I.6Перевод и языковая адаптация

OmniVoice — многоязычная модель синтеза речи от команды k2-fsa, дообученная на базе Qwen/Qwen3-0.6B. Она использует архитектуру в стиле диффузионной языковой модели и предназначена для преобразования текста в речь, клонирования голоса по короткому аудиореференсу и создания голоса по заданным атрибутам. Модель заявлена для более чем 600 языков. Она поддерживает управление характеристиками голоса, включая пол, возраст, высоту тона, диалект и акцент, а также генерацию невербальных звуков по маркерам и коррекцию произношения с помощью пиньиня или фонем. В README заявлена скорость генерации до 40 раз выше реального времени. OmniVoice подходит для озвучивания текста, создания голосовых прототипов и генерации речи с заданным звучанием. Клонирование голоса допускается только при наличии соответствующих прав и согласия: разработчики запрещают несанкционированное подражание голосу, мошенничество и незаконное или неэтичное использование. Лицензия в предоставленных материалах не указана.

OmniVoice — многоязычная модель синтеза речи с нулевым обучением, разработанная для генерации речи по тексту на более чем 600 языках. Согласно карточке, она построена на архитектуре в стиле диффузионной языковой модели и дообучена на Qwen/Qwen3-0.6B. Модель поддерживает клонирование голоса по короткому аудиопримеру и создание голоса по атрибутам, включая пол, возраст, высоту голоса и акцент. OmniVoice подходит для озвучивания текста, создания голосовых вариантов и управляемой генерации речи. Она поддерживает невербальные вставки, например смех, и коррекцию произношения с помощью пиньиня или фонем. В README заявлены скорость до 40 раз выше реального времени и высокая точность клонирования; это характеристики из карточки разработчика, а не независимая оценка. Модель распространяется по лицензии Apache-2.0. Разработчики запрещают несанкционированное клонирование и имитацию голоса, а также мошенническое и незаконное использование.

OmniVoice — многоязычная модель синтеза речи, разработанная авторами проекта OmniVoice. Она основана на Qwen3-0.6B и использует архитектуру в стиле диффузионной языковой модели. Модель преобразует текст в речь, поддерживает более 600 языков, клонирование голоса по короткому аудиофрагменту и создание голоса с заданными характеристиками: например, полом, возрастом, высотой тона и акцентом. Модель предназначена для озвучивания текста, голосового дизайна и управляемой генерации речи. Она поддерживает невербальные вставки, такие как смех, и коррекцию произношения с помощью пиньиня или фонем. В карточке заявлена скорость генерации до 40 раз выше реального времени. Репозиторий содержит веса в форматах ONNX и safetensors; лицензия — Apache-2.0. Авторы указывают, что проект предназначен для академических исследований, и запрещают несанкционированное клонирование и имитацию голоса.

OmniVoice Badini — дообученная модель преобразования текста в речь на базе k2-fsa/OmniVoice, подготовленная для курдского диалекта бадини (центральный/северный курдский, kmr). Модель использует архитектуру OmniVoice с языковой основой Qwen3 и обучалась на речевых данных бадини в течение 10 000 шагов. Модель предназначена для синтеза речи с клонированием голоса без отдельного обучения под диктора: на вход подаются текст и короткий аудиофрагмент с транскриптом, а на выходе генерируется речь с голосом говорящего из образца. Подходит для озвучивания текстов на бадини и создания речи с заданным голосом. Лицензия — Apache-2.0. README подтверждает работоспособность загрузки и генерации через библиотеку OmniVoice. Данные README не приводят объём обучающего корпуса, поэтому качество и покрытие разных вариантов произношения бадини оценить по карточке нельзя.

Карточка модели hoanglinhn0/OmniVoice-viK на Hugging Face совпадает с карточкой kjanh/KhanhTTS-OmniVoice, поэтому описание составлено по ней. 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.

AyoubChLin/Qwen3.5-9B-saudi-dialect — диалоговая модель на базе Qwen3.5-9B, дообученная автором репозитория на разговорах на саудовском диалекте арабского языка. Применяет архитектуру Qwen3.5 с 9 млрд параметров; веса LoRA после SFT объединены в самостоятельный чекпойнт safetensors для загрузки через Transformers или Unsloth. Указанная в README максимальная длина последовательности — 4096 токенов. Модель предназначена для генерации ответов в чате на разговорном саудовском арабском. Её можно использовать для диалоговых помощников и ответов на повседневные вопросы на этом диалекте. Обучение проведено на датасете из 3545 примеров; README приводит значения потерь на обучающем и оценочном разбиениях, но не сообщает результатов внешних бенчмарков. Покрытие региональных вариантов и тем может быть неравномерным; модель может галлюцинировать, чрезмерно обобщать или переходить к более формальному арабскому в зависимости от запроса. Условия лицензии в предоставленных данных не указаны.

RoLlama2-7b-Instruct-2024-10-09 — румынская языковая модель с открытыми весами, разработанная OpenLLM-Ro. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, содержащая 6,6 млрд параметров и контекстом до 4096 токенов. Модель дообучена на RoLlama2-7b-Base на наборах инструкций и диалогов на румынском языке. Модель предназначена для исследовательского применения и общения в формате ассистента на румынском языке. Её можно использовать для генерации ответов, выполнения инструкций и создания румынских текстов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Это GGUF-квантизированная версия модели shenzhi-wang/Llama3.1-8B-Chinese-Chat, подготовленная командой featherless-ai-quants. Модель предназначена для генерации текста и диалоговых сценариев, прежде всего на китайском языке, а формат GGUF ориентирован на локальный запуск с использованием совместимых инструментов. В репозитории представлены 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 размером примерно от 3 до 8 ГБ. В основе лежит семейство Llama 3.1, размер модели — 8B параметров. README не содержит сведений о точном контекстном окне, поддерживаемых языках помимо заявленной китайской специализации, используемых данных обучения, результатах тестирования, архитектурных деталях исходной модели или сравнительных преимуществах. Квантизация снижает требования к памяти и упрощает локальное развертывание, однако может влиять на качество генерации; степень компромисса зависит от выбранного варианта. Лицензия в README не указана, поэтому условия использования необходимо уточнять в документации базовой модели shenzhi-wang/Llama3.1-8B-Chinese-Chat и соответствующего репозитория. Также не заявлены ограничения, гарантии качества или дополнительные возможности, включая работу с мультимодальными данными.

Это набор GGUF-квантизованных файлов модели shenzhi-wang/Llama3-8B-Chinese-Chat, подготовленный командой featherless-ai-quants. Модель относится к классу text-generation и предназначена для диалоговой генерации текста, прежде всего на китайском языке. В README не указаны дополнительные сведения о методах обучения, разработчике базовой модели, поддерживаемых языках или точном формате диалога. В основе лежит модель семейства Llama 3 с размером 8B параметров. Доступны варианты квантования Q2_K, Q3_K_S, Q3_K_M, Q3_K_L, Q4_K_S, Q4_K_M, IQ4_XS, Q5_K_S, Q5_K_M, Q6_K и Q8_0; их размеры составляют примерно от 3 до 8,1 ГБ. Формат GGUF подходит для локального запуска в совместимом программном обеспечении, а выбор квантования позволяет балансировать между требованиями к памяти и сохранением качества. Сведения о модальностях, размере контекста, производительности и ограничениях качества не приведены. Лицензия в README не указана, поэтому условия использования необходимо уточнять в источнике базовой модели и для данного набора файлов отдельно.

Social Bias NER — модель на базе BERT, дообученная для многометочной классификации токенов в текстах. Она отмечает слова и фрагменты, связанные с обобщениями, несправедливостью и стереотипами; модель разработана в рамках проекта Fair-ly и связана с работой GUS-Net. Модель основана на google-bert/bert-base-uncased, использует архитектуру BERT с классификационной головой для токенов и содержит 136,7 млн параметров. Она обрабатывает английский текст, принимает последовательности длиной до 512 токенов и предназначена для выявления языковых проявлений социального предубеждения в текстах. Для использования требуется Transformers; стандартный pipeline не поддерживает многометочную классификацию токенов напрямую, поэтому выход нужно обрабатывать отдельно. Модель можно применять для анализа текстов и поддержки проверки формулировок на обобщения, несправедливость и стереотипы. Лицензия — MIT.

Solarc MOE 10.7Bx4 — языковая модель для генерации текста, разработанная Seungyoo Lee и опубликованная в исходном виде организацией DopeorNope. Представленная версия подготовлена TheBloke в формате GGUF с квантованием для более эффективного запуска на CPU и GPU. Модель ориентирована на текстовую генерацию и поддерживает корейский язык; конкретные дополнительные языки и специализированные сценарии в README не указаны. Архитектура модели обозначена как Mixtral, размер — 10,7 млрд параметров на эксперт, с конфигурацией MOE 10.7Bx4. Файлы GGUF совместимы с llama.cpp и рядом сторонних интерфейсов и библиотек, включая text-generation-webui, KoboldCpp, GPT4All, LM Studio и llama-cpp-python. Доступны варианты квантования от 2 до 8 бит, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством генерации. Контекстное окно и другие параметры инференса в README не указаны. К сильным сторонам относятся разреженная MOE-архитектура, возможность локального запуска и широкий выбор уровней квантования. Ограничения связаны с потерями качества, возможными при квантовании, а также с отсутствием в предоставленных данных подробных результатов оценки, описания возможностей за пределами корейского языка и характеристик контекстного окна. Модель распространяется по лицензии CC BY-NC-SA 4.0, предусматривающей указание авторства, некоммерческое использование и распространение производных работ на тех же условиях.

stanfordnlp/stanza-he — модель Stanza для анализа текста на иврите, разработанная проектом Stanza при Stanford NLP. Она входит в набор инструментов лингвистического анализа Stanza и предназначена для обработки текста, включая распознавание сущностей; в Hugging Face модель классифицирована для разметки токенов. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Модель подходит для лингвистического анализа текстов на иврите в приложениях NLP. README не уточняет архитектуру, размер, контекст и конкретные типы разметки, поэтому их нельзя определить по доступным сведениям.

stanfordnlp/stanza-uk — модель Stanza для лингвистического анализа украинского языка, разработанная Stanford NLP. Она предназначена для обработки текста: в частности, классифицирует токены; Stanza также предоставляет инструменты для синтаксического анализа и распознавания сущностей. Репозиторий содержит веса PyTorch и имеет лицензию Apache-2.0. Карточка не сообщает размер модели и длину контекста.

Модель nikhil6041/wav2vec2-large-xlsr-tamil-commonvoice — дообученная nikhil6041 версия facebook/wav2vec2-large-xlsr-53 для автоматического распознавания речи на датасете Common Voice. Это модель архитектуры Wav2Vec2 с CTC-выходом, содержащая 402,7 млн параметров и сохранённая в формате PyTorch. Она предназначена для преобразования аудиозаписей на тамильском языке в текст; указанный результат на оценочной выборке — WER 0,8512. Модель выпущена под лицензией Apache-2.0. В карточке не приведены подробности о рекомендуемых сценариях применения и известных ограничениях; высокий WER указывает на значительное число ошибок распознавания на указанной оценочной выборке.

pablouribe/xls-r-spanish-test — модель автоматического распознавания речи, дообученная на испанской части набора Mozilla Common Voice 7.0. Она основана на архитектуре Wav2Vec2 CTC и содержит около 402,9 млн параметров. Модель принимает аудио и выдаёт распознанный текст на испанском языке. Модель подходит для транскрибирования испанской речи, в том числе аудиозаписей и голосовых фрагментов. В README приведены результаты оценки на тестовой выборке: loss 0,1461 и WER 1,0063. Такой WER указывает на крайне низкое качество распознавания в указанной оценке. Лицензия — Apache-2.0.

Davlan/afro-xlmr-base-76L_script — языковая модель на архитектуре XLM-RoBERTa, разработанная Davlan. Она расширяет XLM-R-base поддержкой письменностей N’Ko и тифинаг, а затем адаптируется с помощью предобучения на задаче masked language modeling на корпусах mC4, Wikipedia и OPUS для африканских языков и нескольких высокоресурсных языков. Модель предназначена для заполнения пропусков в тексте и может служить основой для последующей адаптации к другим языковым задачам. В репозитории указаны 75 поддерживаемых языков, включая амхарский, арабский, хауса, суахили, йоруба, французский, английский и португальский. Это плотная модель XLM-RoBERTa с 320,6 млн параметров, контекстом до 514 токенов и весами PyTorch. Лицензия — MIT. Карточка описывает продолжение предобучения XLM-R-base с расширенным набором письменностей; точный идентификатор базового репозитория не приведён.

Arkios-1B-chat — компактная чат-модель sajalregmi4 на архитектуре Qwen3, дообученная по инструкциям на основе sajalregmi4/arkios-1b-base. Она предназначена для диалога и генерации текста на английском и непальском языках. Модель содержит около 1,04 млрд параметров, использует 18 слоёв Transformer и группированные запросы внимания, поддерживает контекст до 4096 токенов и распространяется в формате Safetensors. Особенность модели — условное использование инструментов: она должна вызывать инструмент, если тот объявлен в системном сообщении и нужен для ответа, и отвечать напрямую, если инструменты не предоставлены. В README описано обучение на 123 384 диалогах и проверки поведения с инструментами; приведённые проверки единичны и не дают надёжной оценки качества в широком применении. Модель подходит для англо-непальского чат-бота и приложений, где инструменты передаются через манифест. Среди ограничений — ненадёжная арифметика и конвертация единиц, более низкая надёжность непальского языка в сценариях с инструментами, а также отдельные фактические ошибки и слабые практические советы. Лицензия — Apache-2.0.

JiunYi/Baichuan2-7B-Chat-DcardStylePost-SFT — дообученная чат-модель на архитектуре Baichuan 2 с 7 млрд параметров. Она предназначена для генерации текста в стиле публикаций Dcard и ведения диалога. Модель принимает текст и выдаёт текст, поддерживает китайский и английский языки, а её контекст составляет 4096 токенов. Весы сохранены в формате safetensors. Лицензия — GPL-3.0.

BreezeASR-Taigi — модель распознавания речи, разработанная MediaTek Research в рамках проекта Breeze Taigi. Она дообучена на базе мультиязычной Whisper large-v2 и предназначена для транскрибации тайваньского хоккиена (тайги). Модель принимает аудио и выдаёт текст на китайских иероглифах, используя запись, ориентированную на мандаринский китайский, а не традиционную орфографию тайги. Модель подходит для распознавания речи тайги, сравнительной оценки систем ASR, инструментов доступности и голосовых приложений. Она обучена примерно на 10 000 часах синтетической речи, включая разные голоса, акустические условия и разговорные контексты с переключением между тайги и мандаринским. В бенчмарке из 30 аудиозаписей средний CER составил 30,13%; этот показатель предназначен прежде всего для сравнения систем. Точность может снижаться при сильных региональных акцентах, диалектных вариантах и специализированной терминологии. Синтетический характер обучающих данных может отличаться от реальной спонтанной речи, а несовпадение между орфографией тайги и мандаринской записью ограничивает интерпретацию абсолютного CER. Модель распространяется по лицензии Apache-2.0.

EMTIAZZ/chatterbox-bangla-tts — дообученная версия Chatterbox TTS от Resemble AI для синтеза речи на бенгальском языке (бангла). Для адаптации изменён компонент T3, преобразующий текст в речевые токены; S3Gen и VoiceEncoder остаются замороженными. Модель поддерживает синтез с клонированием голоса по короткому аудиофрагменту. Модель предназначена для создания озвучивания на бангла и генерации речи с характеристиками голоса из референсной записи. Для клонирования README рекомендует чистое референсное аудио длительностью не менее трёх секунд; качество может зависеть от сходства говорящего с обучающими данными. В карточке указана лицензия MIT; README также рекомендует сверяться с условиями Resemble AI для коммерческого использования.

Chinese-Alpaca-33B-merged — китайская языковая модель на архитектуре Llama, созданная на основе elinas/llama-30b-hf-transformers-4.29. Разработчики добавили китайский словарь, продолжили предварительное обучение китайских эмбеддингов, а затем дообучили модель на инструкционных данных с помощью LoRA ziqingyang/chinese-alpaca-lora-33b и объединили адаптер с базовой моделью. Модель предназначена для генерации текста и ответов на инструкции на китайском языке. Она содержит 32,4 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 2048 токенов. В карточке приведены результаты оценки на нескольких англоязычных бенчмарках, но они не гарантируют качество на конкретных задачах. Репозиторий содержит веса PyTorch и Safetensors. Условия лицензии в предоставленных данных не указаны.

iioSnail выпустил неофициальную реализацию модели ChineseBERT для исправления орфографических ошибок в китайском тексте, основанную на воспроизведении работы SCOPE. Это плотная модель семейства BERT с 131,1 млн параметров и контекстом до 512 токенов; репозиторий содержит веса PyTorch и safetensors. Для работы с моделью приведён пример использования Transformers, а метод predict включает предложенный авторами CIC для обработки последовательных ошибок. Модель предназначена для обнаружения и исправления ошибочных китайских иероглифов. В README приведены результаты на SIGHAN2015: F1 обнаружения на уровне символов — 87,16, F1 исправления — 91,39; результаты ниже примерно на один пункт по сравнению с исходной статьёй. Реализация удаляет вспомогательную задачу обучения на пиньине и связанные с ней вычисления функции потерь, поэтому не полностью воспроизводит оригинальный подход. Лицензия репозитория — AFL-3.0.

Circuitry24BV.2 — объединённая модель OddTheGreat на архитектуре Mistral с 23,4 млрд параметров. Она предназначена прежде всего для ролевого отыгрыша и творческого письма: автор отмечает связные ответы, более естественную прозу и диалоги, эмоциональность, хорошее следование инструкциям и способность работать со сложными или небрежно составленными карточками персонажей. Модель сохраняет баланс между обычным и откровенным контентом, а тон ответа может быть положительным, нейтральным или отрицательным в зависимости от запроса. В карточке указаны английский и русский языки; русская версия проверялась в роли ассистента. Автор тестировал модель на контекстах 8–16 тысяч токенов без заметного ухудшения качества, тогда как метаданные указывают нативный контекст до 131 072 токенов. Это текстовая модель генерации, опубликованная в формате safetensors и рассчитанная на Transformers. Лицензия в предоставленных данных не указана.

Darwin-Kiosk-Gyeongsang-Story-1781240915 — компактная языковая модель VIDRAFT, созданная посетителем в рамках интерактивного проекта Музея робототехники и искусственного интеллекта Сеула. Это плотная авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров, полученная смешиванием родительских моделей Darwin-1B-경상도 и Darwin-1B-이야기꾼 методом Darwin MRI: слои анализируются по норме и энтропии, затем веса адаптивно смешиваются. Модель предназначена для диалоговой генерации текста на корейском и английском языках; карточка показывает пример общего ответа и использование через Transformers. Длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README сообщает об успешной проверке sanity, но не приводит подробных оценок качества.

Koichi Yasuoka разработал эту модель на архитектуре DeBERTa V2 для морфологической разметки японского текста. Она присваивает UPOS-теги (универсальные части речи) длинным единицам слов и предназначена для задач японского NLP, включая разметку частей речи и синтаксический анализ зависимостей. Модель дообучена на базе KoichiYasuoka/deberta-small-japanese-aozora, предварительно обученной на текстах библиотеки «Аодзора Бунко»; в репозитории указано 18,4 млн параметров и контекст до 128 токенов. Модель принимает японский текст и выдаёт метки токенов. Для практического применения её можно использовать для автоматической морфологической разметки и как компонент конвейера синтаксического анализа. Опубликована в формате PyTorch по лицензии CC BY-SA 4.0.

hezarai выпустила ParsDistilBERT — модель на базе hezarai/distilbert-base-fa, дообученную на датасете LSCP-500k для определения частей речи в персидском тексте. Она выполняет разметку на уровне токенов и подходит для автоматической POS-разметки предложений и корпусов. Модель распространяется в формате PyTorch и предназначена для использования с библиотекой Hezar. Лицензия в доступных данных не указана.

EZO-Humanities-9B-gemma-2-it-GGUF — это конвертированная в формат GGUF версия модели EZO-Humanities-9B-gemma-2-it, разработанной HODACHI. Модель предназначена для генерации текста и диалоговых сценариев, прежде всего на японском языке. Модель основана на Gemma 2 и имеет размер 9B параметров. Доступны варианты с K-квантизацией; для них применена iMatrix-квантизация. При конвертации использовались релизы llama.cpp, а текст iMatrix взят из набора c4_en_ja_imatrix.txt, подготовленного TFMC. Формат GGUF ориентирован на локальный запуск с совместимыми инструментами, включая llama.cpp. Сильными сторонами модели являются специализация на японском языке, поддержка диалогового применения и наличие квантизированных вариантов, которые могут снизить требования к памяти. Ограничения включают отсутствие в README подробностей о точных вариантах квантизации, максимальной длине контекста, мультимодальности, результатах оценки и системных требованиях. Модель распространяется по лицензии Gemma.

Yellowtown Japanese Qwen2.5-14B-Instruct-V1 — дообученная для общения текстовая модель на архитектуре Qwen2.5. Она содержит 14 млрд параметров и построена на базе Qwen2.5-14B-Instruct; в метаданных указана поддержка чата и контекст длиной до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия на японском языке. README не приводит сведений о данных обучения, оценке качества или конкретных сценариях настройки, поэтому специализацию за пределами японского чата определить нельзя. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия обозначена как other, без уточнения условий в предоставленных данных.

Это квантизированная версия Japanese StableLM Instruct JA vocab beta 7B, подготовленная mmnga на основе модели, опубликованной Stability AI. Калибровка GPTQ выполнена на японских данных: примерно 1 000 случайных фрагментов Википедии и около 200 пар входных и выходных данных ELYZA-tasks-100. Модель предназначена для генерации текста на японском языке, в том числе ответов на инструкции. Это плотная авторегрессионная модель семейства Llama с 6,7 млрд параметров и контекстом до 4 096 токенов. В метаданных указан формат safetensors; README описывает GPTQ-квантизацию и использование AutoGPTQ. Для запуска README предлагает AutoGPTQ версии 0.4.2 и Transformers. Лицензия указана как Llama 2. Качество зависит от задачи и японских калибровочных данных; иных ограничений в карточке не описано.

KazakhTTS-OmniVoice — модель синтеза казахской речи, разработанная на основе OmniVoice и дообученная для казахского языка. Она принимает текст и генерирует речь; для работы предназначена библиотека omnivoice. Модель поддерживает управление характеристиками голоса через подсказки: можно задавать мужской или женский голос, возрастной стиль от детского до пожилого, а также низкую, умеренную или высокую высоту тона. При дообучении использовались данные ISSAI_KazakhTTS2 и синтетические примеры с контролируемыми характеристиками голоса. Модель ориентирована на озвучивание текстов на казахском языке с настройкой звучания голоса. Карточка не приводит размер модели и длину контекста. Лицензия в предоставленных данных не указана; исходный датасет ISSAI_KazakhTTS2 не включён в репозиторий.