I.6Перевод и языковая адаптация

Mistral-Small-Instruct-2409-GGUF — это набор GGUF-квантизаций инструкционной языковой модели Mistral-Small-Instruct-2409, разработанной Mistral AI и подготовленной пользователем bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через llama.cpp и LM Studio. Для взаимодействия используется шаблон промпта <s> [INST] запрос [/INST]. В README указана поддержка английского, французского, немецкого, испанского, итальянского, португальского, китайского, японского, русского и корейского языков. Архитектура, число параметров, размер контекстного окна и поддержка модальностей, кроме текстовой, не указаны. Доступны варианты от F16 размером 44,50 ГБ до IQ3_M размером 10,06 ГБ, а также форматы Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и другие. Более высокие уровни квантизации обеспечивают лучшее качество, тогда как компактные варианты требуют меньше оперативной памяти, но могут снижать качество ответов. Сильной стороной набора является широкий выбор квантизаций, включая варианты, оптимизированные для ARM, что позволяет подобрать баланс между качеством и ресурсами устройства. Ограничения связаны с потерями качества при низких уровнях квантизации и отсутствием в README подробных сведений о возможностях исходной модели и результатах оценки. Модель распространяется по лицензии Mistral Research License (MRL) 0.1; применяются условия лицензии Mistral AI.

MaziyarPanahi/openbuddy-zephyr-7b-v14.1-Mistral-7B-Instruct-v0.1-GGUF — квантизированная версия текстовой языковой модели OpenBuddy Zephyr 7B v14.1 на базе Mistral-7B-Instruct-v0.1. Модель подготовил и квантизировал MaziyarPanahi. Файлы распространяются в формате GGUF, предназначенном для локального запуска с llama.cpp и совместимыми приложениями и библиотеками. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через локальные графические интерфейсы, серверы и Python-библиотеки. В метаданных указана поддержка китайского, английского, французского, немецкого, японского, корейского, итальянского и русского языков. Доступны варианты квантизации от 2 до 8 бит, что позволяет выбирать компромисс между размером файла, требованиями к памяти и качеством вывода. К сильным сторонам относятся компактность 7B-модели, возможность локального использования и широкий выбор уровней квантизации. К ограничениям относятся потенциальная потеря качества при низкой разрядности, зависимость производительности от используемого клиента и оборудования, а также отсутствие в README данных о размере контекстного окна, результатах тестирования и мультимодальных возможностях; по представленным данным модель является текстовой. Лицензия — Apache 2.0.

onnx-community/Qwen2.5-0.5B-Instruct-ONNX — это ONNX-версия инструкционно дообученной причинной языковой модели Qwen2.5-0.5B-Instruct. Исходную модель разработала команда Qwen, а ONNX-веса опубликованы сообществом ONNX Community для использования, в частности, с Transformers.js и локальными приложениями. Модель предназначена для генерации текста, диалогов, следования инструкциям, ответов на вопросы, создания структурированных ответов, а также базовых задач по программированию и математике. Архитектура Qwen2 с 494 млн параметров использует causal language modeling; доступны ONNX-варианты квантования и FP16. Модель поддерживает текстовую модальность, 32 768 токенов контекста и языки zho, eng, fra, spa, por, deu, ita, rus, jpn, kor, vie, tha и ara. К сильным сторонам относятся компактный размер, мультиязычность, поддержка диалогового режима и возможность запуска в ONNX-совместимых средах, включая браузерные сценарии. Из-за небольшого размера модели её качество и глубина рассуждений ниже, чем у более крупных моделей семейства. Модель распространяется по лицензии Apache 2.0 исходной Qwen-модели.

Vontra Qwen3.8-Flash-Next-MLX-oQ4 — это общественная MLX-конверсия модели Qwen3.8-Flash-Next, разработанной Qwen, для запуска на устройствах Apple Silicon. Конверсия выполнена Vontra напрямую из официального BF16-чекпойнта и предназначена для мультимодальных сценариев, включая обработку текста и изображений, генерацию ответов и работу с vision-language задачами через совместимые MLX-VLM или oMLX. Модель использует архитектуру qwen4_exp: разреженную mixture-of-experts с 125 млрд параметров в общей сложности и примерно 6 млрд активных параметров, 48 слоями, 512 маршрутизируемыми экспертами, 10 активными экспертами и одним общим экспертом. В состав также входят Gated DeltaNet, Qwen Sparse Attention, расширенные gated residual streams и хешированные bigram/trigram-эмбеддинги объёмом 51 млрд параметров. Контекст — до 262 144 токенов; используются 24 attention heads и 2 KV heads, размер скрытого состояния — 2560. Модель поставляется в формате MLX safetensors с oQ4 mixed-precision-квантизацией: базовые веса представлены в 4 битах, отдельные чувствительные слои защищены точностью 5/8 бит. Размер весов — около 111,69 ГБ. Сильные стороны модели — поддержка текста и изображений, большое контекстное окно, сниженное активное число параметров благодаря sparse MoE и оптимизация для Apple Silicon. На Apple M3 Studio в README указана скорость генерации около 27–30 токенов в секунду после загрузки. Для работы требуется runtime с явной поддержкой архитектуры qwen4_exp; старые версии MLX-VLM могут быть несовместимы. Опциональная MTP-голова не включена, а Qwen3.8 27B MTP-drafter использовать нельзя из-за несовместимых скрытых размеров. Это неофициальная общественная конверсия Vontra. Модель распространяется по лицензии Qwen Community License 1.0.

Vontra/Qwen3.8-Flash-Next-MLX-oQ6 — это общественная MLX-конверсия базовой модели Qwen/Qwen3.8-Flash-Next, разработанной командой Qwen. Конверсия предназначена для запуска на Apple Silicon через совместимые MLX-VLM или oMLX. Модель относится к vision-language системам и поддерживает обработку текста и изображений; в поставку также входят исходные токенизатор, шаблон диалога, обработчик изображений и конфигурация генерации. Модель использует архитектуру qwen4_exp с разреженной смесью экспертов, Gated DeltaNet, Qwen Sparse Attention, расширенными gated residual streams и хешированными bigram/trigram embeddings. Всего заявлено 125 млрд параметров языковой части, из которых активно 6 млрд, а таблицы n-грамм содержат 51 млрд параметров. Архитектура включает 48 слоёв, 512 маршрутизируемых экспертов, 10 активных экспертов и один общий, 24 attention heads и 2 KV heads; размер скрытого состояния — 2560, настроенный контекст — до 262144 токенов. Веса представлены в формате MLX safetensors и занимают около 155,78 ГБ; используется смешанная 6-битная квантизация с отдельными модулями точностью 6/8 бит. Сильными сторонами являются поддержка мультимодальных сценариев, большой контекст, разреженная архитектура и оптимизация для Apple Silicon. На Apple M3 Studio в README указана скорость генерации примерно 19,5–23,1 токена в секунду в зависимости от режима. Ограничения включают очень большой объём весов, необходимость runtime с явной поддержкой qwen4_exp и отсутствие встроенной native MTP head в данной сборке. Приведённые показатели относятся к конкретной конфигурации и могут изменяться в зависимости от длины запроса, настроек генерации, версии runtime и доступной памяти. Это неофициальный релиз Qwen, а конверсия и упаковка Vontra. Модель распространяется по Qwen Community License 1.0; текст лицензии включён в репозиторий.

Это GGUF-квантизация модели Qwen3.8-Flash-Next, разработанной командой Qwen и дополнительно подготовленной пользователем pugant для AMD Strix Halo с унифицированной памятью. Модель предназначена для генерации текста и запуска локальных LLM-сценариев на системах с Radeon 8060S и архитектурой gfx1151; при использовании совместимого runtime также заявлена поддержка vision через отдельный mmproj-модуль. Модель использует архитектуру qwen4exp и имеет около 180 млрд параметров в общей структуре: 125 млрд базовой части, около 6 млрд активных параметров, 51 млрд параметров PLE n-gram table и 4 млрд параметров MTP. Репозиторий содержит две сборки: ROCmFP4 STRIX_LEAN для систем с 128 ГБ памяти и смешанную ROCmFP2 STRIX_LEAN с 2-битными, FP4 и Q3-компонентами для систем с 64 ГБ. Поддерживаются английский и другие языки; заявлен контекст до 131 тыс. токенов. Сильные стороны модели — высокая эффективность по памяти для крупной MoE-подобной конфигурации, оптимизация под AMD Strix Halo, поддержка внешнего speculative-драфтера и возможность дискового размещения PLE-таблицы. Сборка ROCmFP4 обеспечивает более высокое качество, тогда как ROCmFP2 позволяет уложиться примерно в 56 ГБ оперативной памяти, но имеет заметный компромисс по качеству на отдельных тестах и больший дисковый объём. Для работы требуются специализированные форки ROCmFPX и совместимый runtime; стандартный llama.cpp эту квантизацию не загружает. Лицензия указана как qwen-community-1.0.

Stockmark-2-100B-Instruct-beta — большая языковая модель Stockmark Inc. с архитектурой Llama, содержащая 95,1 млрд параметров и предназначенная для генерации текста и диалогового взаимодействия. Модель обучена с нуля на примерно 1,5 трлн токенов: около 60% данных на английском языке, 30% на японском и 10% кода. После предварительного обучения она прошла постобучение на синтетических японских данных для улучшения следования инструкциям; синтетические данные были созданы с помощью Qwen2.5-32B-Instruct. Модель ориентирована прежде всего на японский язык, также обучалась на английском языке и коде. Контекст составляет 4096 токенов. Выпуск обозначен как beta, поэтому модель всё ещё проходит оценку и доработку. Распространяется по лицензии MIT.

NVIDIA FastConformer-Hybrid Large (de) — модель распознавания немецкой речи, разработанная NVIDIA и обученная с помощью NeMo. Она принимает монофоническое аудио WAV с частотой 16 кГц и возвращает транскрипцию немецкой речи с заглавными и строчными буквами, пробелами, точками, запятыми и вопросительными знаками. Модель содержит около 115 млн параметров и использует архитектуру FastConformer с гибридным обучением на функциях потерь Transducer и CTC. Декодирование доступно в обоих режимах. Модель обучена на суммарно 2500 часах немецкой речи из MCV12, MLS и VoxPopuli; карточка приводит оценки WER для этих наборов данных. Модель подходит для транскрибирования немецких аудиозаписей и может использоваться как готовый чекпойнт для вывода или дообучения на других данных. Качество может снижаться на технической лексике, незнакомой разговорной речи и акцентированной речи. Модель выводит только точку, запятую и вопросительный знак. Лицензия — CC-BY-4.0.

Ultravox v0.2 — мультимодальная речевая LLM от Fixie.ai, построенная на Llama 3 8B Instruct и Whisper-small. Модель принимает аудио вместе с текстом, например текстовую системную инструкцию и голосовое сообщение, и формирует текстовый ответ. Модель предназначена для голосовых агентов, анализа устной речи и перевода речи. В карточке указаны скорость первого токена около 200 мс и генерация примерно 50–100 токенов в секунду на GPU A100 40 ГБ. Для обучения использовались данные GigaSpeech, AnyInstruct, BoolQ и SODA. Предпочтительная настройка модели не проводилась. Модель распространяется по лицензии MIT. Указан английский язык. Генерация аудио в этой версии не поддерживается; сведения о результатах оценки и тестовых наборах в карточке не приведены.

VAETKI-20B-A2B — языковая модель NC-AI для генерации текста и диалогов. Она построена на архитектуре Transformer с причинным автодекодированием и смесью экспертов (MoE): всего 19,64 млрд параметров, из которых активируются 2,2 млрд, восемь из 128 экспертов. Модель прошла предобучение и постобучение; в репозитории веса представлены в формате Safetensors. Модель предназначена для эффективного инференса и поддерживает корейский, английский, китайский и японский языки. Карточка указывает контекст 16 тысяч токенов, а метаданные — нативный контекст 32 768 токенов. Лицензия — MIT. Модель может выдавать неточные или неполные ответы и галлюцинировать, особенно на неоднозначных запросах и задачах, требующих высокой фактической точности. Возможны трудности со сложными рассуждениями, точными вычислениями и корректной генерацией кода; ответы могут отражать предубеждения обучающих данных. Модель не предназначена для критически важных решений в медицине, праве, финансах и военной сфере.

Wav2Vec2-Base-VoxPopuli-Finetuned — модель распознавания речи, разработанная Facebook AI. Она основана на Wav2Vec2 Base: модель предварительно обучили на 10 тысячах неразмеченных фрагментов корпуса VoxPopuli, а затем дообучили на расшифрованных аудиозаписях этого корпуса. Архитектура — Wav2Vec2ForCTC, размер — 113,3 млн параметров; модель принимает аудио и выдаёт текстовую расшифровку на итальянском языке. Модель предназначена для автоматического распознавания итальянской речи, например для транскрибации записей и подготовки текстовых субтитров. В README приведён пример инференса на образце Common Voice. Репозиторий содержит веса PyTorch. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

jonatasgrosman/wav2vec2-large-xlsr-53-arabic — модель распознавания арабской речи, созданная Jonatas Grosman на основе facebook/wav2vec2-large-xlsr-53. Модель семейства wav2vec2 с архитектурой Wav2Vec2ForCTC содержит 402,7 млн параметров и принимает аудио с частотой дискретизации 16 кГц, преобразуя его в текст на арабском языке. Модель дообучена на обучающей и валидационной частях Common Voice 6.1 и Arabic Speech Corpus. В оценке на тестовых данных Common Voice для неё указаны WER 39,59% и CER 18,18%; результаты зависят от набора данных и процедуры оценки. Подходит для преобразования арабской речи в текст и транскрибирования аудиозаписей. Распространяется по лицензии Apache-2.0.

Модель jonatasgrosman/wav2vec2-large-xlsr-53-greek — система автоматического распознавания греческой речи, созданная дообучением facebook/wav2vec2-large-xlsr-53. Она принимает аудио и преобразует речь в текст; для входной записи требуется частота дискретизации 16 кГц. Модель основана на архитектуре wav2vec2, использует CTC-выход и содержит около 402,7 млн параметров. Для дообучения использовались обучающая и валидационная части Common Voice 6.1 и CSS10. В оценке на греческой тестовой выборке Common Voice указаны WER 11,62% и CER 3,36%; результаты могут отличаться при других настройках оценки. Модель распространяется по лицензии Apache-2.0.

vumichien/wav2vec2-large-xlsr-japanese — модель распознавания японской речи, созданная дообучением facebook/wav2vec2-large-xlsr-53 на данных Common Voice и корпуса JSUT лаборатории Saruwatari Токийского университета. Это акустическая модель Wav2Vec2 с архитектурой Wav2Vec2ForCTC и 405,4 млн параметров; принимает аудио с частотой дискретизации 16 кГц и преобразует речь в текст на японском языке. Модель предназначена для автоматической расшифровки японской речи. В карточке приведены результаты на японской тестовой выборке Common Voice: WER 30,84% и CER 17,85%. Лицензия — Apache-2.0.

Карточка модели mehdipakdel/wh на Hugging Face совпадает с карточкой AmirMohseni/whisper-small-persian, поэтому описание составлено по ней. Whisper Small Persian — модель распознавания речи, созданная Amir Mohseni дообучением openai/whisper-small на наборе данных Fleurs Farsi. Она построена на архитектуре Whisper и содержит 153,1 млн параметров. Модель предназначена для преобразования речи на персидском языке в текст. На приведённой в карточке оценке модель показала значение WER 25,8171 и loss 0,3818. Она распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает ограничения применения и условия оценки подробнее.

Карточка модели Alireza48/whisper-large-fa-v1 на Hugging Face совпадает с карточкой vhdm/whisper-large-fa-v1, поэтому описание составлено по ней. vhdm/whisper-large-fa-v1 — модель распознавания речи на архитектуре Whisper, созданная разработчиком vhdm дообучением openai/whisper-large-v3-turbo на персидских аудиозаписях из набора vhdm/persian-voice-v1.1. Модель содержит 905,2 млн параметров и предназначена для транскрибации персидской речи: голосовых заметок, подкастов, видео и интервью, а также для создания поисковых расшифровок. Она поддерживает входное аудио и выдаёт текст; для чистой персидской речи в карточке указана частота ошибок слов WER 14,07%. Модель распространяется по лицензии MIT. Обучение проводилось на чистой речи из конкретного набора данных, поэтому качество может снижаться на шумных записях, акцентах и диалектах. Модель не оптимизирована для потокового распознавания и иногда может генерировать правдоподобные, но неверные слова.

jonatasgrosman/whisper-large-pt-cv11 — модель автоматического распознавания речи, созданная Jonatas Grosman на основе openai/whisper-large-v2 и дообученная на португальском языке на обучающей и части валидационной выборок Common Voice 11. Она преобразует португальскую речь в текст и подходит для расшифровки записей и аудио с естественной речью. Модель использует архитектуру Whisper Large с 905,2 млн параметров. В README приведены оценки на тестовых выборках Common Voice 11 и Fleurs; результаты зависят от нормализации регистра и пунктуации, а в Fleurs также от различий в записи чисел. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

Whisper Large v3 FP16 OpenVINO — это модель автоматического распознавания речи, разработанная OpenAI и преобразованная в формат OpenVINO IR с весами в формате FP16. Модель предназначена для преобразования аудиозаписей в текст и совместима с библиотеками OpenVINO и Optimum Intel. Модель содержит около 905,2 млн параметров и поддерживает распознавание речи на широком наборе языков, включая русский, английский, китайский, немецкий, испанский, французский, японский и многие другие. Она рассчитана на запуск через OpenVINO 2025.2.0 или новее и Optimum Intel 1.23.0 или новее, включая выполнение на CPU через OpenVINO GenAI. Модель подходит для транскрибации аудиозаписей, голосовых сообщений, звонков и другого речевого контента. FP16-представление и формат OpenVINO IR ориентированы на эффективное выполнение на поддерживаемом оборудовании, однако ограничения исходной модели Whisper Large v3 распространяются и на эту конвертированную версию. Модель распространяется по лицензии Apache-2.0.

zuazo/whisper-medium-es — модель распознавания речи, созданная дообучением openai/whisper-medium на испанской части набора Mozilla Common Voice 13.0. Она принимает аудио и генерирует текст; предназначена прежде всего для транскрибации испанской речи. Архитектура — Whisper, плотная модель с 455,8 млн параметров. На оценочном наборе указаны loss 0,1915 и WER 5,4088. Модель опубликована в формате PyTorch и распространяется по лицензии Apache-2.0, которая разрешает использование, изменение и распространение с указанием авторства.

Whisper Medium Korean — модель распознавания речи, полученная дообучением OpenAI Whisper Medium на корейских наборах данных Junhoee/STT_Korean_Dataset_80000 и Bingsu/zeroth-korean. В обучающей выборке было около 102 тысяч предложений; автор сообщает, что итоговый чекпойнт достиг примерно 16 WER против примерно 24 WER дообученной отправной точки. Модель предназначена для преобразования корейской речи в текст. Это плотная модель архитектуры Whisper с 455,8 млн параметров; в метаданных указана поддержка аудиовхода. Репозиторий помечен лицензией Apache-2.0. Показатель WER приведён автором без подробностей о наборе и методике оценки, поэтому он не гарантирует аналогичное качество на других записях.

Whisper-small-ar — модель распознавания арабской речи, разработанная на основе архитектуры Whisper и дообученная на арабских данных Mozilla Common Voice 11.0. Она принимает аудио и преобразует произнесённую речь в текст; предназначена для транскрибирования записей, подкастов, видео и разговоров, а также для интеграции в голосовые интерфейсы и приложения на базе Hugging Face Transformers. Модель использует архитектуру Transformer encoder-decoder и содержит 153,1 млн параметров. В карточке заявлена поддержка арабских диалектов и акцентов. Модель распространяется по лицензии Apache-2.0. Ее ограничения: качество может различаться между диалектами, акцентами и условиями записи; численные оценки качества в карточке не приведены.

CLEAR Global совместно с Makerere University Centre for Artificial Intelligence and Data Science дообучили мультиязычную модель распознавания речи Whisper Small на одобренной части набора TWB Voice 1.0 для хауса. Модель содержит 153,1 млн параметров, принимает аудио и выдаёт текстовую транскрипцию; в метаданных указана библиотека Transformers и формат весов safetensors. Модель предназначена для транскрибирования речи на хауса. На внутренней тестовой выборке TWB Voice 1.0 указаны WER 2,23% и CER 3,11%; тестовые дикторы не пересекались с обучающей и валидационной выборками. Также проводилась оценка на Common Voice v17 и Naija Voices, но её результаты не приведены. Модель распространяется по лицензии CC BY-SA 4.0.

Viraj Patil дообучил Whisper Small MR v4 для автоматического распознавания речи на маратхи. Модель принимает аудио и преобразует речь в текст; в метаданных указана архитектура Whisper с 153,1 млн параметров. Для обучения использовались данные Common Voice 17.0 и Google FLEURS; метаданные также связывают модель с наборами Common Voice 19.0 и Google Marathi. На оценочном наборе указаны Loss 0,2496 и WER 34,1242. Модель распространяется под лицензией Apache-2.0.

Модель abilमानsplus/whisper-turbo-ksc2 — версия Whisper large-v3-turbo от OpenAI, дообученная разработчиком репозитория на казахском корпусе речи Kazakh Speech Corpus 2 объёмом около 1000 часов размеченного аудио из разных источников. Она предназначена для автоматического распознавания речи и преобразования казахской речи в текст. Модель построена на архитектуре WhisperForConditionalGeneration, содержит 905,2 млн параметров и распространяется в формате Safetensors для библиотеки Transformers. На тестовой части корпуса автор сообщает WER 9,16%. Для аудио длиннее 35 секунд README рекомендует разбивать запись на фрагменты по 30 секунд и объединять результаты транскрибации. Модель доступна по лицензии MIT. Указанный результат получен на конкретном тестовом разделе корпуса и не гарантирует такую же точность на других источниках, акцентах или условиях записи.

abdouaziz/wolof_wlarge — модель автоматического распознавания речи из экосистемы Hugging Face Transformers, опубликованная пользователем abdouaziz. По названию модели предназначена для распознавания речи на языке Wolof, а тег whisper указывает на принадлежность к семейству моделей Whisper.

AIArchiveInfo/Yi-34B-Chat — побайтовая архивная копия Yi-34B-Chat, исходно разработанной компанией 01.AI и опубликованной под лицензией Apache-2.0. Согласно карточке, веса не обучались, не дообучались и не изменялись при копировании; лицензия оригинала продолжает действовать. Это диалоговая плотная языковая модель на архитектуре Transformer семейства Llama, содержащая 33,9 млрд параметров и рассчитанная на генерацию текста в формате чата. Она предназначена для общения, ответов на вопросы, понимания языка, рассуждений, здравого смысла и чтения с пониманием. В README модель описана как двуязычная, с упором на английский и китайский; максимальный контекст составляет 4096 токенов. Карточка сообщает о сильных результатах Yi-34B-Chat в сравнительных оценках, но приведённые позиции относятся к данным 2024 года и не гарантируют качество для конкретных задач. Размер модели требует значительных вычислительных ресурсов; модель может ошибаться и не следует считать её ответы проверенными фактами. Репозиторий содержит веса в формате safetensors.

Aitana-7B-S-Instruct — это языковая модель семейства Aitana, разработанная группой GPLSI Университета Аликанте. Модель построена на базе gplsi/Aitana-7B-S-base-1.0 и дообучена следовать инструкциям. Это декодерный Transformer архитектуры Llama с 6,7 млрд параметров по метаданным и контекстом до 8192 токенов. Модель предназначена для диалогов, ответов на запросы и генерации текста на валенсийском, испанском и английском языках; особое внимание уделено валенсийскому. Её можно применять для общения с пользователями, черновиков текстов и задач в административной, юридической и туристической областях. По карточке модель не рассчитана на роль надёжной фактологической базы. Лицензия — Apache-2.0.

Akshara-8B — языковая модель SVECTOR CORPORATION для понимания и генерации текста на индийских языках и английском. Она предназначена для многоходовых диалогов и сценариев вроде образовательных приложений, клиентской поддержки, создания контента и автоматизации. Модель представляет собой плотную decoder-only архитектуру Llama с 7,5 млрд параметров и контекстом до 8192 токенов. По данным карточки, это дистиллированная версия флагманской модели Akshara; заявлена поддержка хинди, гуджарати, маратхи, тамильского, телугу, каннада, панджаби и английского. Репозиторий содержит веса Safetensors для Transformers. Лицензия — Apache-2.0. К сильным сторонам относятся многоязычные диалоги и ориентация на языковое разнообразие Индии. Карточка заявляет оптимизацию для скорости и эффективности, но не приводит сравнительных оценок качества; поэтому пригодность для конкретного языка и задачи стоит проверять отдельно.

Apertus-v1.1-1.5B-Instruct — многоязычная языковая модель Swiss AI для генерации текста и диалогов. Это дистиллированная и дообученная версия базовой модели swiss-ai/Apertus-v1.1-1.5B: семейство Apertus-v1.1 использует плотный трансформер-декодер с grouped-query attention и активацией xIELU. В этой версии около 1,6 млрд параметров, 16 слоёв и контекст до 4096 токенов. Модель подходит для диалоговых помощников, генерации и продолжения текста на разных языках, а также для развёртывания в условиях ограниченных ресурсов. Разработчик заявляет поддержку 1811 языков и обучение на корпусе из документов, кода и инструкций; модель создана методом дистилляции от Apertus-8B-2509 и затем прошла supervised fine-tuning и выравнивание. Карточка отмечает конкурентные базовые результаты в многоязычных диалоговых тестах для своего размерного класса. Модель может допускать фактические ошибки, непоследовательность и отражать смещения обучающих данных; особенно ограниченными могут быть сложная математика и следование составным инструкциям. Выводы следует проверять, а модель использовать как вспомогательный инструмент. Лицензия — Apache-2.0.

Ąžuolas Whisper LT CT2 — литовская модель распознавания речи, созданная akisviete на основе Ąžuolas Whisper LT и преобразованная в формат CTranslate2 для работы с faster-whisper. В репозитории доступны варианты float16 и int8_float16; второй занимает около 1,5 ГБ вместо 2,9 ГБ, при этом в приведённых тестах качество почти не меняется. Исходная модель основана на Whisper large-v3 и обучена на литовской речи из корпуса LIEPA-3. Модель предназначена для транскрибации литовской речи с временными метками сегментов. В тестах указаны WER 9,05% на FLEURS LT и 4,60% на Common Voice 26.0 LT. Для практического использования автор рекомендует включать фильтр тишины VAD и делить длинные записи на фрагменты до 22 секунд. Модель выдаёт текст строчными буквами без пунктуации и может генерировать текст на участках тишины без VAD. Лицензия — CC BY 4.0.