I.6Перевод и языковая адаптация

facebook/mms-tts-ceb — модель синтеза речи на себуанском языке из проекта Massively Multilingual Speech компании Facebook. Она преобразует входной текст в речевую аудиоволну и подходит для озвучивания себуанских текстов и создания речевых интерфейсов. Модель использует архитектуру VITS и обучена отдельно для себуанского языка. Вариационный автоэнкодер, потоковый модуль и декодер HiFi-GAN работают совместно для генерации речи; стохастический предиктор длительности позволяет получать разные ритмы произношения. В репозитории представлены веса PyTorch и Safetensors, размер модели — около 3,5 млн параметров. Для повторения той же генерации нужен фиксированный seed. Для работы доступна библиотека Transformers версии 4.33 и выше. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но не для коммерческих целей.

razhan/mms-tts-ckb — модель преобразования текста в аудио на архитектуре VITS, опубликованная пользователем razhan на Hugging Face. Она предназначена для синтеза речи на центральнокурдском языке (сорани): принимает текст и генерирует аудио. Репозиторий содержит веса PyTorch; в метаданных указано 3,5 млн параметров и библиотека Transformers. Карточка модели автоматически сгенерирована и не содержит сведений о разработчике исходной модели, обучающих данных, оценке качества, ограничениях или лицензии.

facebook/mms-tts-cni — модель синтеза речи на ашанинка (cni) из проекта Massively Multilingual Speech (MMS), разработанного Facebook. Она преобразует текст на ашанинка в речевой аудиосигнал и подходит для озвучивания фраз и создания речевого вывода для приложений на этом языке. Модель использует архитектуру VITS и обучена как отдельный чекпойнт для одного языка. VITS объединяет текстовый энкодер, flow-модуль, стохастический предсказатель длительности и декодер на основе HiFi-GAN, формируя речь сквозным образом. В метаданных указаны 3,5 млн параметров; модель доступна в форматах PyTorch и Safetensors и поддерживается библиотекой Transformers версии 4.33 и новее. Модель предназначена для синтеза речи на ашанинка; генерация недетерминирована, поэтому для повторяемого результата требуется фиксировать seed. Лицензия CC-BY-NC-4.0 разрешает использование с атрибуцией, но ограничивает коммерческое применение.

facebook/mms-tts-dhi — модель синтеза речи на языке дхимал, разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на дхимал. Модель построена на архитектуре VITS: сочетает вариационный автоэнкодер, потоковый модуль, предсказывающий акустические признаки, и декодер на основе свёрточных слоёв; предсказатель длительности позволяет варьировать ритм речи. Размер модели — 3,5 млн параметров. Это отдельный языковой чекпойнт MMS-TTS для дхимал, доступный через Transformers версии 4.33 и выше. Генерация недетерминирована: для повторяемого результата нужно фиксировать seed. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

facebook/mms-tts-dtp — модель синтеза речи на кадazan-дусунском языке (dtp), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует текст на этом языке в речевую аудиоволну; отдельный чекпойнт обучен для каждого языка проекта MMS. Модель основана на архитектуре VITS и содержит текстовый энкодер, flow-модуль, стохастический предиктор длительности и декодер, построенный по принципу HiFi-GAN. Размер модели — 3,5 млн параметров; для работы доступны веса PyTorch и safetensors. Модель предназначена для озвучивания текста на кадazan-дусунском языке, например для голосовых интерфейсов и создания речевого контента. Стохастический предиктор длительности позволяет получать разные ритмы речи для одного текста, поэтому для повторяемого результата требуется фиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

facebook/mms-tts-eza — модель синтеза речи на языке эзаа (eza) из проекта Massively Multilingual Speech компании Facebook. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на этом языке. Модель использует архитектуру VITS и содержит 3,5 млн параметров; отдельный чекпойнт MMS-TTS обучен для каждого языка. VITS объединяет текстовый энкодер, потоковые слои и HiFi-GAN-подобный декодер, а стохастический предиктор длительности позволяет варьировать ритм произношения. Для повторяемой генерации требуется фиксировать seed. Модель доступна в Transformers версии 4.33 и новее. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

facebook/mms-tts-gde — модель синтеза речи на языке гуде (Gude, код gde), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну; отдельный чекпойнт MMS-TTS обучен для каждого языка проекта. Модель использует архитектуру VITS: текстовый энкодер на основе Transformer, потоковый модуль, стохастический предиктор длительности и декодер формы сигнала в стиле HiFi-GAN. В метаданных указаны 3,5 млн параметров; модель доступна в форматах PyTorch и Safetensors и поддерживается библиотекой Transformers начиная с версии 4.33. Чекпойнт предназначен для озвучивания текста на гуде. Стохастический предиктор длительности может давать разные ритмы произношения при одинаковом вводе, поэтому для повторяемого результата требуется фиксированный seed. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но некоммерческое.

facebook/mms-tts-kaa — модель синтеза речи на каракалпакском языке из проекта Massively Multilingual Speech компании Facebook. Это отдельный чекпойнт VITS, обученный для одного языка; архитектура VITS объединяет текстовый энкодер, вероятностные потоки, предсказатель длительности и декодер HiFi-GAN для генерации речевой волны из текста. Модель содержит около 3,5 млн параметров и доступна в форматах PyTorch и Safetensors; для работы с ней подходит библиотека Transformers версии 4.33 и новее. Модель предназначена для озвучивания каракалпакского текста, например для голосовых интерфейсов и создания аудиоверсий текстовых материалов. Стохастический предсказатель длительности позволяет получать варианты ритма речи для одного и того же текста, поэтому при необходимости воспроизводимого результата нужно фиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

KrorngAI/mms-tts-khm-finetuned — дообученная модель синтеза речи на кхмерском языке из проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну и подходит для озвучивания кхмерских фраз и текстов. Модель основана на VITS и содержит 3,6 млн параметров; для работы используется библиотека Transformers. VITS синтезирует речь сквозным образом, сочетая текстовый энкодер, потоковые слои, стохастический предиктор длительности и декодер на основе HiFi-GAN. Стохастический предиктор позволяет получать варианты с разным ритмом, поэтому результат не детерминирован: для повторения того же аудио нужен фиксированный seed. Модель дообучена на наборе seanghay/khmer_mpwt_speech поверх facebook/mms-tts-khm. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое применение.

facebook/mms-tts-kir — модель синтеза речи на кыргызском языке из проекта Massively Multilingual Speech компании Facebook. Это отдельный чекпойнт для кыргызского, построенный на архитектуре VITS: модель принимает текст и генерирует речевую аудиоволну. Вариационный автоэнкодер, потоковый модуль и декодер HiFi-GAN работают сквозным образом, а стохастический предиктор длительности позволяет варьировать ритм речи для одного и того же текста. Модель предназначена для озвучивания кыргызскоязычных текстов. Она доступна через библиотеку Transformers версии 4.33 и выше; в репозитории используются форматы PyTorch и Safetensors, размер модели — 3,5 млн параметров. Из-за стохастического предиктора результат генерации может меняться между запусками; для воспроизводимого аудио требуется фиксированное значение seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерчески.

Это модель синтеза речи для севернокурдского языка, предназначенная для текста на латинской письменности. Она разработана Meta в рамках проекта Massively Multilingual Speech (MMS); для каждого языка проекта обучается отдельная модель. Модель использует архитектуру VITS и преобразует последовательность текста в речевую волну. Размер модели — 3,5 млн параметров, веса доступны в форматах PyTorch и Safetensors. Модель подходит для озвучивания текстов и создания речевого вывода на севернокурдском языке с латинским письмом. Предсказатель длительности позволяет варьировать ритм речи; из-за стохастической генерации для повторяемого результата нужен фиксированный seed. Модель доступна через библиотеку Transformers версии 4.33 и новее. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

facebook/mms-tts-kps — модель синтеза речи на языке техит (Tehit, код kps), разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на техит. Модель использует архитектуру VITS: текстовый энкодер, потоковый модуль, стохастический предсказатель длительности и декодер HiFi-GAN; число параметров — 3,5 млн. Для одинакового результата при повторной генерации требуется фиксировать seed. Модель доступна через библиотеку Transformers версии 4.33 и новее. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-lug — модель синтеза речи на языке ганда (lug), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует текст на ганда в речевую аудиоволну и предназначена для озвучивания текстов на этом языке. Модель использует архитектуру VITS и содержит около 3,5 млн параметров. Это отдельный языковой чекпойнт MMS-TTS, доступный через библиотеку Transformers. Генерация стохастическая: один и тот же текст может звучать по-разному, а для повторяемого результата требуется фиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

facebook/mms-tts-nnw — модель синтеза речи на языке нуну, южный вариант (Nuni, Southern, nnw), разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую волну и предназначена для озвучивания текста на этом языке. Модель использует архитектуру VITS: энд-ту-энд вариационный автокодировщик с потоком преобразований, текстовым энкодером на основе Transformer, декодером и стохастическим предсказателем длительности. В метаданных указан размер 3,5 млн параметров; доступны веса PyTorch и Safetensors. Для повторения одного и того же результата требуется фиксировать seed, поскольку генерация недетерминирована. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

facebook/mms-tts-prt — модель синтеза речи на праи, созданная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует текст на праи в речевую аудиоволну и предназначена для озвучивания текста и создания речевых приложений для этого языка. Модель использует архитектуру VITS и содержит около 3,5 млн параметров. Для каждого языка MMS обучается отдельный чекпойнт; модель доступна через библиотеку Transformers. Генерация стохастическая: чтобы получить одинаковую аудиоволну при повторном запуске, нужно зафиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

facebook/mms-tts-rug — модель синтеза речи на языке ровiana (Roviana, rug), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну и подходит для озвучивания текстов на ровiana. Модель построена на архитектуре VITS: текстовый энкодер и потоковые слои формируют акустическое представление, а декодер генерирует аудио; отдельный предиктор длительности позволяет варьировать ритм речи. Чекпойнт содержит 3,5 млн параметров и доступен в форматах PyTorch и Safetensors для использования через Transformers версии 4.33 и новее. Генерация недетерминирована, поэтому для повторяемого результата требуется фиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-vie — модель синтеза речи на вьетнамском языке из проекта Massively Multilingual Speech (MMS), разработанного Facebook. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания вьетнамских фраз и создания аудиоверсий текстового контента. Модель использует архитектуру VITS и содержит около 3,6 млн параметров. Это сквозная система синтеза речи с текстовым энкодером на основе Transformer, потоковым модулем, декодером в стиле HiFi-GAN и стохастическим предсказателем длительности, который позволяет варьировать ритм произношения. Для повторения того же результата нужен фиксированный seed. Модель доступна через библиотеку Transformers версии 4.33 и новее. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Multilingual-Expressive-TTS-0.6B — дообученная Scicom-intl модель для многоязычного синтеза речи с выразительной подачей и несколькими голосами. Она основана на Scicom-intl/Multilingual-TTS-0.6B-Base и использует плотную авторегрессионную архитектуру Qwen3 с 574,7 млн параметров. В метаданных указан контекст 32 768 токенов; README описывает обучение с упаковкой последовательностей при контексте до 10 000 токенов. Модель генерирует речевые токены, которые декодируются NeuCodec в аудио с частотой дискретизации 24 кГц. README заявляет поддержку более 150 языков и генерацию с доступными голосами; метаданные перечисляют английский, малайский, китайский и тамильский. Примеры посвящены выразительному синтезу и управлению характеристиками голоса через описание. Веса опубликованы в формате safetensors для Transformers; сведения о лицензии в предоставленных данных отсутствуют.

Munin 7B Alpha — предварительно обученная генеративная языковая модель команды Danish Foundation Models Team. Она основана на Mistral-7B-v0.1 и продолжительно предобучена на датском корпусе Danish Gigaword. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста на датском языке и может служить основой для дальнейшей адаптации под прикладные задачи. Это альфа-версия: разработчики не рекомендуют использовать её в производственной среде. Как базовая предобученная модель, она не имеет встроенных механизмов модерации. Распространяется по лицензии Apache-2.0.

Octopus — набор моделей и инструментов на основе архитектуры T5 для генерации текстов на арабском языке, описанный авторами в статье OCTOPUS: A Multitask Model and Toolkit for Arabic Natural Language Generation. Модель содержит 183,7 млн параметров и распространяется в формате PyTorch. Octopus предназначен для нескольких задач генерации и преобразования арабского текста: расстановки диакритических знаков, исправления грамматических ошибок, создания новостных заголовков, перефразирования, ответов на вопросы, генерации вопросов и транслитерации. Репозиторий также включает Python-библиотеку и интерфейс командной строки. В карточке не указаны лицензия и отдельные условия использования, поэтому их нельзя определить по доступным данным. README перечисляет семь задач, хотя заявляет о восьми; качество и ограничения модели отдельно не описаны.

PegasusparaphraserCom8 — модель Gayathri142214002, дообученная на основе Gayathri142214002/Pegasus_paraphraser_Com_7 для перефразирования текста. Она использует архитектуру PegasusForConditionalGeneration и содержит 366,8 млн параметров. Модель принимает текст и генерирует переформулированный текст; в метаданных указан контекст длиной 60 токенов. В README приведено значение loss 0,1785 на наборе оценки, но набор данных и подробности оценки не описаны. Модель распространяется по лицензии Apache-2.0.

SeyedAli/Persian-Speech-synthesis-MMS — модель синтеза речи на фарси из проекта Massively Multilingual Speech (MMS), разработанного Facebook. Она преобразует текст в речевую аудиоволну и предназначена для создания озвучивания на фарси. Модель использует архитектуру VITS: текстовый энкодер на основе Transformer, flow-модуль, стохастический предиктор длительности и декодер, связанный с HiFi-GAN. Чекпойнт содержит 3,5 млн параметров и доступен в форматах PyTorch и Safetensors; для работы с ним README указывает Transformers версии 4.33 или новее. Предиктор длительности стохастический, поэтому одинаковый текст может звучать по-разному; для воспроизводимого результата нужен фиксированный seed. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Qwen3-ASR-1.7B-JA-Anime-Galgame-GGUF — это квантованная версия модели автоматического распознавания речи Qwen3-ASR-1.7B, адаптированная upstream-разработчиком jaykwok для японской аниме- и галгейм-речи. Репозиторий cstr/qwen3-asr-1.7b-ja-anime-GGUF содержит только конвертацию весов в формат GGUF и их квантование; дополнительное обучение, дообучение, объединение или дистилляция не выполнялись. Модель предназначена для транскрибации аудио и рассчитана на использование с CrispASR и backend Qwen3. Архитектура включает 24-слойный Whisper-подобный аудиоэнкодер с размерностью 1024 и 16 головами внимания, двухслойный MLP-проектор 1024 → GELU → 2048 и 28-слойный декодер Qwen3 с размерностью 2048, 16 Q-головами и 8 KV-головами, SwiGLU и словарём из 151 936 GPT-2 BPE-токенов. Модель поддерживает более 30 языков, включая японский, английский и китайский, с улучшенной работой на японской речи из аниме и игр. Размер доступных файлов составляет около 1,3 ГБ для Q4_K и 2,5 ГБ для Q8_0; Q4_K рекомендован для большинства сценариев, а Q8_0 обеспечивает более высокое качество ценой большего потребления памяти. К сильным сторонам относятся специализация на японской аниме- и игровой речи, многоязычность и возможность локального запуска в компактном GGUF-формате. К ограничениям относятся компромисс между качеством и требованиями к памяти при квантовании, а также отсутствие в README данных о размере контекста, точных метриках качества, устойчивости к шуму и характеристиках других типов аудио. Модель распространяется по лицензии Apache 2.0 согласно лицензии базовой модели.

RK1828-LLM-Hunyuan-MT-7B — конвертированная и квантизированная версия языковой модели Tencent Hunyuan-MT-7B, подготовленная RKNNAI для работы на ускорителе RK1828. Репозиторий содержит сборку для RKNN Runtime v1.1.0 с квантизацией w4a16, восемью ядрами NPU, контекстом до 3584 токенов и KV-кэшем fp16. Модель предназначена для генерации текста и диалоговых сценариев на совместимых устройствах RK1828. README указывает исходную модель Tencent-Hunyuan/Hunyuan-MT-7B, но не описывает отдельные языки или специализированные задачи. Для запуска требуются чип RK1828, соответствующие версии RKNN Runtime и драйвера, а также файлы из одной конфигурационной директории. В репозитории указаны LICENSE исходной модели и Notice с требованиями лицензии и атрибуции; конкретный тип лицензии в предоставленных данных не раскрыт.

RoGemma-7b-Instruct-IMat-GGUF — набор GGUF-квантизированных версий инструкционной языковой модели RoGemma-7b-Instruct, разработанной OpenLLM-Ro. Квантизацию выполнил legraphista с помощью llama.cpp b3246; исходная модель использует формат BF16, а доступные варианты представлены в форматах BF16, F16, Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и других. Модель предназначена для генерации текста и диалоговых сценариев, прежде всего на румынском языке. Различные файлы позволяют выбирать баланс между качеством, размером и требованиями к ресурсам: размер доступных вариантов составляет примерно от 3,48 до 17,08 ГБ. Для ряда низко- и среднеразрядных вариантов применена IMatrix-квантизация, призванная сохранить качество при уменьшенном размере; доступны также статические варианты без IMatrix. Репозиторий содержит только GGUF-представления, совместимые с экосистемой llama.cpp. Сведения об архитектуре, размере контекста, поддерживаемых модальностях помимо текста, конкретных ограничениях качества и сценариях использования в README не указаны. Распространение осуществляется по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства и ограничивающей коммерческое применение.

SabiYarn-125M — языковая модель на 125 млн параметров от Aletheia.ai Research Lab, обученная предсказывать следующий токен и генерировать связный текст. Архитектура GPTJX основана на NanoGPT и вдохновлена GPT-J; модель использует библиотеку Transformers и распространяется в формате Safetensors. Контекст обучения составляет 1024 токена. Модель обучали на корпусе текстов преимущественно на английском, йоруба, хауса, игбо и нигерийском пиджине, а также на некоторых других языках Нигерии, включая фула, эфик и урхобо. Её можно применять для генерации текста и дообучать для задач классификации тональности и тем, суммаризации, генерации заголовков, диакритизации, ответов на вопросы, распознавания именованных сущностей и очистки текста. Модель не оценена; её способность выполнять перечисленные задачи не подтверждена опубликованными результатами. Обучающие данные собраны из открытых источников и могут содержать необработанный и предвзятый контент, а генерации могут быть фактически неверными. Лицензия в предоставленных данных не указана.

oliverguhr разработал экспериментальную модель-корректор орфографии и пунктуации для английского и немецкого языков. Это proof of concept на архитектуре T5 с 123,7 млн параметров и контекстом до 512 токенов; модель принимает текст с префиксом «fix:» и генерирует исправленный текст. Модель предназначена для исправления опечаток и пунктуации, в том числе в тексте, смешивающем английский и немецкий. Проект позиционируется как основа для экспериментов и обучения корректора для других языков. Доступна по лицензии MIT. Автор предупреждает, что проект находится в разработке и ответы могут содержать артефакты; качество для языков, отличных от английского и немецкого, не подтверждено.

Tamil LLaMA 7B Base v0.1 — базовая авторегрессионная языковая модель, разработанная Абхинандом Балакришнаном. Это плотная модель семейства LLaMA с 6,7 млрд параметров, построенная на основе meta-llama/Llama-2-7b-hf и дообученная на тамильской части датасета CulturaX. Для тамильского языка используется расширенный словарь из 16 000 токенов. Модель предназначена для продолжения текста и других задач причинного языкового моделирования, а также для дальнейшей адаптации под прикладные NLP-задачи. Она поддерживает тамильский и английский языки, принимает текст и генерирует текст; максимальный контекст составляет 4096 токенов. Это базовая модель, не оптимизированная для следования инструкциям — для диалоговых запросов автор рекомендует instruct-версию. Модель доступна в формате PyTorch. В README указана лицензия GNU GPL v3.0, тогда как метаданные Hugging Face содержат тег лицензии llama2; перед использованием следует проверить применимые условия лицензирования. Модель не проходила очистку от вредоносных или оскорбительных генераций, поэтому её ответы требуют проверки, особенно при публичном или чувствительном использовании.

Tokara-0.5B-Chat-dolly-jimba — диалоговая языковая модель Kendamarron на архитектуре Qwen2 с 463,9 млн параметров. В основе — Qwen/Qwen1.5-0.5B, продолжительно предобученная на 5 млрд токенов японского и английского текста, затем дообученная на японских инструкционных наборах данных, включая японскую версию Databricks Dolly и наборы jimba и pret-a-porter. Модель предназначена для общения и выполнения инструкций на японском и английском языках; обучение на многоходовых диалогах позволяет использовать её для бесед в несколько ходов. Заявленная длина контекста — 32 768 токенов. Для уменьшения повторов автор рекомендует repetition_penalty около 1,15–1,25. Модель распространяется в формате PyTorch. Лицензия обозначена как other; конкретные условия в предоставленных данных не раскрыты.

Карточка модели kadirnar/turkish-llama3-cleaned-v1 на Hugging Face совпадает с карточкой kadirnar/turkish-llm-v4, поэтому описание составлено по ней. 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.