I.6Перевод и языковая адаптация

MaziyarPanahi/Mistral-7B-Instruct-Aya-101 — дообученная диалоговая модель на архитектуре Mistral с 7,1 млрд параметров, основанная на mistralai/Mistral-7B-Instruct-v0.2. Она предназначена для генерации текста и ответов на инструкции в многоязычных диалоговых сценариях. Указанный для семейства базовой модели контекст составляет до 32 768 токенов; модель использует форматы PyTorch и Safetensors. В README приведён пример запуска через Transformers с задачей text-generation. В метаданных указан набор данных CohereForAI/aya_dataset и языковые теги, включая английский, арабский, хинди, японский, корейский и другие; README отдельно отмечает многоязычность. Для весов заявлена лицензия Apache-2.0. README не содержит результатов подробной оценки или описания известных ограничений, поэтому качество ответов на конкретных языках и типах задач по имеющимся данным оценить нельзя.

Ministral-3-8B-Reasoning-2512-GGUF — это набор GGUF-квантизаций модели Ministral-3-8B-Reasoning-2512, разработанной Mistral AI и подготовленной пользователем bartowski. Модель предназначена для локального запуска через llama.cpp, LM Studio и другие совместимые проекты, что делает её подходящей для генерации текста и мультимодальных сценариев image-text-to-text, заявленных в карточке модели. В основе лежит модель с размером 8B параметров; доступны варианты от BF16 до квантизаций Q3–Q8 и IQ4 с размером файлов примерно от 4,57 до 16,99 ГБ. Заявлена поддержка английского, французского, испанского, немецкого, итальянского, португальского, нидерландского, китайского, японского, корейского и арабского языков. Архитектура и размер контекста в README не указаны, формат промпта также не определён. Сильная сторона набора — широкий выбор уровней квантизации для баланса качества, потребления памяти и скорости локального вывода; варианты Q6_K_L и Q6_K отмечены как близкие к исходному качеству, а Q4_K_M рекомендован как универсальный вариант. Ограничения включают отсутствие подробных сведений о возможностях исходной модели, контекстном окне и качестве работы с изображениями. Модель распространяется по лицензии Apache-2.0.

NbAiLab/nb-notram-llama-3.1-8b-instruct — языковая модель Национальной библиотеки Норвегии (NB-AiLab), дообученная на базе Meta Llama 3.1 8B Instruct. Это плотная авторегрессионная модель для генерации текста с диалоговым интерфейсом и интерфейсом вызова инструментов. Размер составляет около 7,5 млрд параметров, длина контекста — 131 072 токена. Модель дообучена следовать инструкциям и вести диалог на норвежском букмоле и нюнорске, сохраняя сильные возможности английского языка. Она предназначена для ассистентов и диалоговых систем, а также для суммаризации и ответов на вопросы. Настройка включает supervised fine-tuning и небольшой этап оптимизации предпочтений; ответы обычно краткие. Обучение использовало публично доступные и синтетически созданные данные. Модель может выдавать фактические ошибки и вымышленные сведения; знания о норвежской культуре и истории могут быть неравномерными и зависеть от формулировки запроса. Данные актуальны ориентировочно до мая 2024 года, а защитное выравнивание ограничено. Для применения вне экспериментов рекомендуется оценивать модель в целевом сценарии; без дополнительных мер контроля её не следует использовать в высокорисковых медицинских, юридических или финансовых задачах. Лицензия — Llama 3.1 Community License.

Qwen3.5-122B-A10B-PRISM-LITE-GGUF — мультимодальная GGUF-версия Qwen3.5-122B-A10B, подготовленная Ex0bit с применением PRISM-процесса для частичного снижения чрезмерных отказов. Модель предназначена для диалогов, рассуждений и анализа изображений и видео; поддерживает режимы Thinking и Instant. В README заявлены 122 млрд параметров, из которых 10 млрд активны на токен, архитектура MoE с 256 маршрутизируемыми и одним общим экспертом на слой, а также сочетание GatedDeltaNet и пол attention. Контекст составляет 262 144 токена. Поставляется в формате GGUF с динамической поканальной квантизацией размером около 57,7 ГБ; для работы с изображениями включён файл vision encoder mmproj. Метаданные указывают лицензию Apache-2.0 и библиотеку llama.cpp. Вариант LITE снижает чрезмерные отказы лишь частично; заявления README о сохранении связности и удалении отказов не сопровождаются независимыми оценками. Базовая модель поддерживает широкий набор языков, включая русский.

NobodyWho/Qwen_Qwen3.5-0.8B-GGUF — GGUF-квантизированная версия модели Qwen3.5-0.8B, разработанной командой Qwen компании Alibaba Group. Модель подготовлена для использования с NobodyWho, содержит встроенные рекомендованные параметры семплирования Qwen и проверена тестовым набором NobodyWho. Модель предназначена для быстрого диалогового общения и генерации текста, выполнения инструкций, нативного tool calling и локального запуска на устройствах с ограниченными ресурсами. Она поддерживает мультимодальный ввод текста и изображений через дополнительную проекционную модель mmproj-BF16.gguf, режим рассуждений, включённый по умолчанию, а также широкий набор языков. Заявлена поддержка контекста до 262 144 токенов. Модель содержит 0,8 млрд параметров и использует архитектуру qwen35. Доступны варианты BF16, Q8_0 и Q4_K_M; каждый показал результат 13 из 14 тестов tool calling, при этом сложные схемы остаются ограничением. Основные преимущества — малый размер, низкие требования к памяти, мультимодальность, длинный контекст и возможность локального использования. Для работы с изображениями требуется отдельный файл проекционной модели. Распространяется по лицензии Apache 2.0.

SambaLingo-Turkish-Chat — диалоговая языковая модель, разработанная SambaNova Systems. Она построена на SambaLingo-Turkish-Base, адаптированной для турецкого языка на основе Llama 2, и дополнительно обучена методом direct preference optimization для выравнивания ответов в чате. Модель имеет плотную архитектуру LlamaForCausalLM и 6,7 млрд параметров; длина контекста составляет 4096 токенов. Словарь токенизатора расширен с 32 000 до 57 000 токенов. Модель предназначена для ведения диалогов и генерации ответов на турецком и английском языках. Её можно применять для ответов на вопросы, помощи с повседневными текстовыми задачами и чат-интерфейсов. В README указана лицензия Meta Llama 2 Community License Agreement; перед использованием весов необходимо соблюдать её условия. Ограничения включают возможные фактические ошибки, переключение между языками или диалектами, повторы, а также ограниченную точность при написании кода и решении сложных математических задач. Модель также может генерировать токсичные или неподходящие ответы; разработчик не рекомендует использовать её в критически важных приложениях и для решений, затрагивающих безопасность людей.

Remostart/sign-language — дообученная Remostart модель на архитектуре LLaVA-NeXT-Video-7B, предназначенная для перевода жестового языка по видео в текст. Она принимает видео и формирует текстовый перевод; базовая модель — мультимодальная LLaVA-NeXT-Video-7B для ответов на вопросы об изображениях и видео. Модель распространяется в формате safetensors и использует библиотеку Transformers. Лицензия модели — MIT. Карточка не сообщает, какие жестовые языки входят в обучающие данные и насколько точно модель работает в разных условиях съёмки; результат перевода следует проверять, особенно при практическом использовании.

PM-AI/sts_paraphrase_xlm-roberta-base_de-en — модель XLM-RoBERTa для оценки семантического сходства предложений на немецком и английском языках. Разработчик дообучил её на парах предложений из STSb, SICK и Priya22, используя функцию потерь косинусного сходства; модель принимает немецкие, английские и смешанные пары текстов и формирует эмбеддинги для сравнения по cosine similarity. Модель предназначена для семантического поиска, ранжирования результатов по смысловой близости, поиска перефразирований и межъязыкового поиска между немецкими и английскими текстами. README приводит результаты оценки на указанных наборах данных и рекомендует использовать модель через библиотеку Sentence Transformers. Архитектура — XLM-RoBERTa, размер — 305,2 млн параметров, контекст — до 514 токенов. Лицензия — MIT. По описанию обучения, базой для STS-дообучения служит PM-AI/paraphrase-distilroberta-base-v2_de-en, ранее полученная дистилляцией модели paraphrase-distilroberta-base-v1 для поддержки немецкого языка. Оценка проводилась на ограниченных наборах предложений, описанных как преимущественно простые; качество на иных типах текстов и за пределами немецкого и английского языков не подтверждено.

NVIDIA FastConformer-Hybrid Large (ka) — модель распознавания речи на грузинском языке, разработанная NVIDIA и предназначенная для использования с инструментарием NeMo. Она преобразует монофонические аудиозаписи WAV с частотой 16 кГц в текст на грузинском письме; результат включает пробелы и знаки препинания: точки, запятые и вопросительные знаки. Модель построена на архитектуре FastConformer и содержит около 115 млн параметров. Это гибридный чекпойнт, обученный с функциями потерь Transducer и CTC, поэтому распознавание доступно в обоих режимах. Для обучения использовали около 163 часов грузинской речи из Mozilla Common Voice 17.0 и Google Fleurs. В README приведены значения WER 5,73% на тесте Common Voice и 13,44% на тесте Fleurs при жадном декодировании Transducer. Модель подходит для транскрибации грузинской речи и может служить предобученной основой для дообучения на других данных. Качество может снижаться на технической лексике, разговорных вариантах речи и акцентированной речи. Лицензия — CC BY 4.0.

Suzume Llama 3 8B Multilingual — диалоговая языковая модель, разработанная Питером Дивайном (Peter Devine, ptrdvn). Это дообученная версия meta-llama/Meta-Llama-3-8B-Instruct: модель обучали на почти 90 тысячах многоязычных диалогов, чтобы она могла отвечать на разных языках, а не преимущественно на английском. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для диалога и генерации ответов на нескольких языках. В карточке приведены результаты MT-Bench для немецкого, французского и японского языков, а также общие оценки по шести языкам; точный полный перечень языков не приведён. По заявлению разработчика, дообучение сохранило большую часть возможностей Llama 3 на английском и улучшило многоязычный диалог. Весам доступна лицензия с метаданными «other»; конкретные условия следует проверять в карточке модели и лицензии базовой модели перед использованием.

Карточка модели tokyotech-llm/Swallow-70b-instruct-v0.1 на Hugging Face совпадает с карточкой tokyotech-llm/Swallow-7b-instruct-v0.1, поэтому описание составлено по ней. Swallow-7b-instruct-v0.1 — диалоговая языковая модель TokyoTech-LLM на архитектуре Llama 2 с 6,7 млрд параметров. Она прошла дополнительное предварительное обучение преимущественно на японских текстах, а версия instruct — supervised fine-tuning для следования инструкциям. Токенизатор с расширенным японским словарём эффективнее представляет японский текст. Модель принимает текст и генерирует текст; заявленный контекст — 4096 токенов. Модель предназначена для диалогов и выполнения текстовых инструкций на японском и английском языках: написания текстов, ролевых диалогов, ответов на вопросы, рассуждений и извлечения информации. В README опубликованы оценки на японском MT-Bench и сравнение с другими моделями, однако они не гарантируют качества для каждого сценария. Выпуск v0.1 обозначен как предварительная версия; разработчики предупреждают, что модель ещё не настроена на соответствие человеческим намерениям и требованиям безопасности. Лицензия — Llama 2 Community License (llama2).

ukr-models/uk-punctcase — модель на базе XLM-RoBERTa-Uk, дообученная на украинских текстах для восстановления пунктуации и регистра букв. Она выполняет разметку токенов, чтобы восстанавливать знаки препинания и правильное написание заглавных и строчных букв в тексте. Модель содержит 137,3 млн параметров, использует архитектуру XLM-RoBERTa и рассчитана на контекст до 514 токенов. Форматы весов — PyTorch и safetensors. Лицензия MIT.

BuzzASR/urdu — одноязычная модель автоматического распознавания речи на урду, разработанная в рамках набора BuzzASR и дообученная из openai/whisper-large-v3. Она принимает аудио и генерирует текстовую транскрипцию; модель построена на архитектуре Whisper large-v3 и содержит 905,2 млн параметров. Для распознавания используется токенизатор Whisper, а языковая и задачная подсказка встроена в конфигурацию генерации. Модель предназначена для транскрибации речи на урду. На тесте FLEURS указаны CER 7,5% и WER 21,8%; на объединённом тесте — CER 9,24% и WER 26,77%. Обучение использовало FLEURS и текстовые данные корпуса Goldfish. Модель оценивалась на тестовых разделах FLEURS и Common Voice, поэтому качество на других тематиках, диалектах и акустических условиях может отличаться. Лицензия — MIT.

Vapor_7B — дообученная разговорная модель семейства Qwen2.5, созданная на основе Qwen/Qwen2.5-7B. Она предназначена для генерации текста в диалоге и поддерживает контекст до 131 072 токенов. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2 и формат safetensors. Модель можно применять для ведения диалогов и генерации текста на нескольких языках, включая русский, английский, китайский, французский, испанский, португальский, немецкий, итальянский, японский, корейский, вьетнамский, тайский и арабский. Она распространяется по лицензии Apache-2.0. README не содержит дополнительных сведений о настройке дообучения или результатах оценки качества.

Модель Wav2Vec2-Large-100k-VoxPopuli-Català разработана ccoreilly и дообучена на базе facebook/wav2vec2-large-100k-voxpopuli для распознавания каталонской речи и преобразования её в текст. Она использует архитектуру Wav2Vec2ForCTC и содержит 402,7 млн параметров; принимает аудио с частотой дискретизации 16 кГц. Для обучения использованы Common Voice и ParlamentParla. В описанных автором оценках частота ошибок слов составила 5,98% на тестовой выборке CV+ParlamentParla, 12,14% на Google Crowdsourced Corpus и 12,02% на аудиокниге «La llegenda de Sant Jordi». Модель распространяется по лицензии Apache-2.0. При оценке важно учитывать, что использованное разбиение не совпадает полностью с Common Voice 6.1: 1144 аудиофайла из тестовой выборки Common Voice попали в обучение или оценку модели, поэтому оценка на стандартном тесте CV будет смещённой. Автор отдельно сообщает результат на тестовом файле, который не использовался при обучении и оценке.

Модель oliverguhr/wav2vec2-large-xlsr-53-german-cv9 разработана как дообученная версия facebook/wav2vec2-large-xlsr-53 для распознавания немецкой речи. Это плотная модель архитектуры Wav2Vec2 с головой CTC и примерно 402,7 млн параметров. Она обучена на немецкой части Mozilla Common Voice 9.0 и предназначена для преобразования аудиозаписей речи в текст. На тестовой выборке указаны CER 2,27 и WER 9,48. Модель принимает аудио и выдаёт текст; основным языком является немецкий. Репозиторий содержит веса PyTorch и Safetensors, а также формат ONNX. Модель распространяется по лицензии Apache-2.0. README не описывает ограничения и условия записи аудио; результаты тестирования относятся к указанному набору данных и могут не отражать качество на других источниках речи.

wav2vec2-large-xlsr-53-spanish-ep5-944h — акустическая модель для автоматического распознавания испанской речи, дообученная Карлосом Даниэлем Эрнандесом Меной на основе facebook/wav2vec2-large-xlsr-53. Модель использует архитектуру Wav2Vec2ForCTC и содержит 402,7 млн параметров. Дообучение длилось пять эпох на примерно 944 часах испаноязычных аудиоданных, включая речь из CIEMPIESS, Common Voice, Fisher, CALLHOME и других корпусов. Модель предназначена для преобразования испанской речи в текст, в том числе для распознавания мексиканского испанского и речи из разных испаноязычных регионов. В карточке приведён результат оценки 0,112, но метрика и условия оценки не уточнены. Модель распространяется в форматах PyTorch и safetensors по лицензии CC BY 4.0.

skylord/wav2vec2-large-xlsr-hindi — модель распознавания речи, разработанная на основе facebook/wav2vec2-large-xlsr-53 и дообученная для хинди. Она преобразует аудиозапись речи в текст и подходит для транскрибации записей на хинди без отдельной языковой модели. Модель использует архитектуру Wav2Vec2ForCTC и содержит 402,7 млн параметров. Для входного аудио требуется частота дискретизации 16 кГц. При дообучении использовались Common Voice, Indic TTS–IITM и IIITH Indic Speech; автор сообщает о WER 17,23% на пользовательском тестовом наборе и 56,46% на тесте Common Voice Hindi. Модель лицензирована по Apache-2.0. Качество заметно различается между тестовыми наборами; в README также отмечен перекос Common Voice в сторону мужских голосов, поэтому точность может зависеть от состава аудио, акцента и диктора.

Wikidepia/wav2vec2-xls-r-300m-indonesian — модель распознавания речи на индонезийском языке, разработанная Wikidepia на основе facebook/wav2vec2-xls-r-300m и дообученная на Common Voice 8.0 и MagicHub Indonesian Conversational Speech Corpus. Она принимает аудио и преобразует речь в текст; подходит для расшифровки записей и разговорной речи на индонезийском языке. Модель построена на архитектуре Wav2Vec2 с классификационной головой CTC и содержит около 402,7 млн параметров. Доступна в формате PyTorch, задача в Hugging Face указана как automatic-speech-recognition. Распространяется по лицензии Apache-2.0. Карточка не приводит метрик качества или подробностей об условиях записи, поэтому точность для конкретных акцентов, шумов и речевых ситуаций по этим данным оценить нельзя.

dbdmg/wav2vec2-xls-r-300m-italian — модель распознавания речи, созданная путём дообучения facebook/wav2vec2-xls-r-300m на итальянской части набора Common Voice 7.0. Она принимает аудио и преобразует речь в текст на итальянском языке. В README приведён WER 0,1710 на наборе оценки; также указано значение Loss: inf, поэтому результаты обучения следует интерпретировать с осторожностью. Модель построена на архитектуре Wav2Vec2 с CTC-декодером и содержит около 402,8 млн параметров. Распространяется по лицензии Apache-2.0.

Wav2Vec2 XLS-R 300M Cantonese (zh-HK) — модель автоматического распознавания речи, разработанная Wilson Wongso и дообученная на базе Wav2Vec2-XLS-R-300M на подмножестве Common Voice для кантонского языка Гонконга. Модель использует архитектуру XLS-R и класс Wav2Vec2ForCTC; в метаданных указано 406,4 млн параметров. Модель принимает аудио и преобразует речь на кантонском языке в текст. Она создана в рамках Robust Speech Challenge Event; для обучения использовались PyTorch и Common Voice. В README приведены результаты по CER: 31,73% на Common Voice и 23,11% и 23,02% на Common Voice 7 и 8 соответственно. Модель распространяется по лицензии Apache-2.0. Результаты могут наследовать смещения обучающих данных; качество на иных наборах данных и в других условиях записи может отличаться.

weblab-10b-instruction-sft — инструкция-дообученная языковая модель, разработанная Такэси Кодзимой (Takeshi Kojima) на основе GPT-NeoX. По README, базовая модель обучалась примерно на 600 млрд токенов из Japanese C4 и The Pile, а затем прошла один эпоховый цикл дообучения на части англоязычных наборов Alpaca и Flan и их японских инструкционных данных. Архитектура — плотный трансформер GPT-NeoX с 36 слоями и размером скрытого состояния 4864; в метаданных указано 13,9 млрд параметров и контекст 2048 токенов. Модель предназначена для генерации текста и следования инструкциям на японском и английском языках. В README приведены результаты на японских задачах JGLUE, включая классификацию тональности, понимание текстов и ответы на вопросы; они показывают улучшение относительно базовой версии weblab-10b в указанных тестах. Модель принимает текст и выдаёт текст. Доступны веса PyTorch, лицензия CC BY-NC 4.0 допускает использование с ограничениями, включая запрет коммерческого использования.

Sadegh Karimi дообучил Whisper Base на наборе Common Voice 20.0 для автоматического распознавания речи на фарси. Модель на архитектуре Whisper содержит 51,7 млн параметров и рассчитана на преобразование входящего аудио в текст; в метаданных указана задача automatic-speech-recognition. На тестовой выборке автор сообщает значение WER 10,3712 и loss 0,0813. Модель можно применять для транскрибации записей и голосовых сообщений на фарси. Репозиторий также содержит вариант ggml для запуска через whisper.cpp. Модель распространяется по лицензии Apache-2.0.

LokaalHub разработал whisper-klein-nl — компактную модель распознавания речи на базе Whisper tiny, дообученную на нидерландском наборе LokaalHub/nl-asr-cv. Она преобразует нидерландскую речь в текст и рассчитана на локальный запуск, в том числе на CPU. По README, дообучение примерно на 94,4 часа записей Common Voice снизило WER на тестовой выборке Common Voice с 44,03% до 22,34% относительно базовой модели; в отдельной таблице приведены результаты 29,16% на cv17-test и 38,99% на fleurs-test. Метаданные указывают 29,4 млн параметров, а README приводит другие значения размера модели, поэтому их нельзя считать согласованными. Модель использует архитектуру WhisperForConditionalGeneration и формат safetensors; библиотека запуска — Transformers. Репозиторий распространяется по лицензии Apache-2.0.

Модель bofenghuang/whisper-large-v2-cv11-german — дообученная версия Whisper Large v2, созданная для распознавания немецкой речи. Её обучили на немецкой части набора Mozilla Common Voice 11.0; модель построена на архитектуре Whisper и содержит около 905,2 млн параметров. Модель преобразует аудио в текст, включая регистр букв и пунктуацию. Для входной речи требуется частота дискретизации 16 кГц. В карточке для Common Voice 11.0 указана оценка WER 5,76; результат получен на этом наборе и не гарантирует такую же точность на других данных. Модель распространяется по лицензии Apache-2.0.

Whisper-Large-V3-Distil-Italian-v0.2 — дистиллированная модель распознавания речи на базе архитектуры Whisper, созданная для транскрибации итальянской речи. Она содержит 905,2 млн параметров и использует неизменённую архитектуру энкодера Whisper large-v3 с декодером из двух слоёв; учительской моделью была openai/whisper-large-v3. Обучение охватывало аудиофрагменты длительностью до 30 секунд и применяло аугментацию данных для сохранения возможностей транскрибации длинных записей. Модель можно использовать самостоятельно, чтобы ускорить распознавание с некоторой потерей точности, или как черновую модель для speculative decoding вместе с Whisper large-v3. В README заявлены ускорение до 5,8 раза при самостоятельном использовании и примерно вдвое при speculative decoding; для последнего способа обещается сохранение тех же результатов, что у основной модели. Поддерживаются варианты запуска через Transformers и конвертированные реализации Whisper. Модель принимает аудио и выдаёт текст; сведения о контекстном окне в карточке не приведены. Репозиторий распространяется по лицензии MIT.

Это оптимизированная для CTranslate2 версия дообученной модели Whisper Large V3 Turbo, подготовленная ele-sage для распознавания канадской французской речи, включая квебекский вариант. Веса представлены в формате Float16, что позволяет ускорить инференс и снизить потребление памяти по сравнению с исходной версией на Transformers. Модель предназначена для транскрибации аудио на французском языке и может использоваться через WhisperX или Faster-Whisper; WhisperX также подходит для выравнивания распознанного текста с аудио. Для обучения исходной модели использовались данные Assemblée Nationale и Common Voice. Лицензия — MIT. Специализация на французской речи может снижать качество распознавания других языков.

arbml/whisper-medium-ar — дообученная версия openai/whisper-medium для автоматического распознавания речи. Модель на архитектуре Whisper содержит 455,8 млн параметров и принимает аудио, выдавая текстовую расшифровку. В карточке указано дообучение на датасете MGB-2; на оценочной выборке приведены loss 0,8488 и WER 16,5882. Модель предназначена для преобразования речи в текст. В названии указано «ar», а датасет MGB-2 связан с арабской речью; метаданные не содержат кодов языков. Репозиторий использует формат PyTorch и распространяется по лицензии Apache-2.0.

Whisper Medium Romanian — модель распознавания речи, созданная дообучением gigant на базе openai/whisper-medium. Она преобразует румынскую речь в текст и рассчитана на расшифровку аудио, включая записи, похожие на обучающие данные из Common Voice 11.0 и румынского корпуса синтезированной речи. Модель использует архитектуру Whisper и содержит 455,8 млн параметров. Для оценки применялся тестовый набор Common Voice 11.0; в карточке указана метрика WER 4,717. Модель принимает аудио и выдаёт текст, поддерживаемый язык — румынский. Лицензия — Apache-2.0.

Cafet/whisper-meduim-mongolian — дообученная Cafet версия мультиязычной модели OpenAI Whisper Medium для распознавания речи на монгольском языке. Модель принимает аудио и преобразует речь в текст; она основана на архитектуре Whisper и содержит 455,8 млн параметров. На оценочном наборе указаны loss 0,3098 и WER 26,8664. Модель распространяется в формате Safetensors через Transformers по лицензии Apache-2.0.