I.6Перевод и языковая адаптация

Siwon Mini Instruct 0626 — дообученная модель автора IamMcCoy на базе microsoft/Phi-4-mini-instruct для выполнения инструкций на корейском языке. Модель использует плотную архитектуру Phi-3 с причинным языковым моделированием, содержит 3,8 млрд параметров и поддерживает контекст до 4096 токенов. Файлы представлены в формате safetensors; карточка указывает возможности диалогового взаимодействия и генерации текста. Дообучение методом supervised fine-tuning на корейских наборах инструкций направлено на улучшение ответов на корейском языке. Модель подходит для диалоговых приложений и выполнения текстовых инструкций на корейском; заявлены также английский язык. В README приведено сравнение с другими моделями по трём корейским бенчмаркам, но оценки самой Siwon Mini Instruct 0626 в таблице отсутствуют. В README указано, что коммерческое использование запрещено; модель предназначена только для исследований и обучения, а её применение и распространение в коммерческих продуктах и сервисах не разрешены.

ThonburianTTS — тайская система синтеза речи от Looloo Technology и Biomedical and Data Lab Университета Махидол, созданная на основе F5-TTS. Модель преобразует текст на тайском языке в речь; доступны варианты для тайского письма и Thai IPA. Синтез основан на flow matching и диффузионных методах. Модель умеет имитировать голос по короткому аудиофрагменту, а также поддерживает настройку скорости речи и обрезку тишины. Репозиторий содержит веса в формате safetensors и отмечен как дообучение SWivid/F5-TTS. Для работы требуются компоненты экосистемы F5-TTS. Карточка указывает лицензию CC, но не уточняет её вариант; условия использования и распространения стоит сверить с лицензией репозитория.

wav2vec2-xls-r-300m-rinpoche — модель распознавания тибетской речи, разработанная GarchenArchive для транскрибирования выступлений Гарчена Ринпоче. Это дообученная на базе facebook/wav2vec2-xls-r-300m модель с CTC-выходом и символьным словарём из 129 токенов; для декодирования также доступна языковая модель KenLM на 5-граммах. На вход принимает монофоническое аудио с частотой 16 кГц, на выходе формирует текст без заданного максимума длины. Модель обучена на записях одного диктора и специфическом речевом регистре. На тестовом наборе из 1 394 высказываний CER составляет 0,1867 при жадном декодировании и 0,1856 с KenLM; качество выше на длинных фрагментах, чем у сравниваемой Whisper-модели, и ниже на коротких. KenLM построена на более ранних расшифровках, а часть тибетских символов отображается в неизвестный токен; модель также склонна к близким по написанию ошибкам. Лицензия в предоставленных данных не указана.

KonradBRG/xlm-mlm-plains-cree-en-silver-sft-hierarchical — дообученная модель для классификации текстовых выражений по типам образного языка. По названию модель связана с Plains Cree и английским языком; README сообщает о проверке на literal, idiom, metaphor и simile, а метаданные указывают архитектуру HierarchicalFigurativeModel и формат safetensors. На оценочном наборе указаны Macro F1 0,5323, Literal F1 0,8470, Idiom F1 0,1852, Metaphor F1 0,1739 и Simile F1 0,9231. Модель подходит для автоматической разметки буквальных выражений, идиом, метафор и сравнений в текстах. Метрики показывают заметно более слабое распознавание идиом и метафор, чем буквальных выражений и сравнений, поэтому результаты для этих классов требуют проверки. README не раскрывает базовую модель, обучающий набор данных и условия лицензии.

Модель Minwoo-Study/AIHUB_IndonesianCorpus_Generation разработана в рамках проекта по созданию данных для обучения ИИ в Корее. Это разговорная модель генерации текста на базе LLaMA 2 Chat с архитектурой LlamaForCausalLM и примерно 6,6 млрд параметров. Она принимает вопросы и команды на индонезийском языке и генерирует ответы на индонезийском, в том числе на темы, связанные с Кореей. Обучение включало дообучение LoRA без учителя на корпусе индонезийского языка объёмом около 200 млн токенов и дообучение с учителем на наборе вопросов и ответов о Корее. Контекст модели составляет 4096 токенов. В описанной человеческой оценке модель заняла второе место среди пяти сравниваемых кандидатов. Модель распространяется по лицензии MIT.

Akhorika E2B Base — базовая языковая модель на архитектуре Gemma 4 E2B, разработанная ananddey и продолжившая предобучение на корпусах ассамского языка. Модель содержит 2,69 млрд параметров, из которых 1,91 млрд приходится на активный текстовый декодер; используется плотная архитектура Gemma4ForConditionalGeneration и формат весов safetensors. Для модели создан токенизатор SentencePiece Unigram с ассамским приоритетом и словарём из 32 000 токенов. Эмбеддинги инициализированы проекцией поверхностных форм подслов из эмбеддингов исходной Gemma. Модель рассчитана прежде всего на работу с ассамским языком, также поддерживает английский; контекст и сценарии диалога в карточке не описаны. Это базовая модель продолженного предобучения для последующей адаптации и генерации текста, а не специализированный прикладной ассистент. Лицензия — Gemma.

Banano kirtis v2 — модель Kristijonas для расстановки ударений в литовском тексте. Она предсказывает для каждого слова ударный слог и тип акцента с учётом контекста, чтобы различать омографы и варианты ударения. Модель построена на архитектуре XLM-RoBERTa large и решает задачу классификации токенов: 37 классов, одна метка на слово, присваиваемая первому субтокену. Число параметров — 658,7 млн, максимальная длина контекста — 514 токенов. Модель дообучена на FacebookAI/xlm-roberta-large на корпусе meldynamics/lt-stressed-corpus: 108 324 предложения и 1,14 млн размеченных слов. В карточке приведены высокие показатели согласия с разметкой корпуса; это не подтверждённая экспертами точность, поскольку открытого экспертно размеченного теста для литовского ударения пока нет. Для лучшего результата автор рекомендует сначала использовать словарь корпуса, а модель — для выбора среди вариантов и обработки остальных слов. Иностранные имена модель часто оставляет без ударения, а редкие чтения омографов могут уступать частотным; аббревиатуры, цифры и отдельные буквы следует пропускать без изменений. Лицензия — Creative Commons Attribution 4.0 International (CC BY 4.0).

Koichi Yasuoka разработал японскую модель BERT для разметки частей речи и синтаксического анализа зависимостей. Это дообученная модель BertForTokenClassification на основе tohoku-nlp/bert-base-japanese-v2, предобученной на текстах японской Википедии. Модель присваивает UPOS каждому слову в японском тексте; карточка показывает применение для разметки токенов. Размер модели — 138,4 млн параметров, максимальный контекст — 512 токенов. Модель подходит для автоматической разметки японских текстов частями речи и подготовки данных для лингвистического анализа. Она использует PyTorch и Transformers. Лицензия — CC BY-SA 4.0.

Модель mrm8488/bert-spanish-cased-finetuned-pos — дообученная Manuel Romero (@mrm8488) версия испанского BERT BETO для определения частей речи и другой токенной разметки в испанском тексте. Она обучена на испанских корпусах CONLL с аугментацией данных; в карточке указаны 340 тысяч примеров для обучения, 50 тысяч для проверки и 60 меток. На наборе оценки достигнута F1-мера 90,06. Модель принимает текст и назначает метку каждому токену. Архитектура — BertForTokenClassification, размер — 137,1 млн параметров, максимальный контекст — 512 токенов. Доступны веса PyTorch, Flax и Safetensors. Лицензия в предоставленных данных не указана.

Brahvi Whisper Small — модель распознавания речи на брахви (брахуи), разработанная TBOGamer22 путём полнопараметрической донастройки OpenAI Whisper Small. Она преобразует речь на брахви в текст на письме персо-арабской графикой и предназначена для транскрибирования речи, экспериментов с распознаванием малоресурсных языков и дальнейшего дообучения. Для распознавания следует задавать `language="ur"` и `task="transcribe"`: токен урду используется как техническая совместимость, а не означает поддержку транскрибирования урду. Перевод речи моделью не обучался. Обучение проведено на наборе TBOGamer22/BrahuiSpeech-70H-V2: 14 978 аудиофрагментов общей длительностью около 66 часов 39 минут. На отложенной выборке из того же набора WER составил 55,71%, а CER — 22,83%; это внутридоменная оценка, не независимый внешний тест. Качество зависит от диалекта, записи, шума, говорящего и переключения языков; модель может пропускать, повторять или выдумывать слова, особенно в тишине и сильно искажённом аудио. Результаты рекомендуется проверять с носителем брахви. Лицензия в предоставленных сведениях не указана.

CantoneseLLM-6B-preview202402 — экспериментальная языковая модель от hon9kon9ize, созданная на основе 01-ai/Yi-6B дополнительным предварительным обучением на 800 млн токенов кантонского текста. Это плотная авторегрессионная модель семейства Llama с 5,8 млрд параметров и контекстом до 4096 токенов; веса опубликованы в формате safetensors. Модель предназначена для понимания и генерации текста на кантонском языке, например для написания и продолжения текстов или создания прототипов языковых приложений. Обучающие материалы включают переведённую Википедию zh-yue, новости RTHK, отфильтрованные данные CC100 и учебные тексты. Разработчик называет эту версию предварительной и экспериментальной, с планами дальнейшей настройки и оценки. Модель может хуже работать с другими разновидностями китайского языка и неформальным или диалектным кантонским; знания об актуальных событиях Гонконга ограничены, также возможны предвзятые ответы и фактические ошибки. В метаданных лицензия обозначена как other, конкретные условия использования в README не приведены.

CroSloEngual BERT — трёхъязычная модель семейства BERT, разработанная для хорватского, словенского и английского языков и обученная на корпусах на этих языках. Она использует архитектуру bert-base и предназначена, в частности, для предсказания замаскированных токенов и переноса знаний между тремя языками. В карточке модели заявлено, что благодаря специализации на трёх языках она превосходит multilingual BERT, сохраняя возможности межъязыкового переноса, недоступные одноязычным моделям. Модель содержит 151,3 млн параметров, поддерживает контекст до 512 токенов и опубликована в форматах PyTorch и Flax. Модель подходит для языковых экспериментов и задач на хорватском, словенском и английском, включая заполнение пропусков в тексте. Результаты оценки описаны в статье авторов о FinEst BERT и CroSloEngual BERT. Лицензия — CC BY 4.0.

Suchae EEVE-Korean-Judgment-Transducer-10.8B-v2.0 — диалоговая языковая модель семейства Llama, разработанная Suchae и дообученная на yanolja/EEVE-Korean-Instruct-10.8B-v1.0. Модель содержит 10,6 млрд параметров и принимает текст, генерируя текст; доступна в формате safetensors и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста в диалоговом формате, в частности для сценариев на корейском языке, на что указывают название и базовая модель. Опубликована под лицензией Apache-2.0. Карточка не описывает специальную область применения или оценки качества.

EXAONE U-CURATE Random1K 1epoch v1 — экспериментальная дообученная языковая модель hoySky92 на основе LGAI-EXAONE/EXAONE-3.5-7.8B-Instruct. Она предназначена для диалоговой генерации текста на корейском и английском языках. Модель использует плотную архитектуру EXAONE с 7,4 млрд параметров и контекстом до 32 768 токенов; веса выпущены в формате BF16 safetensors как самостоятельная объединённая модель, которую можно загрузить без файлов PEFT-адаптера. Дообучение выполнено методом QLoRA на 1 000 записях U-CURATE Random1K за одну эпоху. Проверки подтвердили загрузку и совпадение токенов и генерации с адаптером на ограниченных примерах, однако модель остаётся экспериментальным переносом, а не универсально проверенной системой. Лицензия — EXAONE AI Model License Agreement 1.1 - NC; необходимо соблюдать условия лицензии базовой модели.

F5-TTS-Vietnamese-ViVoice — компактная дообученная версия F5-TTS, созданная автором репозитория на основе F5-TTS_Base для синтеза вьетнамской речи. Модель обучена на 1000 часах аудиоданных из Vi-Voice и наборов VLSP 2021, 2022 и 2023; при подготовке данных отфильтровывали записи с плохими транскрипциями и аудио вне диапазона длительности от одной до 30 секунд. Модель предназначена для преобразования вьетнамского текста в речь. В примере использования F5-TTS принимает текст для озвучивания, а также референсное аудио и его транскрипцию; для инференса указаны F5-TTS и Vocos. Репозиторий опубликован в формате PyTorch и лицензирован CC-BY-NC-SA-4.0, допускающей только некоммерческое использование. Автор указывает, что модель предназначена для исследований и экспериментов, и запрещает использование для клонирования голоса без согласия, мошенничества и иных незаконных целей.

phukanpragyan/gemma3-270m-sft-assamese — компактная текстовая языковая модель семейства Gemma 3, дообученная методом supervised fine-tuning (SFT) для работы с ассамским языком. В README разработчик, лицензия и исходная базовая модель не указаны; модель опубликована на Hugging Face и предназначена для использования через библиотеку Transformers.

mradermacher/gemma-3-4b-persian-v0-i1-GGUF — это набор квантованных GGUF-версий модели gemma-3-4b-persian-v0, разработанной mshojaei77 и дополнительно квантованной mradermacher. Модель предназначена для генерации текста на персидском языке и локального запуска в совместимых инструментах, поддерживающих формат GGUF. В качестве обучающего набора указан Persian_sft; базовая модель относится к семейству Gemma 3 и имеет около 4 миллиардов параметров. README указывает, что это vision-модель, поэтому для неё могут существовать отдельные файлы mmproj, однако конкретные поддерживаемые визуальные форматы и возможности не описаны. Доступны варианты квантования от примерно 1,2 до 3,3 ГБ, включая IQ-квантизации и Q2–Q6; они различаются компромиссом между размером, скоростью и качеством. Для большинства сценариев указаны варианты i1-Q4_K_S и i1-Q4_K_M как сбалансированные по размеру, скорости и качеству, но низкобитные варианты могут заметно уступать по качеству. Модель ориентирована на персидскоязычную генерацию текста и компактное развертывание, однако сведения о длине контекста, точной архитектуре, качестве на конкретных задачах и поддержке других языков отсутствуют. Распространяется по лицензии Apache-2.0.

hanja-wsd-base — разработанная LinkinShan модель для преобразования корейского текста, записанного хангылем, в смешанную запись хангылем и ханча. Она оценивает варианты написания с учётом контекста предложения и выбирает подходящий вариант для сино-корейских слов; в репозитории также находятся словарь, частотные приоритеты и код конвертации. Это дообученная XLM-RoBERTa-base с плотной архитектурой и 305,2 млн параметров, принимающая текст и выдающая оценки кандидатов для классификации. Модель предназначена для корейских исторических текстов и имеет экспериментальный статус preview. В README приведены настройки для газетных текстов 1920–1960-х годов и для современного текста; на исторических данных указаны точность F1 0,813 в сквозном преобразовании и около 150 мс на предложение на CPU. Контекст составляет 514 токенов. Модель обучалась преимущественно на газетном корейском языке 1920–1962 годов: современные заимствования, новые слова и имена собственные представлены недостаточно, а покрытие словаря ограничивает полноту преобразования. Метрики основаны на автоматически полученной разметке, человеческая оценка не проводилась. Лицензия CC-BY-NC-SA-4.0 допускает использование на условиях атрибуции, распространения производных на тех же условиях и некоммерческого применения.

HiTZ/Latxa-Qwen3-VL-2B-Instruct — мультимодальная instruct-модель, разработанная исследовательским центром HiTZ и группой IXA Университета Страны Басков на базе Qwen3-VL-2B-Instruct. Она принимает изображения и текст и предназначена для диалога и выполнения инструкций с визуальным контекстом. В репозитории по умолчанию доступна многоязычная версия, адаптированная для баскского, галисийского и каталанского языков; отдельная ревизия mono_eu адаптирована только для баскского. Модель также может работать с испанским, английским и другими языками, однако качество вне баскского не гарантируется. Модель основана на плотной архитектуре Qwen3-VL и распространяется в формате Safetensors через Transformers. В тестах на баскских заданиях адаптированные версии показали улучшение относительно исходной модели. Авторы отмечают, что модель находится в разработке, выпущенные версии предварительные, а ограничения и риски унаследованы в том числе от Qwen3-VL. Лицензия — Apache 2.0.

Buseak разработал эту модель как дообученную версию Buseak/md_mt5_1911_v16_deneme на базе архитектуры mT5 для преобразования текста в текст. Модель содержит 157,4 млн параметров и опубликована в формате safetensors; лицензия — Apache-2.0. Карточка сообщает результаты оценки: Loss 0,1754, BLEU 0,7623 и средняя длина генерации 18,7866 токена. Целевая задача, обучающие данные, поддерживаемые языки и конкретные сценарии применения не описаны, поэтому по этим метрикам нельзя надёжно определить назначение модели.

Ossetian mGPT 1.3B — языковая модель для генерации текста на осетинском языке, разработанная ai-forever на основе mGPT-XL 1.3B. Это плотная авторегрессионная модель архитектуры GPT-2 с 1,3 млрд параметров, дообученная на дополнительных данных для малоресурсных языков. В README указано, что обучение продолжалось 200 шагов; контекст составляет 2048 токенов. Модель предназначена для генерации осетинского текста и может служить основой для экспериментов с языковыми приложениями на осетинском. В исходную mGPT-XL входили 61 язык и данные Wikipedia и C4, однако эта версия специально адаптирована для осетинского. Карточка приводит значение perplexity 18,7 на валидации. Репозиторий содержит веса PyTorch, лицензия — MIT.

Mansourizona/Mira-Darija-v1 — дообученная Mansourizona языковая модель Qwen2.5 с архитектурой Qwen2 и 1,5 млрд параметров. Она предназначена для генерации текста; название репозитория указывает на дариджу, однако карточка не описывает конкретные сценарии или качество работы с этим языком. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Для дообучения использовались Unsloth и библиотека TRL от Hugging Face. Лицензия — Apache-2.0.

shleeeee (Seunghyeon Lee) и oopsung (Sungwoo Park) дообучили Mistral-7B-v0.1 на 2000 примерах набора ko-OpenOrca. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста по инструкциям на корейском языке. В карточке указаны обучение в течение двух эпох и применение LoRA к проекциям внимания и gate_proj; модель использует шаблон запросов Mistral. Контекст — до 32 768 токенов. Модель подходит для ответов на корейском языке и выполнения текстовых инструкций. Оценка качества в карточке не приведена, поэтому надёжность ответов на разных задачах по ней установить нельзя. Лицензия указана как other; конкретные условия использования следует проверять в репозитории модели и базовой модели.

facebook/mms-tts-bmv — модель синтеза речи на бумском языке из проекта Massively Multilingual Speech компании Facebook. Она преобразует текст на бумском языке в речевую аудиоволну; для каждого языка MMS обучается отдельная модель. Архитектура VITS объединяет текстовый энкодер на основе Transformer, flow-модуль, декодер HiFi-GAN-типа и стохастический предсказатель длительности. Модель содержит 3,5 млн параметров и доступна через библиотеку Transformers версии 4.33 и новее. Модель подходит для озвучивания текстов и создания речевых аудиофрагментов на бумском языке. Стохастический предсказатель длительности позволяет варьировать ритм речи; для воспроизводимого результата требуется фиксированный seed. Лицензия CC-BY-NC-4.0 допускает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-guc — модель синтеза речи на языке Wayuu (guc), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует входной текст на Wayuu в речевую аудиоволну и предназначена для озвучивания текста на этом языке. Модель построена на архитектуре VITS и содержит около 3,5 млн параметров; для каждого языка проекта MMS обучается отдельный чекпойнт. VITS синтезирует речь сквозным образом: текстовый энкодер и flow-модуль формируют акустическое представление, а декодер создаёт аудиоволну. Стохастический предиктор длительности позволяет получать разные ритмические варианты одной фразы; результат может меняться между запусками, поэтому для повторяемого синтеза нужен фиксированный seed. Модель доступна через Transformers версии 4.33 и новее. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но некоммерческое.

facebook/mms-tts-ifa — модель синтеза речи на языке Ifugao, диалект Amganad, разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует текст на этом языке в речевую аудиоволну и предназначена для озвучивания текстов и создания речи на малоресурсном языке. Модель построена на архитектуре VITS: текстовый энкодер, flow-модуль и декодер HiFi-GAN объединены в сквозную систему синтеза; для моделирования ритма используется стохастический предиктор длительности. Размер модели — 3,5 млн параметров. Для разных языков MMS обучаются отдельные контрольные точки, поэтому эта модель рассчитана на Ifugao (Amganad), а не на многоязычный синтез. Из-за стохастического предиктора длительности одинаковый текст может звучать по-разному; для воспроизводимого результата требуется фиксировать seed. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

facebook/mms-tts-kki — модель синтеза речи на языке кагулу (kki), разработанная Facebook в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на кагулу. Модель использует архитектуру VITS: текстовый энкодер и вероятностный модуль длительности управляют генерацией речи, а декодер формирует аудиоволну. Для проекта MMS обучен отдельный чекпойнт для каждого языка; размер этой модели — 3,5 млн параметров. Она доступна через Transformers версии 4.33 и новее. Генерация недетерминирована: для повторяемого результата нужно зафиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-kss — модель синтеза речи на языке киси, южный вариант (Kisi, Southern; код kss), разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на этом языке. Модель использует архитектуру VITS: это сквозная система с текстовым энкодером на основе Transformer, потоковым модулем и декодером аудиосигнала. Для проекта MMS отдельный чекпойнт VITS обучен для каждого языка; размер этой модели — 3,5 млн параметров. Она доступна через библиотеку Transformers версии 4.33 и новее. Генерация зависит от стохастического предсказателя длительности, поэтому при одном и том же тексте результат может различаться; фиксированный seed позволяет воспроизвести ту же аудиоволну. Модель предназначена для языка киси, южный вариант, и её возможности для других языков не заявлены. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-mim — модель синтеза речи на языке Mixtec варианта Alacatlatzala, созданная Meta в рамках проекта Massively Multilingual Speech. Это отдельный чекпойнт для одного языка, основанный на архитектуре VITS: модель преобразует входной текст в речевую аудиоволну. VITS объединяет вариационный автоэнкодер, Transformer-энкодер текста, нормализующие потоки, стохастический предсказатель длительности и декодер, построенный по принципу HiFi-GAN. Стохастическая генерация длительности позволяет получать разные ритмы речи для одного текста; для повторяемого результата нужен фиксированный seed. Модель предназначена для озвучивания текста на Mixtec, Alacatlatzala в приложениях синтеза речи. Веса содержат около 3,5 млн параметров, распространяются в форматах PyTorch и safetensors и доступны для работы через Transformers версии 4.33 и новее. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но некоммерческое.

Koichi Yasuoka разработал ModernBERT Large, дообученную на японской Википедии и текстах 青空文庫 для разметки частей речи и морфологических признаков. Модель присваивает каждому короткому слову теги UPOS и FEATS; её архитектура — ModernBERT для классификации токенов, размер — 409,7 млн параметров, контекст — до 8192 токенов. Базовая модель — KoichiYasuoka/modernbert-large-japanese-wikipedia. Модель предназначена для автоматического анализа японских текстов, в частности для извлечения грамматической структуры и подготовки данных для последующей лингвистической обработки. Она принимает японский текст и возвращает последовательность токенов с разметкой. Распространяется по лицензии Apache-2.0. Карточка демонстрирует использование через Transformers с пользовательским кодом.