I.6Перевод и языковая адаптация

Модель разработана Samuel Olubukun как дообученная версия Coqui XTTS-v2 для синтеза речи на йоруба. Она принимает текст и короткий аудиофрагмент длительностью 3–10 секунд, чтобы синтезировать речь с переносом характеристик голоса; также сохраняет возможности базовой модели по клонированию голоса и межъязыковому переносу. Архитектура XTTS-v2 включает авторегрессионный GPT-декодер и вокодер спектрограмм на основе дискретного VAE; размер модели — 521,8 млн параметров. Для поддержки йоруба расширен BPE-токенизатор и добавлен языковой тег [yo]. Модель обучена на 8 000 пар аудио и текста из йоруба-раздела OpenBibleTTS. Она особенно подходит для синтеза формальной начитанной речи на йоруба, в том числе с голосом из короткого образца. Обучающие данные ограничены библейской тематикой и литургическим регистром, поэтому естественность разговорной, быстрой или неформальной речи может быть ниже. Автоматические метки дикторов и выравнивание сегментов могут содержать неточности. Лицензия унаследована от Coqui Public Model License / MRCUL.

hyeogi/Yi-9b-v1.1 — плотная авторегрессионная языковая модель семейства Llama размером 8,6 млрд параметров, опубликованная пользователем hyeogi. Она основана на beomi/Yi-Ko-DUS-9B и предназначена для генерации текста на корейском языке. В карточке указано обучение на выборках и переводах из Open-Orca/SlimOrca и Anthropic/hh-rlhf. Модель принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Доступна в формате Safetensors и распространяется по лицензии Apache-2.0. Подходит для корейских диалогов и создания текста, однако карточка не приводит оценок качества или подробных результатов тестирования.

Это модель синтеза речи Piper для озвучивания арабского текста женским голосом с эмиратским диалектом. Она обучена с использованием конвейера обучения Piper и распространяется в формате ONNX для запуска через Piper CLI или библиотеку piper-tts. Модель предназначена для преобразования текста на арабском языке в аудио. В карточке указана частота дискретизации 22 050 Гц. Репозиторий распространяется по лицензии MIT. Размер модели и длина контекста не указаны в доступных данных.

Koichi Yasuoka разработал японскую модель BERT Large для разметки частей речи и синтаксического анализа зависимостей. Она дообучена на текстах японской Википедии и назначает каждому слову длинной единицы тег UPOS из набора Universal Dependencies. Модель построена на архитектуре BERT и содержит 436,2 млн параметров; максимальная длина контекста — 512 токенов. Вход — японский текст, выход — метки частей речи для токенов.

kawsarahmd/bnT5_base — модель семейства T5, разработанная для работы с бенгальским языком. Это вариант T5 с 137,6 млн параметров, предварительно обученный на бенгальской части набора mC4, основанного на корпусе C4 от AllenAI. Репозиторий содержит веса в формате Flax. Модель предназначена для задач понимания и генерации естественного языка на бенгальском, в том числе для сценариев, которые можно свести к преобразованию текста в текст. Карточка не приводит результатов оценки качества или подробных инструкций по применению. Лицензия в предоставленных данных не указана.

DeepMount00-Llama-3.1-8b-Ita-GGUF — набор GGUF-квантизированных файлов модели DeepMount00/Llama-3.1-8b-Ita, подготовленный командой featherless-ai-quants. Модель предназначена для генерации текста и может использоваться в совместимых локальных или серверных средах, поддерживающих формат GGUF. README не содержит подробностей о конкретных прикладных сценариях, данных обучения или методах дообучения. В набор входят варианты квантизации IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0. Размер файлов составляет примерно от 3,03 до 8,15 ГБ, что позволяет выбирать компромисс между требованиями к памяти и сохранением качества. Из названия и базовой модели следует принадлежность к семейству Llama 3.1 и специализация Ita, однако точные языковые возможности, размер контекста, архитектурные параметры и поддерживаемые модальности в README не указаны. Сильной стороной набора является наличие нескольких уровней квантизации для запуска модели на оборудовании с разными ограничениями по памяти. Ограничения включают возможное снижение качества при более агрессивной квантизации и отсутствие в README результатов оценки, сведений о лицензии, требований к аппаратному обеспечению и подробного описания поведения модели. Условия использования и лицензия не указаны.

Ekko v1 Tiny — компактная модель распознавания датской речи в текст, разработанная RyeAI. Это дообученная на базе nvidia/parakeet-rnnt-110m-da-dk модель FastConformer RNN-T размером 110 млн параметров, предназначенная для локального офлайн-распознавания речи. Она поддерживает выдачу временных меток слов и доступна в форматах NeMo, GGUF и ONNX, включая варианты квантования для локального запуска на CPU и в браузере. Модель лучше всего подходит для чёткой речи одного говорящего в ровном темпе, например для чтения вслух и диктовки. В описанном бенчмарке средний WER составил 12,37%; результаты на чтении заметно лучше, чем на спонтанных разговорах. Выходной текст пишется строчными буквами и не содержит пунктуации; для восстановления регистра и знаков препинания можно использовать отдельную модель RyeAI/ekko-pnc. Модель предназначена только для датского языка. Шумная речь и перекрывающиеся голоса отдельно не оценивались, а диктовка не проверялась как самостоятельный тестовый набор. Лицензия указана как other, поэтому условия использования следует уточнить в карточке репозитория.

EM German Mistral v01 — это языковая модель для генерации текста и диалоговых сценариев, разработанная Jan Philipp Harries. Представленная версия распространяется TheBloke в формате GGUF и является квантизированной версией исходной модели jphme/em_german_mistral_v01. Модель ориентирована прежде всего на работу с немецким языком и использует архитектуру Mistral; точный размер модели и длина контекста в README не указаны. Модель предназначена для локального текстового инференса: создания ответов ассистента, генерации и продолжения текста на немецком языке. Для общения рекомендуется шаблон «Du bist ein hilfreicher Assistent. USER: {prompt} ASSISTANT:». Формат GGUF поддерживается llama.cpp и рядом сторонних интерфейсов и библиотек, включая text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и ctransformers, что позволяет запускать модель с использованием CPU и GPU. Ключевые преимущества — специализация на немецком языке, возможность локального запуска и наличие вариантов квантизации от 2 до 8 бит, позволяющих выбирать компромисс между требованиями к памяти и качеством. Ограничения связаны с потерями качества, возможными при сильной квантизации, а также с отсутствием в README данных о результатах тестирования, размере, длине контекста, датасете обучения и поддержке других языков или модальностей. Лицензия модели указана как Apache-2.0.

GRMR-V3-G4B — модель коррекции грамматики от qingy2024, дообученная на Gemma 3 4B. Она исправляет грамматические ошибки, пунктуацию, орфографию и структуру предложений на английском языке. Модель принимает текст и возвращает исправленный вариант; карточка описывает специализированный чат-шаблон, который отделяет исходный текст от ответа. Модель обучена полным дообучением параметров на 60 тысячах пар исходного и исправленного текста из набора qingy2024/grmr-v4-60k. В метаданных указана мультимодальная архитектура Gemma 3 для обработки изображений и текста, однако описанное назначение этой версии — коррекция текста. Лицензия — Apache-2.0. Модель может испытывать трудности с узкоспециализированными текстами, нестандартным английским и контекстно-зависимыми грамматическими правилами. Она может внести ошибки или изменить смысл; её основная цель — грамматическая корректность, а не стилистическая редактура.

Модель songhieng/khmer-mt5-summarization — дообученная версия mT5-small от Google для суммаризации текстов на кхмерском языке. Она принимает статьи, абзацы и документы и генерирует краткое изложение на кхмерском. Модель построена на архитектуре MT5ForConditionalGeneration с последовательным преобразованием текста в текст и содержит 157,4 млн параметров; для работы используется библиотека Transformers, веса представлены в формате safetensors. Модель предназначена для создания кратких изложений кхмерских материалов. В README упомянута оценка качества метрикой ROUGE, но численные результаты не приведены. Модель распространяется по лицензии MIT.

GGACHI-1B-Instruct-v1 — компактная инструктивно дообученная языковая модель, разработанная для выполнения задач на корейском языке. Она основана на Llama-3.2-1B-Instruct и дообучена на более чем 230 тысячах высококачественных корейских примеров. В репозитории указана архитектура LlamaForCausalLM с 1,2 млрд параметров; модель принимает текст и генерирует текст, поддерживает диалоговый режим. Метаданные указывают длину контекста 131 072 токена и поддержку корейского и английского языков. Модель предназначена для следования инструкциям и генерации текста на корейском языке; её можно применять для ответов на вопросы и других текстовых задач, сформулированных как инструкции. В README приведены оценки на KOBEST для режимов zero-shot, few-shot, но сами таблицы результатов в доступной карточке опущены. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

Llama 3 Youko 70B — большая языковая модель rinna, созданная на основе Meta Llama 3 70B путём продолжения предварительного обучения на примерно 5 млрд токенов из японских и английских корпусов. Это плотный авторегрессионный трансформер семейства Llama с 80 слоями и размером скрытого состояния 8192; в репозитории указано 69,5 млрд параметров, а базовый контекст составляет 8192 токена. Модель предназначена для генерации текста, особенно на японском языке: продолжение фрагментов, написание текстов и языковые задачи. README сообщает о заметном улучшении результатов на японских задачах после дополнительного обучения. Поддерживаются японский и английский языки; модель не является отдельной instruct-версией и не описана как оптимизированная для следования пользовательским инструкциям. Модель распространяется в формате safetensors и использует лицензию Llama 3. Для запуска приведён пример с Transformers и bfloat16; практическое использование требует значительных вычислительных ресурсов из-за размера в 70 млрд параметров.

MARS — диалоговая языковая модель Curiosity Technology, первая версия семейства моделей компании. Она создана на базе Meta-Llama-3-8B-Instruct методом дообучения LoRA на внутренних турецких данных и открытых наборах данных, включая их переводы на турецкий язык. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текстовые запросы для генерации ответов в диалоговом формате. Поддерживает турецкий и английский языки, контекст — до 8192 токенов. MARS подходит для турецкоязычных диалогов и генерации текста. Для запуска авторы предлагают Transformers pipeline или классы AutoModel с методом generate(). Модель опубликована в формате safetensors под лицензией Llama 3. Качество и охват задач за пределами описанного диалогового применения в карточке не оценены.

Mecellem-Qwen3-4B-TR-i1-GGUF — это квантизированная версия модели Mecellem-Qwen3-4B-TR, разработанной newmindai и преобразованной в формат GGUF пользователем mradermacher. Модель основана на архитектуре Qwen3 с декодер-only трансформером примерно на 4 млрд параметров и предназначена для генерации текста. Модель ориентирована прежде всего на турецкий язык и юридические сценарии, включая работу с турецкими юридическими текстами. В метаданных также заявлена поддержка английского языка. Доступны варианты квантизации от IQ1 и Q2 до Q6, что позволяет выбирать между размером файла, скоростью и качеством; размеры представленных файлов составляют примерно от 1,3 до 3,7 ГБ. Для создания собственных квантов предоставляется imatrix-файл. Сильными сторонами модели являются специализация на турецкой юридической области, компактный размер и возможность локального запуска через совместимое с GGUF программное обеспечение. Ограничения включают возможное снижение качества на низких уровнях квантизации, отсутствие в README результатов тестирования и точного размера контекстного окна, а также отсутствие сведений о дополнительных модальностях. Модель распространяется по лицензии Apache-2.0.

Mistral-7b-Portuguese-V0.1 — диалоговая модель генерации текста на основе Mistral 7B v0.2, дообученная Adalberto Junior на наборе данных adalbertojunior/dolphin_pt_test. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста и диалогов на португальском языке. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. В карточке нет сведений о конкретных сценариях применения, методике оценки или ограничениях качества.

mistral-ko-OpenOrca-Platypus-v1 — языковая модель на архитектуре Mistral, разработанная shleeeee (Seunghyeon Lee) и oopsung (Sungwoo Park). Это дообученная версия Mistral-7B, предназначенная для генерации текста на корейском языке. Модель содержит 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Модель подходит для генерации и продолжения корейского текста. Репозиторий содержит веса в формате safetensors. Лицензия указана как other, поэтому условия использования следует уточнить по материалам репозитория.

facebook/mms-tts-bnp — модель синтеза речи для языка Bola, разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует текст на Bola в речевую аудиоволну и предназначена для озвучивания текстов и создания речевых интерфейсов на этом языке. Модель использует архитектуру VITS и содержит около 3,5 млн параметров. Это отдельный языковой чекпойнт MMS-TTS; для синтеза применяются текстовый энкодер на основе Transformer, вероятностный предиктор длительности и декодер, построенный по принципу HiFi-GAN. Модель доступна через библиотеку Transformers версии 4.33 и новее. Генерация недетерминирована: для повторного получения той же аудиоволны нужно фиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-bts — модель синтеза речи на языке батак-сималунг, разработанная Facebook в рамках проекта Massively Multilingual Speech (MMS). Она преобразует текст на батак-сималунг в речевую аудиоволну и предназначена для озвучивания текстов на этом языке. Модель использует архитектуру VITS и обучена как отдельный языковой чекпойнт MMS-TTS. Она объединяет текстовый энкодер, flow-модуль и декодер на основе HiFi-GAN; стохастический предиктор длительности позволяет варьировать ритм речи. Размер модели — 3,5 млн параметров. Для повторения той же генерации требуется фиксированный seed. Модель доступна через Transformers версии 4.33 и выше. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-djk — модель синтеза речи на языке аукан (Aukan, код djk), разработанная Meta в рамках проекта Massively Multilingual Speech. Это отдельный чекпойнт для одного языка, построенный на архитектуре VITS и доступный через библиотеку Transformers. Модель принимает текст и генерирует речевую аудиоволну; её объём составляет 3,5 млн параметров. VITS объединяет вариационный автоэнкодер, Transformer-энкодер текста, нормализующие потоки и декодер на основе свёрточных слоёв в стиле HiFi-GAN. Стохастический предиктор длительности позволяет варьировать ритм речи, поэтому при одинаковом тексте результаты могут отличаться; для повторяемой генерации нужен фиксированный seed. Модель предназначена для озвучивания текста на ауканском языке. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое использование.

facebook/mms-tts-gor — модель синтеза речи на языке горонтало (gor), разработанная Facebook в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на горонтало. Это отдельный языковой чекпойнт семейства MMS-TTS, построенный на архитектуре VITS: модель сочетает вариационный автоэнкодер, flow-модуль и декодер HiFi-GAN; число параметров — 3,5 млн. Модель поддерживается библиотекой Transformers версии 4.33 и выше. Стохастический предиктор длительности позволяет получать варианты произношения и ритма для одного текста, поэтому для воспроизводимого результата нужно фиксировать seed. Репозиторий содержит веса PyTorch и SafeTensors. Лицензия CC BY-NC 4.0 допускает использование с атрибуцией, но запрещает коммерческое применение.

facebook/mms-tts-guq — модель синтеза речи на языке аче (Aché, код guq) из проекта Massively Multilingual Speech (MMS), разработанного Facebook. Она преобразует входной текст на аче в речевую аудиоволну и подходит для озвучивания текстов на этом языке. Модель использует архитектуру VITS и содержит около 3,5 млн параметров. Это отдельный чекпойнт, обученный для одного языка; в архитектуре сочетаются текстовый энкодер, стохастический предиктор длительности и декодер, формирующий аудиосигнал. Для повторения результата генерации требуется фиксировать seed, поскольку предиктор длительности работает стохастически. Модель доступна через библиотеку Transformers версии 4.33 и выше. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией и ограничивает коммерческое применение.

facebook/mms-tts-hun — модель синтеза речи на венгерском языке из проекта Massively Multilingual Speech компании Facebook. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на венгерском языке. Модель основана на архитектуре VITS и содержит 3,5 млн параметров. Это сквозная система синтеза речи с вариационным автоэнкодером, flow-модулем, декодером и стохастическим предсказателем длительности, который позволяет варьировать ритм речи. Для использования доступна через библиотеку Transformers версии 4.33 и выше. Генерация недетерминирована: для повторения результата нужно зафиксировать seed. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

facebook/mms-tts-kac — модель синтеза речи на джингпхо (kac), созданная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на джингпхо. Модель построена на архитектуре VITS и содержит около 3,5 млн параметров; чекпойнты MMS-TTS обучаются отдельно для каждого языка. Модель доступна через библиотеку Transformers версии 4.33 и выше. Стохастический предиктор длительности позволяет синтезировать текст с разным ритмом, поэтому для воспроизводимого результата требуется фиксировать seed. Репозиторий содержит веса в форматах PyTorch и Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

facebook/mms-tts-kan — модель синтеза речи на каннада из проекта Massively Multilingual Speech (MMS), разработанного Facebook. Она преобразует текст на каннада в речевую аудиоволну и предназначена для приложений озвучивания и голосового вывода. Модель использует архитектуру VITS и содержит 3,6 млн параметров. Это отдельный языковой чекпойнт MMS-TTS для каннада; доступен в библиотеке Transformers начиная с версии 4.33. Стохастический предиктор длительности позволяет получать разные ритмические варианты произнесения одного текста, поэтому для повторяемого результата требуется фиксированный seed. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не приводит оценки качества или дополнительных ограничений синтеза.

facebook/mms-tts-kaz — модель синтеза казахской речи из текста, разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она предназначена для озвучивания казахских текстов и доступна через библиотеку Transformers версии 4.33 и новее. Модель построена на архитектуре VITS и содержит около 3,5 млн параметров. Это отдельный языковой чекпойнт MMS-TTS: текст преобразуется непосредственно в речевую аудиоволну. Стохастический предиктор длительности позволяет варьировать ритм произношения; из-за этого генерация недетерминирована, и для повторения результата требуется фиксировать seed. Модель подходит для создания казахской озвучки из текста. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

facebook/mms-tts-kpv — модель синтеза речи на коми-зырянском языке из проекта Massively Multilingual Speech (MMS) компании Meta/Facebook. Она преобразует входной текст в речевую аудиоволну и подходит для озвучивания текстов на коми-зырянском языке. Модель построена на архитектуре VITS и содержит около 3,5 млн параметров. Это отдельный языковой чекпойнт MMS-TTS, доступный через библиотеку Transformers версии 4.33 и новее. Стохастический предиктор длительности позволяет варьировать ритм речи; результат генерации может меняться между запусками, поэтому для повторяемого аудио требуется фиксированное случайное зерно. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не приводит сведений о голосах или дополнительных настройках синтеза.

facebook/mms-tts-neb — модель синтеза речи для языка тура (Toura, код neb), созданная Meta в рамках проекта Massively Multilingual Speech. Она преобразует текст на тура в речевую аудиоволну и предназначена для озвучивания текста на этом языке. Модель построена на архитектуре VITS и обучена сквозным образом; для каждого языка проекта MMS используется отдельный чекпойнт. Размер модели — 3,5 млн параметров. Генерация недетерминирована: для повторения результата требуется фиксировать seed. Модель доступна через Transformers версии 4.33 и новее. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение. Карточка не описывает качество синтеза или другие поддерживаемые языки.

facebook/mms-tts-pag — модель синтеза речи на языке пангасинан, разработанная Facebook в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на пангасинанском языке. Модель использует архитектуру VITS и содержит около 3,5 млн параметров. Это отдельный языковой чекпойнт MMS-TTS; синтез выполняется сквозным образом с помощью текстового энкодера, flow-модуля и декодера речи. Стохастический предиктор длительности позволяет получать варианты ритма для одного текста, поэтому для воспроизводимого 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 ограничивает коммерческое применение.

facebook/mms-tts-thk — модель синтеза речи на языке китхарака (thk), разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и подходит для озвучивания текста на китхарака. Это отдельный чекпойнт VITS, обученный для одного языка; архитектура объединяет вариационный автоэнкодер, потоковый модуль с текстовым энкодером на основе Transformer, стохастический предиктор длительности и декодер, подобный HiFi-GAN. В репозитории указано 3,5 млн параметров; модель доступна в форматах PyTorch и safetensors и используется через Transformers версии 4.33 и новее. Стохастический предиктор может давать разные варианты ритма, поэтому для воспроизводимого результата требуется фиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но ограничивает коммерческое применение.

facebook/mms-tts-tte — модель синтеза речи для языка Bwanabwana, выпущенная в рамках проекта Massively Multilingual Speech компании Facebook. Это отдельный языковой чекпойнт семейства MMS-TTS на архитектуре VITS; число параметров — 3,5 млн. Модель принимает текст на Bwanabwana и генерирует речевую аудиоволну. VITS объединяет вариационный автоэнкодер, нормализующие потоки, стохастический предиктор длительности и декодер, построенный по принципу HiFi-GAN. Стохастический предиктор позволяет получать разные ритмические варианты для одного текста, поэтому результат может меняться между запусками; для повторяемого результата требуется фиксировать seed. Модель доступна через Transformers версии 4.33 и новее. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.