I.6Перевод и языковая адаптация

VIZINTZOR/MMS-TTS-THAI-FEMALEV1 — модель синтеза речи VITS, разработанная автором репозитория на основе дообучения с использованием записей голоса из Play.ht. Она преобразует текст на тайском языке в речь женским голосом. В метаданных указано 3,6 млн параметров; веса представлены в формате safetensors. Модель предназначена для генерации тайской речи на локальном компьютере. README также упоминает возможность самостоятельно обучать голосовую модель через Google Colab. Лицензия в предоставленных данных не указана.

facebook/mms-tts-vag — модель синтеза речи на языке вагла (Vagla, код ISO 639-3: vag), разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на вагла. Модель доступна через библиотеку Transformers версии 4.33 и новее. В основе лежит архитектура VITS: модель предсказывает речь сквозным образом, используя текстовый энкодер, вариационный автоэнкодер, нормализующие потоки, стохастический предиктор длительности и декодер, построенный по принципу HiFi-GAN. В репозитории указано 3,5 млн параметров. Предиктор длительности стохастический, поэтому для повторения результата требуется фиксированное случайное зерно. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение.

RIFA-Edge-0.6B-GGUF — это квантованная версия языковой модели RIFA-Edge-0.6B, разработанной smshahbaj и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена для генерации текста и диалоговых сценариев на английском и бенгальском языках. Модель содержит около 0,6 млрд параметров и поставляется в форматах GGUF с различными вариантами квантования: от Q2_K до Q8_0, а также в варианте f16. Размер файлов составляет примерно от 0,4 до 1,3 ГБ, что делает модель подходящей для локального запуска на устройствах с ограниченными ресурсами. В README не указаны архитектура, максимальная длина контекста, мультимодальные возможности и результаты оценивания качества. Основное преимущество модели — компактность и наличие вариантов квантования с разным компромиссом между размером, скоростью и качеством; для Q4_K_S и Q4_K_M заявлена высокая скорость, а Q8_0 отмечен как вариант с наилучшим качеством. К недостаткам относятся потенциальное снижение качества при низкобитном квантовании и отсутствие подробных данных о производительности, области обучения и ограничениях применения. Модель распространяется по лицензии Apache-2.0.

Koichi Yasuoka подготовил эту модель на базе rinna/japanese-gpt2-small для морфосинтаксического анализа японского текста. GPT-2 дообучена на корпусе UD_Japanese-GSDLUW и предназначена для определения частей речи и зависимостей между словами; в Hugging Face она классифицирована как модель разметки токенов. Модель принимает японский текст и выдаёт токенизированную разметку, включая грамматические теги и зависимости. Архитектура — GPT-2 с плотными слоями, формат весов — PyTorch, размер контекста — 1024 токена. Лицензия — MIT.

sarvamai/sarvam-1-v0.5 — ранний контрольный чекпойнт языковой модели Sarvam от Sarvam AI. Это плотная авторегрессионная модель семейства Llama с 2,4 млрд параметров, обученная с нуля на 2 трлн токенов; она ещё не проходила постобучение. Модель предназначена для генерации продолжений текста и работы с текстовыми запросами на английском и десяти индийских языках: бенгальском, гуджарати, хинди, каннада, малаялам, маратхи, ория, панджаби, тамильском и телугу. Длина контекста — 8192 токена. Токенизатор оптимизирован для индийских языков и, по карточке, имеет средний показатель fertility около 2. Чекпойнт доступен в формате safetensors для Transformers; в README приведён пример генерации на хинди. Поскольку это ранний чекпойнт без постобучения, его диалоговые возможности и качество ответов могут быть ограничены. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

Vamsi разработал эту модель на основе T5-Base и дообучил её на наборе данных Google PAWS для перефразирования английских предложений. Она предназначена для генерации альтернативной формулировки предложения, сохраняя его смысл. Модель использует архитектуру T5 с 123,8 млн параметров и контекстом до 512 токенов; доступны варианты для PyTorch, TensorFlow и JAX, включая формат Safetensors. Модель подходит для создания перефразировок и вариантов текста на английском языке. В метаданных указана лицензия базовой модели? Сведений о лицензии в предоставленных источниках нет.

CAMeL-Lab/text-editing-qalb14-zaebuc-nopnx — модель SWEETNoPnx для исправления грамматических ошибок в текстах на современном литературном арабском языке (MSA). Она разработана CAMeL-Lab и представляет собой AraBERTv0.2-base, дообученную на наборах QALB-2014 и ZAEBUC. В метаданных указаны архитектура BERT, 162,4 млн параметров, контекст до 512 токенов и формат PyTorch. Модель предназначена для исправления ошибок, не связанных с пунктуацией. Она решает задачу token-classification и используется в рамках системы SWEET вместе с моделью SWEETPnx для пунктуационных ошибок. Авторы применяли её для оценки на dev- и test-частях ZAEBUC в работе ACL 2025; для использования требуется код SWEET и соответствующие зависимости. Лицензия модели — MIT. Модель настроена на арабский MSA и конкретно на исправление непунктуационных ошибок; сама по себе она не предназначена для исправления пунктуации.

Tibetan-Llama2-7B — плотная авторегрессионная языковая модель семейства Llama 2, разработанная авторами проекта Tibetan-Llama2. Модель содержит 6,7 млрд параметров, рассчитана на генерацию текста и поддерживает контекст до 4096 токенов. Веса PyTorch можно загружать для инференса и полного дообучения. Модель расширена тибетским словарём и прошла дополнительное предобучение на значительном объёме тибетских данных, чтобы улучшить понимание тибетского языка. Она предназначена для генерации текста на тибетском языке и может служить основой для дальнейшего обучения. В README также описано расширение контекста методом NTK свыше 18 тысяч токенов, однако это требует отдельной настройки. Это базовая модель, а не вариант Tibetan-Alpaca для следования инструкциям и диалога. Модель распространяется по лицензии Apache-2.0. README сообщает о совместимости с экосистемой Llama, включая Transformers, llama.cpp, text-generation-webui, LangChain и vLLM.

Модель HarrisDePerceptron/xls-r-300m-ur-cv7 — вариант facebook/wav2vec2-xls-r-300m, дообученный HarrisDePerceptron для автоматического распознавания речи на урду на датасете Mozilla Foundation Common Voice 7.0. Это плотная архитектура wav2vec2 с CTC-головой; в метаданных указано 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст на урду. На оценочной выборке указаны loss 1,2924 и WER 0,7201, что свидетельствует о заметной ошибке распознавания и ограничивает пригодность модели для сценариев, где важна высокая точность. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

AfriGuardPlain-tiny-aya-earth-full — языковая модель CohereLabs/tiny-aya-earth, дообученная adzcai полным SFT на наборе adzcai/AfriGuard-plain. Это вариант AfriGuard без системной инструкции по безопасности: обучающие примеры содержат запрос пользователя и обычный ответ. Модель предназначена для генерации диалоговых ответов и связанных с безопасностью сценариев на африканских языках. Модель имеет плотную архитектуру Cohere2ForCausalLM, 3,3 млрд параметров и контекст до 8192 токенов; файлы опубликованы в формате safetensors для Transformers. Метаданные указывают поддержку английского и ряда африканских языков, включая амхарский, хауса, игбо, оромо, шона, суахили, тви, волоф, йоруба и зулу. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое применение. Поскольку вариант обучен без safety-инструкции, его ответы не следует считать гарантированно безопасными.

AraToken-Qwen3-1.7B-CPT — модель продолженного предобучения на основе Qwen3-1.7B-Base, разработанная mariklolik для работы с арабским текстом. Это плотная авторегрессионная языковая модель с 1,7 млрд параметров, рассчитанная на генерацию текста; контекст составляет до 32 768 токенов. Модель использует исходный токенизатор Qwen3 и обучалась 2 000 шагов на арабских данных с обновлением слоёв 24–27. Модель предназначена для генерации и продолжения арабского текста. Встроенный нормализатор AraToken применяет NFKC, удаляет татвиль и огласовки, приводит цифры к западному набору и нормализует латинскую пунктуацию, поэтому на вход можно подавать необработанный арабский текст. В сравнении на первых 1 500 документах тестовой выборки AraToken-FineWeb2-HQ-ar показатель BPC составил 1,2672 против 1,3313 у базовой модели; специализированная версия AraToken-Qwen3-1.7B-LEP показала 1,2598. Модель имеет интерфейс чата и вызова инструментов, однако карточка не приводит отдельной оценки этих возможностей. По сравнению с версией LEP она сохраняет исходный токенизатор и уступает ей в указанном сравнении BPC. Распространяется по лицензии Apache-2.0.

Bambara TTS — модель синтеза речи на бамбарском языке (Bamanankan), разработанная sudoping01 на базе Facebook/Meta MMS. Она преобразует текст в аудио и предназначена для озвучивания текста на бамбарском; в README отмечено, что на языке говорят преимущественно в Мали. Модель использует архитектуру VITS, содержит 3,5 млн параметров и распространяется в формате Safetensors. README указывает частоту дискретизации 16 кГц и возможность работы на CPU при рекомендуемых 4 ГБ оперативной памяти. Модель рассчитана на стандартную орфографию бамбарского. Её ограничения включают нестабильную обработку заимствований и переключения на французский, различия в качестве между региональными диалектами, а также ограниченные просодию и эмоциональную выразительность. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое применение.

Koichi Yasuoka разработал эту DeBERTa V2 Large, дообученную на текстах Aozora Bunko для разметки частей речи и разбора зависимостей в японском тексте. Модель размечает длинные единицы слов тегами UPOS и признаками FEATS; в Transformers она используется как модель классификации токенов. Модель содержит 435,4 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт метки для токенов. Она предназначена для японского языка и обучена на данных Universal Dependencies. Распространяется под лицензией CC BY-SA 4.0.

Koichi Yasuoka разработал небольшую модель DeBERTa V2 для анализа японского текста. Она дообучена на базе KoichiYasuoka/deberta-small-japanese-aozora и размечает каждое короткое слово тегом части речи по стандарту UPOS; модель также предназначена для синтаксического анализа зависимостей. Модель содержит 18,4 млн параметров, принимает текст на японском языке и имеет контекст длиной до 128 токенов. Её можно использовать для автоматической разметки частей речи и анализа структуры японских предложений. Модель распространяется под лицензией CC BY-SA 4.0.

jinen-v2-xsmall — компактная модель для японского кана-кандзи преобразования, представленная в формате GGUF. Модель разработана Hitoshi Togasaki; в составе обучающего корпуса использовались обработанные библиографические данные Национальной парламентской библиотеки Японии и Japan Search. Она предназначена для преобразования японской записи хираганой или другого чтения в результат с кандзи с учётом левого контекста. Модель имеет размер 35,7 млн параметров и поддерживает японский язык. Доступны варианты F16 и квантованные варианты Q8_0, Q5_K_M и Q4_K_M размером примерно от 26 до 72 МБ. Для работы требуется контекст до 1024 токенов; в описанном тесте использовался левый контекст длиной 64 символа. На AJIMEE-Bench точность Accuracy@1 составляет 73,0–74,0%, а после NFKC-нормализации входа — 78,0–79,0%. Заявленная задержка p50 — 11–20 мс в зависимости от варианта. Ключевое ограничение — обязательная NFKC-нормализация промпта, поскольку без неё точность существенно снижается. Модель следует использовать в детерминированном режиме greedy с temperature 0 и top-k 1, применяя специальный формат токенов для входа, результата и левого контекста. Лицензия — CC BY-SA 4.0.

ThuyNT03/KLTN_COQE_viT5_total_SAPOL_v4 — дообученная ThuyNT03 модель на базе VietAI/vit5-large, построенная на архитектуре T5 и содержащая 389,3 млн параметров. В карточке указаны формат safetensors и лицензия MIT. README не раскрывает назначение модели, обучающие данные или результаты оценки; сведения о базовой модели указывают на генерацию текста на вьетнамском языке, включая ответы на вопросы, суммаризацию и перевод, но не подтверждают, какие из этих задач освоены данной доработкой.

ThuyNT03/KLTN_COQE_viT5_total_SPAOL — модель генерации текста на архитектуре T5, дообученная автором на базе VietAI/vit5-large. По названию репозитория модель связана с COQE и SPAOL, однако README не раскрывает конкретную задачу или назначение этих обозначений. Модель содержит 389,3 млн параметров и распространяется в формате safetensors. Базовая VietAI/vit5-large предназначена для генерации текста на вьетнамском языке, в том числе для ответов на вопросы, суммаризации и перевода; эти сведения характеризуют базовую модель, но карточка не подтверждает, какие именно возможности сохранены или специализированы в данной версии. Лицензия — MIT.

rasyosef/Llama-3.2-1B-Amharic-Instruct — дообученная по инструкциям версия плотной авторегрессионной модели семейства Llama 3.2, разработанная на основе rasyosef/Llama-3.2-1B-Amharic. Модель содержит 1,3 млрд параметров и предназначена для генерации текста и диалоговых ответов на амхарском языке. Модель можно применять для ответов на вопросы, выполнения инструкций и ведения диалога на амхарском. Она распространяется в формате Safetensors и рассчитана на контекст до 131 072 токенов. Для загрузки используется библиотека Transformers. Лицензия в предоставленных данных не указана.

Это модель синтеза речи на центральном аймара (ayr), разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует текст на этом языке в речевую аудиоволну и предназначена для озвучивания текста и создания речевых интерфейсов для носителей центрального аймара. Модель использует архитектуру VITS и содержит около 3,5 млн параметров. Это отдельный языковой чекпойнт MMS-TTS, обученный для центрального аймара; библиотека Transformers поддерживает его начиная с версии 4.33. Стохастический предиктор длительности позволяет получать варианты ритма речи, поэтому для воспроизводимого результата требуется фиксированное случайное зерно. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Модель специализирована на центральном аймара; качество синтеза для других языков не заявлено.

facebook/mms-tts-bwq — модель синтеза речи из текста для языка бобо-мадаре, южный диалект (код bwq), разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Это отдельный языковой чекпойнт семейства MMS-TTS, предназначенный для преобразования текстовой последовательности в речевую волну. Модель построена на архитектуре VITS и содержит около 3,5 млн параметров. VITS объединяет вариационный автоэнкодер, нормализующие потоки, стохастический предиктор длительности и декодер, подобный HiFi-GAN; из-за стохастичности генерации для повторяемого результата требуется фиксировать seed. Модель принимает текст на bwq и выдаёт аудио. Чекпойнт доступен через Transformers версии 4.33 и новее. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-ixl-dialect_santamarianebaj — модель синтеза речи на языке иксиль, диалект Санта-Мария-Небах, разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну; отдельная модель VITS обучена для этого языка. Архитектура VITS объединяет текстовый энкодер, потоковый модуль и декодер, построенный по принципу HiFi-GAN, а стохастический предиктор длительности позволяет варьировать ритм речи. Модель содержит около 3,5 млн параметров и доступна в форматах PyTorch и Safetensors. Модель предназначена для озвучивания текста на указанном варианте иксильского, например для речевых интерфейсов и создания аудиоверсий коротких текстов. Генерация недетерминирована: для воспроизводимого результата требуется фиксированное начальное значение генератора случайных чисел. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

facebook/mms-tts-jiv — модель синтеза речи на языке шуар (Shuar, код jiv), созданная Meta в рамках проекта Massively Multilingual Speech. Это отдельный языковой чекпойнт семейства MMS-TTS для преобразования входного текста в речевую аудиоволну. Модель основана на VITS — сквозной архитектуре с вариационным автоэнкодером, потоковыми слоями и декодером, построенным по принципу HiFi-GAN; размер составляет 3,5 млн параметров. Модель предназначена для озвучивания текста на шуарском языке. Стохастический предсказатель длительности позволяет варьировать ритм речи, поэтому при одинаковом тексте результат может различаться; для воспроизводимого вывода требуется фиксировать seed. Модель поддерживается библиотекой Transformers начиная с версии 4.33. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение.

facebook/mms-tts-laj — модель синтеза речи на языке лао (Lango, код laj), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует текст на этом языке в речевую аудиоволну и предназначена для озвучивания текстов и создания речевого вывода в приложениях. Модель построена на архитектуре VITS и обучена отдельно для одного языка; размер — 3,5 млн параметров. Использовать её можно через библиотеку Transformers версии 4.33 и новее. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Предсказатель длительности в VITS стохастический, поэтому при одинаковом тексте модель может генерировать варианты с разным ритмом; для воспроизводимого результата требуется фиксированное случайное зерно. Карточка не приводит оценок качества или характеристик голоса.

facebook/mms-tts-mam-dialect_central — модель синтеза речи на центральном диалекте языка мам из проекта Massively Multilingual Speech (MMS), разработанного Facebook. Она преобразует текст на мам в речевую аудиоволну и подходит для озвучивания текста на этом языке. Модель построена на архитектуре VITS и обучена как отдельный языковой чекпойнт. Она генерирует речь сквозным образом; стохастический предиктор длительности позволяет получать разные ритмические варианты одной фразы, поэтому для повторяемого результата требуется фиксировать seed. Размер модели — 3,5 млн параметров; для запуска доступна библиотека Transformers версии 4.33 и новее. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не приводит оценки качества или подробностей о голосе и произношении.

facebook/mms-tts-qwh — модель синтеза речи на языке кечуа, диалекте Уайлас-Анкаш (qwh), разработанная Facebook в рамках проекта Massively Multilingual Speech. Она преобразует текст на этом языке в речевую аудиоволну и подходит для озвучивания текстов и создания голосовых сообщений. Модель построена на архитектуре VITS: текстовый энкодер, потоковый модуль и декодер HiFi-GAN формируют речь сквозным образом; предсказатель длительности позволяет варьировать ритм. Чекпойнт содержит 3,5 млн параметров и доступен в форматах PyTorch и Safetensors; для использования поддерживается библиотека Transformers версии 4.33 и выше. Модель предназначена для языка qwh и не заявлена как многоязычная сама по себе. Из-за стохастического предсказания длительности одинаковый текст может давать разные варианты произношения; фиксированный seed позволяет воспроизводить результат. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

facebook/mms-tts-xtm — модель синтеза речи на языке Mixtec, Magdalena Peñasco (xtm), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на этом языке. Модель использует архитектуру VITS — сквозную систему синтеза речи на основе вариационного автоэнкодера, нормализующих потоков и декодера, построенного по принципу HiFi-GAN. Для каждого языка проекта обучается отдельный чекпойнт; размер этой модели — 3,5 млн параметров. Она доступна через Transformers версии 4.33 и новее. Стохастический предиктор длительности позволяет получать разные ритмические варианты произношения одного текста; для повторяемого результата требуется фиксировать seed. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

rnnandi/modified_smollm — модифицированная версия SmolLM2-135M, созданная автором rnnandi на базе HuggingFaceTB/SmolLM2-135M. В модель добавлена поддержка токенизатора бенгальского языка: словарь SmolLM2 объединён с токенами TituLM, а эмбеддинги увеличены под расширенный словарь. Архитектура LlamaForCausalLM сохранена; модель содержит 210 млн параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалогов, в том числе на бенгальском языке. Заявлена обратная совместимость с исходным SmolLM2 и улучшенная токенизация бенгальского текста. Веса опубликованы в формате safetensors. Лицензия — Apache-2.0.

nanot5-small-malaysian-cased — компактная модель семейства T5, разработанная Mesolitica и предварительно обученная на малайзийских текстах. Модель использует архитектуру T5 для генерации текста по текстовому входу; карточка указывает на предобучение с маскированием и контекст длиной 512 токенов. Модель подходит для экспериментов и приложений с текстом на малайском языке, где полезна компактная генеративная модель. В метаданных указаны 38,5 млн параметров и формат safetensors. Лицензия в предоставленных данных не указана.

Nekoqarasu-14B-Chat — японская чат-модель семейства Qwen, созданная p1atdev слиянием rinna/nekomata-14b и lightblue/qarasu-14B-chat-plus-unleashed с использованием Qwen/Qwen-14B. Модель предназначена для генерации ответов на японском языке и лучше знакома с повседневными знаниями и культурой Японии. Модель имеет плотную архитектуру QWenLMHeadModel, содержит 21,8 млрд параметров и принимает текстовый контекст длиной до 8192 токенов. Распространяется в формате safetensors. Автор указывает лицензию other, поэтому условия использования следует сверять с карточкой модели и лицензиями исходных моделей. Известное ограничение — модель часто отвечает чрезмерно длинно, отклоняется от вопроса и может не завершать текст. Автор не приводил количественных результатов бенчмарков.

NEPALI-LLM — языковая модель, дообученная shivam9980 на базе unsloth/gemma-2-9b-bnb-4bit с использованием Unsloth и Hugging Face TRL. Модель относится к семейству Gemma 2, имеет плотную архитектуру и около 9,1 млрд параметров; опубликованные веса представлены в формате Safetensors. Она предназначена для генерации текста, в том числе на непальском языке, что следует из названия модели и обучающего набора CulturaX. Модель принимает текст и генерирует текст. Контекст составляет до 8192 токенов. Репозиторий указывает лицензию Apache-2.0. Карточка не описывает конкретные сценарии применения и не приводит оценки качества, поэтому пригодность для отдельных задач на непальском языке следует проверять самостоятельно.