I.6Перевод и языковая адаптация

Nekomata-14B — плотная трансформерная языковая модель, разработанная rinna на основе Qwen-14B. Авторы провели дополнительное предобучение на 66 млрд токенов из японских и английских корпусов, чтобы улучшить результаты на задачах японского языка. Модель содержит 21,8 млрд параметров, использует 40 слоёв и скрытый размер 5120, оригинальный токенизатор Qwen со словарём 151 936 токенов и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста на японском и английском языках. Её можно использовать для продолжения текста и создания ответов на запросы; токенизатор особенно эффективно обрабатывает японский текст. Это базовая языковая модель, а не отдельная специализированная система для конкретной предметной области. В README приведена ссылка на страницу с бенчмарками, но сами результаты не включены, поэтому количественно оценить качество по карточке нельзя. Модель доступна в форматах PyTorch и Safetensors. Лицензия указана как «other»; конкретные условия использования следует сверить на странице репозитория Hugging Face.

NOESIS-Gemma3-4B-BF16 — мультимодальная модель AMAImedia на архитектуре Gemma 3 4B, дообученная и упакованная для платформы автоматизации многоязычного дубляжа NOESIS. Она используется как основная студенческая модель Scenema в конвейере дубляжа; для аудиосценария модель работает вместе с отдельным адаптером Scenema и runtime-обёрткой. Репозиторий содержит полные веса BF16 в формате safetensors, токенизатор, шаблон чата и конфигурацию генерации. Модель предназначена прежде всего для диалоговой генерации текста и мультимодальных задач в составе конвейера дубляжа. Основа — unsloth/gemma-3-4b-it; метаданные указывают английский и многоязычную поддержку, а базовая Gemma 3 поддерживает ответы на вопросы по изображениям. Для аудиодубляжа требуется отдельный адаптер и интеграция Scenema; карточка не описывает самостоятельный аудиовход или аудиовыход модели. Лицензия — Gemma; следует учитывать условия лицензии Gemma и сведения об атрибуции в репозитории.

GWK/NoFo-codellama-34b-v0.1 — модель на базе CodeLlama-34B-Instruct, разработанная для извлечения биографических сведений об исторических деятелях и их записи в CSV в формате Fichoz для базы данных Nordiske Folk (NoFo). Модель дообучена на 400 коротких биографиях на разных языках и предназначена для разбора сложных и запутанных текстов, включая энциклопедии XIX века. Извлечённые сведения она переводит на датский язык. Это плотная авторегрессионная модель семейства Llama с 33,5 млрд параметров и контекстом 16 384 токена. Она принимает текст и генерирует текст с данными в CSV-формате. Репозиторий содержит веса PyTorch; лицензия — Llama 2.

Qwen3-4B-Indo-Alpaca — языковая модель разработчика caffeinejunkie1 для следования инструкциям и диалога на индонезийском языке. Это плотная авторегрессионная модель семейства Qwen3, дообученная методом supervised fine-tuning на переводном наборе Ichsan2895/alpaca-gpt4-indonesian. В модели 3,7 млрд параметров, базовый контекст составляет 40 960 токенов; для работы используется библиотека Transformers и формат весов safetensors. Модель подходит для генерации индонезийского текста, ответов на вопросы, краткого пересказа и общих разговорных сценариев; также заявлена поддержка английского языка. Карточка указывает чат-интерфейс и интерфейс вызова инструментов. Лицензия — Apache License 2.0. Обучение опиралось на один переводной набор инструкций и ответов, поэтому качество может быть ограничено его охватом и особенностями перевода. Модель не предназначена для продвинутых математических рассуждений, специализированных медицинских или юридических рекомендаций и ответов, требующих актуальных сведений.

Qwen3.8-27B-Uncensored-Aggressive — это модификация базовой модели Qwen/Qwen3.8-27B, опубликованная 0xKitkat. Модель предназначена для локального запуска в формате GGUF через llama.cpp, LM Studio и koboldcpp. Она сохраняет исходные возможности базовой модели, но использует редактирование весов для удаления отказов и избыточных вводных фраз; дополнительное дообучение и замена датасета не выполнялись. Модель имеет размер 27 млрд параметров и поддерживает текстовые сценарии на английском и китайском языках. Для работы с изображениями и видео предусмотрен дополнительный vision/video projector mmproj-F16.gguf, унаследованный от базовой модели. В репозитории доступны варианты квантования Q4_K_M, Q5_K_M и смешанный Q6_K + Q8_0; для отдельных конфигураций заявлена поддержка контекста до 98 тысяч токенов. Встроенный шаблон чата отключает режим рассуждений и автоматически добавляет системный промпт, если он не задан. Сильной стороной модели является удобный локальный запуск, широкий выбор квантов и отсутствие встроенных отказов на запросы, которые базовая модель могла отклонить. При этом безопасность и выравнивание по политике удалены, поэтому модель может выполнять потенциально опасные или нежелательные запросы; ответственность за применение лежит на пользователе. Также производительность, требования к памяти и качество зависят от выбранного квантования и оборудования. Модель распространяется по лицензии Apache-2.0.

RsGoksel/RsGoksel_ITU_Mainframe-balanced — дообученная модель для автоматического распознавания турецкой речи, созданная на базе OpenAI Whisper large-v3-turbo с помощью LoRA; адаптер объединён с базовой моделью. Модель предназначена для транскрибации аудио на турецком языке в разных предметных областях, с балансом распознавания чистой речи и устойчивости к сложным условиям, включая медицинскую речь. Модель использует архитектуру Whisper и доступна в формате safetensors для Transformers. В README приведён пример распознавания аудиофайла с указанием турецкого языка и режима транскрибации. Для ускоренного вывода автор указывает отдельную версию в формате CTranslate2. Лицензия — MIT. Метрика оценки — WER после нормализации турецкого текста; конкретные численные результаты в карточке не приведены.

Sonus — мультиязычная модель синтеза речи с нуля (zero-shot) от автора репозитория comethrusws. Она преобразует текст в речь, поддерживает более 600 языков, клонирование голоса по короткой аудиозаписи и настройку голоса по атрибутам, таким как пол, возраст, высота тона и акцент. Модель использует архитектуру семейства OmniVoice; в README указаны 0,6 млрд параметров и частота дискретизации 24 кГц. Для запуска предусмотрена библиотека Transformers. Sonus предназначена для генерации речи в реальном времени и пакетной обработки, а также для управления произношением и невербальными звуками. Карточка указывает лицензию other, поэтому конкретные условия использования следует проверять в файлах репозитория. README запрещает несанкционированное клонирование голоса, выдачу себя за другого человека, мошенничество и незаконное применение.

GodsonNtungi/Swahili_Gemma_vllm — версия модели Mollel/Swahili_Gemma, модифицированная GodsonNtungi для развёртывания с vLLM. Это плотная авторегрессионная модель семейства Gemma с 8,2 млрд параметров, предназначенная для генерации текста и диалоговых сценариев. Контекст составляет 8192 токена; модель ориентирована на суахили. Репозиторий содержит веса в формате PyTorch. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает о дополнительных возможностях или ограничениях качества; применение зависит от базовой модели и её дообучения для суахили.

kadirnar/turkish-llm-v4 — дообученная языковая модель семейства Llama, разработанная kadirnar на базе unsloth/Meta-Llama-3.1-8B. Она предназначена для генерации текста и может использоваться в диалоговых сценариях. Модель содержит 7,5 млрд параметров, построена на плотной архитектуре Llama и поддерживает контекст до 131 072 токенов. Для обучения использовались Unsloth и библиотека TRL. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. В карточке указано, что модель связана с турецким языком, однако подробности обучения и результаты оценки качества не приведены.

Yejin Korean 8B v3 Base — двуязычная базовая языковая модель для корейского и английского языков, разработанная cooler8 и обученная с нуля на тщательно отобранном двуязычном корпусе. Она предназначена для генерации текста и дальнейшей адаптации под конкретные задачи; модель не прошла настройку для следования инструкциям и не является готовым разговорным ассистентом. Модель построена на плотной архитектуре Qwen3ForCausalLM с 32 слоями трансформера-декодера, Grouped Query Attention, QK-Norm и SwiGLU. В README указано около 7,52 млрд параметров, тогда как метаданные каталога указывают 7,2 млрд. Контекст составляет 4096 токенов; веса представлены в safetensors, а README сообщает о точности BF16. Лицензия — Apache 2.0. Обучение с нуля проводилось на сбалансированном корпусе с корейскими веб-страницами, энциклопедическими, академическими, новостными и разговорными материалами, а также англоязычными образовательными и техническими текстами. Это дает основу для генерации на корейском и английском языках, однако сама карточка не приводит оценки качества. Для диалога и выполнения пользовательских инструкций потребуется отдельное дообучение; контекст ограничен 4096 токенами.

bilalRHCH/Arabic-text-to-speech — дообученная на базе Qwen/Qwen3-0.6B модель OmniVoice для синтеза речи из текста. Она поддерживает арабский язык и относится к многоязычному семейству OmniVoice, которое заявляет поддержку более 600 языков. Модель принимает текст и генерирует речь; поддерживает zero-shot клонирование голоса по короткому аудиопримеру и настройку голоса по атрибутам, включая пол, возраст, высоту голоса и акцент. Также заявлены управление невербальными звуками и коррекция произношения с помощью фонем или pinyin. В README указана архитектура в стиле diffusion language model и скорость синтеза до 40 раз выше реального времени. Карточка описывает возможности семейства OmniVoice, поэтому точные характеристики реализации именно этой версии могут отличаться. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0.

Beetle-FineWeb2-24B/beetle-bilingual-b3-fineweb-24b-zho-eng-ewc — языковая модель семейства Beetle-FineWeb2-24B для генерации текста. На Hugging Face она представлена как модель Transformers с архитектурой pico_decoder и поддержкой safetensors; карточка модели указывает размер около 0,2 млрд параметров. Идентификатор модели обозначает двуязычную специализацию для китайского и английского языков. Модель предназначена для авторегрессионного продолжения и генерации текста, включая двуязычные сценарии с китайским и английским языками. Для запуска используется Transformers с пользовательским кодом модели; также заявлена совместимость с vLLM и SGLang. В карточке модели сведения о разработчике, лицензии, длине контекста, обучающих данных, оценивании и ограничениях не приведены.

Это текстовая авторегрессионная модель семейства LLaMA с 12,9 млрд параметров, созданная объединением Chinese-LLaMA-Plus-13B и Chinese-Alpaca-Plus-13B. Репозиторий содержит веса PyTorch; модель предназначена для генерации текста на китайском языке, в том числе ответов в диалоговом формате. Контекст модели составляет 2048 токенов. В README указано, что объединение выполнено с использованием нескольких LoRA-весов, а базой служила LLaMA 13B в формате Hugging Face. Лицензия в метаданных не определена, поэтому условия использования следует уточнить у правообладателей исходных моделей.

Модель Amna-Shahzad/code-switching-codesaviours-si26-Amna разработана Амной Шахзад в рамках проекта CodeSaviours SI-26 и организации Code Saviours (SMC-PRIVATE) Limited. Это дообученная XLM-RoBERTa-base с 305,2 млн параметров и классификационной головой для разметки отдельных токенов текста. Модель определяет, относится ли слово к урду, английскому или смешанному варианту: метки URD, ENG и MIX. Она предназначена для анализа переключения языков в тексте на романизированном урду и английском, в том числе как этап предварительной обработки для последующих NLP-задач. Максимальный контекст — 514 токенов. В README сообщается об обучении на 140 предложениях, тестировании на 35 предложениях и точности 99,70%; эти результаты относятся к указанной небольшой выборке. Модель распространяется в формате safetensors по лицензии Apache-2.0 в метаданных, тогда как README указывает на исследовательское и учебное применение и рекомендует проверять условия базовой модели и датасетов перед коммерческим использованием.

Falcon3-1B-Instruct-abliterated-GGUF — набор GGUF-квантизированных вариантов инструкционной текстовой модели Falcon3-1B-Instruct-abliterated. Исходная модель указана как разработанная huihui-ai, а квантизация выполнена bartowski с использованием llama.cpp и imatrix. Модель предназначена для генерации текста и диалогового взаимодействия в локальных средах, включая LM Studio, с применением формата промпта system/user/assistant. Модель имеет заявленный размер 1B параметров и поддерживает английский, французский, испанский и португальский языки. Доступны варианты от F16 до различных Q- и IQ-квантизаций размером примерно от 0,88 до 3,34 ГБ, что позволяет выбирать баланс между качеством, скоростью и требованиями к памяти. Сведения о контекстном окне, точной архитектуре и мультимодальности в README не указаны; по назначению это текстовая модель. Основные преимущества — компактность, возможность локального запуска на устройствах с ограниченными ресурсами и широкий выбор уровней квантизации. Более лёгкие варианты экономят память, но могут заметно уступать по качеству; сама модель небольшого размера может быть ограничена в сложных рассуждениях и работе с длинным или специализированным контекстом. Название и теги указывают на модификацию abliterated/uncensored, поэтому поведение в отношении отказов и безопасных ограничений может отличаться от исходной instruct-модели. Использование регулируется лицензией Falcon LLM License; в README также приведена ссылка на условия Falcon.

FLAMA 0.5 — небольшая чат-модель на 3,3 млрд параметров, разработанная для общения на каталонском и испанском языках. Она создана дообучением OpenLLaMA 3B v2 на автоматически переведённых инструкциях OpenAssistant v2, оформленных в шаблоне ChatML; архитектура модели относится к семейству LLaMA. Модель принимает текстовые запросы и генерирует текст, а её максимальный контекст составляет 2048 токенов. FLAMA подходит для диалогов, ответов на вопросы и выполнения инструкций на каталонском и испанском; в метаданных также отмечен английский язык. README указывает на улучшение каталонского и добавление испанского в версии 0.5. Модель распространяется по лицензии Apache-2.0. Карточка сообщает о результатах оценки на нескольких бенчмарках, но не даёт оснований считать их гарантией качества в прикладных задачах.

GRMR-2B-Instruct — модель на базе Gemma 2 2B, дообученная пользователем qingy2024 для исправления грамматики и повышения ясности текста. Она переписывает входной текст, сохраняя его смысл и улучшая читаемость; в карточке приведён пример редактирования текста о музыкальном спектакле. Для работы используется шаблон чата, в котором текст помещается между инструкцией и секцией исходного текста, а результат выдаётся в секции исправленного текста. Модель имеет плотную архитектуру Gemma2ForCausalLM, содержит 2,7 млрд параметров и поддерживает контекст до 8192 токенов. В метаданных указан английский язык; модель распространяется под лицензией Apache-2.0. Карточка рекомендует температуру 0.0 и repeat penalty 1.0 для получения оптимальных результатов.

Heidrun-Mistral-7B-base — базовая генеративная языковая модель, разработанная Mabeck на основе Mistral-7B-v0.1. Модель с плотной архитектурой Mistral содержит 7,1 млрд параметров и дообучена на датском корпусе из Википедии и Wikibooks, а также на небольших фрагментах Hestenettet в течение двух эпох. В метаданных указан датасет Wikimedia Wikipedia. Модель предназначена для продолжения текста и дальнейшей адаптации к прикладным задачам посредством дообучения. Это базовый чекпойнт, а не версия для диалогового использования; для чата автор рекомендует Heidrun-Mistral-7B-chat. Указанная длина контекста — 32 768 токенов. Модель поддерживает датский и английский языки по языковым тегам, при этом обучение дополнительно продолжено на датских данных. Лицензия — MIT.

Карточка модели Yogi5/indic-parler-tts-backup на Hugging Face совпадает с карточкой ai4bharat/indic-parler-tts, поэтому описание составлено по ней. Indic Parler-TTS — многоязычная модель синтеза речи, созданная в сотрудничестве аудиокоманды Hugging Face и AI4Bharat. Это дообученная версия Indic Parler-TTS Pretrained на датасете объёмом 1 806 часов; модель относится к семейству Parler-TTS и использует библиотеку Transformers. Она преобразует текст в речь, а дополнительное текстовое описание позволяет задавать характеристики звучания: голос, темп, высоту, эмоциональную окраску, выразительность, шум и реверберацию. Модель официально поддерживает 21 язык: ассамский, бенгальский, бодо, догри, английский, гуджарати, хинди, каннада, конкани, майтхили, малаялам, манипури, маратхи, непальский, ория, санскрит, сантали, синдхи, тамильский, телугу и урду. В README также заявлена неофициальная поддержка чхаттисгархи, кашмири и панджаби. Доступно 69 голосов; управление эмоциями официально описано для десяти языков. Модель распространяется по лицензии Apache-2.0.

Nepali Parler-TTS — дообученная версия Indic Parler-TTS для синтеза речи на непальском языке. Модель использует архитектуру ParlerTTSForConditionalGeneration и библиотеку parler-tts; веса представлены в формате safetensors. В карточке приведены результаты обучения: лучшая потеря на валидации — 5,4707, обучение длилось 1256 шагов и 270,8 минуты. Модель предназначена для преобразования текста в речь на непальском языке. Лицензия в предоставленных данных не указана.

Irbis-7B-v0.1 — языковая модель Gen2B на архитектуре Mistral, предназначенная прежде всего для генерации текста на казахском языке. Модель содержит 7,2 млрд параметров и использует контекст до 32 768 токенов; для работы нужна библиотека Transformers. Разработчики расширили словарь токенизатора с 32 тыс. до 60 тыс. токенов, добавив больше казахских слов. Модель предобучена на 20 ГБ преимущественно казахских и частично русских текстов. Карточка заявляет об улучшенном качестве для казахского языка и более быстрой генерации благодаря новому токенизатору. Модель подходит для генерации и продолжения текста на казахском и русском языках. Веса опубликованы в формате safetensors под лицензией MIT. Карточка не приводит сравнительных бенчмарков, поэтому заявленные улучшения качества и скорости не сопровождаются количественной оценкой.

Kokoro TTS Kazakh (kmm1) — односпикерная модель синтеза казахской речи, созданная Nuraidar Mambetaly, Anuar Sultanbekov и Altair Balakhazy. Это дообучение Kokoro-82M на корпусе ISSAI KazakhTTS2 с обучающим конвейером на основе StyleTTS2; модель использует голос km_m1 — мужской голос одного диктора. В README указано, что архитектура содержит 82 млн параметров и работает с частотой дискретизации 24 кГц. Модель преобразует текст на казахском языке в речь и рассчитана на локальный запуск, в том числе на CPU без GPU. Авторы сообщают о быстродействии выше реального времени на AMD Ryzen 5 5500U и приводят оценку WER 16,4% на отложенном наборе из 20 предложений; это результаты конкретной внутренней проверки, а не универсальная гарантия качества. Модель распространяется по лицензии Apache-2.0. Она предназначена для казахского языка и одного мужского голоса; результаты оценки и производительности могут отличаться на других текстах и устройствах.

Карточка модели rrw-x2/KoSOLAR-10.9B-v0.3 на Hugging Face совпадает с карточкой rrw-x2/KoSOLAR-10.9B-v0.5, поэтому описание составлено по ней. KoSOLAR-10.9B-v0.5 — корейская языковая модель для генерации текста, созданная объединением моделей с помощью mergekit и метода SLERP. В объединение вошли hyeogi/SOLAR-10.7B-dpo-v1 и LDCC/LDCC-SOLAR-10.7B; карточка также указывает на дообучение с LoRA на наборе kyujinpy/OpenOrca-KO. Архитектура — плотная LlamaForCausalLM, размер — 10,7 млрд параметров, контекст — 4096 токенов. Модель предназначена для генерации корейского текста и диалоговых ответов в сценариях на основе текстового ввода. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0. README не приводит результатов оценки качества или подробных ограничений применения.

jiangfb/llama-3.1-chinese-8b-it-dpo — чат-модель на архитектуре Llama 3.1, созданная на основе Meta-Llama-3.1-8B-Instruct. Разработчики дообучили её на китайских инструкциях примерно в два этапа: supervised fine-tuning на почти 300 тысячах примеров и Direct Preference Optimization на 5 тысячах инструкций с предпочтениями. Репозиторий содержит веса в формате safetensors; размер модели — около 7,5 млрд параметров, заявленная длина контекста — 131 072 токена. Модель предназначена для диалога и генерации текста на китайском языке: она может отвечать на вопросы, выполнять инструкции и составлять краткие изложения. В README приведены результаты на китайских тестах C-Eval и CMMLU, где авторы сообщают об улучшении относительно исходной Llama 3.1. Это результаты авторской оценки; они не гарантируют качество на других задачах. В метаданных лицензия не указана, поэтому условия использования следует сверить с карточкой модели и лицензией базовой модели.

Llama-3-KoEn-8B-Instruct-preview — экспериментальная предварительная версия чат-модели от beomi, созданная на основе Llama-3-8B. Базовая языковая модель прошла дополнительное предобучение; инструкция-версия получена с применением подхода из статьи Chat Vector. В репозитории представлены веса в формате safetensors, архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста в диалоговом формате на корейском и английском языках и может служить отправной точкой для разработки новых чат- и инструкционных моделей. В примере она отвечает по-корейски, однако автор подчёркивает, что модель не дообучалась на корейских инструкционных данных, поэтому качество следования инструкциям на корейском может быть нестабильным. Лицензия CC BY-NC-SA 4.0 ограничивает коммерческое использование и требует соблюдения условий атрибуции и распространения производных работ.

llm-jp-3-3.7b-instruct — языковая модель на архитектуре Transformer, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это версия llm-jp-3-3.7b, дообученная на инструкциях для диалогового взаимодействия и выполнения запросов. Модель содержит около 3,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 4096 токенов. Модель рассчитана прежде всего на японские запросы: её обучали на больших корпусах, включающих японские данные, а этап дообучения охватывал инструкции, в том числе примеры с акцентом на безопасность и заданный формат ответа. Её можно применять для диалогов, генерации текста и ответов на вопросы; метаданные также отмечают поддержку английского языка. Модель распространяется в формате Safetensors для Transformers по лицензии Apache-2.0. Разработчики отмечают, что модель находится на раннем этапе исследований и разработок и не была настроена для надёжного соответствия человеческим намерениям и требованиям безопасности. Поэтому ответы могут быть некорректными или небезопасными; результаты оценки на японских тестах показывают различия в качестве между задачами.

llm-jp-3-7.2b-instruct2 — языковая модель серии LLM-jp-3, разработанной Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это плотная Transformer-модель на архитектуре Llama с примерно 6,9 млрд параметров, дообученная на инструкционных данных методом supervised fine-tuning. Репозиторий содержит веса в формате Safetensors для Transformers; контекст — до 4096 токенов. Модель предназначена для диалогов и генерации текста по инструкциям. Основной язык разработки и обучения — японский; метаданные также указывают английский. В предварительном обучении использовано 2,1 трлн токенов. Лицензия — Apache-2.0. Разработчики отмечают, что модель находится на раннем этапе исследований и разработок и не была настроена для надёжного соответствия намерениям человека и требованиям безопасности. Ответы могут быть ошибочными или небезопасными; необходима проверка результатов.

facebook/mms-tts-ace — модель синтеза речи на языке ачех, созданная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует текст на ачех в речевую аудиоволну; для каждого языка проекта обучается отдельный чекпойнт. Модель построена на архитектуре VITS и содержит текстовый энкодер на основе Transformer, flow-модуль, стохастический предиктор длительности и декодер аудиосигнала. Размер модели — 3,5 млн параметров. Она доступна через библиотеку Transformers версии 4.33 и выше. Предназначена для синтеза речи на ачех в приложениях озвучивания и речевых интерфейсах. Стохастический предиктор позволяет получать разные ритмические варианты произношения одного текста; для воспроизводимого результата требуется фиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

facebook/mms-tts-amh — модель синтеза речи на амхарском языке из проекта Massively Multilingual Speech компании Facebook. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания амхарских текстов и создания синтетической речи. Модель построена на архитектуре VITS и содержит около 3,5 млн параметров. Это сквозная система синтеза: текстовый энкодер и flow-модуль формируют акустическое представление, а декодер генерирует аудиоволну. Стохастический предсказатель длительности позволяет получать варианты с разным ритмом; для повторяемого результата требуется фиксировать seed. Модель доступна через библиотеку Transformers версии 4.33 и выше. Чекпойнт предназначен для амхарского языка; другие языки этим репозиторием не заявлены. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-bam — модель синтеза речи на языке бамананкан, созданная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на бамананканском языке. Модель построена на архитектуре VITS и содержит 3,5 млн параметров. Это отдельный языковой чекпойнт MMS-TTS; для синтеза с теми же настройками требуется фиксировать seed, поскольку предсказатель длительности работает стохастически и может создавать варианты с разным ритмом. Модель доступна через Transformers версии 4.33 и новее. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.