I.6Перевод и языковая адаптация

facebook/mms-tts-nhu — модель синтеза речи на языке Noone (nhu), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует текст в речевую аудиоволну и предназначена для озвучивания текста на этом языке. Для каждого языка проекта обучается отдельный чекпойнт. Модель использует архитектуру VITS: это сквозная система на основе вариационного автоэнкодера с текстовым энкодером, flow-модулем, предсказателем длительности и декодером, подобным HiFi-GAN. Стохастический предсказатель длительности позволяет варьировать ритм речи; результат генерации может меняться между запусками, поэтому для повторяемого вывода нужен фиксированный seed. Чекпойнт содержит 3,5 млн параметров и доступен в форматах PyTorch и Safetensors; для работы с Transformers требуется версия 4.33 или новее. Лицензия CC-BY-NC-4.0 допускает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-nim — модель синтеза речи на языке ниламба (nim) из проекта Massively Multilingual Speech (MMS), разработанного Facebook. Для каждого языка MMS обучается отдельная модель; этот чекпойнт преобразует текст на ниламба в речевую аудиоволну. Модель основана на архитектуре VITS и содержит около 3,5 млн параметров. Это сквозная система text-to-speech: текстовый энкодер и flow-модуль формируют акустические представления, а декодер на основе свёрточных слоёв генерирует аудио. Стохастический предиктор длительности позволяет получать варианты с разным ритмом; из-за этого результат может меняться при одинаковом входе, а фиксированный seed обеспечивает воспроизводимость. Модель предназначена для синтеза речи на ниламба и использования через Transformers версии 4.33 или новее. Карточка указывает лицензию CC BY-NC 4.0, которая ограничивает коммерческое использование.

facebook/mms-tts-spy — модель синтеза речи на языке сабаот, разработанная Facebook в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на сабаот. Для каждого языка в MMS-TTS обучается отдельная модель. Модель использует архитектуру VITS: условный вариационный автоэнкодер с текстовым энкодером на основе Transformer, flow-модулем, стохастическим предсказателем длительности и декодером, похожим на HiFi-GAN. Размер модели — 3,5 млн параметров. Для воспроизводимого результата при генерации требуется фиксировать seed, поскольку предсказатель длительности работает стохастически. Репозиторий содержит веса PyTorch и safetensors; модель доступна через Transformers начиная с версии 4.33. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

facebook/mms-tts-sur — модель синтеза речи на языке Mwaghavul (код sur), разработанная Facebook в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на Mwaghavul. Модель использует архитектуру VITS: текстовый энкодер на основе Transformer, flow-модуль и нейросетевой декодер, обученные сквозным образом. Размер составляет 3,5 млн параметров; доступны веса PyTorch и Safetensors. Стохастический предиктор длительности позволяет получать разные ритмические варианты произношения одного текста, поэтому генерация недетерминирована; фиксированный seed позволяет воспроизвести результат. Для каждой языковой версии MMS-TTS обучается отдельный чекпойнт. 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-tac — модель синтеза речи на западном тараумара, разработанная Facebook в рамках проекта Massively Multilingual Speech (MMS). Она преобразует текст на языке Tarahumara, Western в речевую аудиоволну и подходит для озвучивания текстов на этом языке. Модель построена на архитектуре VITS и содержит около 3,5 млн параметров. Это отдельный чекпойнт для одного языка; он доступен в формате PyTorch и Safetensors и поддерживается библиотекой Transformers начиная с версии 4.33. Генерация зависит от случайного предсказателя длительности, поэтому для повторения того же результата нужен фиксированный seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-tng — модель синтеза речи на языке тобанга, разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текстов на тобанга. Для каждого языка MMS-TTS обучается отдельная модель. Модель основана на архитектуре VITS и содержит текстовый энкодер на базе Transformer, flow-модуль, стохастический предиктор длительности и декодер, построенный по принципу HiFi-GAN. Размер модели — 3,5 млн параметров. Из-за стохастического предиктора результаты могут различаться при одинаковом вводе; для воспроизводимой генерации нужен фиксированный seed. Модель доступна через Transformers версии 4.33 и новее. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

facebook/mms-tts-tnp — модель синтеза речи на основе VITS, разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует текст на языке Whitesands в речевую аудиоволну; для каждой языковой версии MMS-TTS обучается отдельный чекпойнт. Модель содержит около 3,5 млн параметров и доступна в форматах PyTorch и Safetensors, в том числе через Transformers версии 4.33 и новее. Архитектура VITS объединяет текстовый энкодер на основе Transformer, потоковый модуль, стохастический предиктор длительности и HiFi-GAN-подобный декодер. Предиктор позволяет получать разные ритмические варианты одной и той же фразы, поэтому результат может меняться между генерациями; фиксированный seed позволяет воспроизвести тот же аудиосигнал. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

facebook/mms-tts-tpi — модель синтеза речи на языке ток-писин из проекта Massively Multilingual Speech, разработанного Facebook. Она преобразует входной текст в речевую аудиоволну и подходит для озвучивания фраз и создания синтетической речи на ток-писине. Модель использует архитектуру VITS — сквозную систему синтеза речи с вариационным автоэнкодером, потоковым модулем, Transformer-кодировщиком текста, декодером в стиле HiFi-GAN и стохастическим предсказателем длительности. В чекпойнте около 3,5 млн параметров; для каждого языка MMS обучается отдельная модель. Генерация недетерминирована: для воспроизводимого результата требуется фиксированное случайное зерно. Модель распространяется в форматах PyTorch и Safetensors и доступна через Transformers версии 4.33 и новее. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение.

facebook/mms-tts-way — модель синтеза речи на языке ваяна из проекта Massively Multilingual Speech компании Facebook. Она преобразует текст на языке ваяна в речевую аудиоволну; для каждого языка MMS-TTS обучается отдельный чекпойнт. Модель построена на архитектуре VITS: текстовый энкодер, flow-модуль, стохастический предиктор длительности и декодер, основанный на HiFi-GAN. Веса содержат 3,5 млн параметров и доступны в форматах PyTorch и Safetensors. Стохастический предиктор длительности позволяет получать разные ритмические варианты произнесения одного текста; для повторяемого результата требуется фиксировать seed. Модель предназначена для синтеза речи на языке ваяна и подключается через Transformers версии 4.33 или новее. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но исключает коммерческое применение.

facebook/mms-tts-yuz — модель синтеза речи на языке юракаре (Yuracare, код yuz), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует текст на этом языке в речевую аудиоволну и предназначена для озвучивания фраз и создания речевого вывода для приложений. Модель построена на архитектуре VITS и обучена отдельно для юракаре; в репозитории указаны веса PyTorch и Safetensors, а размер составляет около 3,5 млн параметров. Для использования поддерживается библиотека Transformers версии 4.33 и выше. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Генерация стохастическая: чтобы повторить тот же результат, нужно зафиксировать seed.

yihsuan/mt5_chinese_small — дообученная модель на базе google/mt5-small для суммаризации текста. Она построена на архитектуре mT5 и содержит 157,4 млн параметров; репозиторий предоставляет веса в формате PyTorch. В карточке указаны китайский язык и метрики оценки ROUGE на тестовом наборе: ROUGE-1 18,77, ROUGE-2 6,38 и ROUGE-L 18,61. Модель предназначена для создания краткого содержания китайского текста. Датасет обучения не указан, поэтому приведённые метрики не позволяют судить о качестве на конкретных типах документов. Лицензия Apache-2.0.

HoangQuocViet25/nlp-btl-xlsum-x2 — дообученная модель VietAI на базе VietAI/vit5-base для суммаризации текстов на вьетнамском языке. Она построена на архитектуре T5 и содержит 126,8 млн параметров; модель рассчитана на контекст до 512 токенов и сохранена в формате Safetensors. В качестве датасета указан вьетнамский раздел XL-Sum. Модель подходит для сокращения вьетнамских статей и подготовки кратких изложений новостей. Метаданные также отмечают repetition и unlikelihood training, но не раскрывают детали этих приёмов или результаты оценки качества. Модель распространяется по лицензии MIT.

NorLlama-3B — авторегрессионная языковая модель семейства NorGLM, разработанная для генерации текста на норвежском языке. Модель с 2,9 млрд параметров построена на архитектуре Llama и предварительно обучена с использованием Tencent Pre-training Framework. Модель предназначена для генерации и продолжения текста. Обучающий набор объёмом около 200 ГБ и почти 25 млрд токенов включает норвежский, датский, шведский, немецкий и английский языки; основное назначение модели — работа с норвежским. Родной контекст составляет 2048 токенов. Репозиторий содержит веса PyTorch и Safetensors. Модель распространяется по лицензии CC BY-NC-SA 4.0, а NorGLM предназначен для некоммерческого использования. Карточка не приводит результатов оценки качества и не описывает ограничения точности; сравнительно небольшой контекст может ограничивать работу с длинными текстами.

Карточка модели meandyou200175/omv5 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.

mzbac/Phi-3-mini-4k-grammar-correction — модель генерации текста на архитектуре Phi-3, представленная как инструмент для исправления грамматики. Она предназначена для редактирования пользовательского текста и может использоваться в сценариях корректуры и интеграции языковой модели в чат-интерфейсы. Модель содержит 3,7 млрд параметров, принимает текст и генерирует текст, а заявленная длина контекста составляет 4096 токенов. Репозиторий содержит веса в формате safetensors; метаданные отмечают поддержку чата. Лицензия — MIT.

POLAR-14B-DPO-v1.4 — корейская языковая модель, разработанная AI-Lab компании Plateer и вдохновлённая SOLAR от Upstage. Это плотная авторегрессионная модель семейства Llama с 14,1 млрд параметров и контекстом до 4096 токенов; она предназначена для генерации текста на корейском языке и доступна для запуска через Transformers. Модель дообучена методом DPO на 14 тысячах примеров, созданных с использованием данных wiki; родительская модель — x2bee/POLAR-14B-v0.2. Лицензия — Apache-2.0. Карточка предупреждает о возможных вредных стереотипах и смещениях в ответах; сведения о метриках и результатах тестирования не приведены.

sdadas/polish-gpt2-medium — польскоязычная авторегрессионная языковая модель семейства GPT-2, опубликованная разработчиком sdadas. Она предназначена для генерации текста по текстовой подсказке, например для продолжения польских фраз и создания черновиков. Модель доступна для использования через Transformers; метаданные указывают контекст 2048 токенов и лицензию LGPL. В карточке указаны архитектура GPT2LMHeadModel и форматы PyTorch и Safetensors. Модель ориентирована на польский язык; сведений о размере в переданных метаданных нет.

Agnuxo/Qwen2_0.5B-Spanish_English_raspberry_pi_GGUF_16bit — локальная чат-модель на основе семейства Qwen2, опубликованная Франсиско Ангуло де ла Фуэнте. Это плотная текстовая модель с 0,5 млрд параметров в формате GGUF F16; карточка позиционирует её для работы на Raspberry Pi и запуска через Ollama или Transformers. Модель предназначена для генерации текста и диалогов на английском и испанском языках, а также заявлена как помощник для программирования и научных задач. Репозиторий распространяется по лицензии Apache-2.0. Небольшой размер и локальный запуск подходят для экспериментов и использования на устройствах с ограниченными ресурсами. Карточка не приводит оценок качества или результатов бенчмарков именно этой модели; заявленные навыки программирования и научной работы не подтверждены приведёнными результатами, поэтому их следует считать ориентировочными.

Papaperez/Qwen3-0.6B-Gensyn-Swarm-wise_crested_cat — модель для генерации текста, опубликованная пользователем Papaperez на Hugging Face. Карточка модели автоматически создана и не указывает достоверных сведений о разработчике производной версии, её обучении или точном назначении; по метаданным она относится к семейству Qwen3 и предназначена для text generation. Связь с базовой моделью Qwen3-0.6B подразумевается идентификатором и тегами, но в карточке производной модели явно не подтверждена как результат конкретного fine-tuning или другого метода обучения. В репозитории указано около 0,6 млрд параметров, формат весов Safetensors и тип данных F32. Для базовой Qwen3-0.6B официальные материалы указывают decoder-only causal language model с 28 слоями, Grouped Query Attention на 16 query- и 8 key/value-голов, контекстом до 32 768 токенов и поддержкой более 100 языков и диалектов; эти характеристики нельзя полностью считать подтверждёнными для производной версии. Мультимодальность не заявлена, поэтому модель следует рассматривать как текстовую. Карточка производной модели не содержит надёжных данных о сильных сторонах, ограничениях, результатах оценки, языках, сценариях применения, лицензии или условиях распространения. Поэтому её можно использовать как экспериментальную модель генерации текста, но нельзя достоверно оценить качество, безопасность и совместимость с лицензией базовой Qwen3.

sugiv/qwen3-8b-tanglish — это дообученная модель Qwen3-8B от автора sugiv, предназначенная для диалогов на Tanglish: разговорном смешении тамильского языка, записанного латиницей, и английского, характерном для Ченная и Южной Индии. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 7,6 млрд параметров и поддерживает контекст до 40 960 токенов. В репозитории доступны объединённые веса bf16 и отдельный LoRA-адаптер; обучение проводилось методом SFT на 81 261 примере. Модель подходит для повседневных ответов и многоходовых бесед на Tanglish. По оценке из README, она превосходит исходную Qwen3-8B по нескольким измерениям качества ответов на Tanglish и реже переходит на тамильское письмо. Основной обученный язык — Tanglish; по запросу модель также может отвечать на тамильском письме или по-английски. Лицензия — Apache-2.0. Известные ограничения: модель может отвечать шутливым уклонением на небезопасные запросы вместо строгого отказа, а режим явных рассуждений исходной модели подавлен. Обучение было ориентировано на Tanglish, поэтому качество для чистого тамильского и английского в README отдельно не подтверждено.

alkhrzmy дообучил мультиязычную Qwen3-TTS 12Hz 0.6B Base для синтеза речи на индонезийском языке. Это плотная модель архитектуры Qwen3TTSForConditionalGeneration с весами в формате safetensors; при генерации используется голос indonesian_speaker. Модель преобразует текст в речь и подходит для озвучивания индонезийских фраз, например голосовых сообщений или аудиоконтента. В карточке описано обучение в течение четырёх эпох на индонезийском наборе данных синтеза речи. Базовая модель также поддерживает клонирование голоса по аудиопримеру, но возможность такого сценария для этой доработанной версии отдельно не подтверждена. Модель распространяется по лицензии Apache-2.0. Данных о длине контекста и оценках качества в предоставленной карточке нет.

ReaLiSe-for-csc — китайская модель исправления орфографических ошибок (Chinese Spell Checking, CSC), опубликованная пользователем iioSnail и основанная на реализации ReaLiSe. Модель построена на архитектуре BERT и содержит 129,5 млн параметров; она предназначена для обнаружения и исправления ошибок в китайских предложениях. В README приведены результаты на SIGHAN2015: sentence-level Correct-F1 составляет 77,8, Detect-F1 — 79,3. Модель принимает текст и выдаёт исправленный текст; карточка Hugging Face классифицирует её как feature-extraction. Контекст ограничен 512 токенами. Репозиторий содержит веса PyTorch и Safetensors, для запуска в README описано использование Transformers и pypinyin. Указана лицензия AFL-3.0. Карточка не приводит сведений о поддержке других языков; README также отмечает возможные сетевые затруднения при загрузке и проблему совместимости Transformers при локальном использовании.

RoLlama3-8b-Instruct-2024-10-09 — румынская генеративная языковая модель OpenLLM-Ro, дообученная для следования инструкциям и диалогового общения на основе Meta-Llama-3-8B-Instruct. Это плотная модель семейства Llama с 7,5 млрд параметров и контекстом 8192 токена; она принимает текст и генерирует текстовые ответы на румынском языке. Модель предназначена для ассистентского чата и генерации ответов на инструкции, а также для адаптации к другим языковым задачам. В README указано назначение для исследовательского применения и ограничение на использование вне румынского языка. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Sibilia-TTS — модель синтеза речи из текста на итальянском языке, опубликованная DeepMount00. Она предназначена для создания естественной, чёткой и плавной итальянской речи с характерными для стандартного итальянского произношением и просодией. В карточке заявлены сценарии для голосовых помощников, аудиокниг, образовательных материалов и средств доступности. Модель использует плотную архитектуру CSM с классом CsmForConditionalGeneration и содержит 977,3 млн параметров. Репозиторий хранит веса в формате safetensors; заявленная длина контекста — 2048 токенов. Автор сообщает о сравнительных преимуществах в естественности звучания, просодии и снижении артефактов, однако описание не приводит методику или численные результаты бенчмарков. Лицензия — Apache-2.0.

DanJZY/SmolLM-135M-GEC-SFT-DPO — компактная языковая модель для исправления грамматики в английском тексте. Она основана на HuggingFaceTB/SmolLM-135M и дообучена методами SFT и DPO, чтобы вносить точечные исправления, сохраняя лексику, тон и авторский стиль. Модель использует плотную архитектуру LlamaForCausalLM, содержит 134,5 млн параметров и принимает текстовый контекст длиной до 2048 токенов. Модель предназначена для корректуры предложений, учебных инструментов для изучающих английский и приложений помощи при письме. Разработчик сообщает о BLEU около 0,50 на тестах коррекции грамматики и отмечает, что модель может запускаться на CPU. Лицензия — Apache-2.0.

SpeechT5 TTS Turkish — модель синтеза речи из текста, созданная дообучением microsoft/speecht5_tts на наборе turkishvoicedataset. Она предназначена для преобразования текста на турецком языке в речь. Модель построена на архитектуре SpeechT5 и распространяется в формате safetensors; в README приведено значение loss 0,3079 на оценочном наборе. Модель опубликована под лицензией MIT. Карточка не описывает голосовые характеристики, качество звучания или ограничения использования; результат синтеза зависит от текста и настройки процесса генерации.

Stockmark-13b — языковая модель компании Stockmark Inc., обученная с нуля на японском корпусе объёмом около 220 млрд токенов. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров, реализованная для Transformers и распространяемая в формате safetensors. Обучение проводилось на AWS Trainium с использованием neuronx-nemo-megatron. Модель предназначена для генерации текста на японском языке. Её можно использовать как основу для адаптации под конкретные задачи; разработчик отдельно предоставляет инструкционно настроенную версию stockmark-13b-instruct. Контекст модели составляет 2048 токенов. В обучающий корпус вошли веб-тексты, патенты и Wikipedia. Модель выпущена по лицензии MIT. README не приводит результатов оценивания качества или подробных рекомендаций по эксплуатации; сравнительные преимущества и ограничения по конкретным задачам по имеющимся данным определить нельзя.

Tenorio 0.6b — компактная плотная языковая модель семейства Qwen3, разработанная для более естественной и грамматически правильной генерации на современном испанском языке. Она дообучена на базе Qwen/Qwen3-0.6B; в репозитории указаны 507,9 млн параметров и контекст до 40 960 токенов. Модель предназначена для кратких ответов на вопросы, диалогов и текстовых задач на испанском. По README, обучение включало продолженное предобучение на испаноязычных книгах из общественного достояния и настройку на парах вопросов и ответов. Автор сообщает об улучшениях в понимании контекста, грамматике и форматировании, а также о намеренном снижении способности к рассуждениям. Это хобби-проект без профессиональной оценки качества: приведённые автором небольшие сравнения измеряют качество испанского языка, а не точность ответов. Модель распространяется по лицензии MIT.

TinySlime-1.1B-v1.0 — компактная языковая модель примерно на 1 млрд параметров, разработанная для японского языка. Это полное дообучение TinyLlama/TinyLlama-1.1B-intermediate-step-1431k-3T с помощью Axolotl на наборе augmxnt/shisa-pretrain-en-ja-v1; обучение проведено на 5,5 млрд токенов. Модель использует архитектуру Llama и формат safetensors, рассчитана на генерацию текста и запуск на смартфонах и встраиваемых устройствах, включая NVIDIA Jetson. Контекст составляет 2048 токенов. Поддерживает японский и английский языки по данным обучающего набора. README не сообщает лицензию модели.

Thorsten-Voice/tv-orpheus-v1 — немецкая модель синтеза речи, созданная проектом Thorsten-Voice на основе Orpheus TTS. Это плотная LlamaForCausalLM-модель размером 3,3 млрд параметров с контекстом 131 072 токена; для генерации речи используется архитектура Orpheus со SNAC-кодеком. Модель дообучена на примерно 12 000 записях одного диктора из набора Thorsten-Voice Dataset 2022.10, чтобы создавать спокойную, естественную и разборчивую мужскую речь на немецком языке. Модель предназначена для озвучивания немецкого текста в образовательных, исследовательских и творческих проектах. Записи и голос диктора доступны по CC0; веса модели распространяются по лицензии Apache-2.0. Модель поддерживает голос одного диктора и не предназначена для генерации речи другими голосами.