I.6Перевод и языковая адаптация

facebook/mms-tts-knb — модель синтеза речи на языке Kalinga, Lubuagan (knb), созданная в рамках проекта Massively Multilingual Speech компании Facebook. Она преобразует текст в речевую аудиоволну и подходит для озвучивания текстов на этом языке. Для каждого языка MMS-TTS обучается отдельный чекпойнт. Модель построена на архитектуре VITS: она объединяет текстовый энкодер на основе Transformer, вариационный автоэнкодер и декодер, похожий на HiFi-GAN. В метаданных указаны 3,5 млн параметров и форматы PyTorch и Safetensors. Из-за стохастического предсказателя длительности результат может меняться при одинаковом тексте; для повторяемой генерации нужен фиксированный seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерчески.

facebook/mms-tts-kne — модель синтеза речи на языке канканаэй (Kankanaey, код kne), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текстов на канканаэй. Модель построена на архитектуре VITS и содержит около 3,5 млн параметров; для каждого языка проекта обучается отдельный чекпойнт. Вариативный предсказатель длительности может создавать разные ритмические варианты одной и той же фразы, поэтому результат зависит от случайного 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-kqr — модель синтеза речи на языке кимараганг (kqr), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на этом языке. Модель построена на архитектуре VITS и обучена отдельно для кимараганга. В архитектуре объединены вариационный автоэнкодер, потоковый модуль, декодер на основе HiFi-GAN и стохастический предсказатель длительности, позволяющий варьировать ритм речи. Размер модели — 3,5 млн параметров; она доступна для PyTorch и Transformers. Генерация недетерминирована: для повторения того же результата требуется фиксировать случайное зерно. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и запрещает коммерческое применение.

facebook/mms-tts-kwd — модель синтеза речи на языке квайо (Kwaio, код ISO 639-3: kwd), разработанная Meta в рамках проекта Massively Multilingual Speech. Это отдельный чекпойнт для одного языка из семейства MMS-TTS: по входному тексту модель генерирует речевую аудиоволну. Модель построена на архитектуре VITS — сквозном вариационном автоэнкодере с Transformer-энкодером текста, flow-модулем, стохастическим предсказателем длительности и декодером на основе HiFi-GAN. Размер модели — около 3,5 млн параметров; она доступна в формате PyTorch и Safetensors и поддерживается библиотекой Transformers начиная с версии 4.33. Модель предназначена для озвучивания текста на квайо, например для речевых интерфейсов и создания аудиоматериалов. Стохастический предсказатель длительности позволяет варьировать ритм речи; для повторения того же результата требуется фиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

facebook/mms-tts-lee — модель синтеза речи на языке Lyélé (lee) из проекта Massively Multilingual Speech компании Facebook. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текстов на Lyélé. Модель построена на архитектуре VITS и содержит 3,6 млн параметров. Это отдельный языковой чекпойнт MMS-TTS; синтез выполняется сквозным способом, а стохастический предсказатель длительности позволяет варьировать ритм речи. 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. Генерация недетерминирована: для повторения того же результата требуется фиксированное начальное значение генератора случайных чисел.

facebook/mms-tts-mbb — модель синтеза речи на западном букиднонском манобо, разработанная Facebook в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для создания озвучки на этом языке. Для каждого языка MMS-TTS обучается отдельный чекпойнт. Модель использует архитектуру VITS: текстовый энкодер на основе Transformer, flow-модуль, стохастический предиктор длительности и декодер, построенный по принципу HiFi-GAN. В метаданных указано 3,5 млн параметров; модель доступна в форматах PyTorch и safetensors и поддерживается библиотекой Transformers версии 4.33 и выше. Предсказатель длительности стохастический, поэтому для повторения того же результата требуется фиксированный seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-mcd — модель синтеза речи на языке шаранауа (Sharanahua), разработанная Facebook в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну; для каждого языка MMS обучается отдельная модель. Чекпойнт построен на архитектуре VITS и содержит около 3,5 млн параметров. VITS объединяет вариационный автоэнкодер, потоковый модуль с текстовым энкодером на основе Transformer, декодер аудиосигнала и стохастический предиктор длительности. Последний позволяет получать варианты произношения с разным ритмом; генерация недетерминирована, поэтому для повторения результата требуется фиксированное случайное зерно. Модель доступна через Transformers версии 4.33 и новее. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

facebook/mms-tts-nag — модель синтеза речи на языке нага-мизе (Nagamese, код nag), разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Это отдельный языковой чекпойнт семейства VITS с 3,5 млн параметров: он принимает текст и генерирует речевую аудиоволну. Архитектура VITS объединяет кодировщик текста, вариационный автоэнкодер, модуль предсказания длительности и декодер на основе HiFi-GAN; стохастическое предсказание длительности позволяет получать варианты произношения и ритма. Модель предназначена для озвучивания текста на нага-мизе и доступна через библиотеку Transformers версии 4.33 и выше. Один и тот же текст может давать разные результаты, поэтому для повторяемой генерации нужен фиксированный seed. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

facebook/mms-tts-ndj — модель синтеза речи на языке ндамба (Ndamba, код ndj) из проекта Massively Multilingual Speech (MMS), разработанного Facebook. Она преобразует текст на ндамба в речевую аудиоволну; для языка используется отдельный чекпойнт VITS. Модель построена на архитектуре VITS — сквозной вариационном автоэнкодере с текстовым энкодером, потоковым модулем, декодером, похожим на HiFi-GAN, и стохастическим предсказателем длительности. Размер — 3,5 млн параметров. Случайность предсказателя длительности может приводить к разному звучанию одного текста; фиксированный seed позволяет воспроизводить результат. Модель доступна через Transformers версии 4.33 и выше. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

facebook/mms-tts-nxq — модель синтеза речи на языке накси (Naxi, nxq), созданная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и подходит для озвучивания текстов на накси. Для каждого языка MMS обучается отдельный чекпойнт. Модель построена на архитектуре VITS и содержит 3,5 млн параметров. Это сквозная система синтеза речи с вариационным автоэнкодером, потоковым модулем, текстовым энкодером на основе Transformer, декодером типа HiFi-GAN и стохастическим предиктором длительности, благодаря которому один и тот же текст может звучать с разным ритмом. Для повторяемой генерации 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.

facebook/mms-tts-nyf — модель синтеза речи на языке кигирияма (nyf) из проекта Massively Multilingual Speech, разработанного Facebook. Она преобразует входной текст в речевую аудиоволну и подходит для озвучивания текстов на этом языке. Модель использует архитектуру VITS: это сквозная система синтеза речи с вариационным автоэнкодером, потоковым модулем и декодером, основанным на подходе HiFi-GAN. Размер модели — 3,5 млн параметров. Для каждого языка в проекте MMS обучена отдельная модель; вероятностный предиктор длительности может создавать разные ритмические варианты одной и той же фразы, поэтому результат генерации недетерминирован. Модель распространяется под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. README указывает на поддержку через библиотеку Transformers версии 4.33 и выше.

facebook/mms-tts-pan — модель синтеза речи на восточном пенджаби, разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует текст на пенджаби в речевую аудиоволну и предназначена для озвучивания текста и создания голосовых сообщений на этом языке. Модель использует архитектуру VITS: текстовый энкодер на основе Transformer, вероятностный модуль длительности и декодер, формирующий аудиоволну. Это отдельный чекпойнт MMS-TTS для одного языка, содержащий 3,6 млн параметров. Доступна через библиотеку Transformers версии 4.33 и новее; лицензия CC BY-NC 4.0 запрещает коммерческое использование. Из-за стохастического предсказания длительности генерация недетерминирована: для повторения результата требуется фиксировать seed.

facebook/mms-tts-qxh — модель синтеза речи на языке кечуа Панао (qxh), созданная Meta в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну и подходит для озвучивания текста на этом языке. Модель использует архитектуру VITS: это сквозная система синтеза речи с вариационным автоэнкодером, flow-модулем и декодером, построенным по принципу HiFi-GAN. В карточке указано 3,5 млн параметров; чекпойнт доступен в форматах PyTorch и Safetensors и используется через Transformers версии 4.33 или новее. Модель предназначена для синтеза речи на кечуа Панао. Генерация стохастическая: для повторения того же результата требуется фиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

facebook/mms-tts-rmc-script_cyrillic — модель синтеза речи для карпатского романи с текстом на кириллической письменности, разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на этом языке. Это отдельный языковой чекпойнт семейства VITS: энд-ту-энд архитектура использует вариационный автоэнкодер, Transformer-энкодер текста, потоковые слои, декодер на основе транспонированных свёрток и стохастический предсказатель длительности. Модель содержит 3,5 млн параметров и доступна в форматах PyTorch и safetensors; для работы с ней подходит Transformers версии 4.33 и новее. Стохастический предсказатель длительности делает генерацию недетерминированной, поэтому для воспроизводимого аудио нужен фиксированный seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

facebook/mms-tts-sna — модель синтеза речи на языке шона, разработанная Facebook в рамках проекта Massively Multilingual Speech (MMS). Она преобразует текст на шона в речевую аудиоволну и подходит для озвучивания текстов и создания синтетической речи для приложений на этом языке. Модель построена на архитектуре VITS: это сквозная система с вариационным автоэнкодером, потоковым модулем, декодером формы сигнала и стохастическим предиктором длительности, который позволяет варьировать ритм произношения. Для каждого языка MMS-TTS обучается отдельный чекпойнт; этот содержит 3,5 млн параметров и доступен в форматах PyTorch и Safetensors. Использование поддерживается библиотекой Transformers начиная с версии 4.33. Генерация недетерминирована: чтобы получить тот же аудиосигнал повторно, необходимо зафиксировать seed. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-suk — модель синтеза речи на сукума (suk), разработанная Facebook в рамках проекта Massively Multilingual Speech. Это отдельный чекпойнт VITS, обученный для одного языка. Модель принимает текст и генерирует речевую аудиоволну; архитектура VITS сочетает вариационный автоэнкодер, flow-модуль, предсказатель длительности и декодер на основе HiFi-GAN. Размер модели — 3,5 млн параметров. Модель предназначена для преобразования текста на сукума в речь. Стохастический предсказатель длительности позволяет получать разные ритмические варианты произнесения одного текста, поэтому результат может меняться между генерациями; фиксированный seed позволяет воспроизводить один и тот же результат. Чекпойнт доступен через Transformers версии 4.33 и новее, веса опубликованы в форматах PyTorch и Safetensors. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но некоммерческое.

facebook/mms-tts-sus — модель синтеза речи на языке сусу (код sus), разработанная Facebook в рамках проекта Massively Multilingual Speech (MMS). Она преобразует текст на сусу в речевую аудиоволну; для каждого языка MMS обучается отдельный чекпойнт. Модель основана на архитектуре VITS и содержит текстовый энкодер, flow-модуль, декодер, подобный HiFi-GAN, и стохастический предиктор длительности. В метаданных указан размер 3,5 млн параметров; доступны веса PyTorch и Safetensors, а для работы подходит библиотека Transformers версии 4.33 и новее. Модель предназначена для озвучивания текста на сусу, например для голосовых интерфейсов и создания аудиоверсий материалов. Стохастический предиктор позволяет варьировать ритм речи; для повторяемого результата требуется фиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

MOSS-TTS-Local-Transformer-v1.5 — мультиязычная модель синтеза речи от команды OpenMOSS, продолженная от MOSS-TTS-Local-Transformer-v1.0. Она преобразует текст в речь, поддерживает синтез без образца голоса и клонирование голоса по аудиореференсу, а также длинные высказывания, управление длительностью на уровне токенов и переключение языков в одной фразе. Модель использует архитектуру MossTTSLocalModel и аудиотокенизатор MOSS-Audio-Tokenizer-v2. Она принимает и генерирует стереозвук с частотой 48 кГц; доступны управление произношением через Pinyin и IPA и явные маркеры пауз. В README заявлена поддержка 31 языка, включая китайский, кантонский и русский; при задании языковой подсказки качество улучшено почти для всех поддерживаемых языков относительно версии 1.0. Версия 1.5 улучшает сходство голоса и стабильность клонирования, работу с длинными референсами и следование паузам, заданным пунктуацией. Для загрузки требуется Transformers с поддержкой Qwen3 и выполнение удалённого кода через trust_remote_code=True. Модель распространяется по лицензии Apache-2.0.

Карточка модели subhash131/MOSS-TTS-v1.5 на Hugging Face совпадает с карточкой OpenMOSS-Team/MOSS-TTS-v1.5, поэтому описание составлено по ней. MOSS-TTS-v1.5 — многоязычная модель синтеза речи, разработанная командой OpenMOSS-Team и продолжающая MOSS-TTS 1.0. Это плотная модель семейства moss_tts_delay; веса опубликованы в формате safetensors. Модель принимает текст и генерирует речь, поддерживает клонирование голоса по аудиореференсу, длинные высказывания, управление длительностью на уровне токенов, произношением через Pinyin и IPA, переключение языков и вставку пауз с помощью текстовых маркеров. Версия 1.5 улучшает синтез при явном указании языка, стабильность сходства голоса при клонировании и следование пунктуационным паузам; также она надёжнее работает, когда аудиореференс значительно длиннее целевого текста. Поддерживается 31 язык, включая китайский, кантонский, английский, русский, японский, арабский и ряд европейских и азиатских языков. Модель лицензирована по Apache-2.0. Для запуска README рекомендует Transformers 5.0.0; доступность и качество могут различаться по языкам, а без языкового тега некоторые языки могут звучать хуже, чем в версии 1.0.

OpenMia-Indo-Mistral-7b-v3-refined — разговорная модель на базе Mistral-7B, дообученная проектом MIA для общения на индонезийском языке (Bahasa Indonesia). Модель использует архитектуру MistralForCausalLM с плотной структурой и содержит 7,1 млрд параметров; для генерации текста доступно контекстное окно до 32 768 токенов. В карточке указаны форматы Transformers и safetensors, а метаданные также отмечают английский и индонезийский языки. Модель предназначена для диалогов и генерации ответов в стиле заботливого и эмпатичного AI-собеседника. Она дообучена на наборе данных MBZUAI/Bactrian-X; README сообщает об альфа-стадии и приводит результаты оценки на нескольких бенчмарках. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

GAI-LLM/OPEN-SOLAR-KO-10.7B-dpo-dedup — авторегрессионная языковая модель на архитектуре LLaMA 2, разработанная Донхо О, Ханмин Мён и Ынён Ким из SK C&C G.AI Eng. Модель принимает текст и генерирует текст; в метаданных указаны 5,9 млрд параметров и контекст 2048 токенов. Модель дообучена методом DPO на базе GAI-LLM/OPEN-SOLAR-KO-10.7B-mixed-v15-dedup с использованием смешанной стратегии на данных Open Korean Dataset. Она предназначена для генерации текста на корейском языке. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

KoRAE — это дообученная Cartinoe5930 языковая модель для генерации ответов и диалога на корейском языке. Модель основана на beomi/llama-2-koen-13b: к Llama 2 добавили корейский словарь, а KoRAE дообучили на отфильтрованных корейских наборах данных, включая OpenOrca-KO, KOpen-Platypus, KoCoT_2000 и databricks-dolly-15k-ko. Для обучения применялись LoRA и Flash-Attention 2. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 12,9 млрд параметров и рассчитана на контекст до 2048 токенов. Её можно использовать для корейского диалога, ответов на инструкции и генерации текста; в README приведены результаты оценки на корейском бенчмарке Ko-LLM Leaderboard. Карточка отмечает, что качество базовой корейской модели ограничивает результат и что количество обучающих данных может быть важнее их фильтрации при небольшом числе эпох. Лицензия — CC BY-NC-SA 4.0, которая предусматривает некоммерческое использование и распространение производных материалов на тех же условиях.

PrathameshLLM-2B — дообученная модель на основе Gemma-2B, опубликованная пользователем pmking27. Это плотная авторегрессионная языковая модель примерно с 2,5 млрд параметров, предназначенная для генерации текста; в карточке приведён пример ответа на маратхи о всеобщих выборах в Индии. Модель принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. В метаданных отмечены английский, маратхи, хинди, гуджарати, пенджаби, телугу, тамильский, малаялам, каннада, синдхи, непальский, урду, ассамский, бенгальский и ория; карточка модели дополнительно подтверждает пример на маратхи. Дообучение выполнено с использованием Unsloth и TRL. Лицензия — Apache-2.0. Модель подходит для генерации ответов и продолжения текста на поддерживаемых языках, однако карточка не описывает подробные сценарии обучения и оценки качества. По одному примеру нельзя сделать вывод о точности, полноте языкового покрытия или надёжности ответов; перед применением в критичных сценариях требуется собственная проверка.

Nampfiev1995/qwen3.8-27b-nemotron-vi-en-mixed-asr-system-no-system-qa-latest — экспериментальный аудио-языковой чекпойнт для распознавания речи и ответов на вопросы по аудио на вьетнамском и английском языках. Он дообучен на базе unsloth/Qwen3.8-27B с использованием Nemotron encoder: энкодер заморожен, а проектор латентных представлений размерности 1024 в 5120 обучен. Модель сочетает данные транскрипции речи и записи QA с системными инструкциями и без них. Чекпойнт рассчитан на аудио длительностью от 0,2 до 20 секунд; частота признаков Nemotron составляет 12,5 Гц. Для транскрипции использовались предел в 1024 текстовых токена и для QA — 768 токенов. Проверка распознавания проводилась по WER/CER на LSVSC, PW733 и GigaSpeech. README указывает, что это последняя сохранённая обученная версия, преобразованная в развёртываемый чекпойнт; сведения о лицензии отсутствуют в предоставленных данных.

RIFA-Edge-0.6B — компактная дообученная языковая модель из семейства RIFA, созданная и поддерживаемая SM Shahbaj. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через chat template. В карточке указаны английский и бенгальский языки, а также интеграция с Transformers и поддержка формата GGUF. Модель содержит около 0,6 млрд параметров. Данные о базовой архитектуре, длине контекста, наборе данных, методике дообучения, результатах тестирования и поддерживаемых модальностях, кроме текстовой, не приведены. Доступны версии Safetensors и GGUF с различными уровнями квантования; для GGUF рекомендуется вариант Q5_K_M, если он доступен. Небольшой размер может упростить запуск на ограниченных ресурсах, однако производительность и качество для конкретных задач по README не оценены. Модель распространяется по лицензии Apache 2.0. README не содержит ограничений на коммерческое использование или подробных рекомендаций по безопасному применению; перед использованием в критически важных сценариях следует самостоятельно проверить качество, устойчивость и соответствие требованиям к данным.

hyeogi/SOLAR-10.7B-v1.1 — языковая модель на базе KoSOLAR-10.7B-v0.2, опубликованная в формате Safetensors. Она предназначена для генерации текста; в карточке указано обучение на выборках Open-Orca/SlimOrca и Anthropic/hh-rlhf с переводом данных. Модель имеет плотную архитектуру Llama и около 10,6 млрд параметров, поддерживает контекст до 4096 токенов и ориентирована на корейский язык. Модель можно применять для генерации ответов и диалогового текста на корейском языке. Репозиторий указывает лицензию Apache-2.0. Карточка не описывает результаты оценки качества или специальные ограничения.

SpiralAI Spiral-RetNet-3b-base — базовая языковая модель, разработанная SpiralAI и обученная с нуля на архитектуре RetNet с механизмом retention. Модель содержит около 3 млрд параметров согласно названию; обучалась на 80 млрд токенов смешанных японских и английских данных. Использует токенизатор cyberagent/calm2-7b-chat и доступна в формате Safetensors через Transformers. Модель предназначена для генерации текста и исследований механизма retention, а также для экспериментов с языковым моделированием на японском и английском языках. Заявленная длина контекста — 2 048 токенов; в сравнении на японской Википедии авторы сообщают о сопоставимой с open-calm-3b тестовой потере и более сдержанном росте потери при проверке контекстов длиннее 2 048 токенов. Лицензия MIT допускает коммерческое использование. Предобучающие данные могут содержать неподходящий контент, поэтому результаты следует проверять; модель может не соответствовать потребностям конкретных сценариев.

Модель автоматического распознавания речи на телугу, дообученная Swecha на диалекте Раяласима в рамках инициативы Swecha Gonthuka. Она использует архитектуру Wav2Vec2 с выходной CTC-головой и содержит 113,3 млн параметров; принимает аудио и преобразует речь в текст. Модель предназначена для транскрибации речи носителей диалекта Раяласима, а также для образовательных, вспомогательных и исследовательских сценариев, связанных с телугу. Качество транскрибации зависит от аудиозаписи и особенностей говорящего: фоновый шум снижает точность, а на других диалектах телугу качество может быть ниже. Модель распространяется по лицензии Apache-2.0.

SynatraTbST02MIN01 — разговорная языковая модель, созданная StableFluffy на основе mistralai/Mistral-7B-Instruct-v0.1. Это плотная архитектура Mistral для генерации текста и диалогов; в репозитории указано 10,6 млрд параметров и контекст до 32 768 токенов. В метаданных заявлен корейский язык. Модель подходит для диалоговых приложений и генерации текста на корейском языке. В карточке указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование. Результаты бенчмарка в README не приведены.

thealper2/t5-efficient-base-grammar-correction — англоязычная модель для исправления грамматики в предложениях и коротких фрагментах текста. Это полное дообучение google/t5-efficient-base, выполненное автором репозитория; архитектура T5 encoder-decoder содержит 12 слоёв кодировщика и 12 слоёв декодировщика. В README указано 222 903 552 параметра, а в метаданных — 123,8 млн; эти данные расходятся. Контекст по метаданным — 512 токенов. Модель обучена на 100 000 синтетических пар с грамматическими ошибками и оценивается по исправлению текста. В приведённой оценке SARI составил 68,58 против 58,40 у baseline, копирующего исходный текст. Модель предназначена для коррекции английских предложений и коротких абзацев; при этом 24,2% грамматически правильных примеров в отдельной проверке были изменены, поэтому результат стоит проверять. Ограничения включают отличающееся от реальных пользовательских текстов распределение синтетических ошибок, усечение входов длиннее 256 токенов и потерю некоторых символов, отсутствующих в SentencePiece-словаре. Модель не оценивалась на стандартных бенчмарках CoNLL-2014 и BEA-2019. Лицензия — Apache-2.0.