I.6Перевод и языковая адаптация

Human-Like-Qwen2.5-1.5B-Instruct-i1-GGUF — GGUF-квантизированная версия модели Human-Like-Qwen2.5-1.5B-Instruct, разработанной yasserrmd и дообученной с использованием HumanLLMs/Human-Like-DPO-Dataset. Квантизацию выполнил mradermacher. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на инструкции и общение на естественных языках. Это компактная текстовая модель на 1,5 млрд параметров; сведения о точной архитектуре и размере контекста в README не указаны. Заявлена поддержка китайского, английского, французского, испанского, португальского, немецкого, итальянского, русского, японского, корейского, вьетнамского и арабского языков. Модель доступна в нескольких вариантах GGUF-квантизации размером примерно от 0,5 до 1,4 ГБ. Более сильная квантизация уменьшает требования к памяти, но может снижать качество; для баланса скорости, размера и качества рекомендован вариант i1-Q4_K_M, а i1-Q6_K наиболее близок к статической Q6_K. Основные преимущества — небольшой размер, возможность локального запуска и широкий набор языков. Ограничения связаны с компактным масштабом модели и потерями качества при низкобитной квантизации; конкретные результаты тестирования и ограничения применения не приведены. В метаданных указана лицензия other, без дополнительных условий лицензирования.

IndicConformer — модель автоматического распознавания речи на тамильском языке, разработанная AI4Bharat. Она принимает монофонические WAV-записи с частотой дискретизации 16 кГц и возвращает транскрипцию в виде текста. Модель предназначена для преобразования тамильской речи в текст, например для расшифровки аудиозаписей и создания текстовых версий речевого контента. В основе модели — Conformer-Large-энкодер примерно на 120 млн параметров с 17 блоками и размерностью 512, а декодирование реализовано гибридной схемой CTC-RNNT. Доступны варианты декодирования CTC и RNNT. Модель опубликована под лицензией MIT; для загрузки и работы README рекомендует AI4Bharat NeMo.

K2S3-SOLAR-11b-v1.0 — корейская языковая модель, разработанная K2S3 на основе upstage/SOLAR-10.7B-Instruct-v1.0. Это плотная авторегрессионная модель семейства Llama с 10,7 млрд параметров, дообученная методом полного SFT. В обучающие данные вошли Стандартный корейский словарь, материалы KULLM Университета Корё, аннотации магистерских и докторских диссертаций и корейские образцы из AI Hub; также добавлены новые корейские токены. Модель предназначена для генерации текста на корейском языке, включая ответы и работу с материалами, связанными со словарём и академическими текстами. Контекст составляет 4096 токенов. Модель доступна в формате safetensors и может использоваться через Transformers. Модель лицензирована по CC BY-NC 4.0, поэтому коммерческое использование ограничено условиями лицензии. Качество и надёжность ответов зависят от запроса; в карточке не приведены результаты оценки или подробные сведения о безопасности.

Ko-Qwen2-7B-Instruct — чат-модель на базе Qwen2-7B-Instruct, дообученная методом supervised fine-tuning для корейского языка. Её разработчик сообщает, что обучение с DeepSpeed и TRL использовало около 50 тысяч примеров, включавших публичные, частные и синтетически сгенерированные данные. Модель имеет плотную авторегрессионную архитектуру Qwen2 с 7,1 млрд параметров и предназначена для генерации текста в диалоге: ответов на вопросы, следования инструкциям и ведения беседы. Она принимает текст и генерирует текст; карточка указывает поддержку корейского и английского языков. Нативная длина контекста — 32 768 токенов. Модель распространяется под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не приводит отдельных оценок качества именно этой дообученной версии; результаты Qwen2-7B-Instruct в приведённом README не следует считать оценкой Ko-Qwen2.

Mobilint Llama-3.2-1B-Instruct-Batch16 — это версия модели Meta Llama 3.2 1B Instruct, скомпилированная и оптимизированная компанией Mobilint для работы на аппаратных ускорителях Mobilint NPU. Модель предназначена для генерации текста и развёртывания через стек ускорения Mobilint, в том числе в сценариях, где требуется выполнение инструкций на поддерживаемом оборудовании. Модель относится к текстовым генеративным моделям и основана на quantized-варианте Meta Llama-3.2-1B-Instruct. В README указаны поддерживаемые языки: английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский. Другие характеристики, включая точную архитектуру, размер контекста, формат квантования и модальности, не указаны. Ключевое преимущество модели — оптимизация и упаковка для аппаратной платформы Mobilint NPU. Ограничения связаны с зависимостью от аппаратуры и программного стека Mobilint; применимость на других платформах из README не следует. Модель распространяется по лицензии Llama 3.2; в карточке также указана ссылка на лицензию Meta Llama 3.2.

Llama-3.2-1B-Instruct-GGUF — это компактная инструкционная языковая модель на базе Meta Llama 3.2 1B Instruct, опубликованная сообществом lmstudio-community и квантованная bartowski в формате GGUF. Модель предназначена для генерации текста и выполнения инструкций, включая диалоговые сценарии и локальный запуск через совместимые инструменты. В карточке указаны поддерживаемые языки: английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский. Модель относится к текстовым моделям; сведения о контекстном окне и конкретном методе или уровне квантования не приведены. К основным преимуществам относятся небольшой размер исходной модели — 1B параметров — и формат GGUF, ориентированный на эффективный локальный инференс при ограниченных вычислительных ресурсах. При этом компактность означает более ограниченные возможности по сравнению с крупными языковыми моделями, а точные характеристики качества, аппаратные требования и ограничения по применению в README не описаны. Модель распространяется по лицензии Llama 3.2 Community License от Meta. При распространении материалов или производных продуктов необходимо соблюдать условия лицензии, включая предоставление текста соглашения, отображение обозначения «Built with Llama», сохранение уведомления об авторских правах и требований Acceptable Use Policy.

llm-jp-3-8x13b — языковая модель, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это авторская предобученная и дополнительно настроенная модель семейства Mixtral: архитектура MoE содержит 8 экспертов, из которых активируются 2. В конфигурации указано около 73 млрд параметров суммарно; метаданные каталога приводят оценку 13,2 млрд. Контекст составляет 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев, особенно на японском языке. Она обучалась на смеси данных, включающей японские источники, а карточка и метаданные также отмечают английский язык. После предобучения модель прошла supervised fine-tuning и выравнивание методом Direct Preference Optimization. Для запуска предусмотрены веса Transformers в формате safetensors. Разработчики предупреждают, что модель находится на раннем этапе исследований и разработок и не настроена для гарантированного соответствия намерениям пользователя и требованиям безопасности. Лицензия — Apache-2.0.

NickyNicky/Mixtral-4x1.1B-TinyDolphin-2.8-1.1b_oasst2_chatML_Cluster — языковая модель для генерации текста, опубликованная пользователем NickyNicky. По метаданным это модель семейства Mixtral с архитектурой MoE и классом MixtralForCausalLM, содержащая около 1 млрд параметров. Репозиторий использует формат Safetensors и библиотеку Transformers; модель создана на базе объединения экспертов Mixtral, однако доступная карточка не раскрывает точный состав смеси и процедуру обучения. Модель предназначена для генерации текста и диалоговых сценариев; название указывает на ChatML и OASST2, но README не содержит подробностей о настройке или оценке качества. Метаданные перечисляют поддержку ряда языков, включая русский, английский, испанский, китайский, немецкий и французский; контекст составляет 4096 токенов. Лицензия — Apache-2.0. Данных о специальных ограничениях или результатах оценки качества в доступной карточке нет.

facebook/mms-tts-azj-script_cyrillic — модель синтеза речи на северном азербайджанском языке, записанном кириллицей, разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на этом языковом варианте. Модель основана на архитектуре VITS и содержит около 3,5 млн параметров. Это отдельный чекпойнт MMS-TTS для указанного языка; в архитектуре объединены текстовый энкодер, потоковый модуль, стохастический предиктор длительности и декодер, формирующий аудиоволну. При генерации возможны разные ритмические варианты произнесения одного текста, поэтому результат может меняться между запусками; фиксированный seed позволяет воспроизвести тот же результат. Модель доступна через Transformers версии 4.33 и новее. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

NB-Whisper Small Verbatim — модель распознавания речи, разработанная NB AI-Lab Национальной библиотекой Норвегии. Она дообучена на 200 дополнительных шагах от openai/whisper-small и предназначена для буквальной транскрипции аудио: выдаёт текст строчными буквами без пунктуации и старается сохранять грамматические ошибки и особенности исходной речи, а не исправлять их. Модель основана на архитектуре Whisper, содержит 153,1 млн параметров и принимает аудио, выдавая текст. Она рассчитана прежде всего на норвежский язык, включая букмол и нюношк, а также поддерживает английский. Для длинных записей README рекомендует обрабатывать аудио частями; для повышения точности можно увеличить размер лучевого поиска, что требует больше времени и памяти. Модель подходит для подробной транскрипции, в том числе для лингвистического анализа. Доступна по лицензии Apache 2.0. Распознавание может содержать ошибки и смещения; при использовании в продуктах ответственность за оценку рисков и их снижение лежит на пользователе.

Nusantara-2.7b-Indo-Chat — разговорная языковая модель Kalis AI для индонезийского языка. Это плотная авторегрессионная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM, содержащая 2,3 млрд параметров и принимающая текстовый контекст длиной до 8192 токенов. Модель дообучена на базе Qwen1.5-4B; в обучении использовались датасеты с инструкциями на индонезийском и английском языках, а также другие текстовые данные. Модель предназначена для ответов на вопросы и выполнения инструкций на индонезийском языке в формате чата; также поддерживает английский. Её можно применять для диалоговых помощников и генерации ответов на текстовые запросы. Веса доступны в формате Safetensors для Transformers. В README отмечена склонность моделей этого размера к галлюцинациям; ответы могут быть предвзятыми, а обучение на неотфильтрованных данных создаёт риск нежелательных результатов. Лицензия указана как Apache-2.0 с требованием соблюдать условия лицензии Qwen.

CarrotAI/OpenCarrot-llama3-Mix-8B — разговорная языковая модель на архитектуре Llama 3, созданная CarrotAI линейным слиянием моделей через mergekit. В слиянии участвовали maywell/Llama-3-Ko-8B-Instruct и CarrotAI/OpenCarrot-llama3-8B; модель содержит около 7,5 млрд параметров и использует формат safetensors. Модель предназначена для генерации текста и диалоговых ответов на корейском и английском языках. Её можно использовать в чат-сценариях и для генерации текста. Указанное контекстное окно — 8192 токена. В README приведён ориентировочный результат около 0,22 по llm-ko-eval и отмечено, что модель ещё не оценена отдельно. Лицензия — llama3.

Qwen2.5-0.5B-Instruct-GGUF — это квантованная версия инструкционной языковой модели Qwen2.5-0.5B-Instruct, разработанной командой Qwen. Формат GGUF подготовлен bartowski на основе llama.cpp; модель распространяется в рамках программы Community Models для LM Studio, однако LM Studio не является её разработчиком или владельцем. Модель предназначена для генерации текста и диалоговых сценариев, включая работу с инструкциями, понимание и генерацию структурированных данных, а также локальное использование через совместимое программное обеспечение, например LM Studio и llama.cpp. Заявлена поддержка контекста до 32 000 токенов и генерации до 8 000 токенов. Модель обучалась на большом наборе данных и поддерживает более 29 языков, включая английский, китайский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. Небольшой размер в 0,5 млрд параметров удобен для локального запуска и ограниченных вычислительных ресурсов, но может уступать более крупным моделям в сложности рассуждений, точности и качестве ответов. Как и другие генеративные модели, она способна создавать неточную, вредную или неуместную информацию. Для базовой модели указана лицензия Apache-2.0. В README не приведены точные параметры квантования конкретного файла, требования к аппаратному обеспечению и результаты бенчмарков.

Qwen3.8-27B-Uncensored-oQ4e-fp16-mtp — это мультимодальная версия модели семейства Qwen3.8 с архитектурным типом qwen3_5 и примерно 27 млрд параметров. Артефакт создан pyros-vault как deployment-конверсия модели orcarouter/Qwen3.8-27B-Uncensored для Apple MLX с использованием oMLX 0.6.1 и смешанной квантизации oQ. Модель предназначена для диалоговых сценариев и обработки текста вместе с визуальными данными; в репозитории сохранены ресурсы Vision, обработчики изображений и видео, а также один слой MTP для потенциального speculative decoding. Основной формат хранения использует аффинную квантизацию Q4/G64 с 166 переопределениями тензоров Q5/G64. Размер тензорного содержимого составляет около 16,66 ГиБ в четырёх Safetensors-фрагментах; вспомогательные MTP-тензоры частично сохранены в F16, поэтому суффикс fp16 не означает полностью FP16-голову MTP. Конфигурация заявляет максимальный контекст 262 144 токена, однако этот предел не тестировался. Калибровка выполнялась на 128 последовательностях по 512 токенов с набором oqe_code_multilingual, но конкретный список поддерживаемых языков не указан. Модель ориентирована на запуск через oMLX на компьютерах Apple Silicon с macOS. Она не предназначена для непосредственного использования как GGUF-, Transformers- или CUDA-артефакт, а размещённая на Hugging Face инфраструктура не предоставляет для неё готовый hosted inference. Скорость, потребление памяти, качество Vision, работа MTP и фактическая пригодность длинного контекста зависят от версии oMLX, клиента и чипа Apple; качество может отличаться из-за квантизации, а заявка Uncensored унаследована от исходной модели и отдельно не проверялась. Для upstream-модели указана лицензия Apache-2.0; дополнительные условия следует сверять с исходной карточкой модели.

Qwen3-ASR-0.6B-Khmer — модель автоматического распознавания речи, созданная дообучением Qwen/Qwen3-ASR-0.6B компанией Seanghay. Она предназначена для транскрибации кхмерской речи: модель принимает аудио и выдаёт текст с распознанной речью. Модель семейства Qwen3-ASR имеет плотную архитектуру и 0,6 млрд параметров; для распознавания использован набор DDD-Cambodia/khmer-speech-dataset объёмом около 700 часов речи. В тестах CER составил 1,96% на 1 000 фрагментах из домена обучения и 7,91% на 2 906 фрагментах вне него. Модель лучше всего подходит для чистой, заранее подготовленной речи на кхмерском языке; точность снижается на шумной, спонтанной и смешанной кхмерско-английской речи. Результат обычно не содержит пунктуации и имеет минимальную сегментацию, а в длинной речи с паузами и повторами возможны повторения фраз. Модель распространяется по лицензии Apache-2.0.

Røst-wav2vec2-315m-v2 — датская модель автоматического распознавания речи, разработанная компанией Alvenir в рамках проекта CoRal. Это Wav2Vec2ForCTC, дообученная на базе facebook/wav2vec2-xls-r-300m на корпусе CoRal-v2, содержащем разговорную и начитанную датскую речь разных возрастных групп, полов и диалектов. В метаданных указано 402,7 млн параметров; файлы представлены в формате safetensors. Модель предназначена для транскрибирования датской речи, в том числе диалектной, в разговорных записях и начитанном аудио. В оценке на CoRal-v2 для начитанной речи указаны CER 6,5% и WER 16,3%; результаты на разговорной речи предварительные и получены на тестовой выборке всего с пятью дикторами. Для оценки применялась языковая модель как постобработка. Модель распространяется по лицензии OpenRAIL, адаптированной под лицензию CoRal-v2. README указывает, что коммерческое использование допускается с ограничениями, включая синтез речи и биометрическую идентификацию; следует ознакомиться с условиями лицензии перед использованием.

SambaLingo-Thai-Chat — чат-модель SambaNova Systems для диалога на тайском и английском языках. Она основана на SambaLingo-Thai-Base: эта базовая модель адаптирует Llama 2 к тайскому языку на корпусе Cultura-X. Чат-версия обучена методом direct preference optimization (DPO) для согласования ответов с предпочтениями людей. Модель использует плотную архитектуру Llama с причинно-следственной генерацией текста и содержит 6,7 млрд параметров. Она принимает текстовые запросы и генерирует текстовые ответы; длина контекста — 4096 токенов. Словарь токенизатора расширен с 32 000 до 57 000 токенов для поддержки тайского языка. Модель подходит для двуязычного чат-общения, но может галлюцинировать, переключаться между языками, повторяться и давать неточные ответы в задачах программирования и сложной математики; возможны токсичные ответы. Её не рекомендуют применять в критически важных сценариях и при принятии решений, влияющих на безопасность людей. Использование регулируется лицензией Meta Llama 2 Community License Agreement.

Epiculous/Violet_Twilight-v0.2-GGUF — языковая модель для генерации текста, разработанная Epiculous. Это объединённая модель, полученная методом SLERP merge из Azure_Dusk-v0.2 и Crimson_Dawn-v0.2; исходная конфигурация использует 40 слоёв, тип данных bfloat16 и базовую модель Azure_Dusk-v0.2. Модель предназначена прежде всего для диалоговых сценариев, ролевого взаимодействия и творческой генерации текста. Она обучена с использованием шаблона ChatML, поэтому для корректного общения рекомендуется применять соответствующий Context and Instruct template. В README заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Доступна в формате GGUF, а также существуют варианты в форматах полной модели и EXL2. К сильным сторонам относятся ориентация на ролевые и художественные сценарии, многоязычность и наличие нескольких рекомендованных настроек сэмплирования. Точные размер модели, максимальная длина контекста, используемая архитектура и результаты оценивания в README не указаны. Модель распространяется по лицензии Apache-2.0.

Модель ayertey01/wav2vec2-large-xlsr-53-AsanteTwi-06second — дообученная версия wav2vec2-large-xlsr-53-AsanteTwi-06 от ayertey01 для автоматического распознавания речи на датасете Common Voice 13.0. Это модель архитектуры Wav2Vec2ForCTC с 402,7 млн параметров, представленная в формате PyTorch. Модель предназначена для преобразования аудиозаписей на языке асанте-тви в текст. На оценочной выборке указаны loss 0,6678 и WER 0,4375. Распространяется по лицензии Apache-2.0.

Модель scinerd68/wav2vec2-large-xlsr-53-esperanto-esperanto-asr-augment-dynamic — дообученная версия cpierse/wav2vec2-large-xlsr-53-esperanto на архитектуре Wav2Vec2ForCTC. Она преобразует аудиозаписи речи на эсперанто в текст. В карточке приведены результаты оценки: loss 0,2010 и WER 0,2699; подробности набора данных и сценария оценки не раскрыты. Модель содержит 402,7 млн параметров, использует библиотеку Transformers и распространяется в формате Safetensors. Лицензия — Apache-2.0.

manandey/wav2vec2-large-xlsr-tamil — акустическая модель распознавания тамильской речи, созданная дообучением facebook/wav2vec2-large-xlsr-53 на обучающей и валидационной частях Common Voice. Она использует архитектуру Wav2Vec2ForCTC, содержит 402,7 млн параметров и принимает аудио с частотой дискретизации 16 кГц. Модель выдаёт распознанный текст на тамильском языке; её можно применять напрямую без языковой модели. Подходит для преобразования тамильской речи в текст, в том числе записей, подобных материалам Common Voice. В README приведён результат оценки 56,44%, однако метрика не уточнена, поэтому результат нельзя напрямую интерпретировать как точность распознавания. Модель распространяется по лицензии Apache-2.0.

Модель anuragshas/wav2vec2-xls-r-300m-bn-cv9-with-lm — дообученная версия facebook/wav2vec2-xls-r-300m для автоматического распознавания речи на бенгальском языке. Она основана на архитектуре Wav2Vec2ForCTC и обучена на бенгальской части набора Mozilla Common Voice 9.0. Репозиторий содержит веса PyTorch; общее число параметров — около 402,7 млн. Модель предназначена для преобразования бенгальской речи в текст, например, для расшифровки записей и голосового ввода. В README приведены результаты оценки на тестовом наборе: WER 0,285 и CER 0,066. Модель распространяется по лицензии Apache-2.0; качество на других наборах данных и в реальных условиях может отличаться.

Это акустическая модель распознавания речи на базе wav2vec2 XLS-R, дообученная автором raniczan для корейской и английской речи с переключением языков. Модель использует архитектуру Wav2Vec2ForCTC и выдаёт посимвольные вероятности по компактному алфавиту примерно из 105 корейских джамо и латинских символов; размер по метаданным — 403,1 млн параметров. Модель предназначена для транскрибирования корейской, английской и смешанной корейско-английской речи. Перед декодированием целевой текст нужно разложить на джамо в нормализации NFD, а результат распознавания собрать обратно в NFC. Обучение проводилось на 17,4 часах чистой синтезированной речи; акустический энкодер базовой модели был заморожен, а CTC-голова обучена заново. Модель распространяется по лицензии Apache-2.0. Обучение на синтезированной речи и ограниченный объём данных могут снижать качество на естественной речи и реальных аудиозаписях; требуется согласованная с моделью обработка корейского текста.

Модель anuragshas/wav2vec2-xls-r-300m-sk-cv8-with-lm — акустическая модель распознавания речи на базе facebook/wav2vec2-xls-r-300m, дообученная на словацкой части Mozilla Common Voice 8.0. Она использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров; входом служит аудио, а результатом — текстовая расшифровка речи на словацком языке. Модель предназначена для автоматического распознавания словацкой речи. В карточке приведены результаты на тестовой выборке Common Voice 8: WER 26,707 без языковой модели и 18,609 при оценке с языковой моделью. Репозиторий включает веса PyTorch, лицензия — Apache-2.0. Ограничения и дополнительные сценарии применения в карточке не описаны.

sengtha/whisper-base-khmer — модель распознавания кхмерской речи, созданная для платформы iAny путём дообучения OpenAI Whisper Base на кхмерских речевых корпусах и аудио с телефонов и из помещений. Она принимает монофоническое аудио с частотой 16 кГц и преобразует речь на кхмерском языке в текст. Модель содержит 51,7 млн параметров и основана на архитектуре Whisper; для запуска доступны веса Transformers в Safetensors, версия ONNX для браузера и PWA, а также квантованный GGML-файл для мобильных и периферийных устройств. Предусмотрен автономный запуск без подключения к сети. Модель предназначена для голосового ввода, диктовки, расшифровки аудио и средств доступности на кхмерском языке. На тестовом наборе FLEURS для кхмерского заявлена нормализованная по пробелам CER около 22,8. Лучше всего она работает с чёткой и тщательно произнесённой речью; шумная спонтанная речь, числа, английские вставки и имена собственные могут распознаваться хуже. Для важных расшифровок результат следует проверять. Лицензия — CC-BY-SA-4.0.

Карточка модели VARabic/whisper-medium-finetuned-sada-asr на Hugging Face совпадает с карточкой wageehkhad/whisper-medium-finetuned-sada-asr, поэтому описание составлено по ней. Модель wageehkhad/whisper-medium-finetuned-sada-asr — версия Whisper Medium, дообученная на наборе SADA22 для автоматического распознавания саудовской арабской речи. Она преобразует аудиозаписи в текст и использовалась как компонент распознавания речи в экспериментах по оценке диалектности арабского языка: полученную расшифровку передавали текстовому классификатору диалектности. Модель построена на архитектуре WhisperForConditionalGeneration и содержит 455,8 млн параметров; опубликована в формате safetensors. Базовая модель — openai/whisper-medium. Основной сценарий — транскрибация саудовской арабской речи. Модель рассчитана на речевые сегменты длительностью до 30 секунд; более длинные записи можно обрабатывать с автоматическим разбиением на части в используемом pipeline. Дообучение ориентировано на саудовский диалект, поэтому качество на других арабских диалектах и передачах на литературном арабском может быть ниже. Лицензия — Apache-2.0.

Модель s-nlp/xlmr_formality_classifier — классификатор формальности текста на основе XLM-RoBERTa, представленный в статье «Detecting Text Formality: A Study of Text Classification Approaches». Она дообучена на многоязычном наборе XFORMAL и относит текст к формальному или неформальному стилю, возвращая оценки для обоих классов. Модель содержит 305,2 млн параметров и рассчитана на последовательности длиной до 514 токенов. В README приведены результаты для английского, французского, итальянского и португальского языков; общая точность на указанной выборке составляет около 79,4%, при этом качество различается между языками и классами. Подходит для анализа стиля и сортировки текстов по формальности, но опубликованные метрики показывают, что предсказания не всегда сбалансированы по классам. Лицензия — OpenRAIL++.

xlsr-luganda-waxal — модель распознавания речи на основе Wav2Vec2 XLSR, созданная дообучением sulaimank/wav2vec2-xlsr-swahili-400hr. Она преобразует входящее аудио в текст и предназначена для автоматического распознавания речи. Архитектура — Wav2Vec2ForCTC; модель содержит около 402,7 млн параметров и распространяется в формате Safetensors. В карточке приведены результаты оценки: WER 0,2144, CER 0,0446 и Zindi 0,8705; набор данных и подробности тестирования не раскрыты. Название указывает на лугандийскую речь, но README не описывает поддерживаемые языки и сценарии подробнее. Лицензия — Apache 2.0.

ABEJA-Qwen2.5-32b-Japanese-v0.1 — 32-миллиардная плотная языковая модель на архитектуре Qwen2, разработанная командой ABEJA на базе Qwen/Qwen2.5-32B-Instruct. Модель прошла продолженное предварительное обучение с упором на японский язык; для усиления следования инструкциям применён ChatVector — разностный вектор между Qwen2.5-32B-Instruct и Qwen2.5-32B. Дополнительное постобучение не проводилось. Модель предназначена для генерации текста и диалогов на японском языке. Она принимает текст и выдаёт текст, работает через Transformers, поддерживает контекст до 32 768 токенов и имеет интерфейс для вызова инструментов. Поставляется в формате safetensors. Лицензия — Apache-2.0. Карточка не содержит конкретных результатов оценки качества; модель не проходила этап постобучения, поэтому качество следования инструкциям может отличаться от полноценно постобученных чат-моделей.

Arabic_TTS — модель синтеза речи, разработанная theBOrganization на архитектуре VibeVoice. Она преобразует арабский текст в речь и поддерживает клонирование голоса без дополнительного обучения по короткому аудиофрагменту-образцу. Для задания голоса входной текст оформляется с идентификатором диктора, например «SPEAKER 1: أهلاً وسهلاً بكم في موقعنا». Модель рассчитана прежде всего на современный литературный арабский язык и поддерживает текст с диакритикой. Выходная речь генерируется с частотой 24 кГц; в README указаны 10 шагов инференса и управление генерацией через CFG и температуру. Репозиторий содержит веса safetensors, лицензия — Apache-2.0.