I.6Перевод и языковая адаптация

IonGrozea/whisper-small_ro-80mel — модель распознавания румынской речи, созданная дообучением openai/whisper-small на объединённом корпусе румынских аудиозаписей объёмом около 445 часов. Модель Whisper содержит 153,1 млн параметров и принимает аудио в виде мел-спектрограмм с 80 полосами; на выходе формирует текстовую транскрипцию. В метаданных указана поддержка румынского языка и лицензия Apache 2.0. Модель предназначена для транскрибирования румынской речи. В README сообщается о WER 0,0925 и CER 0,0293 на валидационной выборке из 25 348 примеров, оценённой с beam=5. Эти результаты относятся к описанному протоколу оценки; качество на других наборах данных и акустических условиях может отличаться.

Модель primeline/whisper-tiny-german-1224 — модель распознавания речи на архитектуре Whisper tiny, разработанная Флорианом Циммермайстером. Она предназначена для преобразования немецкой речи в текст: например, для расшифровки записей, автоматического создания субтитров, голосового управления, голосового поиска и диктовки. Модель содержит 29,4 млн параметров по метаданным каталога; в README для семейства Whisper tiny приведена оценка 39 млн параметров. Для обучения использовали около 6000 часов немецкой речи из публичных, проприетарных и синтетических источников. Модель поддерживает входное аудио и выдаёт текст; в метаданных указаны форматы ONNX и safetensors. Лицензия — Apache-2.0.

GLM-4.7-GGUF — набор квантизованных версий языковой модели GLM-4.7, разработанной zai-org и подготовленной пользователем bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие проекты на его основе. Заявлены английский и китайский языки; поддерживаются сценарии диалогового взаимодействия и текстовой генерации с указанным в README форматом промпта. Модель поставляется в формате GGUF с вариантами квантизации Q8_0, Q6_K, Q5_K_M, Q5_K_S, Q4 и IQ2–IQ4, размером от 88,79 до 380,97 ГБ. Квантизация выполнена с использованием imatrix и llama.cpp версии b7475. Старшие варианты обеспечивают более высокое качество, тогда как младшие требуют меньше памяти, но заметно уступают по качеству; точные архитектурные характеристики, число параметров, размер контекста и поддерживаемые модальности в README не указаны. Модель распространяется по лицензии MIT.

Arcee-VyLinh — компактная языковая модель на 3,1 млрд параметров от Arcee AI для диалога, выполнения инструкций и генерации текста с упором на вьетнамский язык. Модель создана на основе Qwen2.5-3B и Qwen2.5-3B-Instruct: после дообучения на вьетнамских данных и итеративной оптимизации предпочтений её объединили с базовой инструктивной моделью. Используются плотная архитектура Qwen2, библиотека Transformers и формат safetensors. Модель принимает текст на вьетнамском и английском языках, поддерживает контекст до 32 768 токенов и предназначена для чата, ответов на вопросы, дополнения текста, создания и суммаризации материалов. По данным карточки, она показывает сильные результаты на сложных задачах на вьетнамском при компактном размере. Возможны галлюцинации в вопросах о культурно-специфических темах и сниженное качество в узкоспециализированных технических областях. Лицензия — Apache-2.0.

arif11/bangla-ASR-v5 — модель автоматического распознавания речи на бенгальском языке, созданная дообучением openai/whisper-small на наборе Mozilla Common Voice 13. Это модель семейства Whisper с архитектурой WhisperForConditionalGeneration и 153,1 млн параметров; она принимает аудио и выдаёт текстовую транскрипцию. Модель предназначена для преобразования бенгальской речи в текст, в том числе для транскрибирования записей и аудио из голосовых сервисов. В README приведены результаты оценки на тестовой выборке: loss 0,1503 и WER 36,6982. Репозиторий распространяется по лицензии Apache-2.0.

BARTO base — испаноязычная предварительно обученная модель семейства BART, разработанная авторами работы «Sequence-to-Sequence Spanish Pre-trained Language Models». Это трансформерный энкодер-декодер: двунаправленный энкодер сочетается с авторегрессионным декодером. Модель содержит 95,2 млн параметров, имеет контекст до 1024 токенов и распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. Модель обучалась восстанавливать исходный текст после его искажения и предназначена прежде всего для дообучения на размеченных данных. После такой настройки её применяют для генерации текста, включая суммаризацию и перевод, а также для задач понимания текста — классификации и ответов на вопросы. Исходный чекпойнт поддерживает заполнение пропусков в тексте.

Beetle bilingual balanced b1 FineWeb Polish-English — генеративная языковая модель из семейства Beetle-FineWeb2 с заявленным размером 24B параметров. Модель опубликована на Hugging Face и предназначена для генерации текста; в метаданных указаны библиотека Transformers и архитектурный тег pico_decoder. Модель ориентирована на двуязычные сценарии на польском и английском языках, включая продолжение текста, подготовку черновиков и генерацию ответов. В README отсутствуют сведения о разработчике, лицензии, контексте, обучающих данных, результатах оценки и специальных ограничениях, поэтому перед использованием в продуктивных или чувствительных сценариях необходимы самостоятельное тестирование и проверка условий распространения.

Chinese-Mistral-7B-Instruct-v0.1 — это китайско-английская диалоговая модель на архитектуре Mistral, разработанная лабораторией наук о Земной системе Университета Цинхуа. Она основана на Mistral-7B: разработчики расширили словарь для эффективной обработки китайского текста и выполнили дополнительное предварительное обучение, а версию Instruct дообучили с помощью LoRA на англо- и китайскоязычных данных Alpaca-GPT4. Модель содержит 7,2 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации ответов и ведения диалога на китайском и английском языках, а также для общих задач понимания текста, знаний и рассуждений. Китайский словарь повышает эффективность токенизации китайского текста; в README также приведены оценки на китайских и англоязычном тестах знаний. Модель принимает текст и генерирует текст. Возможны ошибочные, вводящие в заблуждение или вредоносные ответы; перед использованием в приложениях разработчики рекомендуют проверку безопасности и настройку под конкретный сценарий. Лицензия в предоставленных сведениях не указана.

EXAONE-4.0-1.2B-GGUF — это компактная языковая модель семейства EXAONE 4.0, разработанная LG AI Research. Данная версия представлена в формате GGUF и предназначена для локального запуска, включая on-device-сценарии. Модель поддерживает генерацию текста, агентное использование инструментов, а также два режима работы: обычный и reasoning mode для решения более сложных задач. Модель содержит около 1,07 млрд параметров без учёта эмбеддингов, 30 слоёв и использует Grouped-Query Attention с 32 attention heads и 8 KV heads. Размер словаря составляет 102 400 токенов, контекст — до 65 536 токенов. Поддерживаются английский, корейский и испанский языки. Архитектурные особенности серии включают QK-Reorder-Norm; гибридная attention-схема с локальным и глобальным вниманием указана для 32B-версии, поэтому её применение к данной 1.2B-модели не подтверждено. Сильные стороны модели — небольшой размер, возможность локального и периферийного развертывания, многоязычность, поддержка reasoning mode и вызова инструментов. Ограничения включают существенно меньший размер по сравнению с 32B-версией, что может снижать качество на сложных задачах; конкретные показатели производительности и требования к ресурсам в README не приведены. Модель распространяется по лицензии EXAONE, обозначенной как other; подробные условия находятся в файле LICENSE.

GLM-4-9B-Chat-1M-GGUF — квантованная GGUF-версия языковой чат-модели GLM-4-9B-Chat-1M, разработанной THUDM. Квантование выполнено bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через LM Studio и другие совместимые средства локального запуска. Модель ориентирована на китайский и английский языки и поддерживает текстовый ввод и вывод. В названии указано окно контекста 1M; размер базовой модели — около 9 млрд параметров. Доступны варианты от F16 до различных уровней квантования Q2–Q8 и IQ, поэтому можно выбирать между качеством, скоростью и требованиями к памяти. Рекомендуемые варианты обеспечивают высокое или хорошее качество, а компактные варианты подходят для систем с ограниченным объёмом RAM, но дают более заметное снижение качества. Это локальная версия модели, что позволяет запускать её без обращения к облачному API, однако производительность зависит от используемого оборудования и реализации inference. README не содержит результатов тестирования, поэтому точные сильные стороны по сравнению с другими моделями оценить нельзя. Для работы требуется соблюдать формат промпта с токенами [gMASK], <sop>, <|system|>, <|user|> и <|assistant|>. Лицензия указана как glm-4; подробные условия доступны в лицензии исходной модели THUDM.

Jais Family — семейство двуязычных языковых моделей, разработанное Inception и Cerebras Systems. Репозиторий inception42/jais-family-256m содержит текстовую авторегрессионную модель семейства JAIS для генерации текста; в метаданных указана архитектура JAISLMHeadModel, плотная архитектура и контекст до 2048 токенов. README описывает семейство, обученное с нуля или адаптивно на основе Llama 2, однако не уточняет размер 256M и вариант происхождения именно этой модели. Модель ориентирована на арабский язык (современный литературный арабский) и английский. Её можно применять для генерации текста, диалогов, суммаризации двуязычных документов и языковых задач NLP. Веса доступны в формате safetensors, лицензия — Apache 2.0. Модель может выдавать ошибочные, вводящие в заблуждение или предвзятые ответы; результаты требуют проверки. Она не предназначена для высокорисковых решений без человеческого контроля и может работать хуже на других языках и диалектах. Для загрузки README указывает на необходимость включить trust_remote_code=True.

JAIS Family 590M Chat — созданная Inception Institute of Artificial Intelligence двуязычная языковая модель JAIS, дообученная для диалогов на арабском и английском языках. Это плотная авторегрессионная модель с примерно 590 млн параметров и контекстом до 2048 токенов; для загрузки требуется пользовательский класс модели и включение trust_remote_code=True. Модель предназначена для диалоговых помощников и генерации текста, а также может применяться для ответов на вопросы и других языковых задач на арабском и английском. Компактный размер подходит для экспериментов и приложений с ограниченными вычислительными ресурсами; семейство JAIS ориентировано на арабский язык и сохраняет сильные возможности английского. Модель распространяется по лицензии Apache 2.0. Возможны фактические ошибки, предвзятые или оскорбительные ответы; не следует полагаться на неё при принятии высокорисковых решений или использовать для обработки конфиденциальных данных. Разработчик рекомендует не предполагать равное качество для других языков и диалектов.

Jisr-Align-29M — разработанная oddadmix контрастивно дообученная с нуля модель на базе Marian для выравнивания арабских и английских предложений. Это энкодер с 29 млн параметров, шестью слоями и размерностью представлений 448; модель принимает пары предложений и выдаёт векторные представления для оценки их соответствия. Максимальная длина контекста — 1024 токена. Для выравнивания документов README рекомендует сочетать энкодер с динамическим поиском по монотонному пути, который формирует связи 1-к-1, 1-ко-многим, многие-к-1 и нулевые связи с оценкой уверенности. Модель подходит для поиска параллельных текстов, сопоставления предложений между арабскими и английскими документами и поиска переводных соответствий. В README приведены результаты на FLORES devtest и египетском диалекте арабского языка; отдельная адаптация на диалектные данные не проводилась. Ограничения поиска: он не восстанавливает перестановки предложений, а связи 2-к-2 выбираются редко из-за стоимости шага в используемом DP-поиске. Модель распространяется по лицензии Apache-2.0.

LFM2.5-350M-MLX-4bit — компактная мультиязычная языковая модель, разработанная Liquid AI. Это экспорт модели LFM2.5-350M в формате MLX, предназначенный для эффективного запуска на устройствах с Apple Silicon. Модель относится к задачам генерации текста и может использоваться для локального вывода, ответов на текстовые запросы и других сценариев, где важны небольшой размер и низкие требования к памяти. Модель содержит 350 млн параметров, использует 4-битную точность с размером группы 64 и занимает около 212 МБ. Она построена на гибридной архитектуре Liquid AI, объединяющей свёрточные и attention-слои для эффективной обработки длинного контекста; заявленная длина контекста составляет 128K токенов. Поддерживаются английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. К сильным сторонам относятся компактность, экономичное использование памяти, поддержка нескольких языков и оптимизация для Apple Silicon через MLX. Ограничения связаны с небольшим размером модели и 4-битным квантованием: по качеству и универсальности она может уступать более крупным моделям, а её целевая среда запуска — устройства Apple Silicon. Модель распространяется по лицензии LFM 1.0.

PocketAiHub/LFM2.5-8B-A1B-Abliterated — производная модель, подготовленная PocketAI Model Lab на основе LiquidAI/LFM2.5-8B-A1B. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск на Apple Silicon через MLX-LM и запуск в формате GGUF с помощью llama.cpp. Поддерживаются английский, арабский, китайский, французский, немецкий, японский, корейский, испанский, португальский и итальянский языки. Модель имеет гибридную архитектуру с attention, свёрточными слоями, dense-компонентами и MoE-экспертами. Доступны смешанный 4-битный вариант MLX, а также варианты GGUF Q4_K_M и Q6_K; Q4_K_M ориентирован на компактность, а Q6_K — на более высокое качество. Контекстное окно и точное число параметров в README не указаны. Релиз прошёл внутреннюю валидацию возможностей и маршрутов инструментов, но приведённые результаты не являются широкими бенчмарками. Особенность модели — сниженное поведение отказа, полученное редактированием родительской модели; разработчики подчёркивают, что это не полностью «uncensored»-модель. Снижение встроенных защит может облегчать получение вредоносных, незаконных или опасных инструкций. Как и другие языковые модели, она может галлюцинировать и не подходит для решений в медицинской, юридической, финансовой и других критически важных областях без проверки человеком. Качество может меняться из-за квантизации. Модель распространяется по лицензии LFM Open License v1.0, унаследованной от Liquid AI. Лицензия содержит ограничение, связанное с коммерческой выручкой, поэтому перед использованием или распространением необходимо изучить её полный текст.

LiquidAI/LFM2.5-VL-3B-MLX-4bit — MLX-экспорт мультимодальной vision-language модели LFM2.5-VL-3B, разработанной Liquid AI. Версия предназначена для запуска вывода на устройствах Apple Silicon и поддерживает обработку изображений вместе с текстовыми запросами. Модель построена на языковой основе LFM2.5-2.6B и оснащена визуальным энкодером SigLIP2 NaFlex объёмом 400 млн параметров. Общее количество параметров составляет около 3 млрд, используется 4-битная квантизация с размером группы 64, а размер модели — около 2,2 ГБ. Длина контекста — 32K токенов, нативное разрешение изображений — до 512×512 пикселей. Поддерживаются OCR, понимание документов, мультиязычное понимание изображений, предсказание ограничивающих рамок и вызов функций. Заявлена поддержка арабского, китайского, английского, французского, немецкого, хинди, индонезийского, итальянского, японского, корейского, польского, португальского, русского, испанского, тайского и вьетнамского языков. Сильные стороны модели — сочетание визуального и языкового анализа, компактный размер, 4-битное представление и адаптация для эффективного запуска на Apple Silicon. Ограничения включают зависимость от экосистемы MLX и указанный предел нативного разрешения изображений; прочие ограничения производительности в README не описаны. Модель распространяется по лицензии LFM 1.0.

LGAI-EXAONE_EXAONE-Deep-7.8B-GGUF — это квантизированная версия языковой модели EXAONE-Deep-7.8B, разработанной компанией LG AI. Модель предназначена для генерации текста и может использоваться локально через llama.cpp, LM Studio и другие совместимые приложения на базе llama.cpp. Заявлена поддержка английского и корейского языков. Модель содержит 7,8 млрд параметров и распространяется в формате GGUF с вариантами квантизации от Q2 до Q8, а также в формате BF16. Это позволяет выбирать между качеством вывода, размером файла и требованиями к оперативной памяти; наиболее сбалансированными автор рекомендует варианты Q4–Q6. К преимуществам относятся локальный запуск и широкий выбор уровней квантизации, однако README не содержит сведений о точной архитектуре, размере контекстного окна, мультимодальности и результатах бенчмарков. Модель создана на основе EXAONE-Deep-7.8B и квантизирована bartowski с использованием llama.cpp и imatrix. Лицензия обозначена как EXAONE; точные условия следует уточнять в прилагаемом файле LICENSE.

QuantFactory/Llama3.1-8B-Chinese-Chat-GGUF — квантизированная версия модели Llama3.1-8B-Chinese-Chat, созданная с использованием llama.cpp на основе Meta-Llama-3.1-8B-Instruct. Исходную модель разработали Shenzhi Wang, Yaowei Zheng, Guoyin Wang, Shiji Song и Gao Huang; равный вклад указан для первых двух авторов. Модель предназначена для генерации текста и диалоговых сценариев на китайском и английском языках. Она ориентирована на ролевое взаимодействие, использование инструментов и function calling, а также задачи, связанные с математикой. Дообучение выполнено методом ORPO с использованием LLaMA-Factory на более чем 100 тысячах пар предпочтений. Размер модели составляет около 8,03 млрд параметров, заявленная длина контекста — до 128K токенов, однако для китайской версии она не была протестирована; длина контекста при дообучении составляла 8192 токена. Главное преимущество модели — адаптация Llama 3.1 для китайско-английских пользователей и наличие GGUF-квантизации, упрощающей локальный запуск через llama.cpp или LM Studio. Ограничения включают непроверенную заявленную длину контекста для этой версии и возможные неточные ответы на вопросы о собственной идентичности и разработчиках. Модель распространяется по лицензии Llama 3.1.

nm-testing/Llama-3.2-1B-Instruct-FP8-KV — тестовый вариант Meta Llama 3.2 1B Instruct, опубликованный организацией nm-testing на Hugging Face. Он основан на авторегрессионной языковой модели Meta с оптимизированной архитектурой Transformer, дообученной с помощью supervised fine-tuning и reinforcement learning from human feedback для полезного и безопасного диалога. Репозиторий не содержит отдельной карточки модели, поэтому сведения о назначении и характеристиках частично унаследованы от базовой модели Meta Llama 3.2 1B Instruct. Модель предназначена для генерации текста, многоязычного диалога, ассистентских и агентных сценариев, включая извлечение знаний, суммаризацию, переписывание запросов и работу локально при ограниченных вычислительных ресурсах. Базовая модель содержит около 1,23 млрд параметров, поддерживает текст на входе и выходе, Grouped-Query Attention и контекст до 128 тысяч токенов; официально заявлены английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. В данном варианте веса представлены в BF16, а KV-cache использует формат FP8 E4M3, что может снижать потребление памяти и ускорять инференс, но способно приводить к численной погрешности. Основное ограничение — это тестовый чекпойнт, предназначенный прежде всего для проверки инфраструктуры квантования и инференса, а не отдельная модель с собственной оценкой качества. Для использования применяются условия Llama 3.2 Community License Meta, включая требования Acceptable Use Policy и специальные условия распространения.

LLama3-Gaja-Hindi-8B-v0.1 — двуязычная чат-модель Cognitivelab.in, дообученная на базе Llama 3 8B. Это плотная авторегрессионная архитектура Llama с 7,5 млрд параметров, предназначенная для понимания естественного языка и выполнения инструкций в диалогах на хинди и английском. Модель поддерживает контекст до 8192 токенов и распространяется в формате safetensors. Модель подходит для ответов на вопросы и ведения многоходового чата, следуя инструкциям пользователя на хинди или английском. Для дообучения использовались отобранные переведённые пары инструкций и метод supervised fine-tuning с low-rank adaptation. Лицензия в метаданных указана как Llama 2; условия использования следует сверять с её текстом. В карточке нет опубликованных результатов бенчмарков, поэтому качество модели по ним оценить нельзя.

llm-jp-13b-instruct-full-dolly-oasst-v1.0 — языковая модель LLM-jp, совместного проекта, запущенного в Японии. Это 13-миллиардная плотная Transformer-модель на архитектуре GPT-2, дообученная следовать инструкциям на наборах jaster, Dolly и OpenAssistant; версии Dolly и OpenAssistant в обучении использовались в переводе на японский. Репозиторий содержит веса PyTorch для Transformers, лицензия — Apache-2.0. Модель предназначена для генерации текста и ответов на инструкции, в том числе на японском и английском языках. Она обучалась на смешанных японских и английских данных, а словарь также включает исходный код. Контекст составляет 2048 токенов; при предварительном обучении модель видела 300 млрд токенов. Авторы отмечают, что модель находится на раннем этапе исследований и разработок и не настраивалась для надёжного соответствия человеческим намерениям и требованиям безопасности. Следует проверять ответы и учитывать ограниченную длину контекста.

llm-jp-3-13b-instruct — инструкция-настроенная языковая модель, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии; разработка частично поддержана GENIAC. Это плотная Transformer-модель семейства Llama с архитектурой LlamaForCausalLM, примерно 13,2 млрд параметров и контекстом 4096 токенов. Модель обучалась на смеси данных, включающей японские источники, а затем дообучалась на наборах инструкций, в том числе вручную составленных японских инструкциях. Модель предназначена для диалогов и выполнения инструкций: она может отвечать на вопросы, помогать с письмом, рассуждениями, извлечением информации и задачами на японском языке. В README приведена оценка Japanese MT Bench для версии 13B instruct; это ориентир по набору тестов, а не гарантия качества в конкретном применении. Метаданные также указывают английский и японский языки. Разработчики предупреждают, что модель находится на раннем этапе исследований и разработок и не настроена для надёжного соответствия намерениям человека и требованиям безопасности. Для распространения указана лицензия Apache-2.0.

llm-jp-3-980m-instruct2 — инструктивная языковая модель из серии LLM-jp-3, разработанной Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это плотный авторегрессионный трансформер семейства Llama с 980 млн параметров, дообученный методом supervised fine-tuning на инструкционных данных. Модель принимает текст и генерирует текст; карточка описывает японские и английские данные, а контекст составляет 4096 токенов. Модель предназначена для диалогов и выполнения текстовых инструкций, включая ответы на вопросы и формирование ответов в заданном формате. Предварительное обучение проводилось на смеси корпусов, включающей японскую Википедию, Common Crawl и документы PDF; для последующего обучения использовались, среди прочего, вручную подготовленные японские инструкционные наборы. Разработчики предупреждают, что модель находится на ранней стадии исследований и разработок и не была настроена для надёжного следования человеческим намерениям и требованиям безопасности. Модель распространяется под лицензией Apache-2.0.

Marco-Nano-Base — компактная разреженная языковая модель семейства Marco-MoE, разработанная Alibaba International Digital Commerce. Это decoder-only Transformer с архитектурурой Mixture-of-Experts: по README, из 8 млрд параметров на каждый токен активируются около 0,6 млрд. Модель создана на основе Qwen3-0.6B-Base с помощью разбиения матриц и Drop-Upcycling; в метаданных указаны архитектура Qwen3 MoE и 507,9 млн параметров, поэтому фактический размер репозитория отличается от описания в README. Модель предназначена для генерации текста и диалогов на 29 языках, включая английский, китайский, русский, арабский, японский и другие. Поддерживает контекст до 32 768 токенов и интерфейс вызова инструментов. README приводит результаты сравнительных тестов: модель показывает конкурентные результаты на англоязычных и многоязычных бенчмарках при низком числе активных параметров. Для запуска используются Transformers и веса Safetensors. Лицензия — Apache-2.0. Как базовая модель, она предназначена для дальнейшей адаптации; README не описывает ограничения по качеству для отдельных языков или сценариев, поэтому результаты бенчмарков не гарантируют качество на конкретных пользовательских задачах.

MEXMA — мультиязычный кросс-языковой энкодер предложений, разработанный авторами исследования «MEXMA: Token-level objectives improve sentence representations». Модель дообучена на основе FacebookAI/xlm-roberta-large и объединяет цели обучения на уровне предложений и токенов: представление предложения на одном языке используется для предсказания маскированных токенов на другом языке. Модель предназначена для получения представлений предложений и сопоставления текстов на разных языках. Авторы сообщают о более высоком качестве в поиске соответствующих переводных фрагментов и ряде последующих задач по сравнению с другими предварительно обученными кросс-языковыми энкодерами предложений. В репозитории указаны архитектура XLM-RoBERTa, 658,7 млн параметров и контекст до 514 токенов; модель использует Transformers и формат safetensors. Для представления предложения следует брать выход энкодера CLS напрямую: pooler модели не обучался. Лицензия — MIT. README не приводит количественные результаты по конкретным задачам и не перечисляет поддерживаемые языки по отдельности.

Ansu разработал модель автоматического распознавания речи на баскском языке — дообученную версию utter-project/mHuBERT-147 с архитектурой HuBERT и CTC-декодером. Модель содержит 113,3 млн параметров и предназначена для преобразования баскской речи в текст; в карточке приведены результаты на тестовых наборах CV, Parl и OSLR, включая WER 0,074, 0,068 и 0,204 соответственно. Модель принимает аудио и выдаёт текст. Примеры показывают распознавание баскской речи, в том числе записей с именами собственными и заимствованными словами; ошибки в орфографии и распознавании слов остаются, а качество различается между тестовыми наборами. Веса опубликованы в формате Safetensors для Transformers. Лицензия CC BY-NC-SA 4.0 требует указания авторства, ограничивает коммерческое использование и предписывает распространять производные материалы на тех же условиях.

MiMo-V2.5-ASR-8B-NOESIS-BF16 — версия модели распознавания речи Xiaomi MiMo-V2.5-ASR-8B, подготовленная AMAImedia для платформы автоматизации дубляжа NOESIS. Это плотная причинная языковая модель на архитектуре MiMoV2ASRForCausalLM, производной от Qwen2; в аудиотракте используются аудиотокены с параметрами n_rvq=20 и group_size=4. Веса преобразованы из FP32 в BF16 для уменьшения занимаемого места и совместимости с инструментами PEFT; дообучение модели не заявлено. По данным карточки, модель предназначена для распознавания и транскрибации речи на китайском путунхуа, английском и кантонском языках. Контекст составляет 8192 токена. Модель подходит для многоязычной транскрибации и как компонент конвейера кинодубляжа; BF16-сборка также рассчитана на запуск на оборудовании с нативной поддержкой BF16 и на использование в качестве основы для адаптерного дообучения или учителя при дистилляции. Карточка не приводит оценок точности или подробных условий работы с разными акустическими условиями. Лицензия — MIT.

Moonshine Streaming Small — Spanish — это модель распознавания испанской речи от Moonshine AI. Она транскрибирует аудио по мере поступления, не дожидаясь окончания высказывания, и рассчитана на локальный запуск на устройствах с ограниченными ресурсами. По метаданным, модель содержит 48,2 млн параметров; карточка описывает потоковую архитектуру с аудиофронтендом 50 Гц и оконным Transformer-энкодером. Модель доступна в формате Safetensors, работает через Transformers и поддерживает контекст до 4096 токенов. Обучение сочетает небольшую коллекцию человеческих расшифровок и крупный испаноязычный корпус с автоматически созданными псевдоразметками. В оценке на двух наборах чтения WER составил около 4,9%, однако эти результаты не характеризуют спонтанную речь, телефонные записи и тяжёлые диалекты. Возможны ошибки в именах, числах и переключении языков, а на коротких или шумных фрагментах — зацикливание текста. Для корректной потоковой работы при обработке нужно передавать attention mask. Лицензия — MIT.

Это GGUF-сборка MOSS-Transcribe-Diarize от Luigi на основе модели OpenMOSS-Team/MOSS-Transcribe-Diarize. Репозиторий содержит варианты весов для запуска через движок RapidSpeech.cpp: основная версия q4mix-v2 занимает 759 МБ, также доступны варианты q8mix и F32. Базовая модель с 0,9 млрд параметров использует энкодер Whisper-medium и декодер Qwen3-0.6B; веса портированы в формат C++/ggml и проверены на соответствие исходному PyTorch-чекпойнту. Основная задача — транскрибирование аудио с временными метками и диаризацией говорящих; модель рассчитана на китайский и английский языки. Вариант q4mix-v2 дополнительно адаптирован QAT к распознаванию тишины: на полностью беззвучном входе он должен возвращать пустую расшифровку, сохраняя чувствительность к тихой речи. По приведённым тестам, точность на китайском наборе из пятиминутных записей улучшилась по сравнению с предыдущим q4-вариантом, а качество английской однопроходной расшифровки снизилось на 1,5 процентного пункта. Лицензия — Apache-2.0. Описание не подтверждает, что эта сборка сохраняет все функции диаризации базовой модели во всех вариантах весов.

Muse-Glimmer-30B-heretic-plus-GGUF — квантизированная GGUF-версия модели Muse-Glimmer-30B-heretic-plus, разработанной gjtgjt и подготовленной mradermacher. Модель предназначена для conversational-сценариев и задач image-text-to-text, то есть может работать с текстом и изображениями при использовании дополнительного multimodal-модуля mmproj. Модель имеет заявленный размер 30B параметров и поддерживает английский, китайский и другие языки в мультиязычном режиме. Архитектура и максимальный размер контекста в README не указаны. Доступны варианты квантования от Q2_K до Q8_0, а также IQ4_XS; размер файлов составляет примерно от 10,8 до 29,7 ГБ. Варианты Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как обеспечивающий очень хорошее качество, а Q8_0 — как вариант с лучшим качеством среди представленных. Сильными сторонами модели являются крупный размер, мультиязычность, поддержка мультимодальных сценариев и возможность локального запуска через формат GGUF с выбором компромисса между качеством, скоростью и требованиями к памяти. Ограничения включают зависимость качества от выбранного квантования, необходимость отдельного mmproj-файла для мультимодальной работы и отсутствие в README сведений о результатах тестирования, контекстном окне и точном устройстве архитектуры. Модель распространяется по лицензии Apache-2.0.