I.6Перевод и языковая адаптация

NbAiLab/borealis-27b-instruct-preview — экспериментальная предварительная версия инструктивно дообученной модели NbAiLab на базе Google Gemma 3 27B Instruct. Модель содержит 27 млрд параметров и предназначена прежде всего для задач ассистента на норвежском языке: составления текстов, суммаризации, ответов на вопросы и лёгких рассуждений, а также оценки качества Bokmål и Nynorsk. README указывает, что дообучение проводилось на текстовых инструкциях, хотя базовая Gemma 3 поддерживает работу с изображениями; поэтому возможности этой версии для обработки изображений не описаны как обученная специализация. Модель представлена в формате safetensors для Transformers; для этого же чекпойнта также указаны отдельные репозитории с вариантами GGUF и MLX. Это preview-эксперимент с нестабильными ответами и возможными галлюцинациями; он не прошёл выравнивание по безопасности и может выдавать вредный, предвзятый или оскорбительный контент. Не предназначен для критически важных сценариев. Лицензия — Gemma.

Cendol mT5-small Chat — модель IndoNLP для одноходового диалога и ответов на общие вопросы на индонезийском языке. Это дообученная версия mT5 с архитектурой encoder-decoder и примерно 157,4 млн параметров по метаданным репозитория; в README вариант описан как модель на 300 млн параметров из Cendol Collection v2. Модель обучалась на инструкциях и общих знаниях, а семейство Cendol также предназначено для задач вроде суммаризации, ответов на вопросы и перевода. Модель принимает текст и генерирует текст. Она рассчитана прежде всего на индонезийский язык; метаданные также содержат коды «su» и «jv», но README ограничивает предполагаемое использование английским и индонезийскими языками, а испытания описывает для индонезийского. Лицензия — Apache 2.0. Возможны неточные, предвзятые или нежелательные ответы; перед внедрением в конкретное приложение рекомендуется провести профильную проверку безопасности и настройку.

Dear_My_best_Friends-13B — модель автогенерации текста, разработанная Сыню Ли (DopeorNope) в рамках исследовательского консорциума компаний 미디어그룹사람과숲 и 마커. Это плотная авторегрессионная языковая модель на архитектуре LLaMA 2; в метаданных указано 12,9 млрд параметров, а в карточке — класс модели на 13 млрд. Модель принимает текст и генерирует текст, с контекстом до 2048 токенов. Модель дообучена методом DPO на корейских парных данных после SFT-этапа; карточка описывает датасеты DPO-Ko-Dataset и New_Data_Technology как частные. Она предназначена для генерации текста на корейском языке и диалоговых сценариев. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные работы на тех же условиях, запрещая коммерческое использование.

TFMC/ELYZA-japanese-Llama-2-7b-instruct-GPTQ-4bit-64g — квантизированная GPTQ-версия модели ELYZA-japanese-Llama-2-7b-instruct, подготовленная сообществом TFMC. Это плотная авторегрессионная языковая модель архитектуры LlamaForCausalLM примерно на 6,6 млрд параметров; веса представлены в safetensors, квантизация — 4-битная с группой 64 и desc_act=True. Модель предназначена для генерации текста и ответов в формате инструкций на японском языке. Нативный контекст составляет 4096 токенов. Квантизация уменьшает требования к памяти по сравнению с полной точностью, сохраняя назначение исходной instruct-модели. Карточка указывает лицензию llama2; условия использования следует сверять с лицензией Llama 2.

ssmits выпустил Falcon2-5.5B-Czech — чешскую языковую модель для генерации текста на основе tiiuae/falcon-11B. Модель создана с помощью mergekit: применён метод passthrough, который сохраняет слои 0–24 и 56–58 базовой модели после анализа сходства слоёв на чешской подвыборке Wikimedia Wikipedia. В метаданных указаны архитектура FalconForCausalLM, 7,8 млрд параметров, контекст до 8192 токенов и формат safetensors. Модель предназначена для исследований и дальнейшей специализации, например для генерации текста, диалогов и суммаризации. Она в основном обучена на английском, но также поддерживает чешский и ряд европейских языков. Лицензия Apache-2.0. Для производственного применения рекомендуется предварительно оценить качество и риски, а также адаптировать модель под конкретную задачу; возможны предвзятость и слабое обобщение на языки вне перечисленных в карточке.

GRMR-V3-Q4B — языковая модель, разработанная qingy2024 на основе Qwen3-4B-Base и дообученная полным обновлением параметров на 60 тысячах пар исходного и исправленного текста. Она предназначена для коррекции грамматики, пунктуации и орфографии, а также для улучшения структуры предложений на английском языке. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 3,7 млрд параметров и принимает текстовые запросы в формате чата; максимальная длина контекста — 32 768 токенов. Модель можно применять для вычитки писем, черновиков и других англоязычных текстов. Она ориентирована на исправление ошибок, а не на стилистическое редактирование. Лицензия — Apache-2.0.

Hadra-TTS-f5 — синтезатор речи для преобразования текста на алжирской дарже в речь, созданный коллективом algerian-nlp. Это дообучение IbrahimSalah/Arabic-F5-TTS-v2 на трёх коллекциях алжирской речи OddAdmix: разговорных подкастах, выразительных рассказах и фольклорных повествованиях. Для синтеза используется F5-TTS с архитектурой Flow-Matching DiT; модель работает через библиотеку f5-tts и принимает текст вместе с референсным аудио и его расшифровкой. Модель предназначена для озвучивания рассказов, дубляжа, голосовых помощников и чтения текста для доступности. Обучающий материал включает около 69 тысяч отфильтрованных высказываний общей длительностью примерно 399 часов. Модель рассчитана на алжирскую даржу; качество французских вставок лучше при использовании латинского письма. Качество синтеза не оценивалось на тестовом наборе: нет опубликованных показателей разборчивости, сходства голоса или оценок слушателей. Данные охватывают ограниченное число голосов и три речевых домена, поэтому результат может отражать характеристики записанных дикторов и быть менее надёжным для иных региональных вариантов и условий. Лицензия — Apache-2.0.

Higgs TTS 3 — MLX bf16 — это пакет модели синтеза речи, опубликованный aufklarer на базе весов Boson AI Higgs TTS 3. Он предназначен для генерации разговорной речи из текста и клонирования голоса по короткому аудиофрагменту с его расшифровкой. Модель основана на декодере Qwen3-4B и аудиоинтерфейсе с восемью кодовыми книгами; встроенный кодек формирует речь с частотой 24 кГц. Пакет рассчитан на запуск через MLX на Apple Silicon. Модель поддерживает более 100 языков и позволяет задавать эмоциональную подачу, стиль, звуковые эффекты и просодию управляющими токенами в тексте. В README приведены результаты проверок на английском, китайском, испанском и японском для конкретной тестовой конфигурации; они не гарантируют аналогичное качество на всех языках и сценариях. Для клонирования голоса требуется согласие его владельца. Лицензия указана как other, поэтому условия использования следует уточнить на странице репозитория и у правообладателей.

Indic Parler-TTS — мультиязычная модель синтеза речи, разработанная в сотрудничестве команды Hugging Face Audio и AI4Bharat. Это дообученная версия Indic Parler-TTS Pretrained на 1 806 часах данных на индийских языках и английском; архитектура Parler-TTS использует условную генерацию речи по тексту и текстовому описанию звучания. Модель принимает текст для озвучивания и описание голоса или манеры речи, позволяя задавать темп, высоту голоса, эмоциональную окраску, акцент, качество записи и фоновые шумы. Модель предназначена для создания речи на 21 языке: ассамском, бенгальском, бодо, догри, английском, гуджарати, хинди, каннада, конкани, майтхили, малаялам, манипури, маратхи, непали, одия, санскрите, сантали, синдхи, тамильском, телугу и урду. В карточке также заявлена неофициальная поддержка чхаттисгархи, кашмири и пенджаби. Доступны 69 голосов; эмоциональные подсказки официально поддерживаются для десяти языков, а возможность задавать иные акценты описана как настройка через style transfer. Модель подходит для озвучивания текстов и создания выразительной речи с управляемыми характеристиками. Карточка не приводит сведения о размере модели и длине контекста. Лицензия — Apache-2.0.

IndoBART — предварительно обученная языковая модель для индонезийского языка, разработанная авторами проекта IndoBenchmark. Она основана на архитектуре BART и обучена на корпусе Indo4B-Plus объёмом 23,79 ГБ с использованием стандартной для BART схемы предварительного обучения. Модель предназначена для задач преобразования текста, включая генерацию и суммаризацию на индонезийском языке. В метаданных указаны архитектура mBART, класс MBartForConditionalGeneration, 87,3 млн параметров и контекст до 1024 токенов; README приводит другое число параметров — 132 млн. Доступны веса PyTorch. Лицензия MIT.

Japanese Parler-TTS Mini Bata — экспериментальная компактная модель синтеза японской речи от автора репозитория 2121-8, дообученная на базе Parler-TTS и объединённая с компонентом retrieva-jp/t5-base-long. Она преобразует текст в речь и рассчитана на озвучивание японских текстов. Модель использует архитектуру Parler-TTS и доступна в формате PyTorch; её токенизатор несовместим с оригинальным Parler-TTS и заменён специальным токенизатором для этой модели. Репозиторий помечен как бета-версия: оптимизация продолжается, а управление конкретным голосом описано как функция в подготовке. В обучающих данных мало мужских голосов, поэтому их генерация может иметь неестественную интонацию или нестабильное качество. Карточка разрешает исследовательское, образовательное и коммерческое использование сгенерированной речи, но запрещает продажу самой модели и её весов; метаданные указывают лицензию other.

Japanese-Starling-ChatV-7B — японская диалоговая языковая модель с 7,1 млрд параметров, разработанная на основе chatntq-ja-7b-v1.0, которая, в свою очередь, основана на Mistral-7B-v0.1. Модель использует архитектуру MistralForCausalLM и предназначена для генерации текста в формате чата на японском языке; максимальная длина контекста составляет 4096 токенов. Модель подходит для японских чат-ботов, ответов на вопросы и генерации текста. Вес опубликован в формате Safetensors. Лицензия Apache-2.0. В карточке не описаны отдельные результаты оценки качества или специальные возможности.

KhanhTTS — модель синтеза речи на базе OmniVoice, дообученная автором для озвучивания текста на вьетнамском и английском языках. Она поддерживает клонирование голоса по короткому образцу и рассчитана на более естественное произношение на обоих языках; для работы используется библиотека OmniVoice. Обучение проводилось примерно на 1500 часах вьетнамской и английской аудиозаписи. Модель подходит для озвучивания текстов и создания речи с голосовыми характеристиками предоставленного образца. В репозитории указаны веса Safetensors и лицензия Apache-2.0. Автор рекомендует предварительное тестирование и оценку рисков; клонирование чужого голоса без законного согласия и использование для обмана запрещены.

KhanomTanLLM-3B — двуязычная языковая модель PyThaiNLP для генерации текста на тайском и английском языках. Она обучена на открытом наборе данных wannaphong/KhanomTanLLM-pretrained-dataset; в карточке указано, что обучение выполняла easylm, а кодовое имя модели — numfa-v2. Модель использует плотную архитектуру Llama с причинной языковой моделью LlamaForCausalLM, содержит 3,4 млрд параметров и принимает контекст до 2048 токенов. Репозиторий содержит веса в формате safetensors и рассчитан на запуск через Transformers. Модель подходит для генерации текста на тайском и английском языках. Карточка не приводит оценок качества или подробных результатов тестирования, поэтому пригодность для конкретных задач следует проверять отдельно. Лицензия — Apache-2.0.

KoAlpaca-llama-1-7b — языковая модель beomi, дообученная на основе LLaMA в рамках проекта KoAlpaca, вдохновлённого Stanford Alpaca. Это плотная авторегрессионная модель семейства LLaMA примерно на 6,6 млрд параметров для генерации текста и ответов в стиле инструкций. В карточке заявлены корейский и английский языки; модель доступна в формате PyTorch и распространяется по лицензии Apache-2.0. Модель предназначена для корейскоязычных диалогов и выполнения текстовых инструкций, а также может генерировать текст на английском. Имеющихся сведений недостаточно, чтобы подтвердить конкретные результаты, размер контекста или дополнительные возможности; качество и актуальность ответов могут быть ограничены данными и настройкой базовой модели.

TeamUNIVA/Komodo_6B_v3.0.0 — разговорная модель генерации текста на базе beomi/Yi-Ko-6B, опубликованная командой TeamUNIVA. Карточка показывает пример использования как чат-бота, который отвечает на вопросы, а метаданные указывают на плотную архитектуру Llama с 5,9 млрд параметров и контекстом 2048 токенов. Модель предназначена для генерации ответов и диалогового взаимодействия. В метаданных указаны корейский и английский языки; пример в README написан на корейском. Модель распространяется в формате safetensors по лицензии Apache-2.0. Данные о качестве, обучающем наборе и ограничениях в карточке не приведены.

Llama-3-Nymeria-ELYZA-8B — экспериментальная объединённая языковая модель на архитектуре Llama 3, созданная автором репозитория с помощью mergekit методом SLERP. В неё объединены tannedbum/L3-Nymeria-v2-8B и японская адаптация Llama 3 elyza/Llama-3-ELYZA-JP-8B; размер модели составляет 7,5 млрд параметров, контекст — 8192 токена. Модель предназначена для генерации текста и диалогов, включая сценарии ролевого общения. Эксперимент проверяет, насколько хорошо объединённая модель сохраняет японские языковые способности и возможности RP-модели. Метаданные указывают поддержку японского и английского языков, формат весов — Safetensors, библиотека — Transformers. Лицензия — Llama 3 Community License; качество объединения и сохранность исходных возможностей могут различаться в зависимости от запроса.

Это конвертированная в SafeTensors модель сегментации речевых пузырей на страницах манги и комиксов. Репозиторий создан для использования в Torch-реализации Koharu и содержит веса YOLO11n для сегментации экземпляров с одним классом — balloon. Модель принимает изображения; рекомендованный размер инференса — 1600 пикселей. Модель предназначена для выделения областей речевых пузырей на страницах манги и комиксов. Веса скопированы из исходного чекпойнта без квантизации и изменения типа данных; конверсия не меняет архитектуру. Исходная модель дообучена на задаче сегментации пузырей. Репозиторий распространяется по лицензии Apache-2.0.

Merak-7B-v4 — индонезийская языковая модель автора Ichsan2895, дообученная на базе Mistral-7B-OpenOrca. Это плотная авторегрессионная модель с 7,1 млрд параметров и контекстом до 32 768 токенов; она принимает текст и поддерживает диалоговый режим. Для обучения использовались очищенные статьи индонезийской Википедии, а также индонезийские наборы OASST и Alpaca-GPT4. Модель предназначена для генерации текста и ответов на запросы, особенно на индонезийском языке; также поддерживает английский. Автор сообщает, что QLoRA-вариант можно запускать с 16 ГБ видеопамяти, но отмечает, что 4-битная квантизация bitsandbytes может ухудшать ответы и требует больше видеопамяти в его сценарии. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая требует указания авторства, сохранения той же лицензии для производных работ и запрещает коммерческое использование.

facebook/mms-tts-acn — модель синтеза речи на ачангском языке (acn), разработанная Meta в рамках проекта Massively Multilingual Speech. Это отдельный чекпойнт для одного языка на архитектуре VITS: по входному тексту модель генерирует речевую волну, а стохастический предсказатель длительности позволяет получать разные ритмические варианты произношения. Модель содержит 3,5 млн параметров и доступна в форматах PyTorch и Safetensors; для работы поддерживается библиотека Transformers версии 4.33 и выше. Модель предназначена для озвучивания текста на ачангском языке. Генерация недетерминирована, поэтому для повторения результата требуется фиксировать seed. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-asm — модель синтеза речи на ассамском языке из проекта Massively Multilingual Speech компании Meta. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на ассамском. Модель использует архитектуру VITS: текстовый энкодер на основе Transformer, flow-модуль, стохастический предсказатель длительности и декодер речи в стиле HiFi-GAN. Размер составляет 3,6 млн параметров. Для каждого языка в проекте обучен отдельный чекпойнт; из-за стохастического предсказателя длительности результат может меняться между запусками, поэтому для воспроизводимости нужен фиксированный seed. Модель доступна через Transformers версии 4.33 и новее. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое применение.

Модель facebook/mms-tts-azj-script_latin — система синтеза речи на северном азербайджанском языке в латинской письменности, разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на этом языковом варианте. Модель построена на архитектуре VITS и содержит около 3,5 млн параметров. Это отдельный языковой чекпойнт MMS-TTS, доступный через библиотеку Transformers. Стохастический предиктор длительности позволяет варьировать ритм речи; поэтому при повторной генерации результат может отличаться, а для воспроизводимости нужен фиксированный seed. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Она предназначена для синтеза северного азербайджанского текста латиницей; возможности для других языков не заявлены.

facebook/mms-tts-che — модель синтеза речи на чеченском языке из проекта Massively Multilingual Speech компании Facebook. Она преобразует входной текст в речевую аудиоволну и подходит для озвучивания чеченских фраз и текстов. Для каждого языка MMS-TTS обучается отдельный чекпойнт. Модель использует архитектуру VITS: текстовый энкодер на основе Transformer, flow-модуль и декодер, формирующий аудиоволну; предсказатель длительности позволяет варьировать ритм речи. Размер модели — 3,5 млн параметров. При генерации результат зависит от случайного предсказателя длительности, поэтому для воспроизводимого аудио требуется фиксированный seed. Модель доступна через библиотеку Transformers версии 4.33 и выше. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-dug — модель синтеза речи на языке Chiduruma (dug), созданная Meta в рамках проекта Massively Multilingual Speech. Она преобразует текст на этом языке в речевую аудиоволну и предназначена для озвучивания текста и создания речевых интерфейсов. Модель использует архитектуру VITS и содержит 3,5 млн параметров. Это отдельный языковой чекпойнт MMS-TTS, доступный в Transformers; при генерации стохастический предиктор длительности может создавать разные варианты ритма, поэтому для повторяемого результата нужно фиксировать seed. Модель принимает текст и выдаёт аудио. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но некоммерческое. README не сообщает отдельные ограничения качества или длину контекста.

facebook/mms-tts-dwr — модель синтеза речи на языке Dawro (код dwr), разработанная Meta в рамках проекта Massively Multilingual Speech. Это отдельный чекпойнт для одного языка из семейства MMS-TTS; модель принимает текст и генерирует речевую аудиоволну. Она основана на архитектуре VITS: текстовый энкодер, flow-модуль, стохастический предиктор длительности и декодер, построенный по принципу HiFi-GAN. Размер модели — 3,5 млн параметров; веса доступны в форматах PyTorch и Safetensors и поддерживаются библиотекой Transformers начиная с версии 4.33. Модель подходит для озвучивания текста на Dawro, например для голосовых интерфейсов и создания аудиоверсий материалов. Стохастический предиктор длительности позволяет варьировать ритм речи, поэтому результат может отличаться при повторной генерации; для воспроизводимого аудио следует фиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-gbm — модель синтеза речи на языке гархвали (gbm), разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст на гархвали в речевую аудиоволну и подходит для озвучивания текстов и создания речевых интерфейсов на этом языке. Модель имеет архитектуру VITS и содержит около 3,6 млн параметров. Это отдельный чекпойнт, обученный для одного языка; синтез выполняется сквозным методом с вариационным автоэнкодером, потоковым модулем и декодером на основе HiFi-GAN. Стохастический предиктор длительности позволяет варьировать ритм речи, поэтому для повторения того же результата 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-gqr — модель синтеза речи на горском языке (Gor, код gqr), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую волну и рассчитана на озвучивание текста на горском языке. Модель использует архитектуру VITS и обучена отдельно для этого языка. Она объединяет вариационный автоэнкодер, flow-модуль и декодер на основе HiFi-GAN; стохастический предиктор длительности позволяет варьировать ритм произношения. Чекпойнт содержит 3,5 млн параметров и доступен в форматах PyTorch и safetensors; для работы подходит библиотека Transformers версии 4.33 и новее. Генерация недетерминирована: для повторяемого результата нужен фиксированный seed. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение.

facebook/mms-tts-hil — модель синтеза речи на языке хилигайнон, разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует текст на хилигайнон в речевую аудиоволну и предназначена для озвучивания текстов и создания речевого вывода в приложениях. Модель использует архитектуру VITS: текстовый энкодер, поточный модуль, стохастический предиктор длительности и декодер, формирующий аудиоволну. Чекпойнт содержит 3,5 млн параметров и доступен в форматах PyTorch и Safetensors; для работы с ним подходит библиотека Transformers версии 4.33 и новее. Для повторяемого результата генерации требуется фиксировать seed, поскольку предиктор длительности стохастический. Модель обучена для хилигайнон и не предназначена для синтеза на других языках. Лицензия CC BY-NC 4.0 требует указания авторства и ограничивает коммерческое использование.

facebook/mms-tts-ife — модель синтеза речи для языка Ifè, разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует текст на Ifè в речевую аудиоволну и предназначена для создания озвучивания и речевых интерфейсов для этого языка. Модель использует архитектуру VITS: условный вариационный автоэнкодер с Transformer-энкодером текста, потоковым модулем, стохастическим предсказателем длительности и декодером, построенным по принципу HiFi-GAN. Размер модели — 3,5 млн параметров. Для разных языков проекта обучаются отдельные контрольные точки; эта модель рассчитана на Ifè. Из-за стохастического предсказания длительности результат может различаться при одинаковом входном тексте; фиксированный seed позволяет воспроизводить генерацию. Для работы доступна библиотека Transformers версии 4.33 и новее. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

facebook/mms-tts-jam — модель синтеза речи на ямайском английском креольском языке из проекта Massively Multilingual Speech, разработанного Facebook. Она преобразует текст на этом языке в речевую аудиоволну и предназначена для озвучивания текста и создания синтезированной речи. Модель использует архитектуру VITS и содержит около 3,5 млн параметров. Это сквозная система синтеза речи с текстовым энкодером на основе Transformer, нормализующими потоками, декодером HiFi-GAN и стохастическим предсказателем длительности, позволяющим варьировать ритм произношения. Для одинакового результата при повторной генерации требуется фиксированное случайное зерно. Модель распространяется под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Для работы с checkpoint подходит библиотека Transformers версии 4.33 и выше.