I.6Перевод и языковая адаптация

facebook/mms-tts-mai — модель синтеза речи на майтхили, разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для создания озвучки на майтхили. Модель использует архитектуру VITS и представлена как чекпойнт для библиотеки Transformers; число параметров — 3,6 млн. Отдельный чекпойнт MMS-TTS обучен для каждого языка. Стохастический предиктор длительности позволяет получать разные ритмические варианты одной и той же фразы, поэтому результат синтеза недетерминирован и для повторения того же аудио требуется фиксированное случайное зерно. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

facebook/mms-tts-swh — модель синтеза речи на суахили из проекта Massively Multilingual Speech компании Facebook. Она принимает текст на суахили и генерирует речевую аудиоволну; отдельный чекпойнт VITS обучен для этого языка. Модель содержит 3,5 млн параметров и доступна через библиотеку Transformers версии 4.33 и выше. Архитектура VITS объединяет вариационный автоэнкодер, flow-модуль с текстовым энкодером на основе Transformer, стохастический предиктор длительности и декодер HiFi-GAN. Благодаря стохастическому предиктору один и тот же текст может звучать с разным ритмом; для повторяемого результата требуется фиксированный seed. Модель предназначена для преобразования текста на суахили в речь. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Карточка не приводит оценок качества или подробностей о голосе и условиях обучения.

Это дообученная NVIDIA Nemotron 3.5 ASR Streaming 0.6B модель для потокового распознавания речи на гаитянском креольском (Kreyòl Ayisyen). Она использует архитектуру FastConformer RNN-T с учётом контекста потоковой обработки и языковым промптом; для выбора языка требуется указать `target_lang="ht-HT"`. Модель рассчитана на преобразование аудио в текст и поддерживает настройку размера контекста для компромисса между задержкой и качеством распознавания. На тесте из 332 записей автор сообщает WER 10,11% при задержке 320 мс и CER 2,83%. Модель не сохраняет многоязычное поведение исходного чекпойнта: промпты для французского и английского также могут выдавать креольский текст. Остаточные ошибки связаны, среди прочего, с границами слов, именами и числами; длинные записи изучены хуже, а часть обучающих транскриптов машинно сгенерирована. Для работы README приводит загрузку через NeMo; поддержка Transformers не заявлена. Лицензия в метаданных указана как `other`, без уточнения условий в предоставленной карточке.

Nusantara-0.8b-Indo-Chat — чат-модель Kalis AI для ответов на вопросы и выполнения инструкций на индонезийском языке. Это авторегрессионная трансформерная модель с архитектурой Qwen2 и 669,4 млн параметров; в репозитории представлены веса Safetensors. Модель дообучена на базе Qwen1.5-4B, а в карточке указан датасет FreedomIntelligence/evol-instruct-indonesian. Контекст — до 32 768 токенов. Модель предназначена для диалоговых сценариев на индонезийском и английском языках: можно задавать вопросы и поручать ей формулировать ответы по инструкциям. Карточка предупреждает о склонности версии с размером менее 4 млрд параметров к галлюцинациям, а также о возможных негативных последствиях обучения на неотфильтрованных данных. Лицензия указана как Apache-2.0 с требованием соблюдать лицензию Qwen.

Карточка модели african-low-resource/omnivoice-amharic на Hugging Face совпадает с карточкой Lab-et/omnivoice-amharic, поэтому описание составлено по ней. OmniVoice Amharic — модель синтеза речи, разработанная участниками инициативы Voices For All и дообученная на базе k2-fsa/OmniVoice. Она преобразует текст в естественную амхарскую речь и поддерживает клонирование голоса по аудиозаписи длительностью около 10 секунд. Модель использует нед autoregressive дискретную диффузионную архитектуру; заявленный размер — 612,6 млн параметров. Базовая OmniVoice также поддерживает английский и китайский, однако эта версия обучалась на амхарских аудиоданных и прежде всего предназначена для амхарского языка. Модель подходит для озвучивания текстов, создания речи голосом заданного говорящего и синтеза амхарской речи с учетом характерных согласных, геминации и интонации. В карточке перечислены данные из нескольких амхарских речевых корпусов и заявлена поддержка диалектных вариантов, хотя обучающие данные смещены в сторону аддис-абебского произношения. Лицензия — Apache 2.0. Известные ограничения: в обучающих данных преобладают мужские голоса, сельские акценты представлены слабее, а переключение между амхарским и английским, числительные и даты могут произноситься непредсказуемо. Эмоциональный диапазон ограничен нейтральной и новостной манерой; количественные результаты оценки в карточке пока не опубликованы.

LuffyTheFox/Qwen3.8-27B-Unleashed-SSMFIX-GGUF — это модифицированная GGUF-версия модели Qwen3.8-27B-Unleashed-GGUF, первоначально созданной outsourc-e. Автор этой версии исправил масштабирование тензоров ssm_conv1d.weight в нескольких слоях, чтобы уменьшить их насыщение; остальные веса оставлены без изменений. Модель предназначена для генерации текста и обработки изображений с текстом, что соответствует заявленной мультимодальной направленности и тегу image-text-to-text. Указана поддержка английского, китайского и других языков. Ключевые характеристики включают размер 27B параметров, формат GGUF, мультимодальность с поддержкой vision, а также заявленные возможности MTP и speculative decoding. В README не указаны точная архитектура, размер контекстного окна, требования к памяти, поддерживаемые квантизации и фактические показатели качества. Отдельно отмечено, что NVFP4 не поддерживается в gguf-py для llama.cpp, поэтому модификация применялась только к части тензоров; это может ограничивать совместимость и область применения исправлений. Модель распространяется по лицензии Apache-2.0. README не содержит независимых оценок качества, подробностей о безопасностных ограничениях или инструкций по использованию, поэтому её сильные стороны можно уверенно связывать только с мультимодальностью, многоязычностью и исправлением указанных проблем масштабирования.

RIFA-FLASH-1.7B — языковая модель для генерации текста, созданная и поддерживаемая SM Shahbaj как часть семейства RIFA. Модель предназначена для текстовых и разговорных сценариев, включая работу через Transformers и запуск в формате GGUF. Модель содержит 1,7 млрд параметров и поддерживает английский и бенгальский языки. Архитектура и размер контекста в README не указаны; по назначению это causal language model для text generation. Доступны версии Safetensors и несколько вариантов GGUF-квантизации, включая F16, Q3_K_M, Q4_K_M, Q5_K_M, Q6_K и Q8_0; рекомендован вариант Q5_K_M при наличии. К сильным сторонам относятся относительно компактный размер и возможность выбора между качеством и требованиями к ресурсам благодаря разным форматам и уровням квантизации. Сведения о результатах тестирования, качестве генерации и ограничениях модели отсутствуют. Модель распространяется по лицензии Apache 2.0.

RoLlama2-7b-Instruct-IMat-GGUF — это квантизированная версия инструкционной языковой модели RoLlama2-7b-Instruct, разработанной OpenLLM-Ro. Квантизацию выполнил legraphista с использованием llama.cpp версии b2998 и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев на румынском языке, включая локальный запуск через совместимые инструменты экосистемы GGUF и llama.cpp. Модель основана на архитектуре Llama 2 и содержит 7 миллиардов параметров. Исходный формат весов — FP32; доступны варианты GGUF с точностями от FP16 и BF16 до Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ-квантов. Для части вариантов применена imatrix-квантизация, позволяющая уменьшить размер файлов при сохранении качества относительно соответствующего уровня сжатия. Размер доступных файлов составляет примерно от 1,65 до 13,48 ГБ. Сильная сторона модели — поддержка румынского языка и широкий выбор вариантов квантизации для подбора баланса между качеством, скоростью и требованиями к памяти. Ограничения включают отсутствие информации о размере контекстного окна, мультимодальности, результатах оценивания и конкретных системных требованиях; модель ориентирована на текстовые задачи и не описана как мультимодальная. Указанная лицензия — CC BY-NC 4.0, поэтому использование ограничено её условиями и некоммерческим характером.

OpenLLM-Ro/RoLLama2-7b-Instruct-v1-BB-4Bits — 4-битная версия инструкционно дообученной языковой модели RoLlama2-7b-Instruct, разработанной инициативой OpenLLM-Ro. Модель основана на open-source Llama 2 и предназначена для генерации текста, выполнения инструкций и диалогового взаимодействия преимущественно на румынском языке. Модель относится к decoder-only Transformer-моделям и содержит около 7 млрд параметров; доступна для text generation в формате Transformers/Safetensors с 4-битной точностью, что снижает требования к памяти и облегчает локальный запуск. В исходном исследовании варианты RoLlama обучались с длиной последовательности до 2048 токенов. Модель создавалась для исследовательских и прикладных сценариев, связанных с обработкой румынского языка, включая ответы на вопросы, следование инструкциям и генерацию текста. Сильная сторона — специализация на румынском языке: исходная RoLlama2-7b-Instruct превосходила базовую RoLlama2-7b на ряде румынских тестов и демонстрировала более стабильную генерацию румынских ответов, чем общие Llama 2-модели. Ограничения включают меньшую надёжность в многоходовых диалогах, поскольку в обучающих данных преобладали одноходовые взаимодействия, возможное переключение на английский и общие риски ошибок, смещений и фактических неточностей. Точная лицензия карточкой модели не указана; разработчики сообщают, что варианты RoLlama наследуют лицензии исходной модели и использованных наборов данных.

NekoFi/SahabatAI-Lion-9B-TIES-v1-Instruct — диалоговая языковая модель NekoFi на архитектуре Gemma 2 с 9 млрд параметров. Она дообучена на базе gmonsoon/SahabatAI-Lion-9B-TIES-v1 и предназначена для генерации текста и ответов на инструкции в чате. Контекст модели — до 8192 токенов; репозиторий содержит веса PyTorch. По описанию базовой модели, она ориентирована на языки Юго-Восточной Азии и английский; карточка указывает индонезийский. Модель распространяется по лицензии Apache-2.0. Сведения о качестве на отдельных задачах и подробные ограничения в карточке отсутствуют.

Samantha-omni — дообученная мультимодальная модель Guilherme34 на основе семейства MiniCPM-O. Модель с плотной архитектурой MiniCPMO и 7,1 млрд параметров предназначена для диалога с изображениями, речью и видео, включая мультимодальное взаимодействие в реальном времени. Она поддерживает контекст до 32 768 токенов и доступна в формате safetensors для библиотеки Transformers. Модель подходит для диалога по изображениям и видео, распознавания и синтеза речи, а также многоязычных мультимодальных сценариев. Карточка заявляет уровень GPT-4o для задач зрения, речи и потокового взаимодействия, но не приводит сравнительных тестов, поэтому это заявление не подтверждено приведёнными данными. Лицензия в предоставленных сведениях не указана.

Shoshan — это контекстный лемматизатор иврита, разработанный HebArabNlpProject. Модель дообучена на основе DictaBERT и размечает слова, выбирая лемму из банка примерно из 117,6 тыс. вариантов; если выбранная лемма морфологически неправдоподобна для исходной формы, модель применяет ограниченное преобразование по выученному скрипту правок. Она не генерирует произвольные строки. Модель предназначена для лемматизации предложений и документов на иврите, в том числе текста, извлечённого из PDF. Согласно README, точность лемматизации составляет 92,4% на данных вне обучающей области и 94,3% внутри неё. Обновление Shoshan 0.4.0 исправило обработку Unicode presentation forms и смещения символьных диапазонов; веса при этом не менялись. Модель обучена на открытых частях корпуса IAHLT Hebrew UD Treebank (Knesset и Wikipedia) и публичных ивритских лексиконах. Лицензия — MIT.

Suri Qwen 3.5 27B Uncensored — диалоговая модель Space Time на архитектуре Qwen3.5 с 27 млрд параметров. Это вариант без выравнивания, созданный на основе Qwen3.5 27B и предназначенный для общения, в том числе на чувствительные темы; метаданные также отмечают поддержку анализа изображений. В карточке указаны датасеты для китайского и английского языков. Модель работает с текстом и изображениями и выдаёт текстовые ответы. Разработчик сообщает, что снятие ограничений на чувствительных темах выражено слабее, чем у Suri Qwen 3.5 4B Uncensored. В репозитории указаны формат safetensors и библиотека Transformers; лицензия в предоставленных сведениях не описана.

svara-tts-voiceclone-beta — экспериментальная версия многоязычной модели синтеза речи от Kenpath, созданная на основе svara-tts-v1. Она предназначена для преобразования текста в речь на индийских языках и индийском английском, а также для клонирования голоса по короткому аудиопримеру. Модель использует плотную архитектуру LlamaForCausalLM с дискретными аудиотокенами в стиле Orpheus; в метаданных указаны 3,3 млрд параметров и контекст 131 072 токена. Модель поддерживает 19 языков: хинди, бенгальский, маратхи, телугу, каннада, бходжпури, магхия, чхаттисгархи, майтхили, ассамский, бодо, догри, гуджарати, малаялам, пенджаби, тамильский, непальский, санскрит и индийский английский. Она поддерживает клонирование голоса по референсному аудио, выразительную речь с эмоциональными и невербальными подсказками и предназначена для диалоговых систем, IVR, обучения, доступности и создания контента. Заявлены совместимость с GGUF и vLLM и возможность специализации с помощью LoRA. Лицензия — Apache-2.0. Это бета-релиз: сходство голоса может снижаться в длинных высказываниях, качество различается между языками, а эмоциональная выразительность может быть менее надёжной для малоресурсных языков. Клонирование не гарантирует точного воспроизведения голоса; редкие имена и числа могут потребовать нормализации.

Модель samadpls/t5-base-grammar-checker — дообученная Абдулом Самадом Сиддики модель на архитектуре Google T5 для исправления грамматических и орфографических ошибок в английских предложениях. Она основана на T5 с архитектурой encoder-decoder и примерно 123,7 млн параметров; использует формат safetensors и рассчитана на контекст до 512 токенов. Модель обучалась на наборе JHU-CLSP/JFLEG и подходит для автоматической корректуры отдельных предложений и коротких текстов. Карточка не сообщает лицензию, поэтому условия использования следует сверить с репозиторием и лицензией базовой модели.

Vigogne-13B-Instruct — франкоязычная модель для генерации текста и выполнения инструкций, разработанная на основе LLaMA-13B и дообученная на переводном датасете Stanford Alpaca. Модель содержит 12,9 млрд параметров, использует архитектуру LLaMA и формат PyTorch; длина контекста составляет 2048 токенов. В карточке заявлена поддержка французского языка. Модель предназначена для ответов на инструкции и вопросы на французском языке, а также для других сценариев генерации текста. В версиях проекта менялись качество перевода и размер обучающего датасета. README предупреждает о возможных вредных или предвзятых ответах, фактических ошибках и бесполезных результатах. Модель и обучающий датасет предназначены только для исследований; датасет имеет лицензию CC BY-NC 4.0, а метаданные модели указывают OpenRAIL.

Vigogne-2-7B-Instruct — языковая модель на архитектуре Llama-2, разработанная как французская версия с дообучением следовать инструкциям. Она предназначена для диалога и генерации ответов на запросы на французском языке; также подходит для выполнения простых задач с кодом, например объяснения или преобразования фрагментов программ. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и работает через библиотеку Transformers в формате PyTorch. Нативный контекст составляет 2048 токенов. Карточка указывает на французский язык; модель следует политике использования Llama 2. Модель находится в разработке: ответы могут быть ошибочными, неполными или бесполезными, а также содержать вредный или предвзятый контент. Лицензионные условия и политика использования наследуются от Llama 2.

kdcyberdude/w2v-bert-punjabi — модель распознавания речи на основе архитектуры Wav2Vec2-BERT, разработанная для проекта Punjabi_ASR. Она преобразует аудиозаписи на пенджаби в текст и предназначена для транскрибации речи, в том числе для оценки систем распознавания на наборах Common Voice, Fleurs и Kathbath. Модель содержит около 402,7 млн параметров и распространяется в формате Safetensors через библиотеку Transformers. В README приведены результаты на бенчмарке IndicSUPERB: WER 10,18% на Common Voice, 6,96% на Fleurs, 8,30% на Kathbath и 9,31% на шумном варианте Kathbath. Это специализированная модель для пенджаби; сведений о поддержке других языков или длине контекста в источниках нет. Лицензия — CC BY 4.0.

WabiSabi-V1 — языковая модель на основе Mistral-7B-v0.1, созданная проектом Local-Novel-LLM-project. Это дообученная и объединённая версия с расширением контекста и настройкой через LoRA; карточка указывает формат инструкций Vicuna-v1.1. Модель предназначена для генерации текста на японском и английском языках, включая длинные диалоги и NSFW-контент. В метаданных указаны архитектура MistralForCausalLM, 7,1 млрд параметров, контекст 32 768 токенов, библиотека Transformers и формат safetensors. README заявляет окно контекста 128 тыс. токенов, однако это расходится с метаданными, поэтому фактическую длину контекста следует сверять с конфигурацией используемого чекпойнта. Лицензия — Apache-2.0. Модель может сохранять информацию в длинной генерации, согласно карточке, но длительные запросы требуют значительных ресурсов памяти. Обучающие данные могут содержать смещения, поэтому ответы требуют проверки.

TKU410410103/wav2vec2-base-japanese-asr — японская модель распознавания речи, разработанная путём дообучения rinna/japanese-wav2vec2-base на наборе Common Voice 11.0. Она принимает аудио и преобразует речь в текст; архитектура — Wav2Vec2ForCTC с 113,3 млн параметров. Модель распознаёт японскую речь, но выдаёт текст только хираганой. На Common Voice 11.0 модель показала WER 14,18% и CER 6,46%; на ReazonSpeech (tiny) — WER 40,86% и CER 29,37%. Результаты зависят от набора данных, а на ReazonSpeech качество заметно ниже. Модель распространяется по лицензии Apache-2.0.

thunninoi/wav2vec2-japanese-hiragana-vtuber — модель распознавания речи на основе Wav2Vec2ForCTC с 402,7 млн параметров, дообученная от vumichien/wav2vec2-large-xlsr-japanese-hiragana. Она предназначена для преобразования японской речи в текст и подходит для транскрибирования голосовых записей, в том числе речи VTuber. В README приведены результаты оценки: loss 0,4134 и WER 0,1884; сведения о наборе данных и подробных условиях тестирования отсутствуют. Модель использует PyTorch и распространяется по лицензии Apache-2.0.

Модель infinitejoy/wav2vec2-large-xls-r-300m-hindi — дообученная версия facebook/wav2vec2-xls-r-300m для распознавания речи на хинди. Она принимает аудио и выдаёт распознанный текст; обучение проводилось на наборе Mozilla Common Voice 7.0 для хинди. Архитектура основана на Wav2Vec2 и имеет около 402,7 млн параметров. Модель можно применять для транскрибации речи на хинди, например аудиозаписей или голосовых сообщений. В README приведён результат оценки на тестовом наборе: WER 1,0194, что указывает на существенные ошибки распознавания. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

Whisper Base Hindi — модель автоматического распознавания речи, разработанная на основе Whisper Base и дообученная автором arun100 на подмножестве hi_in датасета google/fleurs. Она принимает аудио и генерирует текстовую расшифровку на хинди. Модель содержит 51,7 млн параметров и опубликована в формате safetensors. На оценочном наборе указаны loss 0,4468 и WER 27,7206. Модель предназначена для распознавания речи на хинди; качество на других языках и в иных условиях записи не описано. Лицензия — Apache-2.0.

whisper-small-santali-sanlish-frozen — дообученная модель семейства Whisper, основанная на openai/whisper-small. Она предназначена для автоматического распознавания речи и преобразования аудио в текст; карточка указывает язык Santali. Модель реализована на архитектуре WhisperForConditionalGeneration и распространяется в формате safetensors через Transformers. На оценочном наборе указаны Loss 0,8507, WER 45,2756 и CER 13,0534. Эти результаты относятся к набору, описанному в карточке, но сами данные и методика оценки не раскрыты. Модель распространяется по лицензии Apache-2.0.

Ratchet + Whisper Tiny — это конверсия модели openai/whisper-tiny из формата GGML в пользовательский формат Ratchet. Модель разработана на основе Whisper от OpenAI, а конверсию выполнил FL33TW00D-HF. README не содержит подробных сведений о назначении, архитектуре, размере, поддерживаемых языках, модальностях и длине контекста исходной модели. Известно только, что это вариант Whisper Tiny, предназначенный для использования в среде или инструментах, поддерживающих формат Ratchet; конкретные сценарии применения не уточнены. Модель распространяется по лицензии Apache-2.0. Сильной стороной является адаптация модели к формату Ratchet, однако ограничения и требования к аппаратному обеспечению в карточке модели не указаны.

gagan3012/xls-r-300m-pa — модель автоматического распознавания речи, созданная дообучением facebook/wav2vec2-xls-r-300m на наборе MOZILLA-FOUNDATION/COMMON_VOICE_8_0 для языка пенджаби (региональный вариант PA-IN). Она принимает аудио и преобразует речь в текст; архитектура основана на Wav2Vec2 и использует CTC. В репозитории указано 402,7 млн параметров и формат PyTorch. На оценочной выборке модель показала WER 0,5715 и loss 1,0443. Карточка не описывает дополнительные сценарии применения и ограничения качества; высокий WER указывает на заметную долю ошибок распознавания. Лицензия — Apache-2.0.

Yi-Ko-34B — авторегрессионная языковая модель, разработанная Джунбумом Ли (Beomi) на основе семейства Yi от 01.AI. Это предварительно обученная версия с 34 млрд параметров в формате Transformers, построенная на оптимизированной архитектуре Transformer на базе Llama 2 и совместимая с классом LlamaForCausalLM. Модель продолжает обучаться на смешанных онлайн-данных на корейском и английском языках; расширенный словарь SentencePiece BPE содержит 78 464 токена с дополнительными корейскими токенами и правилами слияния. В README заявлена длина контекста 4k токенов, тогда как метаданные указывают native context 2048 токенов. Модель принимает текст и генерирует текст. Она предназначена для генерации и продолжения текста, особенно для сценариев на корейском и английском; в README приведены результаты на корейских тестах KMMLU и KoBEST. Это базовая предварительно обученная модель, а не специализированная чат-модель. Репозиторий содержит веса safetensors и использует лицензию Apache 2.0. Крупный размер 34B требует значительных вычислительных ресурсов.

Apparatus_24B — объединённая модель языковых моделей от OddTheGreat для генерации текста и ролевого общения. Она основана на архитектуре Mistral с плотной causal language model, содержит 23,4 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов, ролевых сценариев и творческого письма, включая ERP; автор также отмечает следование инструкциям и возможность отвечать на русском по карточкам персонажей с описанием на английском. По README, модель проверялась в английских и русских диалогах и использовалась с шаблоном T1.01 ChatML. Автор отмечает творческий и разнообразный язык, но сообщает о возможной нейтральной или негативной предвзятости и чрезмерно эмоциональных реакциях. Весы опубликованы в формате safetensors; условия лицензии в предоставленных данных не описаны.

Barbet 1B Structured SFT — это дообученная OpenFormosa модель на 1 млрд параметров с плотной смешанной архитектурой attention/Mamba и 29 слоями. Она обучена за одну эпоху полного параметрического SFT на 980 тыс. примеров набора voidful/barbet-sft и предназначена как текстовая основа для последующего обучения систем обработки кандидатов распознавания речи, чтения текста для синтеза речи, OCR и перевода. Поддерживает китайский и английский языки. Заявленный предел контекста — 1 048 576 токенов, однако эта версия отдельно не подтверждала качество на таком объёме; максимальный обучающий пример содержал 168 442 токена. На структурированных запросах из синтетического обучающего распределения модель хорошо соблюдала формат и правильно выдавала поля решения и свидетельств в проведённых проверках. Это не означает, что она сама распознаёт аудио, синтезирует речь или видит изображения: обучение было только на текстовых данных, поэтому для таких сценариев нужны нижестоящие кодировщики или декодировщики. Свободные инструкции в небольшой проверке не выполнялись надёжно; также отмечено ухудшение показателей на коде и математике. Уверенность в ответах основана на синтетическом априорном распределении и не является откалиброванной вероятностью. Весам и сопутствующим материалам этой версии назначена лицензия Apache-2.0; сторонние компоненты и отдельно опубликованный датасет могут иметь собственные условия. Для применения рекомендуется использовать предусмотренный загрузчик с сохранением точности параметров Mamba.

В репозитории представлены три односпикерные модели синтеза речи на центральнокурдском языке (сорани), созданные на архитектуре F5-TTS в рамках инициативы TTS4All на семинаре JSALT 2025. Доступны женский голос, обученный на аудиокнигах, мужской голос с аудиокнижной манерой речи и мужской голос, обученный на студийных записях Giganet. Модели предназначены для синтеза центральнокурдской речи по тексту; их также применяли для клонирования голоса и генерации синтетических аудиоданных для систем перевода речи. В субъективной оценке с участием носителей языка вариант audiobook-F получил наивысшие оценки естественности и качества TTS, а studio-M показал лучшие объективные показатели качества сигнала. Репозиторий содержит веса PyTorch и примеры использования с аудио и текстом подсказки. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое применение и распространение изменённых версий.