I.6Перевод и языковая адаптация

Модель sanjay782/model_hindi_merged_16bit разработана пользователем sanjay782 и представляет собой дообученную версию Indic-gemma-7b-finetuned-sft-Navarasa-2.0 на архитектуре Gemma с плотной причинно-языковой моделью. Она предназначена для генерации текста; базовая модель обучена следовать инструкциям на 15 индийских языках и английском языке. Параметры модели занимают 8,2 млрд, контекст — до 8192 токенов. В карточке указано, что обучение проводилось с Unsloth и библиотекой TRL. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. README не уточняет, какие именно изменения или дополнительные обучающие данные использовались при дообучении этой версии, поэтому её специализацию на хинди по одному лишь названию подтвердить нельзя.

Anurag9817 выпустил плотную авторегрессионную языковую модель в стиле LLaMA для генерации текста. В карточке указано 590 млн параметров, однако метаданные Hugging Face сообщают 528,6 млн; поэтому точный размер модели по доступным данным расходится. Модель использует 18 слоёв, скрытый размер 1536, 12 attention heads, 6 KV heads, словарь SentencePiece на 40 тысяч токенов и контекст до 2048 токенов. Модель обучалась на непальском, английском и романизированном непальском тексте: README сообщает примерно 170 млн непальских токенов для начального обучения и около 351 млн токенов суммарной обучающей экспозиции после продолжения на смешанных данных. Она предназначена для продолжения обучения и генерации текста на этих языках. Веса доступны в формате safetensors для Transformers; для совместимости следует использовать приложенный токенизатор. Лицензия в предоставленных данных не указана.

Nova-1.1-0.8B — компактная англо-русская диалоговая модель HyperAI на базе HyperAiCorp/Nova-1-0.8B с архитектурой Qwen3_5ForConditionalGeneration. Это дообученный и объединённый с базовой моделью BF16-чекпойнт для Transformers; он сохраняет унаследованный от базы vision encoder, однако основная настройка этой версии посвящена диалогу и вызову функций. Размер модели — 0,8 млрд параметров. Модель предназначена для лёгких ассистентских приложений и сценариев, где нужно выбирать подходящий инструмент и формировать вызовы в JSON, XML или текстовом протоколе, не вызывая инструмент для обычных вопросов. Внутренние тесты разработчика показали улучшение качества tool calling относительно Nova-1.0 на его наборе из 100 англо- и русскоязычных примеров; это результаты точечной внутренней оценки, а не полное независимое тестирование. Указана лицензия Apache-2.0. Модель рассчитана на быстрые и лёгкие развёртывания, включая сценарии на устройстве. При размере 0,8 млрд параметров она уступает более крупным моделям в сложных рассуждениях, генерации кода и задачах с длинным контекстом. Поведение на новых формулировках может отличаться от проверенных примеров, поэтому результаты для важных задач следует проверять.

OdiaGenAI/odiagenAI-bengali-base-model-v1 — языковая модель семейства Llama, разработанная командой OdiaGenAI. Модель основана на Llama-7B и дообучена на 252 тысячах инструкций на бенгальском языке, полученных переводом открытых наборов данных. В метаданных указаны 6,6 млрд параметров, архитектура LlamaForCausalLM и контекст 2048 токенов. Модель предназначена для понимания инструкций на бенгальском языке и генерации ответов, например для диалоговых помощников и создания текстовых ответов на запросы. Доступны веса PyTorch. Лицензия в метаданных — CC BY-NC 4.0, а в README указана CC BY-NC-SA 4.0; условия лицензирования следует уточнить у автора репозитория.

Qwen2.5-7B-Danoia — датская дообученная языковая модель автора trollek на базе Qwen/Qwen2.5-7B-Instruct. Она предназначена для диалогов и генерации текста на датском языке; автор отмечает, что ответы модели цензурируются. Модель использует плотную архитектуру Qwen2 с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors и рассчитан на работу с библиотекой Transformers. Лицензия — Apache-2.0.

neosophie/Qwen3-ASR-1.7B-JA — дообученная модель Qwen3-ASR-1.7B для автоматического распознавания японской речи. Она предназначена для транскрибации аудио, где важны точная запись японских имён, топонимов, организаций, компаний и продуктов, редких вариантов кандзи, а также технических выражений со смешением японского и английского. Модель может нормализовать произнесённые числительные в японской записи и распознавать диктовку математических выражений и кода. Архитектура — плотная Qwen3-ASR для генерации текста по аудиовходу; репозиторий содержит веса Safetensors и рассчитан на работу через Transformers. Заявлены японский и английский языки. Базовая модель поддерживает распознавание и потоковую обработку речи, однако карточка этой версии не уточняет, сохраняется ли потоковый режим после дообучения. Модель распространяется по лицензии Apache-2.0. Специализация на японских именах и написании не гарантирует точность для любых говорящих, условий записи и терминологии.

Qwen3-ASR-1.7B-JA-Anime-Galgame — японская модель распознавания речи, созданная jaykwok полным дообучением Qwen/Qwen3-ASR-1.7B на корпусе японской речи из галгеймов litagin/Galgame_Speech_ASR_16kHz. Это плотная модель семейства Qwen3-ASR с архитектурой Qwen3ASRForConditionalGeneration; веса опубликованы в формате safetensors. Она принимает аудио и выдаёт текстовую транскрипцию на японском языке. Модель предназначена для расшифровки диалогов из визуальных новелл и игр, выразительной озвучки в аниме-стиле и подготовки субтитров. В небольшом тесте на 800 аудиофрагментах она показала улучшение относительно базовой 1,7-миллиардной модели, особенно на речи из игр и аниме; результат не является масштабной независимой оценкой. Для обычной японской речи модель может уступать исходной Qwen3-ASR-1.7B, поэтому перед широким применением её следует сравнить с базовой моделью на целевых данных. Возможны ошибки распознавания, различия в пунктуации и передаче вокализаций. Обучающие данные могут содержать материалы для взрослых. Лицензия указана как other, поэтому условия использования следует уточнить в карточке репозитория.

SeaLMMM-7B-v0.1 — мультимодальная модель SeaLLMs для текстовых и визуальных диалогов, основанная на SeaLLM-7B-v2 и архитектуре Llava-1.6 (Llava-NEXT). Модель объединяет многоязычные текстовые данные SeaLLM с англоязычными данными для зрения и синтетическими мультиязычными визуальными данными. Это модель с 7 млрд параметров, принимающая текст и изображения и генерирующая текст; заявленное контекстное окно — 32 768 токенов. Модель предназначена для ответов на вопросы по изображениям и текстовым диалогам, в том числе на языках Юго-Восточной Азии. README отмечает сильные результаты на текстовых задачах и улучшенное понимание изображений на вьетнамском и индонезийском по сравнению с рядом мультимодальных моделей. Основной акцент — текст, затем зрение; мультимодальные возможности лучше работают на английском, а OCR поддерживается только для английского. Многоходовые диалоги с изображениями ограничены. Для доступа к весам и коду требуется соблюдать условия SeaLLMs Terms Of Use; в метаданных указана лицензия other.

Это набор GGUF-квантизаций модели sh2orc/Llama-3.1-Korean-8B-Instruct. Базовая модель разработана sh2orc, а квантизации подготовлены командой featherless-ai-quants для запуска в формате GGUF. Модель предназначена для генерации текста и выполнения инструкций, прежде всего в сценариях, связанных с корейским языком. Доступны варианты квантизации IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0; размер файлов составляет примерно от 3 до 8 ГБ. Указано, что это 8-миллиардная модель семейства Llama 3.1, однако архитектура в README не раскрыта подробнее. Квантизация уменьшает требования к дисковому пространству и памяти по сравнению с полноразмерными весами, позволяя выбирать компромисс между размером и сохранением качества. Более низкие варианты обычно удобнее для ограниченных ресурсов, но могут сильнее снижать качество генерации. README не содержит сведений о точном контекстном окне, поддерживаемых языках помимо ориентации на корейский, мультимодальности, результатах оценки, рекомендуемых средствах запуска или лицензии.

kevinkrahn/shlm-grc-en — модель для получения векторных представлений предложений на английском и древнегреческом языках. Она создана на основе модифицированной архитектуры HLM — иерархического трансформера с учетом символьной структуры — и обучена методом многоязычной дистилляции для представления текстов обоих языков в общем векторном пространстве. Модель предназначена для поиска семантически близких предложений и сравнения текстов на английском и древнегреческом языках, в том числе для межъязыкового поиска. В метаданных указаны библиотека Transformers и формат весов Safetensors; карточка предупреждает о несовместимости с актуальной версией sentence-transformers. Лицензия — MIT.

Solar-Ko-Recovery-11B-sft-v2 — дообученная модель автора sboseong (Bo Seong, Seo) на базе beomi/Solar-Ko-Recovery-11B. Для обучения подготовили набор примерно из 10 тысяч примеров на основе открытых датасетов с Hugging Face. Это плотная авторегрессионная модель семейства Llama с 10,7 млрд параметров, рассчитанная на генерацию корейского и английского текста; длина контекста — 4096 токенов. Модель распространяется в формате Safetensors и предназначена для задач генерации текста. Лицензия — Apache-2.0.

Summer-0.5B-Chat — двуязычная чат-модель Ismantic, созданная с нуля на случайной инициализации весов. Она предназначена для диалогов на английском и китайском языках, ответов на вопросы, заданий с выбором варианта и простых переводческих инструкций. Модель обучена на 14,6 млрд токенов предобучения и 625 млн токенов чата; карточка указывает 436,2 млн параметров, архитектуру Qwen3 и контекст до 32 768 токенов. Для генерации требуется начинать каждый запрос с токена `、】【`; для длинных ответов автор рекомендует repetition_penalty=1.15. В опубликованных оценках модель показывает улучшение на тестах с выбором ответа после второго прохода по данным, однако сама карточка подчёркивает, что её обучающий бюджет намного меньше, чем у Qwen3-0.6B-Base. Китайские длинные ответы остаются менее стабильными, чем английские. Модель распространяется по лицензии Apache-2.0.

Sajid030/t5-base-grammar-synthesis — модель семейства T5, дообученная автором на базе предварительно обученной Flan-T5-base с использованием набора JFLEG и библиотеки Happy Transformer. Она исправляет грамматические ошибки в предложениях на английском языке, включая ошибки пунктуации, опечатки и неверное употребление предлогов. Модель принимает текст с префиксом «grammar:» и генерирует исправленный вариант. Архитектура — T5ForConditionalGeneration, размер — 123,7 млн параметров, длина контекста — 512 токенов. Репозиторий содержит веса в форматах PyTorch и safetensors; лицензия — Apache-2.0.

Tamil Large Language Model — текстовая языковая модель, созданная Mervin Praison и дообученная на наборе инструкций Alpaca на тамильском языке на базе Google Gemma 7B. Модель с плотной архитектурой Gemma содержит 8,2 млрд параметров и рассчитана на генерацию текста с контекстом до 8192 токенов. Модель предназначена для понимания и создания текста на тамильском языке. Её можно применять для подготовки контента, ответов на вопросы и автоматизации поддержки клиентов, а также в образовательных и исследовательских сценариях, связанных с тамильским языком. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка описывает назначение модели, но не приводит результатов оценки качества; поддержка английского заявлена в метаданных, однако основное назначение — работа с тамильским текстом.

Harveenchadha/vakyansh-wav2vec2-sanskrit-sam-60 — модель распознавания санскритской речи, опубликованная в рамках проекта Vakyansh. Она преобразует входной аудиосигнал в текст и основана на архитектуре wav2vec 2.0 с выходной головой CTC; в метаданных указано 113,3 млн параметров. Карточка Hugging Face показывает пример использования через pipeline automatic-speech-recognition, но не содержит описания лицензии или подробных результатов оценки качества. Модель предназначена для автоматической транскрипции речи на санскрите. Репозиторий Vakyansh относит вариант sam_60 к санскритским моделям, обученным на 60 часах данных. В метаданных модели указана библиотека Transformers и формат весов PyTorch.

infCapital/viet-llama2-ft — языковая модель семейства LLaMA 2, разработанная infCapital на основе чат-модели LLaMA 2 с 7 млрд параметров. В карточке указано расширение словаря до 44 800 токенов для работы с вьетнамским языком. По метаданным это плотная авторегрессионная архитектура LlamaForCausalLM в формате PyTorch; размер составляет 6,7 млрд параметров, контекст — 4096 токенов. Модель прошла продолженное предварительное обучение на 2 млрд вьетнамских токенов из новостного корпуса VnNews, книг vnthuquan и вьетнамской Википедии, а затем дообучение на датасете infCapital/viet-llama2-ft-tiny и других наборах инструкций, переведённых на вьетнамский язык. Она предназначена для генерации текста и диалоговых ответов на вьетнамском языке. Лицензия в предоставленных данных не указана.

liqing000/vietnamese-correction-t5 — модель T5-small, дообученная для исправления текста на вьетнамском языке. Она принимает текст и генерирует исправленный вариант; оценка карточки приводит результаты на тестовом наборе: Loss 1.0389, SacreBLEU 0.4360, WER 0.8762 и CER 0.8452. Модель содержит 38,5 млн параметров, использует архитектуру T5ForConditionalGeneration и контекст до 512 токенов. Выпущена по лицензии Apache-2.0. Описание обучающих данных и конкретных ограничений в карточке не приведено.

Модель Badr al-Absi для автоматического распознавания речи на шона. Это дообученная на 72 часах размеченной речи версия facebook/w2v-bert-2.0: архитектура Wav2Vec2-BERT с трансформерным энкодером, свёрточным извлечением признаков и CTC-выходом. В метаданных указано 402,7 млн параметров. Модель принимает аудио и преобразует речь на шона в текст. Она предназначена для транскрибирования аудиозаписей, голосовых помощников и инструментов доступности; заявленная точность на данных из целевой области — WER ниже 23%. Лицензия — CC-BY-4.0. Качество вне обучающей области может отличаться; карточка приводит оценку только для данных из целевой области. Модель рассчитана на шона, поэтому не следует считать её универсальным распознавателем речи.

syp1229/wav2vec2-large-xls-r-300m-korean_y_freq — модель автоматического распознавания речи на основе Wav2Vec2, дообученная автором репозитория на неизвестном наборе данных. Она принимает аудио и предназначена для преобразования речи в текст; название указывает на корейский язык, однако README не подтверждает языковой состав данных или область применения. Модель содержит 404 млн параметров и опубликована в формате Safetensors; базовая модель — facebook/wav2vec2-xls-r-300m. На указанном в README оценочном наборе приведены Loss 0,4522 и CER 13,5023. Лицензия — Apache-2.0. Сведения о длине контекста, условиях записи и ограничениях применения не приведены.

jonatasgrosman/wav2vec2-large-xlsr-53-japanese — модель автоматического распознавания японской речи, созданная Jonatas Grosman дообучением facebook/wav2vec2-large-xlsr-53. Это архитектура Wav2Vec2 с CTC-головой, содержащая 405,1 млн параметров. Модель принимает аудио и выдаёт распознанный текст; для входной речи требуется частота дискретизации 16 кГц. Модель обучена на обучающей и валидационной выборках Common Voice 6.1, а также на CSS10 и JSUT. В README приведена оценка на тестовых данных Common Voice: WER 81,80% и CER 20,16%; автор отмечает, что результаты могут различаться из-за особенностей используемых скриптов оценки. Модель предназначена для распознавания японской речи, но приведённые метрики указывают на существенные ошибки распознавания. Распространяется по лицензии Apache-2.0.

Модель sakares/wav2vec2-large-xlsr-thai-demo — дообученная разработчиком sakares версия facebook/wav2vec2-large-xlsr-53 для распознавания тайской речи. Она построена на архитектуре Wav2Vec2ForCTC и содержит 402,7 млн параметров; обучалась на данных Common Voice. Модель принимает аудио, записанное с частотой дискретизации 16 кГц, и преобразует речь в текст без языковой модели. Модель предназначена для автоматической транскрипции тайской речи и оценки качества распознавания на тестовой выборке Common Voice. В README приведён тестовый результат 44,46%, но метрика не уточнена. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

efwkjn/whisper-ja-anime-v0.1 — экспериментальная модель распознавания речи на основе Whisper, ориентированная на японскую речь и аудио из аниме и близких к нему областей. По карточке, это вариант с замороженным turbo-энкодером и двумя слоями декодера; автор сообщает об обучении в течение 2^19 шагов с размером пакета 8 и отмечает, что модель, вероятно, обучена недостаточно. В метаданных указаны архитектура Whisper, класс WhisperForConditionalGeneration и 905,2 млн параметров. Модель предназначена для японской транскрибации, в том числе длинных записей и аудио с аниме-сценами. Автор стремился сделать её заменой Whisper turbo и снизить галлюцинации. На тестах результаты на аниме-наборах были сопоставимы с anime-whisper или хуже, а на TEDxJP модель немного уступала turbo. В README также отмечены галлюцинации на некоторых аудиозаписях и трудности с акцентами. Файлы опубликованы в формате safetensors; сведения о лицензии в предоставленных материалах отсутствуют.

Tonykip/whisper-kalenjin-v3-turbo — модель распознавания речи на языке календжин, разработанная как дообучение Whisper large-v3-turbo с помощью LoRA. В репозитории размещена полная объединённая модель: адаптер уже встроен в веса; архитектура — WhisperForConditionalGeneration, размер — около 905,2 млн параметров. Модель предназначена для преобразования аудио на календжин в текст, прежде всего для речи кипсигис и нанди. Обучение проводилось на размеченных записях чтения из датасета Anv-ke/Kalenjin; для длинных аудио автор рекомендует чанковое декодирование и beam search со значением 5. На тесте из 198 фрагментов спонтанной речи указаны WER 65,56% и CER 21,10%; на английском модель уступает базовой Whisper примерно 5 пунктов WER. Ограничения включают заметно худшее качество на спонтанной речи и диалектах, недостаточно представленных в обучающих данных, а также повышенную задержку при beam search. Для длинных записей требуется чанковая обработка. Лицензия модели — MIT.

akera/whisper-large-v3-kin-100h-v2 — модель автоматического распознавания речи на основе Whisper, предназначенная для транскрибирования аудио на киньяруанда. Репозиторий связан с оценкой того, как объём обучающих данных влияет на качество распознавания речи на киньяруанда и кикую; карточка описывает эксперименты с наборами данных разного размера. В метаданных указаны архитектура WhisperForConditionalGeneration, около 905,2 млн параметров, библиотека Transformers и формат safetensors. Модель принимает аудио и выдаёт текстовую транскрипцию. Для репозитория указана лицензия MIT. В README не приведены конкретные метрики качества именно этой версии, поэтому её точность для отдельных условий записи оценить по имеющимся сведениям нельзя.

Whisper-ml-v1 — модель распознавания речи на малаялам, созданная дообучением openai/whisper-small на выборке IndicVoices. Она предназначена для транскрибирования коротких аудиозаписей длительностью примерно до 30 секунд; модель построена на архитектуре Whisper и распространяется в формате safetensors для библиотеки Transformers. Результат работы — текстовая расшифровка речи на малаялам. Модель подходит для транскрибирования коротких голосовых записей и аудиофрагментов на малаялам. Точность зависит от акцента, фонового шума и сходства тематики записи с данными IndicVoices. Лицензия — Apache-2.0.

Это дообученная модель OpenAI Whisper Small, созданная kalilouisangare для распознавания речи на бамбара. Она преобразует аудио в текст и предназначена для транскрибации записей на бамбара; модель обучена на 24 738 аудиопримерах из набора RobotsMali/bam-asr-early. В метаданных указаны архитектура Whisper, 153,1 млн параметров и формат safetensors; README сообщает о контекстном окне генерации 128 токенов. На полном тестовом наборе из 7 069 примеров автор приводит WER 43,70% и CER 21,38%, поэтому ошибки распознавания могут быть существенными и результат может требовать проверки и исправления. Лицензия — CC BY 4.0.

souba67/whisper-tiny-sundanese — дообученная модель OpenAI Whisper tiny для распознавания сунданской речи. Она основана на openai/whisper-tiny, содержит 29,4 млн параметров и предназначена для транскрибации аудио; репозиторий включает ONNX-варианты для запуска в браузере через transformers.js. В метаданных указана лицензия Apache-2.0. На тестовой выборке чтения вслух из корпуса OpenSLR SLR44 авторы сообщают WER 10,6%, а на повторном прогоне — 10,44%. На отдельных записях с микрофона ноутбука WER составил 69,68%, что показывает сильную зависимость качества от условий записи и словаря. Опубликованный int8 ONNX-вариант уменьшает размер декодера примерно в четыре раза, но на проверенных клипах показал WER 11,61% и совпал с PyTorch-версией посимвольно в 76,7% случаев.

mrm8488/BART Legal Spanish — базовая модель семейства BART, разработанная на основе архитектуры encoder-decoder и обученная на корпусах испанских юридических текстов. Она содержит 96,6 млн параметров, использует энкодер с двунаправленным представлением текста и авторегрессионный декодер; максимальный контекст составляет 1024 токена. Модель предназначена для последующей настройки на генеративные задачи, включая суммаризацию и перевод юридических текстов, а также может применяться для классификации и ответов на вопросы по юридическим материалам. Карточка приводит accuracy 0,86 и loss 0,68, но не сообщает условия оценки, поэтому эти значения не следует считать универсальной оценкой качества. Модель работает с текстом на испанском языке; репозиторий содержит веса PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

Beetle-FineWeb/beetle-bilingual-balanced-b5-fineweb-nld-eng — двуязычная авторегрессионная языковая модель семейства Beetle, разработанная проектом Beetle. Она предназначена для генерации текста и изучения языкового моделирования и переноса между нидерландским и английским языками; название указывает на сбалансированное обучение по языкам и вариант B5. Модель опубликована в формате safetensors и использует архитектуру pico_decoder; карточка организации указывает размер около 0,2 млрд параметров. Модель принимает текст и генерирует текст. Её можно применять для продолжения нидерландских и английских фрагментов и в экспериментах по двуязычному обучению. У модели ограниченная специализация на двух языках, поэтому её не следует считать универсальной многоязычной моделью. Достоверные сведения о длине контекста и лицензии в доступных источниках не установлены.

shibing624/chinese-text-correction-1.5b — модель китайской текстовой коррекции, разработанная shibing624. Она дообучена на базе Qwen/Qwen2.5-1.5B-Instruct на наборе данных shibing624/chinese_text_correction и предназначена для исправления орфографических и грамматических ошибок в китайском тексте, включая ошибки, связанные со звучанием или начертанием иероглифов, а также пропуски и лишние символы. Модель построена на архитектуре Qwen2 с плотной causal language model, содержит 1,5 млрд параметров и использует библиотеку Transformers; веса опубликованы в формате safetensors. Она принимает текст и генерирует исправленный текст, поддерживает китайский язык и имеет контекстное окно 32 768 токенов. В README приведён пример исправления китайского предложения и указаны обучение в течение восьми эпох и оценка на наборах для коррекции текста. Модель подходит для проверки и коррекции китайских пользовательских текстов, например сообщений и документов. README не приводит подробной оценки качества именно версии 1.5B, поэтому результаты на конкретных типах текста следует проверять отдельно. Лицензия — Apache-2.0.