul/Chinese-Llama-2-7b, поэтому описание составлено по ней. Chinese Llama 2 7B — китайская версия модели Llama 2, представленная авторами проекта LinkSoul. Это плотная причинно-языковая модель с архитектурой LlamaForCausalLM и примерно 6,6 млрд параметров; она принимает текст и генерирует текст. Карточка описывает дообучение на наборе инструкций SFT на китайском и английском языках объёмом 10 млн примеров и формат ввода, совместимый с llama-2-chat. Модель предназначена для диалогов и выполнения текстовых инструкций на китайском и английском языках. Заявлены веса PyTorch и лицензия Apache-2.0; метаданные Hub указывают OpenRAIL, поэтому условия лицензирования следует сверить с файлами репозитория перед использованием. Длина контекста составляет 2048 токенов. Карточка не приводит оценок качества или подробных ограничений применения.

mmnga создал экспериментальную производную DeepSeek-V3 для японского текста: в каждом слое MoE оставлены 64 эксперта, выбранные по частоте активации при генерации японских примеров. Такое сокращение состава экспертов задумано для баланса стабильности и качества японского вывода; автор сообщает, что варианты с 16 и 32 экспертами работали неудовлетворительно или нестабильно. Модель предназначена для генерации текста и диалоговых сценариев на японском языке; метаданные также указывают интерфейс вызова инструментов. Архитектура — DeepSeek-V3, формат весов safetensors, заявленный размер — 37,6 млрд параметров, контекст — до 163 840 токенов. Модель основана на deepseek-ai/DeepSeek-V3 и использует ту же лицензию DeepSeek-V3; перед применением следует ознакомиться с её условиями.

Ethio-ASR-w2v-bert-2.0-uf — модель распознавания речи, созданная в рамках независимого воспроизведения проекта Ethio-ASR в Университете Флориды. Это дообученная на данных WAXAL модель facebook/w2v-bert-2.0 с архитектурой Wav2Vec2BertForCTC и примерно 403,1 млн параметров; она принимает аудио и выдаёт распознанный текст на амхарском, тигринья, оромо, сидаама и волайтта. Модель предназначена для автоматической транскрипции речи на этих эфиопских языках. В README приведены результаты на тестовой выборке WAXAL: показатели WER зависят от языка, а макро-WER составляет 35,76% без постобработки. С обработкой, включающей сведение омографов письма геэз и удаление пунктуации, опубликованные значения ниже. Модель распространяется под лицензией CC-BY-NC-4.0, которая ограничивает коммерческое использование. Результаты приведены для конкретного тестового раздела и процедуры обработки; точность на других данных может отличаться.

FrWhisper — модель распознавания речи, разработанная Annette Gerstenberg и Hanno Müller на основе дообучения openai/whisper-large-v3. Версия v2 настроена на разговорную французскую речь, включая паузы и междометия, повторы и произнесённые числа. Модель принимает аудио и выдаёт транскрипцию; в репозитории используются веса Safetensors, запуск поддерживается через Transformers. Размер модели — 905,2 млн параметров. Модель предназначена для транскрибации разговоров и социолингвистических интервью на французском языке. Она обучалась на улучшенной выборке корпусов ESLO и LangAge. В оценке на фиксированной тестовой выборке v2 показала WER 29,87 против 50,81 у базовой Whisper large-v3; авторы предупреждают, что тестовая выборка включает говорящих из обучающих данных, поэтому результат может быть оптимистичным. Модель специализируется на разговорном французском, и качество на других тематиках и акцентах может отличаться. Для длинных файлов авторы рекомендуют обработку фрагментами. Лицензия CC-BY-NC-SA 4.0 запрещает коммерческое использование.

Fun-CineForge — модель для дубляжа видеоматериалов, разработанная командой Tongyi Lab Speech Team совместно со студентом University of Science and Technology of China. Она предназначена для озвучивания сцен с монологами, закадровым повествованием и диалогами, включая сцены с несколькими говорящими. Проект объединяет модель на основе мультимодальной языковой модели и конвейер создания данных для дубляжа; авторы сообщают о результатах по качеству аудио, синхронизации губ, смене тембра и следованию инструкциям. Модель поддерживает китайские и английские материалы. Для инференса требуется потребительский GPU; опубликованы код инференса и чекпойнты. В репозитории указаны форматы ONNX и Safetensors. Модель распространяется по лицензии Apache-2.0, однако авторы характеризуют проект как исследовательский артефакт, не являющийся коммерческим продуктом Tongyi Lab; образцы датасета имеют отдельные условия лицензирования.

Grammaire 2B — модель для исправления французской грамматики и улучшения ясности и читаемости текста. Она принимает исходный текст и выдаёт исправленную версию в формате, заданном шаблоном чата. Модель создана на архитектуре Gemma 2 и содержит 2,7 млрд параметров; максимальная длина контекста — 8192 токена. Модель подходит для вычитки французских текстов, исправления грамматических ошибок и улучшения формулировок. В карточке указаны библиотека Transformers и форматы PyTorch и Safetensors. Лицензия в предоставленных данных не указана.

Hebrew_Nemo-i1-GGUF — это набор квантизированных GGUF-вариантов языковой модели Hebrew_Nemo, разработанной SicariusSicariiStuff и подготовленной к квантизации пользователем mradermacher. Модель предназначена для генерации текста, диалоговых и инструкционных сценариев, прежде всего на иврите и английском языке. По метаданным она относится к семейству Mistral и Nemo и позиционируется как text-generation и instruction-tuned LLM. Модель работает в текстовой модальности. Точный размер базовой модели, длина контекста и архитектурные параметры в README не указаны. Репозиторий содержит множество вариантов квантизации — от компактных IQ1 и IQ2 до IQ4, Q5 и Q6; их размер составляет примерно от 3,1 до 10,2 ГБ. Варианты различаются балансом между требованиями к памяти, скоростью и качеством: например, Q4_K_M отмечен как быстрый и рекомендуемый, а Q4_K_S — как оптимальный по соотношению размера, скорости и качества. Главное преимущество модели — возможность локального запуска на аппаратуре с разным объёмом памяти благодаря широкому выбору GGUF-квантизаций, а также специализация на иврите при поддержке английского языка. Ограничения связаны с потерями качества у низкобитных вариантов; README отдельно отмечает низкое качество некоторых конфигураций и не содержит результатов независимого тестирования, поэтому фактическое качество следует оценивать для конкретного варианта квантизации и задачи. Модель и её квантизированные файлы распространяются по лицензии Apache-2.0.

Inclusively Classification Model — модель на основе итальянского BERT, дообученная для определения инклюзивности предложений на итальянском языке. Она присваивает тексту один из трёх классов: inclusive (инклюзивная формулировка), not_inclusive (неинклюзивная) или not_pertinent (текст не относится к задаче).

jtl11_GLM-4.7-Flash-heretic-GGUF — это набор квантованных версий языковой модели GLM-4.7-Flash-heretic, подготовленный разработчиком jtl11 и опубликованный в формате GGUF пользователем bartowski. Квантование выполнено с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и поддерживает английский и китайский языки. Модель ориентирована на локальный запуск в llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и других совместимых приложениях. Доступны варианты от BF16 размером около 59,91 ГБ до низкобитных квантов, включая Q4_K_M размером около 18,54 ГБ и IQ4_XS размером около 16,32 ГБ. Более высокие уровни квантования обычно обеспечивают лучшее качество, тогда как компактные варианты требуют меньше оперативной памяти. Для работы следует использовать указанный формат подсказок с управляющими токенами GLM. К сильным сторонам относятся широкий выбор вариантов квантования, возможность локального запуска и сохранение высокого качества у версий Q5 и Q6; в README варианты Q6_K_L, Q6_K, Q5_K_L, Q5_K_M и Q5_K_S отмечены как близкие к исходному качеству. Ограничения включают зависимость качества от выбранного кванта, значительные требования к памяти и необходимость поддержки модели используемым ПО. Сведения об архитектуре, количестве параметров, размере контекста и мультимодальных возможностях не приведены, поэтому их нельзя оценить по представленным данным. Для модели указана лицензия MIT. В метаданных она также помечена как heretic, uncensored, decensored и abliterated, однако README не содержит подробного описания соответствующих изменений или результатов оценки безопасности.

ThuyNT03/KLTN_COQE_viT5_total_PSOAL_v4 — дообученная модель семейства T5, созданная на основе VietAI/vit5-large. В репозитории указано 389,3 млн параметров; модель предназначена для генерации текста в формате text-to-text и использует архитектуру T5ForConditionalGeneration. Карточка не описывает конкретные сценарии применения, обучающие данные или результаты оценки. Базовая модель рассчитана на генерацию текста на вьетнамском языке, включая ответы на вопросы, суммаризацию и перевод; пригодность этой версии для отдельных задач не подтверждена. Лицензия — MIT.

NetherQuartz/LaBSE-tokipona — модель Sentence Transformers, дообученная автором NetherQuartz на базе sentence-transformers/LaBSE для работы с текстами на токипона. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для сравнения смысловой близости, семантического поиска, поиска перефразировок и кластеризации. Модель использует архитектуру BERT; метаданные указывают 498,1 млн параметров и контекст до 512 токенов, тогда как в README заявлена максимальная длина последовательности 256 токенов. Для сравнения векторов рекомендуется косинусное сходство. Обучение описано на параллельных данных, содержащих токипона и тексты на естественных языках; карточка перечисляет наборы данных NetherQuartz/tatoeba-tokipona, NetherQuartz/lipu-sewi и NetherQuartz/minecraft-translations. Модель может быть полезна для поиска соответствий между токипона и другими языками, представленными в обучающих примерах. README приводит результаты оценки на неназванном наборе данных, поэтому их переносимость на другие тексты и языковые пары не установлена. Лицензия в предоставленных данных не указана.

Llama-3.2-11B-Vision-Instruct-Swallow-8B-Merge — объединённая модель Kendamarron на архитектуре mllama. Она создана методом Chat Vector на основе Llama-3.2-11B-Vision-Instruct с добавлением японских языковых возможностей из Llama-3.1-Swallow-8B-v0.1; в рецепте также используется Llama-3.1-8B. Модель предназначена для диалогов и работы с изображениями вместе с текстом, включая японские запросы. Карточка указывает лицензию llama3.2. Число параметров и длина контекста для этой версии в предоставленных данных не указаны.

Llama-3-8b-Cosmopedia-japanese — японская адаптация модели Llama 3, разработанная aixsatoshi. Модель дополнительно обучена на японском переводе синтетического набора Cosmopedia, созданного на основе ответов Mixtral 8x7B. Цель обучения — перенести способности Llama 3 к рассуждению в японский контекст и снизить склонность отвечать по-японски на английском. Это плотная авторегрессионная языковая модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она предназначена для генерации текста и диалогового общения на японском языке; заявленная длина контекста — 8192 токена. Веса доступны в формате safetensors. Лицензия — Llama 3 Community License.

REILX/llava-Qwen2-7B-Instruct-Chinese-CLIP-v2 — мультимодальная модель REILX для диалогового анализа изображений. Она основана на Qwen2-7B-Instruct с визуальным энкодером Chinese-CLIP ViT-Large/14 и мультимодальным проектором; при дообучении применялись LoRA для компонентов vision tower и языковой модели, а проектор обучался полностью. Модель предназначена прежде всего для распознавания китайского текста на изображениях и понимания смысла китайских мемов, а также для генерации текстовых описаний изображений. В обучении использованы датасеты китайского OCR и описания мемов; заявленная максимальная длина последовательности при обучении — 2048 токенов. Репозиторий содержит веса Safetensors и лицензирован по Apache-2.0. README не приводит количественных метрик качества.

Maestrale chat alpha v0.4 — италоязычная чат-модель авторства @efederici и @mferraretto на архитектуре Mistral с 7,1 млрд параметров. Она создана на основе Mistral-7B: модель продолжительно предварительно обучали на итальянском корпусе, объединили с occiglot и дообучили методом SFT на 1,7 млн диалогов и инструкций в течение двух эпох. Контекст составляет 32 768 токенов; модель использует формат запросов ChatML. Версия v0.4 предназначена для диалогов и следования инструкциям, включая сценарии с агентом, математические задачи и рассуждения, создание Mermaid-карт мыслей, а также переводы и стихи на латинском языке. В README приведены результаты нескольких италоязычных бенчмарков; модель отмечена как альфа-версия, поэтому качество и надежность ответов могут быть ограничены. Авторы предупреждают, что модель не является безопасной, хотя может отказываться отвечать. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Maestrale chat v0.4 beta — италоязычная чат-модель от mii-llm, разработанная @efederici и @mferraretto на основе Mistral-7B. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Для диалога используется формат ChatML. Модель прошла продолженное предобучение на отобранном италоязычном корпусе, затем SFT на 1,7 млн диалогов и инструкций в течение двух эпох и выравнивание с помощью DPO на нескольких наборах данных. Версия 0.4 улучшает работу агента, правдивость, математику и рассуждения; также заявлена поддержка создания mind map в Mermaid, стихов и переводов с латыни. Подходит для италоязычного диалога, ответов на вопросы, выполнения инструкций и генерации текста. Это бета-версия; авторы характеризуют её как достаточно безопасную и отмечают возможность отказа отвечать на токсичные запросы. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Moonshine Tiny VI — модель распознавания речи семейства Moonshine, разработанная Moonshine AI (ранее Useful Sensors). Это компактная seq2seq-модель с 27 млн параметров, предназначенная для транскрибации вьетнамской речи в текст на вьетнамском языке. Репозиторий содержит веса Safetensors; модель поддерживается библиотекой Transformers. Разработчик ориентирует её на системы транскрибации в реальном времени, работающие на устройствах с ограниченными памятью и вычислительными ресурсами. В карточке приведены результаты оценки на Fleurs и Common Voice 17. Модель может быть полезна для создания субтитров, расшифровки записей и голосовых интерфейсов на вьетнамском языке. Возможны галлюцинации — текст, отсутствующий в аудио, — и повторение фрагментов; проблемы могут быть заметнее на коротких или обрезанных записях. Карточка рекомендует проверять качество в целевом сценарии и не использовать модель для субъективной классификации людей или решений с высокими последствиями. Лицензия указана как other, поэтому конкретные условия использования следует сверить с файлами репозитория.

morisien-embed-v1.5 — модель эмбеддингов предложений, разработанная для маврикийского креольского языка (Kreol Morisien, mfe). Она дообучена Singaraj на основе sentence-transformers/LaBSE и предназначена прежде всего для поиска соответствующих по смыслу текстов между креольским, английским и французским языками. Архитектура — плотная BERT-модель; число параметров — 498,1 млн, максимальная длина контекста — 512 токенов, а рабочая длина последовательности в указанной конфигурации — 256 токенов. Модель принимает текст и выдаёт векторные представления для сравнения семантической близости. На тестах для поиска переводных соответствий она немного превосходит исходную LaBSE, в том числе для направлений между креольским, английским и французским. Прирост невелик, а результаты зависят от тестового набора; модель может путать маврикийский и гаитянский креольские языки и плохо различает причинные отношения. Лицензия — MIT.

IsValorum/Nex-N2.5-mini-APEX-I-MiniPlus-V1-GGUF — это GGUF-квантизированная версия модели Nex-N2.5-mini, разработанной nex-agi. Сборка подготовлена IsValorum с использованием индивидуальной тензорной схемы квантования APEX-I-MiniPlus V1 и предназначена для запуска через llama.cpp и совместимые инструменты. Модель относится к мультимодальным системам с поддержкой изображений и сценариев агентного взаимодействия с компьютером; заявлен pipeline image-text-to-text. Модель использует архитектуру MoE и рассчитана на работу с текстом и визуальными входными данными. В README заявлена поддержка английского, китайского, испанского, французского, немецкого, португальского, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского языков. Для V1 указаны F32 router gates, выходная голова Q6_K, attention gates Q8_0 и основные эксперты IQ3_XXS. Размер модели, точное число параметров и длина контекста для этой версии не указаны. К сильным сторонам относятся компактность по сравнению с полноразмерной моделью, сохранение повышенной точности чувствительных компонентов и возможность использования преимущественно системной RAM. Ограничения связаны с потерями качества, неизбежными при агрессивном квантовании, а также с тем, что приведённые в README подробные результаты некоторых сравнений относятся к другим версиям или моделям семейства и не подтверждают характеристики именно этой сборки. Модель распространяется по лицензии Apache-2.0.

OpenThaiGPT 1.0.0-beta Chat — чат-модель команды OpenThaiGPT, дообученная на базе LLaMA 2 с 13 млрд параметров. Она предназначена для следования инструкциям и ответов на вопросы, прежде всего на тайском языке; также поддерживает английский. Модель использует формат запросов Llama 2 и принимает текст, выдавая текст. Контекстное окно составляет 4096 токенов, веса представлены в формате PyTorch с точностью 16 бит. Модель расширяет словарь наиболее употребительных тайских слов и рассчитана на ускоренную обработку тайского текста. Для запуска авторы приводят пример с vLLM. Ответы не гарантируются; лицензия Apache-2.0.