I.6Перевод и языковая адаптация

facebook/mms-tts-tpt — модель синтеза речи на языке тепехуа, диалект Тлачичилко (код tpt), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует текст на этом языке в речевую аудиоволну и предназначена для озвучивания текста и создания речевого вывода на языке, для которого обучен чекпойнт. Модель использует архитектуру VITS: это сквозная система синтеза речи с вариационным автоэнкодером, потоковым модулем, текстовым энкодером на основе Transformer, стохастическим предсказателем длительности и декодером, подобным HiFi-GAN. В метаданных указано 3,5 млн параметров; чекпойнт распространяется в форматах PyTorch и safetensors и поддерживается библиотекой Transformers версии 4.33 и новее. Отдельный чекпойнт MMS-TTS обучен для каждого языка. Генерация недетерминирована: для повторения того же результата требуется фиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение.

facebook/mms-tts-xon — модель синтеза речи на языке конкомба (xon), разработанная Meta в рамках проекта Massively Multilingual Speech. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на конкомба. Модель использует архитектуру VITS: текстовый энкодер на основе Transformer, вероятностный модуль длительности и декодер, который формирует аудиосигнал. Это отдельный чекпойнт, обученный для одного языка; число параметров — около 3,5 млн. 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. Генерация речи недетерминирована: для повторяемого результата требуется фиксированный seed. Модель ориентирована на конкомба, поэтому её не следует считать многоязычной или подходящей для других языков.

facebook/mms-tts-xrb — модель синтеза речи для языка караборо, восточный (xrb), разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну; отдельная модель VITS обучена для этого языка. Размер модели — 3,5 млн параметров. Архитектура VITS объединяет вариационный автоэнкодер, Transformer-энкодер текста, нормализующие потоки, стохастический предиктор длительности и декодер, построенный по принципу HiFi-GAN. Модель предназначена для озвучивания текста на восточном караборо. Стохастический предиктор позволяет получать варианты с разным ритмом, поэтому для воспроизводимого результата требуется фиксировать seed. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

mrm8488/mobilebert-finetuned-pos — модель MobileBERT, дообученная разработчиком mrm8488 для разметки частей речи в английском тексте. Она присваивает каждому токену метку части речи и запускается как модель классификации токенов в Transformers. Архитектура — MobileBertForTokenClassification; в метаданных указаны 59,7 млн параметров и контекст до 512 токенов. Модель принимает текст и выдаёт метки токенов. Её можно применять для определения частей речи в предложениях и подготовки лингвистической разметки. Карточка Hugging Face указывает лицензию MIT; оценок качества и дополнительных ограничений в доступных источниках нет.

NorT5 base — официальная базовая модель семейства NorT5, выпущенная авторами исследования NorBench — A Benchmark for Norwegian Language Models. Это модель типа T5 с архитектурой encoder-decoder и примерно 101,1 млн параметров в репозитории. Она предназначена для генеративных задач с норвежским текстом; в метаданных указана задача text-generation, а языковые теги охватывают норвежский, включая коды no, nb и nn. Модель принимает текст и генерирует текст, её контекст составляет 512 токенов. Для загрузки требуется пользовательская обёртка из modeling_nort5.py и параметр trust_remote_code=True. В README перечислены другие размеры семейства, но для этого репозитория размер из метаданных составляет 101,1 млн параметров. Модель опубликована под лицензией Apache-2.0.

ΩFFΣLLIα — это экспериментальная сборка в формате GGUF, опубликованная пользователем Brunobkr и основанная на модифицированном форке llama.cpp/GGML. Основное назначение проекта — запуск и квантование языковых моделей в среде llama.cpp с использованием пользовательского типа квантования Q4_2_H, а не разработка отдельной архитектуры нейронной сети. В идентификаторе артефакта заявлена связь с OpenAI gpt-oss-20B и дистилляцией GPT5.1/5.2, однако README не содержит подтверждённых сведений об архитектуре, размере базовой модели или процедуре дистилляции. Ключевая особенность — квантование Q4_2_H с размером блока 24 элемента и заявленной плотностью около 4,67 бит на вес. В описании также указаны нативный GGUF v3, поддержка llama.cpp и C++17, а также изменения в загрузчике моделей, конвертере Hugging Face в GGUF и утилитах квантования. Артефакт предназначен для локального или серверного текстового вывода, где важны уменьшенное потребление памяти и совместимость с пользовательской сборкой llama.cpp. Заявленные оптимизации, включая «геликоидальную» обработку, колесный решётчатый фильтр по модулю 420 и золотое сэмплирование, представлены в README как экспериментальные технические решения; их практическая эффективность и качество генерации количественно не подтверждены. README указывает языки Portuguese и English, но не раскрывает контекстное окно, поддерживаемые модальности, точные параметры модели, системные требования или результаты бенчмарков. Возможным ограничением является необходимость использовать сборку llama.cpp с поддержкой пользовательского типа Q4_2_H, поскольку стандартные реализации могут его не распознавать. Лицензия проекта указана как MIT.

Карточка модели justmeeandy/OmniVoice на Hugging Face совпадает с карточкой k2-fsa/OmniVoice, поэтому описание составлено по ней. 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.

Карточка модели hoanglinhn0/OmniVoice_k2 на Hugging Face совпадает с карточкой k2-fsa/OmniVoice, поэтому описание составлено по ней. 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.

Orpheus Australian-English TTS — это дообученная модель синтеза речи на базе canopylabs/orpheus-tts-0.1-pretrained, разработанная ablm​​ontazer. В основе — плотная Llama-архитектура с 3,3 млрд параметров и аудиокодеком SNAC с частотой 24 кГц; модель принимает текст на английском языке и генерирует монофоническую речь с австралийским акцентом. Поддерживаются восемь именованных голосов. Модель предназначена для озвучивания текста, например аудиокниг, диалогов, объявлений и демонстрационных голосовых интерфейсов. Обучение проводилось на аудиокнигах LibriVox и драматических чтениях из общественного достояния; в README приведены примеры генерации и рекомендации по температуре 0,5–0,7. Указанный авторами контекст — 131 072 токена. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. Авторы отмечают, что у одного из голосов было меньше обучающих данных, поэтому его генерация менее стабильна; выборка обучения составляла около 22 часов суммарно для восьми голосов.

Карточка модели UBC-NLP/Simba-TTS-tsn на Hugging Face совпадает с карточкой UBC-NLP/Simba-TTS-afr, поэтому описание составлено по ней. Simba-TTS-afr — модель синтеза речи на африкаанс из семейства Simba, разработанного UBC-NLP. Она преобразует текст в естественно звучащую речь и предназначена для голосовых интерфейсов и других сценариев озвучивания на африкаанс. В README модель отнесена к серии Simba-TTS и названа MMS-TTS; метаданные указывают архитектуру VITS, библиотеку Transformers и размер 3,5 млн параметров. Модель обучалась с использованием SimbaBench, набора данных для африканских языков. Модель принимает текст и генерирует аудио. README указывает африкаанс как целевой язык этой версии; серия ориентирована на африканские языки и языки с ограниченными ресурсами. Лицензия — CC BY 4.0. Метаданные помечают модель как automatic speech recognition, тогда как README описывает её назначение как text-to-speech; поэтому классификация задачи в каталоге может расходиться с назначением, заявленным авторами.

idajikuu/SpeechT5_TTS_Haitian — модель синтеза речи на основе архитектуры SpeechT5, дообученная на датасете CMU Haitian для креольского языка Гаити. Она преобразует письменный текст на гаитянском креольском в речь и подходит для озвучивания аудиокниг и работы голосовых помощников. Качество синтеза зависит от разнообразия и качества обучающих данных. Возможны ошибки, особенно при озвучивании сложных предложений и узкоспециализированной лексики. Модель распространяется в формате PyTorch; лицензия в предоставленных сведениях не указана.

SuZhiDiXia-7B — разговорная языковая модель Karsh-CAI на архитектуре Qwen2 с 7,1 млрд параметров. По карточке она дообучена на наборе данных Beautiful Chinese; для диалога используется формат Qwen/ChatML. В README в качестве базовой модели указана Qwen1.5-7B-Chat. Модель предназначена для генерации текста и общения на китайском языке. Контекст модели составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors; сведения о лицензии в доступных данных отсутствуют.

Synatra 7B v0.3 Base — языковая модель для генерации текста, разработанная Jeonghwan Park. Представленная версия TheBloke/Synatra-7B-v0.3-base-GGUF содержит квантизированные файлы модели в формате GGUF и предназначена для локального запуска и инференса с использованием llama.cpp и совместимых интерфейсов и библиотек. Модель основана на архитектуре Mistral, имеет размер 7B параметров и ориентирована на корейский язык. Это текстовая модель без заявленной поддержки дополнительных модальностей; в карточке не указана длина контекста. Для взаимодействия используется шаблон ChatML с системным сообщением, запросом пользователя и ответом ассистента. Доступны варианты квантизации от 2 до 8 бит, что позволяет выбирать компромисс между требованиями к памяти, скоростью работы и качеством генерации. Сильными сторонами модели являются возможность локального запуска на CPU и GPU, широкий выбор уровней квантизации и совместимость с llama.cpp, text-generation-webui, LM Studio, KoboldCpp и другими инструментами. Ограничения включают отсутствие подробных данных о качестве, обучающем наборе и длине контекста, а также возможное снижение точности при использовании более агрессивной квантизации. Лицензия модели — CC BY-NC 4.0, допускающая использование с обязательным указанием авторства и ограничениями на коммерческое применение.

Synatra-7B-v0.3-RP — разговорная языковая модель, разработанная как личный проект и дообученная на базе mistralai/Mistral-7B-Instruct-v0.1. Это плотная Mistral-модель с 7,1 млрд параметров и контекстом до 32 768 токенов; она использует формат диалога ChatML и предназначена для генерации ответов в чат-сценариях, включая RP-взаимодействия. В карточке приведены результаты Open LLM Leaderboard и отмечены планы по улучшению понимания языка и токенизатора. Модель поддерживает корейский язык. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение.

WindyTranslate/translate-fi-fi — модель машинного перевода от Windstorm Labs на архитектуре MarianMT. Это дообученная версия Helsinki-NLP/opus-mt-fi-fi: LoRA-адаптация на параллельных данных объединена с базовыми весами, изменены 36 из 254 тензоров. Модель содержит 42,1 млн параметров, распространяется в формате safetensors и рассчитана на работу через Transformers; длина контекста — 512 токенов. Модель предназначена для преобразования финского текста в финский, то есть для задач внутри одного языка. Карточка не приводит результатов оценки качества, поэтому пригодность для конкретного сценария следует проверять отдельно. Репозиторий лицензирован по Apache-2.0 и содержит атрибуцию исходной модели Helsinki-NLP.

Thorsten-Voice/tv-orpheus-v2 — немецкая модель синтеза речи проекта Thorsten-Voice, созданная на основе Orpheus TTS и архитектуры Llama. Модель содержит 3,3 млрд параметров и рассчитана на контекст до 131 072 токенов. Это дообученная версия tv-orpheus-v1: сначала базовую модель canopylabs/3b-de-ft-research_release обучили на записях Thorsten-Voice Dataset 2022.10, затем tv-orpheus-v2 дополнительно дообучили на 60 записях нейтральной повседневной речи с частотой 24 кГц. Модель преобразует немецкий текст в речь, стремясь воспроизводить естественную манеру речи исходного диктора. Она предназначена для озвучивания объяснений, утверждений, вопросов и предложений разной длины; по сравнению с v1 улучшены ритм и интонация длинных фраз. В отдельных случаях возможны артефакты и неожиданные паузы. Весовые файлы представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0; обучающие наборы, указанные в карточке, имеют лицензию CC0.

sarahai/uzbek-stt-3 — модель распознавания речи, разработанная Сарой Мусаевой при поддержке SSD. Это дообученная версия oyqiz/uzbek_stt, основанная преимущественно на данных, связанных с законодательством и военной тематикой. Модель предназначена для преобразования речи на узбекском языке в текст. Модель построена на архитектуре Wav2Vec2 с CTC-декодером, содержит около 402,7 млн параметров и принимает аудио. Она распространяется в формате Safetensors по лицензии Apache-2.0. Специализация на юридических и военных данных может влиять на качество распознавания за пределами этих тематик; в карточке не приведены оценки качества или сведения о длине аудио.

Vecteus-V2-7B — 7,1-миллиардная плотная языковая модель на архитектуре Mistral, созданная проектом Local-Novel-LLM-project с использованием векторного слияния моделей. Она предназначена для диалогов и широкого круга текстовых задач, включая создание текстов; для чата подходит шаблон Vicuna-v1.1. В README указано, что модель создана при поддержке высокопроизводительного GPU-сервера в рамках хакатона LocalAI, организованного сообществом, работающим с локальными LLM. Контекст модели составляет 8192 токена. Веса доступны в формате safetensors, библиотека для работы — Transformers. В рецепте слияния перечислены Vecteus, Neural Chat v3 и Ninja v2; точные идентификаторы исходных репозиториев не приведены. Лицензия — Apache-2.0. Модель рассчитана на японский язык согласно языковым метаданным. README не приводит оценки качества или подробные ограничения, поэтому пригодность для конкретных сценариев следует проверять на собственных данных.

Это предварительно обученная языковая модель GPT-2 medium для генерации текста на вьетнамском языке, представленная chronopt-research. Модель использует архитектуру GPT2LMHeadModel с 380 млн параметров и обучалась предсказывать следующий токен на текстах без ручной разметки. В качестве обучающих данных использована комбинация вьетнамских новостных корпусов, Wikipedia и набора OSCAR. Модель предназначена для продолжения вьетнамского текста и генерации фрагментов на его основе. Доступны веса в форматах PyTorch и Flax; максимальный контекст составляет 1024 токена. Лицензия — Apache-2.0. Поскольку это базовая языковая модель, её выводы могут быть фактически неточными и не следует считать ответы проверенными.

VinaLLaMA-2.7B-Chat — чат-модель на архитектуре LLaMA, разработанная для общения на вьетнамском языке. Она создаёт текст в ответ на сообщения пользователя и использует формат диалога ChatML. Модель содержит 2,7 млрд параметров, работает с контекстом до 4096 токенов и представлена в формате PyTorch. Модель подходит для вьетнамских диалоговых помощников, ответов на вопросы и генерации текста по запросу. В README приведён пример системной инструкции на вьетнамском языке; метаданные также указывают вьетнамский как язык карточки. Лицензия — Llama 2. Данных о качестве на других языках и специализированных областях применения в доступных материалах нет.

YorubaEnglish-CodeSwitching-TTS — модель синтеза речи от LyngualLabs, полученная полным дообучением VoxCPM2 с 2 млрд параметров. Она озвучивает текст на йоруба, английском и в смешанной йоруба-английской речи, используя оригинальную письменность йоруба без G2P, espeak и языковых тегов. Модель рассчитана прежде всего на клонирование голоса: для этого ей подают короткий образец речи и его расшифровку. Также доступен синтез по текстовому описанию голоса, но на этом чекпойнте он работает ненадёжно. Обучение проводилось на корпусе объёмом около 1 039 часов из четырёх источников; оно остановлено после 28 000 шагов, примерно на 1,06 эпохи, до выхода валидационной ошибки на плато. Поэтому качество заметно различается между фразами, особенно при озвучивании имён и редких выражений. Обучение на нескольких дикторах также делает референсный аудиоклип полезным для более стабильного голоса. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое применение.

Nondzu/zephyr-7b-beta-pl — экспериментальная чат-модель для генерации текста на польском языке, созданная дообучением HuggingFaceH4/zephyr-7b-beta методом QLoRA. В основе — плотная авторегрессионная архитектура Mistral с 7,1 млрд параметров; заявленный контекст — до 32 768 токенов. Модель обучалась на польских инструкционных данных и текстах прозы и использует шаблон запросов Alpaca. Модель подходит для ответов на инструкции, диалогов и генерации польского текста. Карточка помечает её как альфа-эксперимент и предупреждает, что качество и поведение не прошли полную проверку, поэтому ответы могут быть ненадёжными. Доступны веса PyTorch и safetensors. Лицензия — MIT.

minlik/chinese-llama-7b-merged — китайская языковая модель семейства LLaMA, созданная добавлением китайского словаря токенов и продолжением предобучения китайских эмбеддингов. Она предназначена для генерации текста на китайском языке. Модель имеет плотную архитектуру LlamaForCausalLM с 6,7 млрд параметров, принимает текст и выдаёт текст; родной контекст составляет 2048 токенов. Модель может служить основой для генерации китайского текста и экспериментов с китайскими языковыми моделями. В README и метаданных не приведены результаты оценки качества или подробности лицензии.

Pravega-TTS v5 — модель синтеза речи на базе CosyVoice 3, дообученная разработчиком dheeyantra для индийских языков и индийского английского. Она преобразует текст в речь и поддерживает клонирование голоса по короткому аудиообразцу и его точной расшифровке: фиксированный идентификатор диктора не требуется. Выходное аудио — моно, 24 кГц. В репозитории используются форматы ONNX и Safetensors; библиотека — CosyVoice. Модель рассчитана на синтез речи на 11 индийских языках и индийском английском, а также на арабском и европейских языках, сохранённых от базовой модели. Дообучены языковая модель преобразования текста в токены и flow-matching-декодер; вокодер, речевой токенизатор, энкодер говорящего и текстовый энкодер оставлены от базы. Для клонирования нужен чистый монофонический клип длиной 4–12 секунд с точной текстовой расшифровкой. Опубликованные оценки CER показывают улучшение для проверенных индийских языков и сохранение качества на нескольких европейских языках, однако тесты включают лишь 1–4 клипа на язык. Автоматическая оценка ограничена возможностями Whisper, особенно для некоторых индийских языков; естественность речи, сходство голоса и длинные либо смешанные по языкам фрагменты формально не оценивались. Модель не валидирована для критически важных сценариев. Лицензия репозитория указана как other; лицензия Apache-2.0 относится к базовой модели, а не подтверждает условия использования Pravega-TTS.

Англоязычная модель классификации текста на базе небольшого энкодера ELECTRA. pszemraj дообучил google/electra-small-discriminator на наборе GLUE CoLA для распознавания грамматической приемлемости предложений: модель относит входной текст к одному из классов. Веса содержат 20,4 млн параметров, контекст ограничен 512 токенами; доступны в форматах PyTorch и safetensors. На оценочной выборке CoLA модель показала Matthews Correlation 0,5510 и loss 0,4403. Она подходит для проверки грамматической приемлемости английских предложений и экспериментов с классификацией предложений. Лицензия — Apache-2.0.

dahara1/ELYZA-japanese-Llama-2-7b-fast-instruct-GPTQ — это GPTQ-квантизированная версия инструкционной языковой модели ELYZA-japanese-Llama-2-7b-fast-instruct. Модель основана на архитектуре Meta Llama 2, дополнительно предобучена на японском языке и дообучена для следования инструкциям; исходную модель разработала команда ELYZA, а данную квантизированную версию опубликовал dahara1. Модель предназначена для генерации текста, диалоговых ответов, выполнения инструкций на японском и частично на английском языках, а также для написания связного текста по заданному запросу. Она имеет около 6,7 млрд параметров и контекст до 4096 токенов. Квантизация GPTQ уменьшает размер модели примерно до 4,11 ГБ и снижает требования к памяти, но может ухудшать качество и скорость в зависимости от окружения. Для работы требуется библиотека AutoGPTQ и как минимум один GPU из-за ограничений библиотеки Accelerate. Свободная версия Hugging Face Spaces для запуска не подходит. README отмечает заметное ухудшение способности следовать инструкциям по сравнению с исходной моделью, включая склонность к повторениям. Модель распространяется по лицензии llama2.

firstpixel/F5-TTS-pt-br — экспериментальный чекпойнт синтеза речи на бразильском португальском, дообученный Firstpixel на базе SWivid/F5-TTS. Репозиторий содержит веса PyTorch в формате Safetensors; в карточке также указан датасет firstpixel/pt-br_char. Модель предназначена для преобразования текста в речь на португальском языке Бразилии. Автор описывает обучение на смешанных данных Common Voice и Facebook и приводит сведения о нескольких этапах обучения. README предупреждает, что это предварительная тестовая версия, которая говорит только по-португальски; для чисел рекомендуется подавать их словами, а текст — в нижнем регистре. Лицензия — CC BY-NC 4.0, предусматривающая некоммерческое использование. README упоминает обработку ссылок на голос и эмоцию через обёртку AgentF5TTS, но не подтверждает, что это отдельные возможности самого чекпойнта.

Phonepadith/gemma4-26b-a4b-laos — дообученная мультимодальная модель семейства Gemma 4, созданная Phonepadith на основе unsloth/gemma-4-26b-a4b-it. Для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель предназначена для диалогового взаимодействия с текстом и изображениями; в карточке также заявлен интерфейс вызова инструментов. Модель использует архитектуру Gemma4ForConditionalGeneration и распространяется в формате safetensors по лицензии Apache-2.0. В метаданных указан английский язык; название модели указывает на настройку для лаосского языка, однако README не описывает обучающие данные или качество работы на лаосском. Данных о размере и длине контекста в предоставленных источниках нет.

Это авторская языковая модель GPT-2, обученная для турецкого языка и опубликованная hakanbogan. Модель обучалась на текстах из корпуса OSCAR в течение пяти эпох; для неё создан токенизатор byte-level BPE со словарём на 52 тысячи токенов. Доступны веса PyTorch и TensorFlow, а также формат Flax. Контекст модели составляет 1024 токена. Модель предназначена для генерации турецкого текста и как отправная точка для дообучения на специализированных текстах. Её можно использовать для продолжения заданного фрагмента и создания чернового текста на турецком языке. Это плотная авторегрессионная модель класса GPT2LMHeadModel. Условия лицензии в предоставленных данных не приведены.

Карточка модели NeoSapian/GURU-v1 на Hugging Face совпадает с карточкой SocioDynamicsAI/GURU-v1, поэтому описание составлено по ней. 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.