I.6Перевод и языковая адаптация

viXTTS — модель синтеза речи и клонирования голоса, разработанная Capleaf на основе XTTS-v2.0.3. Она позволяет создавать речь выбранным голосом по короткому аудиофрагменту длительностью около шести секунд. Модель продолжили обучать на наборе данных viVoice, расширив токенизатор для поддержки вьетнамского языка. Модель поддерживает 18 языков, включая вьетнамский, английский, русский, китайский и японский. Она предназначена для многоязычной генерации речи с сохранением характеристик голоса из образца. Указанная лицензия — other; README не приводит дополнительных условий лицензирования. Совместимость с исходной библиотекой TTS ограничена. Для вьетнамского языка короткие фразы менее десяти слов могут давать нестабильный результат и посторонние звуки в конце. Качество для языков, отличных от вьетнамского, не проверялось.

wangchanberta-ud-thai-pud-upos — модель Pavarissy, дообученная на базе airesearch/wangchanberta-base-att-spm-uncased на корпусе Universal Dependencies Thai PUD. Она размечает тайский текст универсальными частями речи (UPOS), присваивая метку каждому токену. Модель основана на архитектуре CamemBERT, содержит 132,5 млн параметров, работает с текстом и поддерживает контекст до 512 токенов. Модель предназначена для автоматической морфосинтаксической разметки тайского текста и может использоваться в конвейерах анализа языка. На оценочном наборе указана точность 0,9883 и macro F1 0,9199. Лицензия в предоставленных данных не указана.

AVA-Llama-3-V2 — диалоговая языковая модель на базе Llama 3, дообученная Mehdi Hosseini Moghadam для работы на персидском языке. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста и ответов на вопросы в чате. Контекст составляет 8192 токена; модель использует библиотеку Transformers и формат весов safetensors. В карточке приведены примеры сравнения ответов с другими моделями и пример вопроса на персидском языке с просьбой объяснить рассуждение. Автор помечает проект как находящийся в разработке; сведения о датасете в README не заполнены, поэтому качество и охват задач по этим данным оценить нельзя. Условия лицензии в доступных сведениях не приведены.

Bharat-Tiny-LLM v3 — небольшая языковая модель, разработанная eulogik на основе Qwen/Qwen3-1.7B-Base. Она предназначена для генерации текста и диалоговых сценариев на хинди, Hinglish и английском языке, включая использование на телефонах, ноутбуках, Raspberry Pi и в браузерах с WebGPU. Модель работает полностью локально и офлайн, поэтому запросы и данные не покидают устройство. Модель содержит около 1,72 млрд параметров и поддерживает Devanagari, романизированный хинди и английский. В неё добавлены 300 Devanagari subword-токенов, после чего выполнено дообучение на задачах математических текстовых задач GSM8K-Hindi, индийских вопросах и ответах, а также диалоговых данных. Доступны форматы GGUF, включая квантованный Q4_K_M размером около 1 ГБ, F16 размером около 3,2 ГБ и вариант для PyTorch Transformers. Заявлены улучшенная токенизация хинди, сжатие текста на 21,6% и результат свыше 56% на GSM8K-Hindi для основной версии. Сильные стороны модели — небольшой размер, автономная работа, поддержка хинди и Hinglish, пригодность для устройств с ограниченными ресурсами и совместимость с llama.cpp, Ollama и WebGPU. Ограничения связаны с малым размером модели и узкой специализацией: она не предназначена для задач, требующих возможностей крупных универсальных LLM. Для conversational-варианта v3.3 заявлено улучшение Hinglish-диалогов, но снижение результата на GSM8K-Hindi до 24%, поэтому он больше подходит для общения, чем для математики. Модель распространяется по лицензии Apache 2.0; базовая модель Qwen3-1.7B-Base также указана как Apache 2.0.

QizhiPei/biot5-plus-base — текстовая модель семейства T5 с 126 млн параметров, опубликованная в формате PyTorch и safetensors. Карточка показывает загрузку через Transformers как условную генеративную модель, но не описывает специальную область применения, обучение или конкретные задачи BioT5+. По названию репозитория можно предположить связь с биомедицинскими текстами, однако доступные сведения этого не подтверждают. Модель принимает текст и генерирует текст; в метаданных указан английский язык. Лицензия — MIT. Карточка не сообщает длину контекста и известные ограничения качества, поэтому их нельзя надёжно указать.

yuanzhoulvpi/chinese_bloom_7b_chat_v3 — чат-модель на архитектуре BLOOM, разработанная автором репозитория и обученная на 4,2 млн китайских инструкций. Она предназначена для генерации текста в диалоговом формате и выполнения инструкций на китайском языке. В метаданных указан размер 9,1 млрд параметров; модель использует классы BloomForCausalLM и распространяется в форматах PyTorch и Safetensors. Версия v3 обучена на большем наборе инструкций, чем предыдущие версии; автор отмечает, что её качество ещё не проверено и приглашает пользователей протестировать модель. Репозиторий содержит веса модели, а не только адаптер; базовая модель явно не указана. Лицензия — BigScience OpenRAIL-M.

ChineseErrorDetectorElectra — модель для посимвольного выявления потенциальных ошибок в китайском тексте, выпущенная автором репозитория xurong123. Это дискриминативная модель ELECTRA с головой классификации токенов, дообученная на парах исходного и исправленного текста: она присваивает символам метки вероятности ошибки и может использоваться как предварительный фильтр перед более дорогой системой исправления. Модель предназначена для обнаружения орфографических и грамматических ошибок, а также для решения, следует ли передавать целое предложение на исправление. Модель основана на hfl/chinese-electra-180g-base-discriminator, содержит 129,5 млн параметров и принимает последовательности до 512 токенов. Поддерживаемый язык — китайский. Репозиторий сообщает о проверках на орфографических, грамматических и смешанных данных, но приводит промежуточные результаты; точность и пороги следует проверять на данных конкретного применения. Низкая точность посимвольных предсказаний в смешанной оценке может приводить к ложным срабатываниям. Лицензия — Apache-2.0.

Diba-mini — компактная языковая модель семейства Diba, разработанная Dibachain. Это плотная авторегрессионная модель архитектуры Diba с 1,7 млрд параметров, предназначенная прежде всего для общения на персидском языке и ответов на вопросы об Иране, включая его географию, культуру и современную историю. Модель также отвечает на английском и старается продолжать диалог на языке пользователя. Модель подходит для офлайн-ассистентов на ноутбуках, небольших серверах и мобильных устройствах; в карточке также описан вариант GGUF объёмом около 1,3 ГБ для запуска на CPU. Заявленная длина контекста — 262 144 токена, но пример запуска в README ограничивает её 8 192 токенами. По приведённому авторами сравнению на 40 вопросах об истории Ирана на персидском языке Diba-mini ответила правильно на 20; результаты этих тестов не являются независимой оценкой. Лицензия — Apache-2.0. Модель не предназначена для программирования: в тестах из README она набрала 6 из 20 на задачах Python и JavaScript, а для кода авторы рекомендуют Diba-Base. Как и другие компактные модели, она может ошибаться в фактах; важную информацию следует проверять.

Это модель классификации предложений на базе DistilBERT, опубликованная TextAttack. Она дообучена на наборе CoLA для определения грамматической приемлемости предложений и подходит для проверки грамматики и фильтрации некорректных фраз. В карточке указано, что модель обучали пять эпох с максимальной длиной последовательности 128 токенов; точность на оценочной выборке составила около 0,824. Метаданные указывают архитектуру DistilBertForSequenceClassification и контекст до 512 токенов. Модель распространяется в формате PyTorch.

grahamas/distilbert-base-uncased-finetuned-upos — модель grahamas, дообученная на базе distilbert/distilbert-base-uncased для классификации токенов. По названию репозитория модель предназначена для присвоения токенам универсальных частей речи (UPOS). Архитектура — DistilBertForTokenClassification; контекст — до 512 токенов. Весы опубликованы в формате safetensors. Модель может использоваться для автоматической разметки частей речи в текстах на английском языке. В README приведено значение loss 0,1416 на оценочной выборке, но набор данных, метрики качества и подробности обучения не раскрыты. Лицензия — Apache-2.0.

F5-TTS Burmese v2 — модель синтеза речи на основе Flow-Matching Diffusion Transformer, разработанная автором репозитория freococo. Она обучена на более чем 794,5 часа бирманской речи и содержит около 337 млн параметров; карточка описывает 22 слоя, 16 голов и размерность 1024. Модель предназначена для преобразования текста на бирманском языке в речь и поддерживает клонирование голоса по образцу. Автор сообщает об улучшениях фонетического выравнивания, передачи тонов, естественности разговорной речи и сокращении обрывов аудио; веса FP16 занимают около 674 МБ. Модель подходит для озвучивания текста и создания речи голосом-образцом. В репозитории также доступны промежуточные чекпойнты для продолжения дообучения. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование. Длина контекста и условия качества за пределами описанных автором сценариев в карточке не приведены.

alien79/F5-TTS-italian — дообученная на итальянской речи версия F5-TTS от автора alien79. Модель предназначена для синтеза итальянской речи по тексту; для обучения использовано более 73 часов обучающей части набора ylacombe/cml-tts. В репозитории есть веса PyTorch в формате Safetensors, включая чекпойнт примерно после 290 эпох обучения. Модель рассчитана на итальянский язык и плохо справляется с английским после дообучения. Автор отмечает, что произношение не всегда точное, числа перед синтезом нужно записывать словами, а ограниченное разнообразие голосов в обучающем наборе сказывается на клонировании голоса. Распространяется по лицензии CC BY 4.0.

Gala-4-E4B-it-preview — каталонская версия Gemma 4 E4B Instruct, дообученная командой Projecte AINA с помощью LoRA на наборах Projecte AINA и Nobel. Это плотная мультимодальная модель Google Gemma 4 с примерно 4 млрд параметров; карточка указывает поддержку изображений, а README описывает применение прежде всего для текстовых задач на каталонском языке. Контекстное окно — 8192 токена. Модель предназначена для ответов на вопросы, понимания прочитанного, логического вывода и следования инструкциям на каталонском, а также для образовательных NLP-сценариев. В README приведены результаты оценки на каталонских бенчмарках; авторы отмечают ограничения в грамматических заданиях и отставание от более крупных моделей на части тестов. Обучение на ограниченном наборе данных может снижать качество в узкоспециализированных областях. Лицензия в предоставленных данных не указана.

PrasannaL/Genisis — дообученная многоязычная модель Google mT5-base с архитектурой MT5ForConditionalGeneration и примерно 291,2 млн параметров. Она принимает текст и генерирует текст, однако карточка не уточняет целевую задачу, обучающие данные или предполагаемый сценарий применения. Модель сохранена в формате safetensors и распространяется по лицензии Apache-2.0. В README приведено значение loss 42,7979 на оценочном наборе, но без описания набора и протокола оценки этот результат трудно интерпретировать. Название и назначение Genisis не раскрыты, поэтому подходящие прикладные сценарии и качество модели по конкретным задачам определить нельзя.

Это дообученная языковая модель GPT-2 для перефразирования текста в библейском стиле. Чекпойнт связан со статьёй «Reformulating Unsupervised Style Transfer as Paraphrase Generation» Krishna K. и соавторов; автор загрузки указывает, что получил разрешение на публикацию от основного автора статьи. Модель предназначена для генерации перефразированного текста с переносом стиля, в частности для преобразования формулировок в библейскую манеру. Она построена на архитектуре GPT2LMHeadModel, принимает и генерирует текст, работает с контекстом до 1024 токенов и опубликована в формате PyTorch. Язык в карточке явно не указан. Это специализированный чекпойнт для стилистического перефразирования, а не универсальный диалоговый ассистент. Лицензия в предоставленных данных не указана.

Koichi Yasuoka разработал GPT-2 для разметки японского текста: модель определяет части речи и выполняет синтаксический анализ зависимостей. Она дообучена на основе KoichiYasuoka/gpt2-small-japanese-juman-upos с использованием UD_Japanese-GSDLUW и предназначена для анализа предложений на японском языке. Архитектура — плотная GPT-2, реализация на PyTorch; нативная длина контекста составляет 1024 токена. Для использования через Transformers требуется библиотека fugashi. Лицензия — CC BY-SA 4.0.

Higgs TTS 2 — базовая аудиомодель Boson AI для генерации речи по тексту. Модель построена на Llama 3.2 3B и использует аудиоадаптер DualFFN; в README указано 3,6 млрд параметров языковой модели и 2,2 млрд параметров адаптера, а метаданные Hugging Face указывают общий размер 3,2 млрд параметров. Архитектура семейства Higgs Audio V2, формат весов — safetensors, библиотека — Transformers; длина контекста — 2048 токенов. Модель предназначена для выразительного синтеза речи, в том числе с адаптацией просодии и эмоций, клонированием голоса по образцу и генерацией многоязычных диалогов с несколькими говорящими. README также описывает напевание мелодий клонированным голосом и совместную генерацию речи с фоновой музыкой. В карточке указаны английский, китайский, немецкий и корейский языки; модель обучалась на аудиоданных, охватывающих речь, музыку и звуковые события. README сообщает о сильных результатах на тестах синтеза речи и эмоциональной выразительности, но приведённые оценки получены на конкретных бенчмарках и не гарантируют качество в каждом сценарии. Модель не проходила постобучение или дообучение, а лицензия обозначена как other, поэтому условия использования следует сверять с лицензией и условиями репозитория Boson AI.

HLK-ViT5 — модель суммаризации текстов на вьетнамском языке, разработанная на основе VietAI/vit5-base и дообученная для сокращения текста. Она предназначена для создания кратких изложений в сценариях, где исходный материал и результат представлены на вьетнамском языке. Модель построена на архитектуре T5 и содержит 126,8 млн параметров. Она принимает текст и генерирует текст; контекст ограничен 512 токенами. Модель распространяется под лицензией MIT. README указывает на использование PyTorch и Hugging Face Transformers.

ce-lery разработал японскую инструкционную языковую модель на архитектуре Mistral с 303,9 млн параметров. Это дообученная версия ce-lery/japanese-mistral-300m-base, дополнительно обученная на японской версии набора databricks-dolly-15k-ja; базовая модель предварительно обучалась на данных Wikipedia и CC-100. Модель предназначена для генерации текста и выполнения инструкций на японском языке. В карточке также отмечена обработка неизвестных слов с помощью byte fallback в токенизаторе SentencePiece. Модель принимает текст и генерирует текст, поддерживает контекст до 4096 токенов и распространяется в формате safetensors. Условия лицензии в доступных данных не приведены.

MaLLaM 3B — языковая модель компании Mesolitica, предварительно обученная с нуля на малайзийских текстах. Она использует плотную архитектуру Mistral и содержит 2,9 млрд параметров; обучение проводилось на 90 млрд токенов. Модель предназначена для генерации текста на малайском языке и сценариев, где требуется продолжать или создавать текст. В README заявлена длина контекста 4096 токенов, тогда как метаданные каталога указывают нативный контекст 32768 токенов. Для обучения использовались вычислительные узлы с ускорителями A100. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Карточка модели afifaimran/menochat-omnivoice-full-ref01 на Hugging Face совпадает с карточкой maanka2/OmniVoice, поэтому описание составлено по ней. 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.

Belorussian mGPT 1.3B — языковая модель для генерации текста на белорусском языке, разработанная AI Forever на базе mGPT-XL. Это плотная авторегрессионная модель архитектуры GPT-2 с 1,3 млрд параметров. Базовая модель обучалась на 61 языке по данным Wikipedia и корпуса C4; затем её дополнительно дообучили на данных для 23 языков, включая белорусский, ещё на 10 000 шагах. Контекст составляет 2048 токенов. Модель предназначена для продолжения белорусского текста и генерации текстовых фрагментов. В README приведено значение perplexity 27,65 на валидации. Доступны веса PyTorch по лицензии MIT. Хотя основная специализация — белорусский язык, модель унаследовала многоязычную базу; метаданные также отмечают русский и английский.

Buryat mGPT 1.3B — языковая модель на основе GPT-2, разработанная ai-forever для генерации текста на бурятском языке. Она получена дополнительным дообучением базовой модели mGPT-XL 1.3B на данных 23 языков, включая малоресурсные; модель обучали ещё 1000 шагов. Базовая mGPT обучалась на 61 языке с использованием Wikipedia и корпуса C4. Модель предназначена для продолжения и генерации бурятского текста. Контекст составляет 2048 токенов, число параметров — 1,3 млрд. В README приведена perplexity 17,63 на валидации. Лицензия — MIT. Карточка также отмечает английский и русский языки, однако модель специально дообучена для бурятского, поэтому качество на других языках может отличаться.

Kazakh mGPT 1.3B — языковая модель для генерации текста на казахском языке, разработанная ai-forever на основе mGPT-XL. Это плотная авторегрессионная модель семейства GPT-2 с 1,3 млрд параметров, дообученная на дополнительных данных для 23 языков, включая казахский. В README указано, что базовая модель обучалась на 61 языке с использованием Wikipedia и корпуса C4; для этой версии проведено ещё 150 000 шагов обучения. Контекст составляет 2048 токенов. Модель предназначена для продолжения и генерации казахского текста, в том числе на кириллице и латинице. На валидации заявлена perplexity 3,38. Репозиторий содержит веса PyTorch, лицензия — MIT. Карточка сообщает также о поддержке русского и английского языков, однако модель специально адаптирована для казахского.

facebook/mms-tts-acd — модель синтеза речи на языке Gikyode (код acd), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текстов на Gikyode. Модель использует архитектуру VITS: текстовый энкодер на основе Transformer, вероятностный модуль длительности и декодер речи. 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. Каждый язык MMS-TTS обслуживается отдельным чекпойнтом. Модель рассчитана на синтез речи на одном языке, поэтому её нельзя считать универсальной многоязычной TTS-моделью. Из-за стохастического предсказания длительности результат может меняться между запусками; для воспроизводимого аудио нужен фиксированный seed. Лицензия CC BY-NC 4.0 ограничивает использование некоммерческими целями и требует атрибуции.

facebook/mms-tts-ake — модель синтеза речи на языке Akawaio (код ake), разработанная Facebook в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на Akawaio. Модель использует архитектуру VITS: текстовый энкодер, потоковый модуль и декодер формируют речь сквозным образом; стохастический предиктор длительности позволяет варьировать ритм произношения. Размер модели — 3,5 млн параметров. Для воспроизводимого результата требуется фиксировать seed, поскольку генерация недетерминирована. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

facebook/mms-tts-bba — модель синтеза речи на баатонумском языке, разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текстов на баатонумском языке. Модель построена на архитектуре VITS и содержит 3,5 млн параметров; для работы с ней подходит библиотека Transformers версии 4.33 и новее. Отдельный чекпойнт MMS-TTS обучен для каждого языка проекта. Стохастический предиктор длительности позволяет получать варианты речи с разным ритмом; из-за недетерминированной генерации для повторения результата требуется фиксировать seed. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

facebook/mms-tts-bjr — модель синтеза речи на языке бинумариен, созданная Meta в рамках проекта Massively Multilingual Speech (MMS). Это отдельный чекпойнт для бинумариен, предназначенный для преобразования входного текста в речевую аудиоволну. Модель построена на архитектуре VITS: она объединяет вариационный автоэнкодер, flow-модуль с текстовым энкодером на основе Transformer и декодер, похожий на HiFi-GAN. Размер модели — 3,5 млн параметров. Стохастический предиктор длительности позволяет варьировать ритм речи, поэтому генерация может быть недетерминированной; фиксированный seed нужен для повторения результата. Чекпойнт доступен через библиотеку Transformers версии 4.33 и новее. Модель подходит для озвучивания текста на бинумариен. Карточка не описывает поддержку других языков или возможности управления голосом. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

facebook/mms-tts-bqc — модель синтеза речи на языке Boko (bqc) из проекта Massively Multilingual Speech компании Facebook. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на этом языке. Модель построена на архитектуре VITS: она объединяет вариационный автоэнкодер, Transformer-энкодер текста, нормализующие потоки, стохастический предиктор длительности и декодер на основе HiFi-GAN. Это отдельный чекпойнт для одного языка; в метаданных указано 3,5 млн параметров. Модель доступна через библиотеку Transformers версии 4.33 и новее. Генерация стохастическая: для повторения того же результата требуется фиксировать seed. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-bqp — модель синтеза речи на языке бисã (Bisã, код bqp), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текстов на этом языке. Модель построена на архитектуре VITS и содержит 3,6 млн параметров. Это отдельный языковой чекпойнт MMS-TTS; для воспроизводимого результата генерации требуется фиксированное случайное зерно. Модель доступна через библиотеку Transformers версии 4.33 и выше, веса представлены в форматах PyTorch и safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерчески. Модель предназначена для бисã, поэтому её не следует считать многоязычным синтезатором или применять для озвучивания текстов на других языках без подтверждения качества.