I.6Перевод и языковая адаптация

ELYZA-japanese-Llama-2-7b-instruct — языковая модель ELYZA на архитектуре Llama 2, предназначенная для генерации текста и инструкционного диалога. Модель расширяет способности Llama 2 к японскому языку дополнительным предварительным обучением; в карточке она указана как версия instruct семейства ELYZA-japanese-Llama-2-7b. Разработчики: Akira Sasaki, Masato Hirakawa, Shintaro Horie и Tomoaki Nakamura. Модель содержит около 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст. Контекст составляет 4096 токенов. В метаданных указаны японский и английский языки; основное назначение — работа с японским текстом, включая ответы по инструкциям и генерацию. Модель распространяется по лицензии Llama 2. Карточка не приводит подробных оценок качества или ограничений; как и другие языковые модели, она может выдавать неточные или вымышленные сведения.

hu_core_news_md — базовая модель обработки венгерского языка из проекта HuSpaCy, распространяемая как пакет для spaCy версии 3.8.1. Она принимает текст и выполняет токенизацию, определение границ предложений, морфологический и грамматический анализ, лемматизацию, синтаксический разбор и распознавание именованных сущностей. Модель подходит для подготовки венгерских текстов к поиску и анализу, выделения частей речи и грамматических признаков, построения зависимостей между словами и извлечения сущностей. В README указаны компоненты tok2vec, senter, tagger, morphologizer, lemmatizer, parser и ner; карточка содержит подробную схему меток для разметки токенов. Лицензия — CC BY-SA 4.0. В предоставленных данных нет сведений о числе параметров, длине контекста или оценках качества; поэтому их нельзя использовать для сравнения модели с другими системами.

KoVicuna — дообученная языковая модель на архитектуре Llama, созданная June Lee на основе Vicuna. Модель содержит 6,6 млрд параметров и предназначена для генерации текста, в том числе на корейском и английском языках. Модель опубликована в формате PyTorch и имеет контекстное окно 2048 токенов. Карточка не приводит оценок качества или подробных сценариев применения. Лицензия в предоставленных данных не указана.

bartowski/LiquidAI_LFM2.5-VL-3B-GGUF — набор GGUF-квантизаций модели LFM2.5-VL-3B, разработанной LiquidAI и преобразованной bartowski с использованием llama.cpp. Это мультимодальная модель для задач преобразования изображения и текста в текст: она принимает текст, а также изображения при наличии файла mmproj. Модель поддерживает арабский, китайский, английский, французский, немецкий, хинди, индонезийский, итальянский, японский, корейский, польский, португальский, русский, испанский, тайский и вьетнамский языки. Модель содержит около 3 млрд параметров, не поддерживает MTP и использует imatrix-квантизацию. Репозиторий предлагает варианты от BF16 и Q8_0 до компактных Q2–Q6 и IQ-квантизаций. Вариант Q4_K_M размером около 1,68 ГБ обозначен как сбалансированный по размеру и качеству; более высокие варианты Q5 и Q6 обеспечивают лучшее качество, а варианты Q3 и ниже рассчитаны на устройства с ограниченной оперативной памятью, но могут заметно уступать по качеству. Модель ориентирована на локальный запуск через совместимые инструменты экосистемы llama.cpp, включая сценарии на периферийных устройствах. К сильным сторонам относятся сравнительно небольшой размер, поддержка изображений и широкий набор языков. Ограничения включают зависимость мультимодального ввода от отдельного mmproj-файла, снижение качества при агрессивной квантизации и отсутствие сведений о размере контекста и результатах бенчмарков в предоставленной карточке. Лицензия указана как lfm1.0; подробные условия находятся в файле LICENSE.

Это плотная авторегрессионная языковая модель семейства Llama 3.1, разработанная на основе Meta Llama 3.1 8B Instruct и адаптированная для гуджарати. Модель дообучена на 500 млн токенов гуджарати из набора MADLAD-400; для целевого языка добавлен словарь из 10 тысяч токенов, а веса новых эмбеддингов и LM head инициализированы усреднением. В метаданных указаны 7,5 млрд параметров и контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогов на гуджарати, сохраняя инструкционную основу исходной модели. Её можно применять для ответов на вопросы, написания и продолжения текста на этом языке. Репозиторий использует Transformers и формат safetensors; указана лицензия Llama 3.1 Community License Agreement. Карточка не приводит результатов оценки качества, поэтому фактическую точность для разных задач следует проверять отдельно.

Mistral-ko-7B-v0.1-Mistral-7B-Instruct-v0.1 — объединённая модель на базе Mistral-7B-Instruct-v0.1 и Mistral-ko-7B-v0.1. Разработчик объединил веса методом SLERP; архитектура — плотная авторегрессионная MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов на инструкции, с акцентом на корейский язык. Поддерживает контекст до 32 768 токенов. Модель можно использовать для корейского диалога и генерации ответов на запросы в формате инструкций. Файлы весов опубликованы в формате safetensors. Лицензия — Apache-2.0. Качество и ограничения унаследованы от исходных моделей и результата слияния; в карточке отдельные оценки не приведены.

derkar00 разработал модель распознавания речи на туркменском языке, записанной латиницей. Это дообученная версия facebook/mms-1b-all — многоязычной модели wav2vec2 для распознавания речи более чем на тысяче языков. Архитектура модели — Wav2Vec2ForCTC, размер — 1,3 млрд параметров; она принимает аудио и преобразует речь в текст. Модель предназначена для транскрибирования чистой, разборчивой туркменской речи. Её можно применять для расшифровки записей и голосовых сообщений на туркменском языке. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Ndizi African ASR — модель распознавания речи, созданная smutuvi на основе Sunbird/Sunflower-Gemma4-E2B. Это объединённый чекпойнт для инференса на GPU или сервере; в него включены веса LoRA и компонент embed_audio. Для распознавания аудио README предлагает использовать языковой промпт на суахили, амхарском или оромо и получать текстовую расшифровку. Модель дообучена на данных для этих трёх языков, включая полевую речь на суахили и наборы ALFFA и Amharic Speech. На двух тестовых выборках Ndizi для суахили указанный WER составил 0,528 и 0,398; результаты не характеризуют качество на других доменах. Амхарский и оромо представлены в обучении, но README советует подавать соответствующие языковые промпты. Версия модели — v1; более поздние адаптеры меняют баланс качества для суахили и оромо. Модель использует архитектуру Gemma 4 и распространяется в формате safetensors через Transformers. Лицензия — Gemma. README предназначает этот репозиторий для GPU и серверов; для телефонов и периферийных устройств указан отдельный LiteRT-вариант.

Модель MohammadJRanjbar/parsbert-persian-punctuation — дообученная версия ParsBERT, созданная Mohammad Javad Ranjbar Kalahroodi, Heshaam Faili и Azadeh Shakery из Тегеранского университета и IPM. Она восстанавливает знаки препинания в персидском тексте, классифицируя токены; при обучении использовалась выборка из 1 млн примеров набора PersianPunc. На тесте из 1000 предложений авторы сообщают macro F1 91,33%, micro F1 97,28% и точное совпадение всего предложения в 61,80% случаев. Показатели различаются по знакам: F1 для точки составляет 98,71%, для вопросительного знака — 88,89%, для персидской запятой — 80,03%. Модель предназначена для персидского языка и распространяется по лицензии MIT.

PlaiFon 3B Chat — разговорная языковая модель на 3,2 млрд параметров, разработанная на базе wannaphong/plaifon-3b-base. Модель использует плотную архитектуру Qwen2 и предназначена для генерации текста и диалоговых ответов на тайском и английском языках. В карточке показаны примеры обычного ответа, режима рассуждений и вызова инструмента; заявлена работа через Transformers. Контекстное окно составляет 32 768 токенов. Модель может отвечать на вопросы и поддерживает интерфейс вызова инструментов. Она распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит оценок качества или подробностей о данных обучения; примеры показывают, что ответы могут содержать повторы.

Rio-3.5-Open-397B-GGUF — квантизированная версия модели Rio-3.5-Open-397B, разработанной prefeitura-rio и исходно опубликованной под именем Rio AI Labs. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix; модель распространяется в формате GGUF и предназначена для локального запуска. Модель ориентирована на задачи генерации текста и, согласно указанному pipeline_tag, обработки изображений с текстом. Заявлены языки Portuguese и English. Размер исходной модели — 397B параметров. Доступны варианты квантизации Q8_0, Q6_K, Q5_K_M, Q5_K_S, Q4 и IQ3–IQ4 с размером файлов примерно от 169 до 429 ГБ, что позволяет выбирать компромисс между качеством и требованиями к памяти. Контекстное окно, точная архитектура и результаты бенчмарков в README не указаны. Сильной стороной являются варианты высокой точности, включая Q6_K и Q5_K_M, а также совместимость с llama.cpp и рядом локальных приложений. Основные ограничения — чрезвычайно высокие требования к дисковому пространству и оперативной или видеопамяти, а также неизбежная потеря качества в младших вариантах квантизации. Модель предоставляется по лицензии MIT; условия использования исходной модели отдельно не раскрыты.

rinna/qwen2.5-bakeneko-32b — языковая модель rinna, полученная продолжительным предобучением Qwen/Qwen2.5-32B на смеси японских и английских данных. Модель предназначена для генерации текста и улучшения результатов на задачах японского языка. Она основана на трансформере Qwen2 с 32 млрд параметров и контекстом до 131 072 токенов; использует исходный токенизатор Qwen2.5 и распространяется в формате safetensors. При обучении модель продолжительно предобучали примерно на 18 млрд токенов из японских корпусов CC-100, C4, OSCAR и курируемого rinna набора, а также The Pile и Wikipedia. Авторы сообщают результаты на японском бенчмарке LM Evaluation Harness, однако карточка не приводит подробного разбора сильных сторон по отдельным задачам. Метаданные отмечают интерфейс чата и вызова инструментов, но это базовая модель продолжительного предобучения, а не отдельная instruction-модель. Модель может быть полезна для генерации японского и английского текста и как основа для последующей адаптации. Лицензия — Apache 2.0. Указанные результаты бенчмарка не гарантируют качество для конкретного пользовательского сценария.

Qwen3-ASR-Nepali — дообученная Siddhant Skarki модель Qwen3-ASR-1.7B для автоматического распознавания непальской речи и транскрибации аудио. Это плотная модель архитектуры Qwen3ASRForConditionalGeneration; в репозитории представлены веса safetensors. Обучение проводилось примерно на 157 часах общедоступной непальской речи, включая данные OpenSLR SLR54. По результатам оценки на трёх тестовых наборах, не использованных при обучении, модель показала средний WER 41,4% среди восьми проверенных открытых моделей. Она особенно хорошо справилась с разговорной речью IndicVoices-R и синтетической речью OpenSLR-43, а на чистой читаемой речи FLEURS уступила Meta MMS-1B. WER заметно различался между наборами, поэтому качество может зависеть от типа речи и набора данных. Лицензия указана как other; конкретные условия использования следует проверить в репозитории модели. Для загрузки в README приведён пример с библиотекой qwen_asr и PyTorch, с размещением модели на CUDA.

Карточка модели sail/Sailor2-14B на Hugging Face совпадает с карточкой sail/Sailor2-1B-Chat, поэтому описание составлено по ней. Sailor2-1B-Chat — чат-модель сообщества Sailor2 для генерации текста на языках Юго-Восточной Азии и других языках региона. Она основана на Sailor2-1B, дообученной версии Qwen2.5, и использует плотную архитектуру Qwen2. Объём модели составляет 851,8 млн параметров, формат весов — safetensors, длина контекста — 4096 токенов. Модель предназначена для диалогов и выполнения инструкций, включая специализированные сценарии и использование в спекулятивном декодировании. В проекте Sailor2 модели непрерывно предварительно обучались на 500 млрд токенов для поддержки 15 языков: английского, китайского, бирманского, себуанского, илоканского, индонезийского, яванского, кхмерского, лаосского, малайского, сунданского, тагальского, тайского, вьетнамского и варайского. Компактный размер упрощает применение при ограниченных вычислительных ресурсах, но возможностей модели может быть недостаточно для сложных задач по сравнению с более крупными вариантами Sailor2. Модель выпущена под лицензией Apache 2.0. Для загрузки автор рекомендует Transformers версии 4.46.3.

Карточка модели sail/Sailor2-20B-Chat на Hugging Face совпадает с карточкой sail/Sailor2-1B-Chat, поэтому описание составлено по ней. Sailor2-1B-Chat — чат-модель сообщества Sailor2 для генерации текста на языках Юго-Восточной Азии и других языках региона. Она основана на Sailor2-1B, дообученной версии Qwen2.5, и использует плотную архитектуру Qwen2. Объём модели составляет 851,8 млн параметров, формат весов — safetensors, длина контекста — 4096 токенов. Модель предназначена для диалогов и выполнения инструкций, включая специализированные сценарии и использование в спекулятивном декодировании. В проекте Sailor2 модели непрерывно предварительно обучались на 500 млрд токенов для поддержки 15 языков: английского, китайского, бирманского, себуанского, илоканского, индонезийского, яванского, кхмерского, лаосского, малайского, сунданского, тагальского, тайского, вьетнамского и варайского. Компактный размер упрощает применение при ограниченных вычислительных ресурсах, но возможностей модели может быть недостаточно для сложных задач по сравнению с более крупными вариантами Sailor2. Модель выпущена под лицензией Apache 2.0. Для загрузки автор рекомендует Transformers версии 4.46.3.

Sailor-4B-Chat — чат-модель для генерации текста, разработанная командой Sailor и основанная на Qwen 1.5. Это дообученная инструктивная версия Sailor-4B с архитектурой Qwen2 и 3,6 млрд параметров; она принимает текст и формирует текстовые ответы, поддерживает контекст до 32 768 токенов. Модель предназначена прежде всего для языков Юго-Восточной Азии: индонезийского, тайского, вьетнамского, малайского и лаосского; метаданные также отмечают английский и китайский. Модель подходит для диалогов, ответов на вопросы и рассуждений на языках региона. В README отмечены результаты в задачах ответов на вопросы и рассуждений здравого смысла. Она дообучена на открытых наборах данных, включая Aya и OpenOrca. Распространяется по лицензии Apache-2.0. Карточка не приводит подробных результатов бенчмарков для этой версии, поэтому качество на конкретных языках и задачах может различаться.

SambaLingo-Japanese-Base — базовая предварительно обученная двуязычная языковая модель, разработанная SambaNova Systems. Она основана на Llama 2 и адаптирована к японскому языку на 42 млрд токенов японской части Cultura-X. Модель имеет плотную архитектуру Llama, около 6,7 млрд параметров и контекстное окно 4096 токенов; словарь токенизатора расширен с 32 000 до 57 000 токенов за счёт японских токенов. Модель предназначена для генерации текста на японском и английском языках и может использоваться для продолжения текста, few-shot prompting и оценки языковых моделей. В README отмечены результаты по perplexity и переводу на FLORES-200. Это базовый чекпойнт, а не версия для диалога: для прямых вопросов и чата разработчик рекомендует SambaLingo-Japanese-Chat. Для предсказуемого вывода предлагается отключить сэмплирование и использовать примеры в контексте. Модель загружается через Transformers в формате PyTorch. Ограничения включают возможные галлюцинации, переключение между языками, повторы, слабые результаты в программировании и сложной математике, а также риск токсичных ответов. Не предназначена для критически важных приложений и решений, влияющих на безопасность. Использование регулируется лицензией Meta Llama 2 Community License Agreement.

SambaLingo-Thai-Base-70B — базовая двуязычная языковая модель SambaNova Systems для генерации текста на тайском и английском языках. Она дообучена на базе Llama 2 70B на 26 млрд токенов тайской части Cultura-X; архитектура — плотная LlamaForCausalLM с 68,9 млрд параметров. Контекст составляет 4096 токенов, а словарь токенизатора расширен с 32 000 до 57 000 токенов. Модель предназначена для продолжения текста и few-shot сценариев, включая генерацию на тайском и английском, а также экспериментов с переводом между языками. В README сообщается о высоких результатах оценки по perplexity и переводу FLORES-200. Это базовый предварительно обученный чекпойнт, поэтому для прямых вопросов и диалогов разработчик рекомендует чат-версию SambaLingo-Thai-Chat-70B. Модель может галлюцинировать, переключаться между языками или диалектами, повторять фразы и ошибаться в коде и сложной математике; возможна генерация токсичного или неподходящего текста. Она не предназначена для критически важных приложений и решений, влияющих на безопасность. Использование весов регулируется лицензией Meta Llama 2 Community License Agreement.

vishal1210/sanskrit-english-embedding — текстовая модель Sentence Transformers, дообученная на базе intfloat/multilingual-e5-small. Она использует архитектуру BERT с усредняющим pooling и нормализацией, преобразует предложения в плотные эмбеддинги размерностью 384 и сравнивает их по косинусному сходству. Максимальная длина входа — 512 токенов; модель принимает текст и выдаёт векторы. Модель предназначена для семантического поиска и сравнения предложений на английском и санскрите, включая межъязыковой поиск соответствий. В README приведены пары запросов и passages на этих языках; также модель можно применять для поиска парафраз, кластеризации и классификации на основе эмбеддингов. Для обучения использовано 1 120 пар предложений и MultipleNegativesRankingLoss. Карточка не сообщает результатов бенчмарков, поэтому качество на других текстах и предметных областях не установлено. Контекст ограничен 512 токенами. Лицензия в предоставленных данных не указана.

Spark-X2.5-4B Heretic JP — сояака Кинохара — производная модель XHToken/Spark-X2.5-4B, адаптированная для японского языка. Это плотная авторегрессионная языковая модель примерно на 3,8 млрд параметров, распространяемая в формате SafeTensors с весами BF16. Для работы в Transformers требуется пользовательский код модели и параметр trust_remote_code=True. Модель предназначена для японского диалога, выполнения инструкций и вызова инструментов. В процессе подготовки применялись ослабление отказов, продолженное обучение на японской Википедии, настройка на японских инструкциях и дополнительная настройка вызова инструментов. Заявленный контекст составляет до 1 048 576 токенов; базовая Spark-X2.5-4B также описана как многоязычная модель для кода, рассуждений, перевода и агентных задач, однако карточка этой версии прежде всего подтверждает японскую адаптацию и диалоговое использование. Модель может выдавать ответы на небезопасные и вредоносные запросы и не имеет надёжного встроенного защитного слоя. Лицензия — Apache-2.0; модель предоставляется «как есть», поэтому для применения нужны подходящие меры модерации и проверки.

TEA-ASR-1.1-mini — компактная модель распознавания речи, разработанная участниками проекта TEA-ASR для повседневного тайваньского мандаринского языка. Это дообученная версия Qwen3-ASR-0.6B с плотной архитектурой Qwen3ASRForConditionalGeneration; в README указано 780 млн параметров. Модель преобразует речь в традиционный китайский текст с лексикой Тайваня и рассчитана на переключение между мандаринским и английским языками. Встроенные теги формата позволяют управлять записью английских фрагментов и стилем записи чисел. Модель предназначена для транскрибации аудио в компактных сценариях, где важны тайваньская лексика и смешанная китайско-английская речь. Она поставляется как единый checkpoint в формате Safetensors и работает через Transformers как Qwen3-ASR. По README, в версии 1.1-mini улучшена обработка переключения языков относительно первого поколения; численные результаты приведены для ASCEND и CSZS. Лицензия — MIT.

ISTNetworks объединила Ultravox v0.6 с языковой моделью Qwen3-32B и аудиокодировщиком Whisper-large-v3-turbo, адаптированным для диалектного арабского языка. Модель принимает аудио в сообщении пользователя и формирует текстовый ответ; карточка указывает поддержку арабского и английского языков, а архитектура относится к семейству Ultravox. Модель предназначена для диалоговых сценариев с аудио на диалектном арабском, включая распознавание речи и ответы на её содержание. В состав входят языковая модель, аудиокодировщик, мультимодальный проектор, токенизатор и экстрактор признаков Whisper. Для запуска весов bf16 требуется около 67 ГБ памяти; README приводит варианты с двумя GPU по 80 ГБ или одной такой GPU с квантизацией либо выгрузкой части вычислений на CPU. Лицензия — MIT.

WangchanLION-v3-IT — мультиязычная языковая модель с инструкционной настройкой для тайского языка, разработанная Products Pillar, AI Singapore и VISTEC. Это декодер на архитектуре Llama 3 с 7,5 млрд параметров, дообученный на примерно 3,76 млн тайских пар «инструкция — ответ»; базовая модель — aisingapore/WangchanLION-v3. Модель поддерживает тайский и английский языки, использует контекст до 131 072 токенов и предназначена для диалогов и выполнения инструкций. Подходит для ответов на вопросы, создания текстов и других задач генерации по запросу, особенно на тайском языке. Модель склонна к галлюцинациям и может выдавать нерелевантные или непоследовательные ответы. Она не обучена работе с системными промптами и вызову инструментов, а также не прошла настройку безопасности. Лицензия — Llama 3.1 Community License.

infinitejoy/wav2vec2-large-xls-r-300m-armenian — модель распознавания речи на базе архитектуры wav2vec 2.0, дообученная на facebook/wav2vec2-xls-r-300m для армянского раздела HY-AM набора Mozilla Common Voice 7.0. Она принимает аудио и преобразует речь в текст; предназначена для автоматической транскрипции армянской речи. В метаданных указано 402,7 млн параметров, реализация на PyTorch и лицензия Apache-2.0. На оценочной выборке карточка сообщает Loss 0,9669 и WER 0,6942, что указывает на заметные ошибки распознавания; качество может зависеть от условий записи, диктора и словаря. Карточка не описывает дополнительные сценарии или ограничения.

ayameRushia/wav2vec2-large-xls-r-300m-id — модель автоматического распознавания речи на архитектуре Wav2Vec2ForCTC, разработанная на основе facebook/wav2vec2-xls-r-300m. Её дообучили на индонезийской части набора Mozilla Common Voice 8.0; размер модели составляет 402,7 млн параметров. Модель преобразует входящую речь на индонезийском языке в текст. В README указаны значения Loss 0,3975 и WER 0,2633 на наборе оценки. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Карточка не описывает дополнительные сценарии применения или ограничения качества.

infinitejoy/wav2vec2-large-xls-r-300m-welsh — модель распознавания речи на архитектуре Wav2Vec2ForCTC, разработанная дообучением facebook/wav2vec2-xls-r-300m на валлийской части набора Mozilla Common Voice 7.0. Она преобразует аудио с речью на валлийском языке в текст и подходит для транскрибирования записей и голосовых сообщений. В оценке на указанном наборе достигла WER 0,2702 и loss 0,2650. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0.

wav2vec2-large-xlsr-53-icelandic-ep10-1000h — акустическая модель распознавания исландской речи, разработанная Карлосом Даниэлем Эрнандесом Меной в Language and Voice Laboratory при Университете Рейкьявика. Модель получена дообучением facebook/wav2vec2-large-xlsr-53 в течение 10 эпох на примерно 1000 часах исландских аудиоданных. Она использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров. Модель предназначена для преобразования исландской речи в текст, в том числе для записей детской речи, парламентских выступлений и других аудиоматериалов. В обучающие данные вошли корпуса Samrómur, Samrómur Children, Malrómur, Althingi Parliamentary Speech и данные носителей второго языка; часть материалов не опубликована. В README приведён результат оценки 0,094 без уточнения метрики. Модель распространяется по лицензии CC BY 4.0.

Модель ivangtorre/wav2vec2-xlsr-300m-quechua — дообученная модель распознавания речи на архитектуре Wav2Vec2ForCTC, созданная на основе Wav2Vec2.0 XLS-R 300M. Она обучена на обучающей части набора Americas NLP 2022 для кечуа и предназначена для преобразования речи на кечуа в текст. Модель принимает аудио и выдаёт текстовую транскрипцию; в карточке приведён пример прямого использования без языковой модели. Размер по метаданным — 402,7 млн параметров. Лицензия — CC BY 4.0.

CasperMuz/whisper-base-sna-ven-pilot — дообученная модель OpenAI Whisper Base для автоматического распознавания речи на шона и тшивенда. Она основана на архитектуре WhisperForConditionalGeneration и принимает аудио, выдавая распознанный текст. Модель обучена на очищенном наборе WAXAL для шона и наборе Swivuriso для тшивенда; карточка указывает оценку WER 56,48 на evaluation set, 36,81 для шона и 76,15 для тшивенда. Результаты показывают заметно различающееся качество для двух языков, особенно слабое для тшивенда. Распространяется по лицензии Apache-2.0.

Whisper Large Northern Sámi — модель распознавания речи, созданная дообучением openai/whisper-large-v2 на наборе данных audiofolder. Она предназначена для преобразования аудио на северносаамском языке в текст. В карточке приведены результаты оценки: WER 24,9143 и loss 0,5559. Модель содержит около 905,2 млн параметров, использует архитектуру WhisperForConditionalGeneration и распространяется в форматах PyTorch и Safetensors. Базовая Whisper Large v2 — мультиязычная модель для транскрибации и перевода речи, но эта версия дообучена для распознавания северносаамской речи. Лицензия — Apache-2.0. Подробности об условиях записи аудио, обучающем наборе и ограничениях применения в карточке не раскрыты.