I.6Перевод и языковая адаптация

LFM2-2.6B-Exp-GGUF — языковая модель для генерации текста, разработанная компанией Liquid AI. Это GGUF-версия модели LFM2-2.6B-Exp, предназначенная прежде всего для edge AI и локального запуска непосредственно на устройствах. Модель ориентирована на сценарии, где важны скорость работы, качество ответов и экономное использование памяти. Модель относится к гибридному семейству LFM2 и поддерживает text-generation. Доступны языки английский, арабский, китайский, французский, немецкий, японский, корейский и испанский. Размер модели — 2,6 млрд параметров. Формат GGUF совместим с llama.cpp и подходит для локального развертывания, включая устройства с ограниченными вычислительными и memory-ресурсами. Архитектурные детали и размер контекста в представленном README не указаны. К сильным сторонам модели относятся ориентация на периферийные устройства, высокая скорость и эффективность использования памяти. Ограничения, результаты тестов и сравнительные показатели в README не приведены, поэтому качество на конкретных задачах оценить невозможно. Модель распространяется по лицензии lfm1.0; подробные условия следует уточнять в файле LICENSE.

Модель artificialguybr/LLAMA3.2-1B-Synthia-II-Redmond — дообученная версия мультиязычной языковой модели Llama 3.2 1B от Meta. Автор дообучил её на наборе инструкций Synthia-v1.5-II с использованием Axolotl; архитектура — плотная авторегрессионная LlamaForCausalLM, размер — 1,2 млрд параметров, нативная длина контекста — 131 072 токена. Модель предназначена для выполнения инструкций и диалоговых приложений, а также для исследований и разработки в области NLP. В карточке перечислены английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Доступны веса PyTorch и safetensors. Лицензия — Llama 3.2.

Llama-3.2-3B-F1-Instruct, также называемая Formosa-1 или F1, — языковая модель Twinkle AI и APMIC, созданная при техническом руководстве Национального центра высокоскоростных вычислений Тайваня. Это дообученная версия LlamaForCausalLM с 3 млрд параметров, ориентированная на традиционный китайский язык и задачи в контексте Тайваня; также поддерживает английский. Модель предназначена для диалогов и выполнения инструкций в правовых, образовательных и повседневных сценариях. В карточке отмечена поддержка вызова инструментов, включая параллельные вызовы, с шаблоном Hermes. Авторы сообщают об оценках на тестах TMMLU+, тайваньского права и MMLU, а также о проверке вызова функций по BFCL. Результаты зависят от режима оценки и не гарантируют качество в конкретном приложении. Модель опубликована в формате safetensors для Transformers и распространяется по лицензии llama3.2.

Infinirc/Llama-3.2-Infinirc-3B-Instruct — дообученная текстовая модель, созданная Чэнь Чжаожу из Infinirc.com на базе meta-llama/Llama-3.2-3B-Instruct. Она предназначена для понимания и генерации текстов, связанных с культурой Тайваня, и поддерживает диалоговый режим. В обучающие данные входили диалоги, тайваньские новости, литература, интернет-статьи, материалы по программированию и медицинским вопросам, а также английские диалоги. Модель использует плотную архитектуру LlamaForCausalLM и содержит 3,2 млрд параметров; заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате safetensors. В карточке приведены результаты отдельных тестов ARC Easy и HellaSwag, но они не дают полной оценки качества для всех сценариев. Для использования необходимо соблюдать условия лицензии Llama 3.2. Карточка предупреждает о необходимости проверять ответы на дискриминационное и иное вредоносное содержание; для медицинских вопросов модель не следует считать заменой профессиональной консультации.

Модель leekh7624/Llama-3-Open-Ko-8B-Instruct-sample — чат-модель на архитектуре Llama с плотной сетью и примерно 7,5 млрд параметров. Разработчик leekh7624 дообучил её на основе beomi/Llama-3-Open-Ko-8B-Instruct-preview; при обучении использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста в диалоговом формате, включая ответы на инструкции. Контекст — до 8192 токенов. В метаданных указан английский язык, а базовая модель ориентирована на корейский и английский. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

llm-jp-3.1-1.8b — плотная трансформерная языковая модель семейства Llama, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Версия 1.8B содержит около 1,7 млрд параметров и рассчитана на контекст до 4096 токенов. Веса представлены в формате Safetensors для Transformers. Модель предназначена для генерации текста и выполнения инструкций на японском и английском языках. Она прошла дополнительное непрерывное обучение на инструкциях, а затем supervised fine-tuning и выравнивание методом Direct Preference Optimization. Подходит для диалога, ответов на вопросы и создания текстов; данные README также описывают оценку качества на японском и английском языках. Разработчики предупреждают, что модель находится на раннем этапе исследований и разработок и не настроена для надёжного соответствия намерениям пользователя и требованиям безопасности. Лицензия — Apache-2.0.

MERaLiON-2-10B-ASR — мультимодальная модель распознавания речи, разработанная Институтом исследований и информатики A*STAR (I2R) в Сингапуре. Это ASR-оптимизированная версия MERaLiON-2: архитектура объединяет речевой энкодер на основе Whisper Large v3 и текстовый декодер Gemma 2; число параметров — 8,1 млрд. Модель дообучена и объединена с базовыми моделями для распознавания речи на английском, китайском, малайском, тамильском, индонезийском, тайском и вьетнамском языках. Модель предназначена прежде всего для транскрибации аудио, в том числе речи с сингапурскими акцентами, местными разговорными выражениями и переключением языков. Она принимает монофоническое аудио с частотой 16 кГц; README указывает длительность до 300 секунд для аудиозапросов, но для удовлетворительного качества транскрибации рекомендует ограничивать аудио 30 секундами. Разработчики сообщают об улучшении распознавания на 5–30% относительно Whisper Large v3, однако результат зависит от языка и условий записи. Модель использует Transformers и распространяется по лицензии MERaLiON Public License. README исключает применение для вызова инструментов, математики и программирования; подтверждённые задачи модели относятся к распознаванию речи.

Merge-Gemma-2b-it-with-a-Fine-Tuned-one-for-Arabic — диалоговая модель генерации текста, созданная Ruqiya с помощью LazyMergekit. Веса объединяют Gemma 2B Instruct и модель Ruqiya, дообученную для арабского языка, методом DARE TIES; в конфигурации указана точность bfloat16. Модель содержит 2,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для диалога и генерации текста на арабском и английском языках. Её можно использовать для ответов на вопросы, ведения переписки и создания текстов на этих языках. Репозиторий содержит веса в формате Safetensors. Лицензия в предоставленных данных не указана.

SC117/MiniCPM5-2B-abliterated-FIT-GGUF — это квантизированная GGUF-сборка текстовой генеративной модели openbmb/MiniCPM5-2B, подготовленная и проверенная с помощью FIT-GGUF. Модель относится к семейству MiniCPM, имеет около 2,5 млрд параметров и рассчитана на локальный запуск, в том числе на устройствах с ограниченными ресурсами. Поддерживаются английский и китайский языки, максимальная заявленная длина контекста — 128K токенов. Сборка предназначена для генерации текста и работы через совместимые инструменты, включая llama.cpp. Доступны четыре уровня точности с размером файлов примерно от 1,14 до 1,46 GiB. FIT-GGUF подбирает распределение квантования по тензорам под заданный уровень сохранения качества и проверяет каждый файл относительно собственной BF16-версии с использованием измерений KL-дивергенции и совпадения наиболее вероятного токена. Это позволяет выбирать компромисс между размером, скоростью и качеством, однако универсальное оптимальное распределение квантования не заявлено. Модель помечена как abliterated, то есть её поведение в части встроенных ограничений и отказов может отличаться от исходной версии; README не содержит подробного описания соответствующих изменений и оценок безопасности. К другим ограничениям относятся неизбежные потери качества при квантовании и отсутствие в предоставленных данных детальной спецификации архитектуры или результатов бенчмарков. Лицензия — Apache-2.0.

Moonshine-Tiny-FR — компактная модель распознавания французской речи, созданная дообучением UsefulSensors/moonshine-tiny. Она принимает монофоническое аудио с частотой 16 кГц и выдаёт французскую текстовую расшифровку. Модель содержит 27 млн параметров и использует архитектуру Moonshine: свёрточное извлечение признаков, Transformer-блоки в энкодере и авторегрессионный Transformer-декодер. Указанная длина контекста — 194 токена. Модель предназначена для транскрибации аудиофайлов и речи в реальном времени, голосовых команд, средств доступности и запуска на мобильных и периферийных устройствах. В README приведены результаты оценки на французском тестовом наборе Multilingual LibriSpeech: WER 21,8% и скорость около девяти раз быстрее реального времени на CPU. Лицензия — MIT. По описанию, модель лучше работает на аудиокнигах и стандартном французском произношении; региональные акценты, сильный фоновый шум и очень короткие записи могут ухудшать распознавание. Возможны повторы и галлюцинации текста, особенно при жадном декодировании. Авторы отмечают, что это proof of concept и что для большей надёжности нужны дополнительные улучшения данных.

Mungert/Qwen3.5-0.8B-GGUF — GGUF-версия мультимодальной модели Qwen3.5-0.8B из семейства Qwen, разработанного командой Qwen. Модель создана на основе Qwen/Qwen3.5-0.8B-Base и преобразована с использованием llama.cpp. Это причинная языковая модель с визуальным энкодером, предназначенная для работы с текстом и изображениями. Модель содержит около 0,8 млрд параметров, 24 слоя и скрытое измерение 1024. В архитектуре используются гибридные блоки Gated DeltaNet и Gated Attention, а также механизмы sparse Mixture-of-Experts, заявленные для повышения эффективности вывода. Нативная длина контекста составляет 262 144 токена. Заявлена поддержка 201 языка и диалекта. Модель ориентирована на прототипирование, исследовательские задачи, разработку приложений и предметно-ориентированное дообучение. К сильным сторонам относятся небольшие требования к ресурсам по сравнению с более крупными моделями, поддержка мультимодальных сценариев, длинного контекста и широкий языковой охват. Ограничения связаны с малым размером модели: по приведённым результатам она уступает более крупным моделям Qwen3 и Qwen3.5 на языковых бенчмарках, поэтому её возможности в сложном рассуждении и универсальных задачах могут быть ограничены. Модель распространяется по лицензии Apache-2.0.

oddadmix/qwen3-asr-0.6b-arabic-dialectal-v2 — дообученная oddadmix модель распознавания речи на основе Qwen/Qwen3-ASR-0.6B-hf. Она предназначена для транскрибации речи на разных диалектах арабского языка; модель принимает аудио и выдаёт текст без диакритических знаков. Обучение проведено на диалектно-сбалансированном наборе oddadmix/lahgtna-v3-small. Архитектура — плотная Qwen3-ASR с 0,6 млрд параметров; доступны веса safetensors для Transformers. В README приведён WER 0,5514 и CER 0,2148 на тестовой выборке примерно из 2 600 клипов с нормализованным текстом. В сравнении на этой выборке результат уступает указанным вариантам Whisper. Качество заметно зависит от диалекта: в README отмечено, что магрибские варианты арабского распознаются сложнее, чем диалекты стран Персидского залива и Леванта. Лицензия — Apache-2.0.

SambaLingo-Hungarian-Chat — диалоговая языковая модель SambaNova Systems для общения на венгерском и английском языках. Это плотная авторегрессионная модель семейства Llama с 6,7 млрд параметров и контекстом до 4096 токенов; модель доступна в формате safetensors. Модель получена прямой оптимизацией предпочтений (DPO) на базе SambaLingo-Hungarian-Base. Базовая модель адаптирует Llama 2 к венгерскому языку на корпусе Cultura-X; словарь токенизатора расширен с 32 000 до 57 000 токенов. Модель предназначена для диалоговых ответов и генерации текста на венгерском и английском. Модель может галлюцинировать, переключаться между языками или диалектами и повторять фразы; качество программирования и сложной математики может быть ограниченным. Возможна генерация токсичного или неподходящего текста. Не предназначена для критически важных решений и сценариев, влияющих на безопасность людей. Использование регулируется лицензией Meta Llama 2 Community License Agreement.

Shivneri Marathi LLM — предварительная версия языковой модели, разработанная Амитом Гхадге для генерации текста на маратхи и английском. Модель основана на Gemma 7B и дообучена методом continual pretraining с LoRA на наборе AI4Bharat/Sangraha. Это плотная авторегрессионная трансформерная модель GemmaForCausalLM с 8,2 млрд параметров и контекстом до 8192 токенов. Модель подходит для генерации творческих и информационных текстов, а также для текстовых запросов и ответов на маратхи и английском. Карточка описывает её как раннюю предварительную версию и советует использовать с осторожностью. Распространяется по лицензии Gemma.

Shrutam-2 — система распознавания речи от BharatGenAI для 12 основных языков Индии. Модель преобразует аудио в текст, используя речевой энкодер Conformer, проектор Mixture-of-Experts и декодер предобученной языковой модели. Проектор снижает частоту кадровых представлений и связывает их с пространством эмбеддингов декодера; восемь экспертов объединяются мягкой маршрутизацией SMEAR на уровне высказывания. Модель предназначена для многоязычной транскрибации и позволяет управлять поведением распознавания с помощью текстовых подсказок. В README заявлена поддержка 12 языков, но в доступном фрагменте перечислены только хинди, маратхи и тамильский; метаданные карточки также содержат языковые теги для бенгали, урду, ассамского, гуджарати, каннада, малаялам, одиа, пенджаби и телугу. Репозиторий содержит веса в формате safetensors. В предоставленных материалах лицензия и размер модели не указаны.

BuzzASR/sindhi — одноязычная модель автоматического распознавания речи на синдхи, разработанная в рамках набора BuzzASR и дообученная методом полного fine-tuning на базе openai/whisper-large-v3. Это плотная модель архитектуры Whisper с 907,3 млн параметров; репозиторий содержит веса Safetensors для Transformers. Для языка и задачи распознавания речи настроена конфигурация генерации, поэтому отдельно задавать язык при вызове не требуется. Модель предназначена для транскрибации аудио на синдхи. В README приведены результаты на тестовых наборах FLEURS и Common Voice 25.0, а также на их объединении; авторы сообщают о снижении CER примерно в 7,3 раза относительно Whisper large-v3 без дообучения на объединённом тестовом наборе. Обучение использовало FLEURS, Common Voice Corpus 25.0 и текстовые данные Goldfish. Модель моноязычная: она рассчитана на синдхи, а качество на других языках, в иных предметных областях и диалектах может отличаться от результатов тестирования. Лицензия — MIT.

Taiwan LLM 13B v2.0 chat — диалоговая языковая модель на архитектуре Llama, разработанная для традиционного китайского языка и культурного контекста Тайваня. Она создана дообучением базовой модели yentinglin/Taiwan-LLM-13B-v2.0-base на открытых и синтетических текстовых данных с помощью Supervised Fine-Tuning. Модель содержит 12,9 млрд параметров и рассчитана на генерацию текста и диалог. Её контекстное окно составляет 4096 токенов; основным языком является традиционный китайский, в частности вариант Тайваня. В карточке сообщается об оценке на бенчмарках TC-Eval и Open LLM Leaderboard, но приведённые результаты не гарантируют точности в практических задачах. Модель подходит для диалоговых приложений и генерации текста с учётом языковых и культурных особенностей Тайваня. Распространяется по лицензии Apache-2.0. Разработчики предупреждают, что ответы требуют проверки; модель не предназначена для медицинской диагностики, юридических консультаций и финансовых решений.

KordAI/ThaiLLM-8B — дообученная языковая модель, разработанная KordAI на базе ThaiLLM/ThaiLLM-8B с архитектурой Qwen3. Это плотная авторегрессионная модель примерно с 7,6 млрд параметров для генерации текста и диалогов; заявленная сильная сторона — понимание и генерация на тайском языке. Модель принимает текстовые запросы и выдаёт текст, поддерживает контекст до 32 768 токенов и может использоваться через Transformers в формате Safetensors. Модель предназначена для тайскоязычных диалоговых помощников, ответов на вопросы и генерации текста. Метаданные также указывают интерфейс вызова инструментов. Поддержка английского отмечена в тегах и карточке базовой модели, но основной акцент этой версии — тайский язык. Модель распространяется по лицензии Apache-2.0. Ответы могут содержать ошибки или неподтверждённые сведения, поэтому их следует проверять, особенно перед использованием в ситуациях с высокими последствиями.

Trendyol LLM v1.8 — чат-модель компании Trendyol для генерации текста и ответов на инструкции. Это авторегрессионная плотная трансформерная модель семейства Mistral на 7,2 млрд параметров, дообученная с помощью LoRA на наборах инструкций. Модель принимает текст и генерирует текст; метаданные указывают контекст до 32 768 токенов, а в описании обучения указана максимальная длина последовательности 1 024 токена. Модель предназначена для диалоговых сценариев и генерации ответов на текстовые запросы. В первую очередь она рассчитана на турецкий и английский языки. Ответы могут содержать ошибки и предвзятость, а качество в реальных сценариях не проверено в широком масштабе; для пользовательских приложений рекомендуется проверка результатов человеком и фильтрация нежелательного содержимого. Лицензия — Apache-2.0.

Модель w2v-bert-2.0-hausanaijavoices250h разработана CLEAR-Global и дообучена на датасете NAIJAVOICES_250H для автоматического распознавания речи. Это модель архитектуры Wav2Vec2-BERT с CTC-выходом, содержащая 402,8 млн параметров; она принимает аудио и выдаёт текст. В опубликованной оценке указаны Loss 0,2333, WER 0,3302 и CER 0,1886. Модель предназначена для транскрибирования речи на хауса, в частности данных из набора NaijaVoices. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — MIT.

Это модель распознавания речи на основе архитектуры Wav2Vec2, разработанная автором репозитория ravirajoshi путём дообучения facebook/wav2vec2-xls-r-300m. Она преобразует аудио на хинди в текст и подходит для автоматической транскрипции речи. Модель содержит 402,7 млн параметров и распространяется в формате PyTorch. В карточке приведены результаты на тестовой выборке: WER 0,3200 и loss 0,7049. Модель выпущена под лицензией Apache-2.0. Название датасета в README указано как None, поэтому сведения о данных обучения ограничены.

Модель arijitx/wav2vec2-large-xlsr-bengali разработана на основе facebook/wav2vec2-large-xlsr-53 и дообучена для распознавания речи на бенгальском языке. Она принимает аудио с частотой дискретизации 16 кГц и преобразует речь в текст; для вывода используется архитектура Wav2Vec2ForCTC. Размер модели — около 402,8 млн параметров. Модель предназначена для автоматической транскрибации бенгальской речи. При проверке на отложенной выборке примерно из 4200 высказываний автор получил WER 32,45%; результат показывает качество именно на этой выборке и не гарантирует такую же точность на других данных. Для использования указана лицензия CC BY-SA 4.0.

mesolitica/wav2vec2-xls-r-300m-mixed — модель распознавания речи, созданная Mesolitica на основе архитектуры wav2vec2 и дообученная для малайского языка, синглиша и китайского мандаринского. Она предназначена для преобразования речи в текст; карточка приводит отдельные наборы оценки для каждого из трёх языков и смешанную оценку. Модель содержит около 402,7 млн параметров и доступна в форматах PyTorch и TensorFlow. Она принимает аудио и выдаёт текстовую транскрипцию. В README описано обучение на одной видеокарте RTX 3090 Ti с 24 ГБ видеопамяти. Лицензия в предоставленных данных не указана.

addy88/wav2vec-odia-stt — модель распознавания речи на базе архитектуры Wav2Vec2 с CTC-головой, содержащая 113,3 млн параметров. Она предназначена для преобразования аудиозаписей на языке одия в текст и может использоваться напрямую, без отдельной языковой модели. Модель подходит для автоматической транскрибации речи на одия, например записей и аудиосообщений. В карточке указана библиотека PyTorch и формат весов PyTorch. Лицензия и сведения о контекстном окне в предоставленных данных отсутствуют.

Whisper-Hindi2Hinglish-Swift — модель распознавания речи Oriserve на архитектуре Whisper Base, дообученная для транскрибации разговорной хинди в хинглиш: речь записывается латиницей с использованием английских букв и сохраняет распространённые смешанные формы. Модель принимает аудио и выдаёт текст; в метаданных указаны 51,7 млн параметров, библиотека Transformers и формат safetensors. Модель предназначена для распознавания хинди с индийским акцентом, в том числе в шумной обстановке. По данным карточки, для дообучения использовали около 550 часов специально собранных и размеченных аудиозаписей; авторы заявляют о снижении галлюцинаций и улучшении результатов относительно исходной Whisper Base на описанных бенчмарках. В примерах использования приведена настройка распознавания с параметром языка "en", поэтому поведение следует проверять на целевых аудиозаписях. Модель распространяется по лицензии Apache-2.0. Результаты и характеристики основаны на оценках авторов; карточка не даёт гарантий качества для иных условий записи или вариантов речи.

quinnb/whisper-Large-v3-hindi — дообученная модель семейства Whisper Large v3 для автоматического распознавания речи на хинди. Она принимает аудио и выдаёт распознанный текст. Модель содержит около 905,2 млн параметров и использует архитектуру WhisperForConditionalGeneration; в репозитории представлены веса safetensors. Для дообучения использован набор Common Voice 17.0. Модель предназначена для транскрибирования речи на хинди, в том числе записей, похожих на материал Common Voice. Она распространяется по лицензии Apache-2.0. README не содержит сведений о точности или оценке качества, поэтому нельзя судить о её надёжности на других типах аудио.

Модель dianavdavidson/whisper-medium_mucs_63022_ratio_25_45_lr_1e-4_lgid_hi_hinglish_mixed_scripts_FT — дообученная версия OpenAI Whisper medium для автоматического распознавания речи и преобразования аудио в текст. Архитектура WhisperForConditionalGeneration содержит 455,8 млн параметров; модель использует библиотеку Transformers и опубликована в формате safetensors. Название указывает на настройку для хинди и хинглиша со смешанными системами письма, однако README не раскрывает датасет или подробные языковые настройки. На оценочной выборке указаны loss 0,4777 и Global WER 28,2969. Модель распространяется по лицензии Apache-2.0.

neoform-ai/whisper-medium-yoruba — версия Whisper Medium, дообученная Oyemade Oyemaja на наборе Common Voice 17.0 для автоматического распознавания речи на языке йоруба. Модель принимает аудио и выдаёт текст; архитектура основана на WhisperForConditionalGeneration и содержит 455,8 млн параметров. Модель подходит для расшифровки записей и речи на йоруба, например для подготовки текстовых версий аудиоматериалов. Базовая Whisper Medium также поддерживает многоязычное распознавание и перевод речи, однако карточка этой версии подтверждает только дообучение для распознавания речи. Модель распространяется по лицензии Apache-2.0. README не содержит сведений об оценках качества и подробных ограничениях; качество распознавания может зависеть от акцента, условий записи и соответствия аудио языку обучения.

Это версия OpenAI Whisper Small, дообученная для распознавания швейцарского немецкого диалекта. Модель предназначена для преобразования аудио в текст; в качестве обучающих данных использован набор SwissDial-ZH. В карточке Hugging Face указаны библиотека Transformers, формат PyTorch и лицензия Apache-2.0. Карточка не приводит результатов оценки и подробных сведений о качестве распознавания или ограничениях. Поэтому пригодность для конкретных акцентов, условий записи и типов аудио следует проверять на собственных данных.

Whisper Tajik — модель распознавания речи, созданная дообучением openai/whisper-small на пользовательском наборе данных. Она предназначена для преобразования аудиозаписей на таджикском языке в текст. В оценке на тестовом наборе указаны значение loss 0,4538 и WER 18,9518. Модель использует архитектуру WhisperForConditionalGeneration и содержит 905,2 млн параметров. Репозиторий содержит веса в формате safetensors; для работы используется библиотека Transformers. Модель распространяется по лицензии Apache-2.0. Карточка не описывает состав обучающего набора, условия оценки и ограничения применения, поэтому качество на других типах записей и в иных акустических условиях по приведённым результатам определить нельзя.