I.6Перевод и языковая адаптация

VoxCPM2-Ghana — модель синтеза речи, созданная Mich-Seth Owusu дообучением VoxCPM2 от Microsoft на ганской речи с транскрипциями в IPA. Она принимает последовательности фонем IPA, разделённые пробелами, и генерирует речь с частотой дискретизации 48 кГц. Для преобразования обычного текста в IPA требуется предварительная фонемизация; автор рекомендует ghana-g2p для ганских языков. Модель поддерживает 42 языка Ганы, английский с ганским акцентом и переключение между языками. Архитектура включает языковую модель типа LLaMA примерно на 5 млрд параметров и декодер AudioVAE; доступна генерация с голосовым образцом через reference_wav_path. Модель рассчитана на синтез речи для ганских языков и английского, в том числе формальной речи и смешанного Twi-English. Обучение проводилось на примерно 747 часах аудио, преимущественно на начитках библейских текстов, поэтому разговорная интонация может быть менее естественной; качество и разнообразие данных различаются между языками, а английские записи могут содержать фоновый шум. Явного управления идентичностью диктора нет, поэтому голос может меняться между генерациями. Для IPA необходимо отключить нормализацию текста параметром normalize=False. Лицензия — CC BY-NC 4.0, коммерческое использование ею не разрешено.

cooler8/yejin-korean-3b-v2-dpo — корейская диалоговая модель, разработанная cooler8 и дообученная методом Direct Preference Optimization (DPO) на тщательно отобранных корейских предпочтениях. Она предназначена для следования сложным инструкциям на корейском языке, беседы, рассуждений и многошагового диалога; метаданные также отмечают английский язык и возможность чата. Модель построена на плотной архитектуре Qwen3ForCausalLM с примерно 3 млрд параметров. Она принимает и генерирует текст, использует токенизатор с корейским словарём на 64 000 токенов и поддерживает контекст до 4096 токенов. Распространяется в формате safetensors по лицензии Apache-2.0. Карточка заявляет настройку на корейских парах предпочтений, но не приводит результатов оценки качества. Контекст ограничен 4096 токенами; сведения о фактической производительности и качестве ответов на английском языке не приводятся.

AraToken-Qwen3-0.6B-CPT — плотная авторегрессионная языковая модель mariklolik, полученная продолжением предобучения Qwen3-0.6B-Base на 500 млн токенов арабского корпуса FineWeb2-HQ-ar. В модели 507,9 млн параметров; исходный токенизатор Qwen3 сохранён, а токенизатор репозитория включает нормализацию арабского текста: NFKC, удаление татвиля и диакритических знаков, преобразование цифр к западному написанию и обработку латинской пунктуации. Контекст — до 32 768 токенов. Модель предназначена для генерации текста и экспериментов с арабским языковым моделированием. По оценке BPC на 1 500 документах тестовой части указанного корпуса она получила 1,4047 против 1,5446 у исходной Qwen3-0.6B-Base; результат AraToken-Qwen3-0.6B-LEP в том же сравнении выше — 1,3219. Поддерживаются арабский и английский языки. Репозиторий использует Transformers и формат safetensors; лицензия — Apache-2.0. Это компактная модель с целевым улучшением обработки арабского текста, но приведённая оценка ограничена конкретным тестовым набором и не характеризует все сценарии генерации.

BiMediX-Bi — двуязычная медицинская языковая модель с архитектурой Mixtral-8x7B-Instruct-v0.1, разработанная исследователями Университета искусственного интеллекта имени Мохамеда бин Заида (MBZUAI). Модель содержит 7,1 млрд параметров, использует архитектуру смеси экспертов Mixtral и поддерживает контекст до 32 768 токенов. Она обучена на двуязычном наборе медицинских взаимодействий BiMed1.3M и предназначена для работы на английском и арабском языках. Модель подходит для медицинских диалогов, ответов на закрытые вопросы и вопросов с вариантами ответа. В карточке приведены оценки на медицинских тестах, где BiMediX превосходит указанные базовые модели. Возможны галлюцинации, токсичные ответы и стереотипы, поэтому ответы требуют проверки и не заменяют профессиональную медицинскую консультацию. Указанная лицензия — CC BY-NC-SA 4.0; README также заявляет исследовательское назначение.

Carrot-Ko-2B-Instruct — корейская разговорная языковая модель CarrotAI, дообученная с помощью Axolotl на созданном разработчиком наборе инструкций на корейском языке. Это плотная причинно-авторегрессионная модель семейства Qwen2 с 2,1 млрд параметров, основанная на Qwen/Qwen2-1.5B-Instruct. Она предназначена для диалогов и генерации ответов на корейском языке; заявленный контекст — до 32 768 токенов. В карточке приведены результаты LogicKor, включая общий балл 4,21 в режиме default; показатели заметно различаются по категориям и режимам, а математика выглядит слабой стороной. Разработчик отмечает, что модель всё ещё экспериментальная. Она может быть полезна для прототипирования корейских чат-ботов и систем ответов на вопросы, но качество стоит отдельно оценить на целевых запросах. Репозиторий содержит веса PyTorch; лицензия — MIT.

COKAL_merged_test-v1-13B — авторегрессионная языковая модель на архитектуре LLaMA 2, разработанная Сыню Ли (Seungyoo Lee, DopeorNope) в рамках исследовательского консорциума компаний 미디어그룹사람과숲 и 마커. Модель объединяет COKAL-DPO-13b-v2 и DopeorNope-maestro-v2-DPO-13b методом slerp merge и предназначена для генерации текста, в том числе ответов в формате Alpaca. Модель содержит 12,9 млрд параметров, принимает и генерирует текст, поддерживает корейский язык и имеет контекст 2048 токенов. В README приведены результаты на корейском наборе бенчмарков KO-LLM Leaderboard; они показывают близкие к базовым моделям средние показатели, но сами по себе не гарантируют качество на пользовательских задачах. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространения производных материалов на той же лицензии и запрещает коммерческое использование.

JONGYUN/DPO_Test_2 — текстовая генеративная модель, разработанная JongYun CHOI на основе yanolja/KoSOLAR-10.7B-v0.2. Это плотная causal language model семейства Llama с 10,6 млрд параметров; модель работает с текстом и рассчитана на контекст до 4096 токенов. В карточке приведён шаблон вопроса и ответа на корейском языке, а обучение указано на закрытом наборе данных. Модель предназначена для генерации ответов на инструкции и вопросы на корейском языке. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Сведения о качестве, подробном составе данных и результатах оценки не приведены.

Echora MOSS 0.9B Multilingual Lyrics Transcriber — многоязычная аудиомодель для распознавания текста песен по музыкальной записи и вывода приблизительных временных меток для строк. Модель размером около 0,9 млрд параметров создана как дообучение OpenMOSS-Team/MOSS-Transcribe-Diarize; архитектура MOSS-Transcribe-Diarize, веса в формате safetensors. Входной текст песни не требуется. Модель предназначена для обработки личных музыкальных библиотек и проектов отображения текста песен. Для музыки рекомендуется сначала отделять вокал, затем распознавать его окнами с перекрытием и контролировать повторы. Временные метки указываются в секундах; метки говорящих не подтверждают личность певца. Модель распространяется по лицензии Apache-2.0. Распознанный текст может содержать ошибки, пропуски и вымышленные слова, особенно при повторах, ад-либах, наложении вокала и эффектах. Точность зависит от языка, разборчивости вокала и качества записи; инструментальные фрагменты могут породить лишний текст, а отделение вокала и объединение окон — внести дополнительные ошибки. Результат следует проверять перед использованием.

Flammen16 Chinese DPO Mistral 7B — языковая модель на архитектуре Mistral, разработанная nbeerbower. Модель получена слиянием предварительно обученных моделей и дообучением методом Direct Preference Optimization на китайском наборе предпочтений wenbopan/Chinese-dpo-pairs; метаданные связывают её с flammenai/flammen16-mistral-7B. Вес модели составляет 7,1 млрд параметров, максимальный контекст — 32 768 токенов. Модель предназначена для ролевых диалогов, творческого письма и задач общего назначения. README отмечает её экспериментальный характер и не рекомендует использовать её в производственной среде. Доступна по лицензии Apache 2.0.

Koichi Yasuoka разработал модель GPT-2 для морфологического анализа японского текста. Она дообучена на основе ku-nlp/gpt2-medium-japanese-char и присваивает каждому короткому слову универсальную часть речи UPOS и признаки FEATS; карточка также указывает поддержку синтаксического разбора зависимостей. Модель предназначена для разметки японских предложений и может использоваться в конвейерах анализа текста через Transformers. Модель использует плотную архитектуру GPT-2 и принимает текст, выдавая токенную разметку. Контекст составляет 1024 токена. Репозиторий содержит веса PyTorch, лицензия — CC BY-SA 4.0. README предлагает запуск через pipeline с пользовательским кодом.

KLTN_COQE_viT5_total_ASOPL — дообученная модель VietAI на базе VietAI/vit5-large, архитектура T5 с 389,3 млн параметров. Репозиторий создан в декабре 2023 года; веса опубликованы в формате safetensors, лицензия — MIT. Карточка не описывает назначение модели, обучающие данные или результаты оценки. Базовая модель рассчитана на генерацию текста на вьетнамском языке, включая ответы на вопросы, суммаризацию и перевод, однако подтверждений, что это дообучение сохраняет или специализирует эти возможности, нет.

KULLM-Polyglot-12.8B-v2 — языковая модель, дообученная командой nlpai-lab на EleutherAI/polyglot-ko-12.8b с использованием KULLM v2. Это плотная авторегрессионная модель семейства GPT-NeoX с 16,9 млрд параметров, предназначенная для генерации текста. Карточка указывает корейский язык и контекст до 2048 токенов. Модель можно применять для генерации корейского текста и построения текстовых приложений на базе KULLM v2. Она распространяется в формате PyTorch по лицензии Apache-2.0. В карточке нет подробных результатов оценки качества или рекомендаций по конкретным сценариям, поэтому пригодность для отдельных задач следует проверять самостоятельно.

Liujgoj-Cantonese-Qwen2.5-Omni-7B-CPT — базовая модель с продолженным предобучением, созданная Yvthyvq / Liujgoj Cantonese Project на основе Qwen/Qwen2.5-Omni-7B. Это плотная модель семейства Qwen2.5-Omni, адаптированная к кантонскому языку в латинской орфографии Liujgoj и традиционным китайским иероглифам. Обучение с LoRA затронуло языковое ядро thinker и было направлено на усвоение фонологии, границ слогов, тоновых маркеров и словаря Liujgoj. Модель предназначена для продолжения текста, обработки орфографии Liujgoj и как основа для последующего дообучения разговорных помощников и кантонских NLP- и речевых систем. Её можно использовать для анализа фонологии, проверки написания, сегментации и текстовой части конвейеров ASR и TTS. Хотя базовая модель Qwen2.5-Omni мультимодальна, README описывает эту производную прежде всего как CPT-модель языкового ядра; заявленные задачи для неё относятся к тексту. Это не модель, настроенная на следование инструкциям: она продолжает текст и не предназначена для прямых ответов в формате диалога без дополнительного SFT. Модель распространяется по лицензии Apache-2.0.

PabloSuaLap разработал PabloSuaLap/llama-3-8b-chat-reglamentacion-V1 — чат-модель для генерации текста на основе Llama 3, дообученная на наборе PabloSuaLap/Reglamentacion-Extended. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров; для работы с контекстом поддерживает до 8192 токенов. Карточка указывает на многоязычность модели, однако конкретные языки и подробности её целевых сценариев не приведены. Название и использованный датасет указывают на тематику регламентов, но README не описывает подтверждённые задачи или качество на них. Репозиторий содержит веса в формате safetensors. Сведения о лицензии и известных ограничениях отсутствуют.

ai-forever/mGPT-armenian — авторегрессионная языковая модель семейства mGPT, разработанная AI Forever и дообученная для генерации текста на армянском языке. В основе — mGPT с архитектурой GPT-3, реализованной на базе GPT-2; базовая семья mGPT насчитывает 1,3 млрд параметров и предварительно обучалась на 60 языках. Для этой версии использовали около 170 ГБ армянских текстов из MC4, Archive.org, EANC, OpenSubtitles, OSCAR и блогов. Модель предназначена для продолжения и генерации армянского текста, а также может применяться в языковых экспериментах и сценариях с малоресурсным армянским. Контекст составляет 2048 токенов. Обучение базовой модели использовало разреженное внимание, а на последних этапах дообучения разреженность отключили для совместимости с классом GPT-2 в Transformers. Модель подходит для исследовательских и прикладных прототипов генерации текста. В README приведено значение perplexity 2,046 на валидации, но сравнительные условия оценки не описаны. Лицензия репозитория — Apache-2.0.

Это модель автоматического распознавания речи на языке эве, созданная как адаптер на основе facebook/mms-1b-all и дообученная на чтениях Библии из набора BibleTTS. Она использует архитектуру wav2vec2 с классификационной CTC-головой и принимает аудио, выдавая текст. В обучении участвовало около 2,2 млн параметров из 965 млн параметров базовой модели; общий размер модели в метаданных указан как 1,3 млрд параметров. Модель предназначена прежде всего для транскрибирования чтений библейского текста на эве. На 66 тестовых фрагментах из того же типа данных получены WER 6,9% и CER 1,2% после нормализации, исключающей знаки пунктуации и тоновые диакритические знаки. На спонтанной речи из набора WAXAL WER составляет 50,4%; преимущество перед исходным адаптером статистически не подтверждено, поэтому модель не следует считать улучшенным распознавателем общей речи на эве. Модель разработал Daniel Dzikunu как часть набора инструментов LIBOG для языков Ганы. Она наследует лицензию CC BY-NC 4.0, запрещающую коммерческое использование; в карточке также отмечена лицензионная несовместимость этой лицензии с CC BY-SA 4.0 обучающих данных BibleTTS.

facebook/mms-tts-lnd — модель синтеза речи на языке лундее из проекта Massively Multilingual Speech компании Facebook. Это отдельный чекпойнт VITS, обученный для одного языка; архитектура объединяет условный вариационный автоэнкодер, потоковый модуль и декодер, формирующий речевую волну. Модель содержит 3,5 млн параметров и принимает текст, выдавая аудио. Она доступна через библиотеку Transformers версии 4.33 и новее. Модель предназначена для озвучивания текста на лундее. Стохастический предсказатель длительности позволяет получать варианты с разным ритмом; поэтому результат может меняться между запусками, и для воспроизводимости нужен фиксированный seed. Репозиторий содержит веса PyTorch и Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение.

facebook/mms-tts-not — модель синтеза речи на языке номацингенга, созданная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую волну и предназначена для озвучивания текстов на номацингенга. Модель использует архитектуру VITS: это сквозная система синтеза речи с вариационным автоэнкодером, flow-модулем, декодером на основе HiFi-GAN и стохастическим предсказателем длительности. Для языка проекта обучена отдельная модель; размер чекпойнта — 3,5 млн параметров. Модель доступна через Transformers версии 4.33 и новее. К модели применима лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование. Из-за стохастического предсказателя длительности синтез недетерминирован: для повторения результата требуется фиксировать seed. Модель предназначена для одного языка и не подходит для синтеза речи на других языках.

facebook/mms-tts-sxb — модель синтеза речи для языка Suba (sxb), разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует текст на Suba в речевую аудиоволну; для каждого языка проекта обучается отдельный чекпойнт. Модель доступна через библиотеку Transformers версии 4.33 и новее. Модель построена на архитектуре VITS и содержит 3,5 млн параметров. В её состав входят текстовый кодировщик на основе Transformer, условный вариационный автоэнкодер, модуль предсказания длительности и декодер HiFi-GAN. Стохастический предсказатель длительности позволяет получать варианты ритма для одного текста, поэтому генерация недетерминирована; фиксированный seed нужен для воспроизведения того же результата. Репозиторий распространяет веса в форматах PyTorch и Safetensors. Модель подходит для озвучивания текста на Suba, например для голосовых интерфейсов и аудиоверсий текстового содержимого. Она специализирована на одном языке и не предназначена для синтеза речи на других языках. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

facebook/mms-tts-wap — модель синтеза речи на языке вапишана (Wapishana, код wap), разработанная Facebook в рамках проекта Massively Multilingual Speech. Это отдельный чекпойнт для одного языка из семейства MMS-TTS, построенный на архитектуре VITS и содержащий около 3,5 млн параметров. Модель принимает текст на вапишана и генерирует речевую аудиоволну. VITS объединяет вариационный автоэнкодер, текстовый энкодер на основе Transformer, модуль предсказания длительности и декодер, подобный HiFi-GAN; стохастический предсказатель длительности позволяет варьировать ритм речи. Чекпойнт доступен через библиотеку Transformers версии 4.33 и новее. Модель подходит для озвучивания текста и создания речевого вывода на вапишана. Генерация недетерминирована: для повторения того же результата требуется фиксировать seed. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не для коммерческих целей.

Предварительно обученная модель mT5 для румынского языка, разработанная Штефаном Думитреску, Михаем Илие и Пером Эгилем Куммервольдом. Это encoder–decoder архитектура T5 с примерно 291,2 млн параметров по метаданным; веса доступны в формате PyTorch. Модель обучали на очищенном корпусе румынских текстов объёмом 80 ГБ с задачей восстановления пропущенных фрагментов текста, используя последовательности энкодера длиной 512 и декодера длиной 256 токенов. Модель служит базой для последующего дообучения под задачи генерации и преобразования текста, например суммаризации, перевода или ответов на вопросы. Самостоятельно решать прикладные задачи она не предназначена: перед использованием необходимо дообучить её на целевой задаче. Для повышения качества текста README рекомендует заменять румынские буквы с седилью ş и ţ на их варианты с запятой снизу ș и ț. Лицензия — Apache-2.0.

thanathorn/mt5-cpe-kmutt-thai-sentence-sum — модель mT5-base, дообученная студентом направления компьютерной инженерии Технологического университета Тхонбури имени короля Монгкута для суммаризации отдельных предложений на тайском языке. Она принимает текст и генерирует его краткое изложение; обучалась на парах текстов и резюме на тайском языке. В метаданных указаны архитектура MT5ForConditionalGeneration, 291,2 млн параметров и формат PyTorch. Модель предназначена для суммаризации предложений на тайском языке, например для сжатия коротких фрагментов текста. В README приведена оценка ROUGE-1 61,78, ROUGE-2 45,97 и ROUGE-L 59,35. Автор предупреждает, что модель не предназначена для суммаризации абзацев. Лицензия в доступных данных не указана.

MuRIL — многоязычная BERT-модель Google для индийских языков, представленная в этом репозитории как неофициальная конверсия исходной модели из TFHub. Она предварительно обучена на 17 индийских языках и их вариантах транслитерации с помощью masked language modeling и предназначена для задачи fill-mask: предсказания скрытых слов в тексте. Модель содержит 264,8 млн параметров, поддерживает последовательности до 512 токенов и доступна в форматах PyTorch, TensorFlow и Flax. Модель подходит для восстановления пропусков и анализа контекста на индийских языках, включая тексты с транслитерацией. Репозиторий описывает перенос весов из TFHub через форматы H5 и PyTorch для совместимости с Transformers. Лицензия — Apache 2.0. Карточка не приводит оценок качества на отдельных языках.

NaijaBERT Large — многоязычная модель Davlan для предсказания замаскированных токенов в текстах на пяти нигерийских языках: английском, хауса, игбо, наиджа и йоруба. Она основана на архитектуре BERT и обучена методом предварительного обучения с удалением токенов примерно на 100 тысячах шагов; в метаданных указано 474,3 млн параметров и контекст до 512 токенов. Модель предназначена для восстановления пропущенных слов и анализа контекста в предложениях на поддерживаемых языках. Её можно использовать через Transformers pipeline с задачей fill-mask. Обучающие данные включали WURA, Wikipedia и MT560. Модель опубликована в формате PyTorch по лицензии Apache-2.0.

rcds/neg-xlm-roberta-base — модель на базе XLM-R-Base, разработанная для разрешения области действия отрицания в юридических текстах. Она размечает токены, выделяя маркеры отрицания и связанные с ними области. Модель обучалась на многоязычном наборе Multi Legal Neg, а также на ConanDoyle-neg, SFU Review, BioScope и Dalloux. Архитектура — XLM-RoBERTa для классификации токенов, размер — 305,2 млн параметров, максимальный контекст — 514 токенов. Поддерживаются немецкий, французский, итальянский и английский языки. Модель предназначена для анализа юридических документов и исследований лингвистических явлений, связанных с отрицанием. В опубликованной оценке F1 составил 92,49 для французского, 88,81 для итальянского и 95,66 для немецкого варианта данных DE. Эти результаты относятся к указанным тестовым наборам и не гарантируют такое же качество на других юридических текстах. Разработчики рекомендуют учитывать возможные смещения и ограничения модели. Лицензия — CC BY-SA.

OpenCALM Large — авторегрессионная языковая модель на основе Transformer с архитектурой GPT-NeoX, разработанная CyberAgent, Inc. Модель содержит около 986 млн параметров по метаданным каталога; в таблице README указано 830 млн параметров. Это крупный вариант семейства OpenCALM, предварительно обученный на японских данных, включая Википедию и Common Crawl. Модель предназначена для генерации текста на японском языке и может использоваться для продолжения текста и построения приложений на основе языковой генерации. Она принимает текст и выдаёт текст, использует библиотеку GPT-NeoX и имеет контекстное окно 2048 токенов. Лицензия — CC BY-SA 4.0; при использовании необходимо указывать авторство CyberAgent, Inc.

OpenCALM medium — разработанная CyberAgent, Inc. авторегрессионная языковая модель Transformer на архитектуре GPT-NeoX. Она содержит 456 млн параметров и предназначена для генерации текста на японском языке; модель обучалась на японских материалах Wikipedia и Common Crawl. В таблице семейства для версии medium указаны 400 млн параметров, 24 слоя, размерность 1024 и 16 голов внимания, тогда как метаданные репозитория указывают 456 млн параметров. Модель подходит для генерации японского текста и экспериментов с языковыми моделями. Контекст составляет 2048 токенов. Репозиторий содержит веса PyTorch. Лицензия — Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0), с требованием указать авторство CyberAgent.

Модель enesyila/ota-roberta-base-kadisicilleri разработана Enes Yılandiloğlu и дообучена на основе FacebookAI/xlm-roberta-base для заполнения пропусков в османско-турецких текстах. Она ориентирована на судебные и административные документы kadı sicilleri: обучающая выборка включает записи из Стамбула и Диярбакыра XVI–XX веков. Модель принимает текст с маскированными словами и предсказывает подходящие варианты; указанный размер — 305,2 млн параметров, длина контекста — 514 токенов. Модель подходит для восстановления и дополнения предложений, а также как основа для последующих задач разметки именованных сущностей, UD-аннотации, перевода и классификации. Эти downstream-задачи описаны в карточке как возможные направления применения, но основная задача модели — fill-mask. Транслитерация обучающих данных не соответствует системе IJMES: для лучшей совместимости рекомендуется использовать исходный формат написания, включая символы â, î, ô и û. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Pathumma-llm-vision-1.0.0 — мультимодальная языковая модель, разработанная командой NECTEC и дообученная на базе HuggingFaceM4/Idefics3-8B-Llama3. Модель содержит 8 млрд параметров и сочетает обработку изображений с генерацией текста; её основные задачи — ответы на вопросы об изображениях и создание подписей к ним. Модель предназначена для приложений доступности, образовательных инструментов и взаимодействия с визуальным контентом. В README описано дообучение на тайских данных, включая наборы для подписей к изображениям и текстовые данные, а также на синтетических примерах. Указаны языки тайский и английский; результаты оценки на IPU24 приведены для тайского набора данных. В README сообщается о результате SacreBLEU 17,66370 на IPU24 и точности 30,34% на частном наборе для VQA. К ограничениям отнесены возможные смещения обучающих данных и снижение качества на незнакомых изображениях или нестандартных формулировках вопросов. Лицензия в карточке обозначена как «Specify License», поэтому условия использования по предоставленным сведениям установить нельзя.

Qwen-Image-2.1-PE-T2I — модель переписывания запросов для генератора изображений Qwen-Image-2.1 из семейства Qwen. Это дообученная Qwen3.5-VL 9B: она преобразует краткое описание изображения на любом языке в подробный англоязычный промпт и рекомендует соотношение сторон. Её используют как этап подготовки запроса перед генерацией изображения в Qwen-Image-2.1. Модель принимает текст и выдаёт структурированный результат с переписанным промптом и рекомендуемым соотношением сторон. В карточке также описаны возможности базового генератора Qwen-Image-2.1, включая генерацию и редактирование изображений, однако это назначение данной PE-T2I модели не подтверждает. Лицензия указана как other; конкретные условия в доступных данных не раскрыты.