I.6Перевод и языковая адаптация

Koichi Yasuoka разработал эту модель на основе японской GPT-2 gpt2-small-japanese и дообучил её для морфосинтаксической разметки. Модель определяет для каждого слова часть речи по универсальной схеме UPOS и дополнительные грамматические признаки FEATS; для токенизации требуется библиотека fugashi. Модель предназначена для анализа японских текстов, например для подготовки корпусов и извлечения грамматических характеристик слов. Это плотная архитектура GPT-2 для классификации токенов с контекстом до 1024 токенов. Репозиторий содержит веса PyTorch, карточка указывает японский язык и лицензию CC BY-SA 4.0.

Модель minhtoan/gpt3-small-vietnamese разработана Phan Minh Toan и представляет собой предварительно обученную языковую модель на архитектуре GPT-Neo, параметры которой заявлены как намеренно схожие с GPT-3 small. Она обучена на вьетнамских данных для генерации текста и подходит для продолжения и создания текста на вьетнамском языке. Модель содержит 146,7 млн параметров, использует формат PyTorch и имеет контекст длиной 1024 токена. В карточке указан набор данных WikiLingua. Лицензия в предоставленных сведениях не приведена.

Это авторская предварительно обученная языковая модель GPT-NeoX, разработанная Eunyoung Lee и обученная на вьетнамском наборе данных. Модель предназначена для генерации текста на вьетнамском языке. Архитектура — GPTNeoXForCausalLM с плотной сетью; объём модели составляет 1,7 млрд параметров, контекст — 2048 токенов. Репозиторий содержит веса PyTorch. В README указано, что обучение заняло около 4,5 часа и достигло 40 000 итераций.

Guru-v1 — языковая модель, разработанная SocioDynamicsAI и настроенная для общения на малаяламском языке. Она предназначена для выполнения инструкций и ответов на вопросы о государственных услугах Кералы, а также для общего общения на малаяламском; поддерживается и английский язык. Модель дообучена на подготовленных парах инструкций и ответов на малаяламском языке и распространяется в формате safetensors. Модель подходит для чат-ассистентов и справочных ответов о государственных услугах региона. За пределами этой тематики качество может варьироваться. Она не оценивалась для решений в юридических или медицинских ситуациях, поэтому такие ответы следует проверять. Лицензия — Apache-2.0.

Norod78/hebrew-gpt_neo-small — авторегрессионная языковая модель GPT-Neo, разработанная Norod78 для генерации текста на иврите. Модель содержит 137,7 млн параметров, принимает текст и выдаёт продолжение; нативная длина контекста составляет 2048 токенов. Модель обучена на TPUv3-8 на коллекции корпусов на иврите, включая OSCAR и CC100-Hebrew. Она подходит для генерации и продолжения текстов на иврите. Доступны веса в форматах PyTorch, Flax, ONNX и Safetensors. Лицензия — MIT.

hkcode-solar-youtube-merged — языковая модель, созданная Hyokwan и дообученная на основе SOLAR-10.7B. В карточке указано, что модель продолжает предварительное обучение; метаданные описывают её как плотную архитектуру Llama с классом LlamaForCausalLM и 10,6 млрд параметров. Длина контекста — 4096 токенов. Модель предназначена для генерации текста и диалогового взаимодействия на корейском языке. В качестве обучающего набора указан hyokwan/llama3data_hkcode, а карточка связывает разработку с финтех-направлением Корейского политехнического университета. Подробные сценарии использования не описаны. Модель распространяется по лицензии MIT. Возможны неточные, предвзятые или нежелательные ответы; перед применением рекомендуется проверять качество и настраивать меры безопасности под конкретный сценарий.

autopilot-ai разработал Indic-Sentence-Completion — дообученную на нескольких индийских языках авторегрессионную языковую модель семейства BLOOM. Это decoder-only модель на 3,8 млрд параметров для генерации продолжения текста; карточка также рассматривает её как основу для дообучения под последующие задачи на этих языках. Модель предназначена для работы с гуджарати, маратхи, бенгальским, пенджаби, каннада, малаялам, телугу, тамильским и хинди. Для адаптации к целевым задачам автор рекомендует PEFT LoRA; также описана возможность использовать модель с энкодером для задач преобразования последовательностей. Коммерческое использование запрещено; лицензия указана как other, без дополнительных условий в карточке. Карточка не приводит сведений о длине контекста или конкретных оценках качества.

lightblue/japanese-mpt-7b — текстовая генеративная модель на архитектуре MPT-7B, обученная разработчиком lightblue на базе чекпойнта mosaicml/mpt-7b. Для обучения использован японский поднабор датасета mC4; модель рассчитана на генерацию текста на японском языке. Модель представлена в формате PyTorch и распространяется по лицензии Apache-2.0. README рекомендует установить пакет einops для загрузки модели. Сведений о длине контекста и результатах оценки качества в доступных данных нет.

Llama-2-ko-OpenOrca-gugugo-13B — экспериментальная инструктивная языковая модель на архитектуре Llama 2, разработанная автором репозитория daekeun-ml. Модель дообучена на базе beomi/llama-2-koen-13b с использованием примерно 1 миллиона примеров набора OpenOrca-gugugo-ko; автор проверял, как большой объём данных влияет на качество и подчёркивает важность качества данных и распределения ключевых слов. Модель содержит 12,9 млрд параметров и имеет контекст до 2048 токенов. Модель предназначена для генерации текста и выполнения инструкций на корейском языке. Лицензия — Llama 2 License. Карточка описывает её как проверку концепции и часть эксперимента, поэтому качество ответов может зависеть от состава и распределения обучающих данных.

Medical-Qwen3-Swallow-32B — медицинская языковая модель TokyoTech, дообученная на базе tokyotech-llm/Qwen3-Swallow-32B-RL-v0.2 для японских клинических сценариев и исследований безопасности и надёжности медицинского ИИ. Это плотная причинно-следственная модель семейства Qwen3 с 29,7 млрд параметров, поддерживающая японский и английский языки; нативный контекст составляет 40 960 токенов. Для работы предусмотрены Transformers и совместимые с vLLM стеки. Модель предназначена для генерации ответов на медицинские вопросы и оценки качества моделей на японских медицинских бенчмарках. При адаптации использовались биомедицинская литература, синтетические медицинские данные, вопросы и ответы, а также тексты клинических рекомендаций; в обучении сохранялись и данные общего назначения. На перечисленных в карточке медицинских бенчмарках модель показала более высокие результаты, чем базовая модель. Лицензия — Apache 2.0. Модель предназначена для исследований и разработок, не валидирована как медицинское изделие и не заменяет профессиональное медицинское суждение. Её ответы могут содержать ошибки и небезопасные рекомендации, поэтому клинические применения требуют проверки человеком и соответствующей валидации.

facebook/mms-tts-awa — модель синтеза речи на языке авадхи, разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текстов на авадхи. Модель использует архитектуру VITS — сквозную систему синтеза речи на основе вариационного автокодировщика, нормализующих потоков и состязательного обучения. В состав входят текстовый энкодер на базе Transformer, стохастический предиктор длительности и декодер, построенный по принципу HiFi-GAN. Размер модели — 3,6 млн параметров; она доступна для PyTorch и safetensors и поддерживается библиотекой Transformers начиная с версии 4.33. Предсказатель длительности позволяет варьировать ритм речи, поэтому при одинаковом тексте результат может различаться; для воспроизводимой генерации нужен фиксированный seed. Модель предназначена для авадхи, и качество работы на других языках не заявлено. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-biv — модель синтеза речи на южном бирифорском языке, разработанная Meta в рамках проекта Massively Multilingual Speech. Это отдельный чекпойнт для языка biv на архитектуре VITS, энд-ту-энд модели, которая преобразует текст в речевую аудиоволну. Вариативный предсказатель длительности позволяет получать разные ритмические варианты произнесения одного текста; генерация недетерминирована, поэтому для повторяемого результата нужен фиксированный seed. Модель предназначена для озвучивания текста на южном бирифорском. Она содержит около 3,5 млн параметров и доступна для работы через Transformers версии 4.33 и выше. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не сообщает о поддержке других языков или о параметрах аудио на выходе.

facebook/mms-tts-bmu — модель синтеза речи для языка Сомба-Сиавари (bmu), созданная Facebook в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну; для каждого языка проекта обучается отдельный чекпойнт. Модель использует архитектуру VITS: текстовый энкодер на основе Transformer, flow-модуль, стохастический предиктор длительности и декодер аудиосигнала. Размер модели — 3,5 млн параметров. Стохастический предиктор позволяет варьировать ритм произнесения, поэтому для воспроизводимого результата требуется фиксированное начальное значение генератора случайных чисел. Модель предназначена для синтеза речи на Сомба-Сиавари, например для озвучивания текста. Она доступна в библиотеке Transformers начиная с версии 4.33. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое применение.

facebook/mms-tts-bov — модель синтеза речи на языке ту́вули (код bov), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует текст на ту́вули в речевую аудиоволну; для каждого языка проекта обучается отдельный чекпойнт. Модель основана на VITS — сквозной архитектуре с вариационным автоэнкодером, поточным модулем и декодером, напоминающим HiFi-GAN. В ней также используется стохастический предиктор длительности, поэтому один и тот же текст может звучать с разным ритмом, а для повторяемого результата требуется фиксировать seed. Веса содержат около 3,5 млн параметров и доступны в форматах PyTorch и safetensors. Модель можно использовать через Transformers версии 4.33 и выше. Она предназначена для озвучивания текста на ту́вули, а не для распознавания речи или генерации речи на других языках. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение.

facebook/mms-tts-did — модель синтеза речи на языке дидинга (Didinga, код did), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует текст на дидинга в речевую аудиоволну и предназначена для создания озвучивания на этом языке. Модель построена на архитектуре VITS и содержит около 3,5 млн параметров. VITS объединяет вариационный автоэнкодер, потоковый модуль, текстовый энкодер на основе Transformer и декодер, формирующий аудиоволну; стохастический предиктор длительности позволяет варьировать ритм речи. Для языков MMS-TTS выпускаются отдельные контрольные точки. Модель доступна через библиотеку Transformers. Генерация недетерминирована: для повторения результата требуется фиксировать seed. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

facebook/mms-tts-dsh — модель синтеза речи на языке даасанах, разработанная Facebook в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевой аудиосигнал; отдельный чекпойнт VITS обучен для этого языка. В метаданных указано 3,5 млн параметров, архитектура VITS, веса доступны в форматах PyTorch и Safetensors. VITS объединяет вариационный автоэнкодер, Transformer-энкодер текста, flow-модуль и декодер на основе свёрточных слоёв; стохастический предсказатель длительности позволяет варьировать ритм речи. Модель предназначена для озвучивания текста на даасанах и доступна через Transformers версии 4.33 и новее. Из-за стохастического предсказателя повторная генерация может давать разные результаты; фиксированный seed нужен для воспроизводимого аудио. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

facebook/mms-tts-gjn — модель синтеза речи для языка гонжа (Gonja, gjn), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует входной текст на гонжа в речевую аудиоволну и предназначена для озвучивания фраз и создания речевого аудио на этом языке. Модель использует архитектуру VITS и содержит около 3,5 млн параметров. Это отдельный языковой чекпойнт MMS-TTS; при генерации стохастический предиктор длительности может выдавать разные варианты произношения и ритма для одного текста. Для воспроизводимого результата требуется фиксированное начальное значение генератора случайных чисел. Модель доступна через Transformers версии 4.33 и новее, веса представлены в форматах PyTorch и Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Модель специализирована на гонжа; качество синтеза для других языков не заявлено.

facebook/mms-tts-huu — модель синтеза речи для языка Witoto, Murui (huu), созданная Facebook в рамках проекта Massively Multilingual Speech. Она преобразует текст на этом языке в речевую аудиоволну и предназначена для приложений озвучивания и синтеза речи. Модель основана на архитектуре VITS и содержит около 3,5 млн параметров; для каждого языка проекта MMS обучается отдельный чекпойнт. Модель поддерживается библиотекой Transformers версии 4.33 и новее, веса доступны в форматах PyTorch и Safetensors. Случайный предиктор длительности делает генерацию недетерминированной: для повторения того же результата требуется фиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование на условиях атрибуции и некоммерческого применения.

facebook/mms-tts-ifb — модель синтеза речи на языке Ifugao, Batad (ifb), разработанная Facebook в рамках проекта Massively Multilingual Speech. Она преобразует текст на этом языке в речевую аудиоволну и предназначена для озвучивания текста и создания речевых данных для приложений на языке Ifugao, Batad. Модель построена на архитектуре VITS и обучена отдельно для этого языка. Это сквозная система синтеза речи с вариационным автоэнкодером, flow-модулем и декодером на основе HiFi-GAN; предсказатель длительности позволяет варьировать ритм произношения. В репозитории указаны 3,5 млн параметров, а для загрузки доступны веса PyTorch и Safetensors. Модель поддерживается библиотекой Transformers версии 4.33 и новее. Модель предназначена для синтеза речи на Ifugao, Batad и не заявлена как многоязычная. Генерация недетерминирована: для получения одной и той же речевой волны требуется фиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но некоммерческое.

facebook/mms-tts-jmc — модель синтеза речи на языке Machame (код jmc), разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на Machame. Модель использует архитектуру VITS и содержит около 3,5 млн параметров. Это сквозная система синтеза речи с условным вариационным автоэнкодером, потоковым модулем и стохастическим предсказателем длительности, благодаря которому один и тот же текст может звучать с разным ритмом. Для работы доступна через библиотеку Transformers версии 4.33 и новее. Модель обучена отдельно для одного языка, поэтому её назначение ограничено синтезом речи на Machame. Генерация недетерминирована: для повторения результата требуется фиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-knj — модель синтеза речи на языке акатеко, разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует текст на акатеко в речевую аудиоволну и подходит для озвучивания коротких фраз и создания речевого вывода в приложениях. Модель основана на архитектуре VITS и содержит 3,5 млн параметров; для каждого языка MMS обучается отдельный чекпойнт. VITS синтезирует речь сквозным образом, используя текстовый энкодер, вероятностный предиктор длительности и декодер HiFi-GAN-подобного типа. Предиктор длительности позволяет получать разные ритмы речи; результаты синтеза недетерминированы, поэтому для воспроизводимости требуется фиксировать seed. Модель доступна через Transformers и распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

facebook/mms-tts-kus — модель синтеза речи на языке кусасал (Kusaal, kus), созданная Facebook в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на Kusaal. Модель использует архитектуру VITS и обучена как отдельный чекпойнт для этого языка. Это сквозная система синтеза с текстовым энкодером на основе Transformer, поточным модулем, декодером HiFi-GAN-подобного типа и стохастическим предсказателем длительности, который позволяет варьировать ритм речи. В репозитории указано 3,5 млн параметров; модель доступна для Transformers версии 4.33 и новее. Генерация недетерминирована: для повторения того же аудио требуется фиксированный seed. Модель предназначена для Kusaal, поэтому её применение к другим языкам не подтверждено. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

facebook/mms-tts-mee — модель синтеза речи для языка Mengen (mee), созданная в рамках проекта Massively Multilingual Speech компании Facebook. Она преобразует текст на Mengen в речевую аудиоволну и предназначена для озвучивания текста и создания синтетической речи на этом языке. Модель использует архитектуру VITS и содержит 3,5 млн параметров. Это отдельный языковой чекпойнт: для каждого языка в проекте MMS обучается собственная модель. Синтез выполняется сквозным образом; стохастический предиктор длительности позволяет получать разные ритмы речи для одного текста, поэтому для воспроизводимого результата нужен фиксированный seed. Модель доступна через Transformers версии 4.33 и выше. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не приводит подробностей о качестве речи или ограничениях для конкретных вариантов написания и содержания текста.

facebook/mms-tts-new — модель синтеза речи на языке ньюар, созданная Facebook в рамках проекта Massively Multilingual Speech (MMS). Она преобразует текст на ньюар в речевую аудиоволну и предназначена для озвучивания текста на этом языке. Модель использует архитектуру VITS: генерация выполняется сквозным способом с вариационным автоэнкодером, flow-модулем, декодером HiFi-GAN-подобного типа и стохастическим предсказателем длительности, который позволяет варьировать ритм речи. В репозитории указаны 3,6 млн параметров; веса доступны в форматах PyTorch и Safetensors, а запуск поддерживается библиотекой Transformers версии 4.33 и новее. Это отдельный языковой чекпойнт MMS-TTS для ньюар, поэтому его назначение ограничено синтезом речи на этом языке. Генерация недетерминирована: для повторения результата нужен фиксированный seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение.

facebook/mms-tts-raw — модель синтеза речи на языке Rawang из проекта Massively Multilingual Speech компании Facebook. Она преобразует текст на Rawang в речевую аудиоволну; для каждого языка проекта обучается отдельная модель. Модель построена на архитектуре VITS и доступна через библиотеку Transformers версии 4.33 и новее. Размер модели — 3,5 млн параметров. VITS объединяет текстовый энкодер на основе Transformer, flow-модуль и декодер для генерации аудио. Стохастический предиктор длительности позволяет варьировать ритм речи для одного и того же текста, поэтому результат может меняться между запусками; фиксированный seed позволяет воспроизводить один и тот же вариант. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

facebook/mms-tts-rop — модель синтеза речи на языке Kriol (код rop), созданная Meta в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текстов на Kriol. Для каждого языка в MMS-TTS обучается отдельный чекпойнт. Модель основана на архитектуре VITS: она объединяет вариационный автоэнкодер, Transformer-энкодер текста, flow-модуль, декодер в стиле HiFi-GAN и стохастический предиктор длительности. Размер модели — 3,5 млн параметров. Генерация недетерминирована, поэтому для повторения результата требуется фиксированное начальное значение генератора. Модель доступна через Transformers версии 4.33 и новее; лицензия CC BY-NC 4.0 ограничивает использование некоммерческими целями.

facebook/mms-tts-suz — модель синтеза речи на языке сунвар (Sunwar, код suz), разработанная Facebook в рамках проекта Massively Multilingual Speech. Это отдельный языковой чекпойнт семейства MMS-TTS: на вход подаётся текст, на выходе получается речевая волна. Модель основана на архитектуре VITS и содержит текстовый энкодер, flow-модуль, декодер и стохастический предиктор длительности; размер составляет 3,6 млн параметров. Модель предназначена для озвучивания текста на сунваре. Предиктор длительности позволяет варьировать ритм речи, поэтому одинаковый текст может звучать по-разному; для повторяемого результата требуется фиксировать seed. Чекпойнт доступен через Transformers версии 4.33 и выше и распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

facebook/mms-tts-tbk — модель синтеза речи на языке Tagbanwa, Calamian (код tbk), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну; для каждого языка MMS-TTS обучается отдельный чекпойнт. Модель использует архитектуру VITS — сквозную систему text-to-speech на основе условного вариационного автоэнкодера, flow-модуля и декодера, сочетающего подходы HiFi-GAN. Стохастический предиктор длительности позволяет варьировать ритм речи для одного текста, поэтому для повторяемого результата нужен фиксированный seed. Чекпойнт содержит 3,5 млн параметров и доступен в форматах PyTorch и Safetensors; для работы с ним подходит Transformers версии 4.33 и новее. Модель предназначена для синтеза речи на Tagbanwa, Calamian. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое. Карточка не приводит оценок качества или дополнительных ограничений применения.

facebook/mms-tts-tcs — модель синтеза речи на языке Torres Strait Creole (tcs), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует текст на этом языке в речевую аудиоволну и подходит для озвучивания текстов и создания синтетической речи. Модель построена на архитектуре VITS: это сквозная система с вариационным автоэнкодером, поточным модулем, декодером HiFi-GAN и стохастическим предсказателем длительности, благодаря которому речь может звучать с разным ритмом. Размер модели — 3,5 млн параметров; доступна в форматах PyTorch и safetensors и поддерживается библиотекой Transformers версии 4.33 и новее. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Генерация недетерминирована: для повторения результата требуется фиксированный seed.

facebook/mms-tts-tnn — модель синтеза речи на языке Tanna, North (tnn), разработанная Facebook в рамках проекта Massively Multilingual Speech. Это отдельный языковой чекпойнт семейства VITS: модель принимает текстовую последовательность и генерирует речевую форму сигнала. Архитектура VITS объединяет вариационный автоэнкодер, Transformer-энкодер текста, flow-модуль, декодер волновой формы и стохастический предсказатель длительности. Размер модели — 3,5 млн параметров; доступны веса PyTorch и Safetensors, использовать модель можно через Transformers версии 4.33 и новее. Модель предназначена для озвучивания текста на Tanna, North. Стохастический предсказатель длительности позволяет получать разные ритмические варианты речи для одного текста; генерация недетерминирована, поэтому для повторяемого результата нужно фиксировать seed. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но не коммерческое применение.