I.6Перевод и языковая адаптация

Модель распознавания рукописного текста создана Jonas Widmer, Christopher Kuhlmann и Melvin Wilde в рамках Flow-Project. Она дообучена на базе magistermilitum/tridis_HTR v1 и предназначена для чтения отдельных строк на изображениях средневековых документов из Англии, преимущественно латинских текстов XIII–XIV веков письмом Anglicana (Court Hand). В обучающих материалах также встречаются элементы среднеанглийского и англо-нормандского языков. Модель построена на архитектуре VisionEncoderDecoderModel и принимает изображение строки, выдавая распознанный текст; страницу целиком следует предварительно сегментировать на строки. На тестовом наборе из 2288 строк CER составил 6,22%, однако модель проверена ограниченно. Особенно часто ошибается в пунктуации: указанный CER для неё — 44,44%, главным образом из-за пропуска точек. Лицензия — MIT.

Luciano/xlm-roberta-base-finetuned-lener_br — модель XLM-RoBERTa с архитектурой XLMRobertaForMaskedLM, дообученная на наборе данных, обозначенном в карточке как None. Она предназначена для задачи fill-mask: предсказания пропущенного токена в тексте. Модель содержит 305,2 млн параметров, принимает текст и поддерживает контекст длиной до 514 токенов. Карточка указывает португальский язык; лицензия — MIT. В карточке приведено значение loss 0,9094 на оценочном наборе, но описание обучающих данных, предполагаемого применения и ограничений отсутствует. Поэтому пригодность модели для конкретных сценариев, включая распознавание именованных сущностей, из имеющихся сведений установить нельзя.

Am-RoBERTa — языковая модель на архитектуре RoBERTa, разработанная для задач обработки амхарского языка в рамках проекта по созданию наборов данных и моделей для амхарского NLP. Это трансформерный masked language model для заполнения пропусков в тексте: он предсказывает подходящие токены на месте маски и подходит для экспериментов с амхарским текстом и задач лингвистического анализа. Модель содержит 456 млн параметров, принимает текст и поддерживает контекст длиной до 514 токенов. Она опубликована в форматах PyTorch и Safetensors и обучена на корпусе Amharic_corpus_from_LT_group_UHH. Лицензия — MIT. Карточка ссылается на исследование семантических моделей для амхарского языка и их оценивание на нескольких задачах и наборах данных.

Elizezen/Antler-7B-evolve — слитая автором на Hugging Face языковая модель для генерации художественного текста, в первую очередь романов. Она создана методом Evolutionary Model Merging с помощью mergekit и объединяет несколько предварительно обученных моделей; в README указан метод DARE TIES. Архитектура — плотная MistralForCausalLM с 7,1 млрд параметров, веса представлены в safetensors. Модель рассчитана на контекст до 4096 токенов и генерирует текст, в том числе художественную прозу на японском языке. Автор отмечает, что модель лучше Antler-7B пишет романы и удерживает контекст, но может уступать исходной модели в эротических сценах. Она также склонна преждевременно завершать генерацию токеном конца последовательности и может быть менее эффективна в ответах на инструкции. Распространяется по лицензии Apache-2.0.

calm3-22b-RP — японская диалоговая модель для ролевых сценариев, созданная Aratako с помощью mergekit. Это слияние CyberAgent/calm3-22b-chat и дообученной для ролевых игр Aratako/calm3-22b-RP-v0.1; модель использует архитектуру LlamaForCausalLM и содержит 22,1 млрд параметров. Модель предназначена для ведения ролевого диалога по заданным инструкциям, описанию мира и настройкам персонажей. Она принимает текстовый контекст в формате ChatML и генерирует текстовые ответы; максимальный контекст составляет 16 384 токена. Базовая диалоговая модель рассчитана на японский и английский языки, а датасеты ролевых диалогов включают NSFW-примеры. Модель распространяется в формате safetensors по лицензии CC-BY-NC-SA 4.0. Из-за условий, связанных с использованием выходов GPT-4o-mini и Claude 3.5 Sonnet в обучающих данных, README запрещает применять её для конкурирующих с OpenAI и Anthropic сервисов.

MaziyarPanahi/calme-2.3-legalkit-8b — дообученная MaziyarPanahi модель для работы с французскими правовыми вопросами. Она основана на Meta-Llama-3.1-8B-Instruct и использует плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров; модель предназначена для генерации ответов в диалоговом формате и заявлена с контекстом до 131 072 токенов. Дообучение проведено на синтетических данных, созданных на основе французского ресурса LegalKit. Модель ориентирована на анализ, толкование и применение французских правовых понятий, включая ответы с рассуждениями. В карточке указаны французский и английский языки; основной сценарий — правовые запросы на французском языке. Модель распространяется в формате safetensors по лицензии Llama 3.1. Ответы могут содержать ошибки или предвзятость, поэтому юридические выводы требуют проверки специалистом и контроля человека.

ChatWaifu 22B v2.0 preview — диалоговая модель, разработанная spow12 и предназначенная для общения в стиле персонажей визуальных новелл. Она основана на Mistral Small Instruct 2409 и объединяет веса базовой модели с вариантом SFT методом slerp через mergekit; архитектура — плотная причинная языковая модель Mistral на 22 млрд параметров. Модель генерирует текст и поддерживает чат на английском и японском языках, с контекстом до 32 768 токенов по метаданным. Модель подходит для ролевых диалогов с заданными персонами, в том числе для общения с собственными персонажами по текстовому описанию. Автор заявляет о снижении повторов в длинных многоходовых беседах и сохранении информации в длинном контексте; количественные гарантии этих свойств не приведены. Карточка также указывает возможность генерации NSFW-контента. Репозиторий содержит веса в формате safetensors. Лицензия в метаданных — CC BY-NC 4.0, а автор ограничивает использование некоммерческими и исследовательскими целями.

ChatWaifu_v1.2.1 — слитая с помощью mergekit разговорная модель spow12 (yw_nam), созданная для отыгрыша персонажей визуальных новелл и общения в их образе. Она основана на Mistral Nemo Instruct и ChatWaifu_v1.2; в карточке также указана более ранняя линия дообучения от NeverSleep/Lumimaid-v0.2-12B. Архитектура — плотная причинная языковая модель MistralForCausalLM с 12,1 млрд параметров, формат весов — safetensors. Модель предназначена для ролевых диалогов, продолжительных многоходовых бесед и генерации текста в стиле визуальной новеллы. README заявляет поддержку японского языка и контекст до 128k токенов; метаданные указывают многоязычные теги и native context в 1 024 000 токенов, поэтому фактический предел зависит от конфигурации и используемого запуска. Модель принимает и генерирует текст. В карточке отмечены плавность генерации и удержание контекста в длинных диалогах. Обучающие данные включали визуальные новеллы, поэтому возможна генерация контента для взрослых. Лицензия в метаданных — CC BY-NC 4.0, а README ограничивает использование некоммерческими и исследовательскими целями.

Модель Kashif786/distilbert-base-multilingual-cased-sindhi-wordpiece разработана Kashif786 и представляет собой дообученную версию DistilBERT для заполнения пропусков в тексте. Она использует архитектуру DistilBertForMaskedLM и формат весов safetensors; модель принимает текст и предсказывает подходящий токен вместо маски. Контекст ограничен 512 токенами. Модель предназначена для задач masked language modeling, в частности для восстановления пропущенных слов в тексте на синдхи. Датасет обучения и подробности оценки не описаны. Лицензия в предоставленных данных не указана.

Jaya07/fine_tuned_hindi_model — дообученная модель на базе google/muril-base-cased, опубликованная в формате safetensors и доступная через Transformers. По метаданным это плотная BERT-архитектура BertLMHeadModel с 264,8 млн параметров и контекстом до 512 токенов; заявленная задача — генерация текста. MuRIL разработана Google для NLP-задач на индийских языках и их транслитерациях, а название и карточка этой модели указывают на настройку для хинди. README сообщает значение loss 0,0036 на оценочном наборе, но не описывает набор данных, метод оценки или практические сценарии, поэтому это число не позволяет судить о качестве генерации. Модель распространяется по лицензии Apache-2.0.

mrtoncl/fine_tune_model — слитая с помощью mergekit методом slerp модель на архитектуре Llama 3, созданная для проекта Son Fıçı RPG. Она объединяет турецкую инструкционную модель ytu-ce-cosmos/Turkish-Llama-8b-Instruct-v0.1 с Sao10K/L3-8B-Lunaris-v1, чтобы сочетать поддержку турецкого языка с диалогами и ролевой игрой. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, генерируя текст; заявленный контекст — 8192 токена. Модель подходит для турецких диалогов и ролевых сценариев, в частности для игровых персонажей в Son Fıçı RPG. В README указан формат весов bfloat16, а метаданные репозитория отмечают safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

Это авторегрессионная языковая модель GPT-2 для генерации текста на турецком языке, разработанная Cenk Er Sisman. Модель использует собственный токенизатор, адаптированный к слоговой структуре турецкого языка, и обучалась на турецкой Википедии; автор указывает объём обучающего набора как 900 миллионов символов и сообщает о 7,5 миллиона шагов обучения. По метаданным, модель реализована как GPT2LMHeadModel, распространяется в форматах PyTorch и Safetensors и имеет контекст до 1024 токенов. Модель предназначена для продолжения текста по начальному фрагменту и генерации турецких фраз. В README рекомендуется подавать промпты только строчными буквами, поскольку модель чувствительна к регистру. Качество и длина генераций ограничены обучающими данными и короткими последовательностями: при подготовке обучающих примеров использовались предложения длиной до 128 токенов. Лицензия в предоставленных данных не указана.

Карточка модели SubMaroon-exp/Kanimus-26B-A4B-FFT-heretic на Hugging Face совпадает с карточкой SubMaroon/Kanimus-26B-A4B-FFT-heretic, поэтому описание составлено по ней. Kanimus-26B-A4B-FFT-heretic — экспериментальная слитая версия Gemma 4 от SubMaroon для ролевого диалога, в том числе сцен с мрачной стилистикой. В основе лежит Vortex5/Gemma-4-26B-A4B-Animus-V14.1-FFT-heretic; в неё внесены изменения весов Q и K на основе дистилляции Claude Opus и встроен LoRA-адаптер с низким масштабом. Это модель Gemma 4 с поддержкой чата и изображений, опубликованная в формате safetensors для Transformers. Лицензия — Gemma. Модель предназначена для генерации ролевых ответов на русском и английском языках. Автор сообщает, что стиль прозы в нескольких пробных сравнениях был близок к базовой модели, однако следование инструкциям ухудшилось: в одном примере модель нарушила заданный временной период сцены и перепутала факт из предыдущего сообщения. Количественная оценка не проводилась, поэтому эти наблюдения предварительны. Среди отмеченных проблем — дрейф имён и ролей действующих лиц в английском; отдельные артефакты токенизации и пропуски форматирования в русском автор считает унаследованными от базовой модели.

ThuyNT03/KLTN_COQE_viT5_total_POSAL — дообученная ThuyNT03 модель VietAI/vit5-large на основе архитектуры T5 с 389,3 млн параметров. Карточка не описывает её целевую задачу, обучающие данные и результаты оценки, поэтому назначение модели установить нельзя. Базовая модель предназначена для генерации текста на вьетнамском языке, включая ответы на вопросы, суммаризацию и перевод; эти возможности не подтверждены для данного дообучения. Модель распространяется в формате Safetensors по лицензии MIT.

Aratako/Ninja-v1-RP-WIP — Aratako разработала эту экспериментальную версию модели для ролевых диалогов, дообучив её с помощью LoRA на базе Local-Novel-LLM-project/Ninja-v1-NSFW. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров; она принимает текст и генерирует текст, а нативный контекст составляет 4096 токенов. В карточке указан шаблон диалога Vicuna: системные инструкции, описание мира и персонажей передаются до первого сообщения USER, а в многоходовом диалоге после каждого ответа ASSISTANT требуется токен eos_token. Модель обучалась на японских и английских наборах ролевых диалогов и предназначена для отыгрыша персонажей и продолжения сценариев в чате. Поддержка японского подтверждается языковыми метаданными и датасетами; английский также представлен в обучающих данных. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. Суффикс WIP и небольшое число загрузок указывают на ранний экспериментальный статус; характеристики качества в карточке не приведены.

Модель Nominalization Detector разработана в рамках проекта QANom и представляет собой BERT для классификации токенов, дообученный на задаче распознавания предикативных номинализаций. Она определяет, несёт ли существительное в контексте событийное, близкое к глагольному значение; классификация бинарная и применяется к кандидатам, предварительно извлечённым по частям речи и лексическим ресурсам. Модель предназначена для анализа английских предложений и может использоваться в лингвистических исследованиях и NLP-конвейерах, изучающих номинализации. Архитектура — BertForTokenClassification на базе bert-base-cased, около 135,5 млн параметров; максимальный контекст составляет 512 токенов. Для работы с полным сценарием обнаружения кандидатов README указывает пакет qanom. Модель дообучена на данных QANom, размеченных для этой задачи. Репозиторий содержит веса PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

pico-hiragana-4.0M-h256-l6-base-1BT — небольшая авторегрессионная языковая модель семейства Qwen3.5 Text, опубликованная kurogane. Она предназначена для генерации текста и диалогов на японском языке с использованием токенизатора Unigram на 2000 токенов и специального chat-шаблона. Модель содержит около 4,0 млн параметров, имеет 6 слоёв и размер скрытого состояния 256; длина контекста по метаданным — 4096 токенов. Это отдельная конфигурация модели, а не преобразование весов версии на 3,8 млн параметров. Чекпойнт восстановлен после 13 085 шагов обучения; указанная обучающая потеря не является результатом на валидации. README сообщает о серии обучения длиной 1 млрд токенов, включая повторения, но фактический счётчик входных токенов был недействителен. Для использования требуются Transformers и загрузка удалённого кода токенизатора через trust_remote_code=True; рекомендуется применять chat-шаблон с токенизацией. Лицензия в предоставленных данных не указана.

Goldfish prs_arab_5mb — авторегрессионная языковая модель семейства GPT-2, разработанная в рамках набора Goldfish для низкоресурсных языков. Это модель для языка дари, записанного арабским письмом; она обучена на ограниченном корпусе объёмом около 5 МБ с поправкой на особенности размера текста в UTF-8. Веса содержат около 25,5 млн параметров, словарь — 23 971 токен, максимальная длина последовательности — 512 токенов. Модель предназначена для генерации текста на дари и сопоставительных исследований языковых моделей для низкоресурсных языков. При подготовке входа рекомендуется добавлять токен CLS в начало; CLS также используется как BOS, а SEP — как EOS. Для задач на персидском языке авторы предлагают рассмотреть отдельную модель Goldfish для fas_arab. Обучение опиралось преимущественно на данные NLLB из CommonCrawl и ParaCrawl, а также на Glot500. Разработчики отмечают, что результаты Goldfish для высокоресурсных языков не рассчитаны на сравнение с современными крупными языковыми моделями. Модель распространяется по лицензии Apache-2.0.

roberta-urdu-small — языковая модель на архитектуре RoBERTa, опубликованная Urduhack. Она обучена на новостных материалах пакистанских источников на урду и предназначена для заполнения пропусков в тексте: модель подбирает вероятные слова вместо маски. В метаданных указаны 153,2 млн параметров и контекст длиной 514 токенов; доступны веса PyTorch и Flax. Модель подойдёт для восстановления пропущенных слов в текстах на урду и экспериментов с языковым моделированием этого языка. Лицензия — MIT. Данных о сравнительных оценках качества в карточке нет.

RolePlay-Xing4.0-29B — дообученная модель на базе Xing4.0-29B-A4B от China Telecom Artificial Intelligence Technology Co., Ltd., настроенная для ролевого общения. Она предназначена для диалогов с устойчивым образом персонажа, продолжения сложных сюжетов и длительных бесед. Модель использует архитектуру Xing4.0 и формат весов Safetensors; базовая модель имеет MoE-архитектуру с 29 млрд параметров всего и примерно 4 млрд активных на токен. Поддерживается контекст до 262 144 токенов. Модель ориентирована на англоязычные и китайскоязычные сценарии ролевого общения. Для доступа README указывает OpenAI-совместимый API и приводит рекомендуемые параметры генерации. Лицензия — Apache-2.0. Описание не сообщает об оценках качества или ограничениях безопасности; ответы в ролевых сценариях могут зависеть от заданных инструкций и параметров генерации.

TiRoBERTa — базовая модель семейства RoBERTa, предварительно обученная разработчиками репозитория на языке тигринья. Обучение проводилось на корпусе объёмом 40 миллионов токенов в течение 40 эпох; модель содержит 151,8 млн параметров и имеет контекст до 514 токенов. Репозиторий включает исходную версию Flax и соответствующую версию PyTorch в формате safetensors. Модель предназначена для заполнения пропусков в тексте на тигринья и может служить основой для дальнейшей адаптации под языковые задачи. Это маскированная языковая модель, а не диалоговый генератор. Лицензия в предоставленных данных не указана.

LaMOP/TrOCR_Manicule_2026_Latin_Medieval — модель распознавания рукописного текста, разработанная как дообучение microsoft/trocr-base-handwritten на строках средневековых рукописей на латыни и старофранцузском языке. Она предназначена для транскрибации строк на изображениях исторических документов, включая акты, картулярии и рукописи позднего Средневековья. Модель использует архитектуру TrOCR: визуальный энкодер ViT и декодер RoBERTa; входное разрешение — 384 × 384 пикселя. Реализация рассчитана на PyTorch и Transformers и может выполнять инференс на CUDA или CPU. Лицензия — MIT. Модель специализирована на средневековом почерке и указанных исторических языках; качество на других языках, типах текста и изображениях не подтверждено. Для распознавания отдельных строк необходимо подготовить изображения соответствующего формата.

Wanabi-Gemma4-31B — модель на основе Gemma 4 31B-IT от Google, дообученная автором репозитория для японского творческого письма и сценариев приложения Project Wannabe. Она понимает его структурированные запросы для генерации рассказа, продолжения текста и разработки идей с названием, синопсисом, сюжетом и настройками; также подходит для свободного письма, ролевых диалогов и обычного общения в совместимых чат-интерфейсах. Для обучения использованы синтетические примеры формата Project Wannabe, японские данные с цепочками рассуждений и общие инструкции. Модель основана на текстовой версии Gemma 4, поэтому не принимает изображения; в метаданных указан формат safetensors и лицензия Apache-2.0. README отмечает чувствительность Gemma 4 к шаблону чата: рекомендуется использовать штатный шаблон семейства, иначе форматирование ответов может нарушиться.

Модель classla/Wav2Vec2BertPrimaryStressAudioFrameClassifier разработана Петером Рупником, Николой Любешичем и Иваном Порупски. Это аудиоклассификатор кадров на базе Wav2Vec2-BERT с 402,7 млн параметров, дообученный на обучающей части ParlaStress-HR. Он размечает положение основного ударения в словах с шагом 20 мс и предназначен для анализа ударения в речи. Модель рассчитана на хорватский, сербский и словенский языки, включая чакавский вариант хорватского. В описанных тестах точность составила 99,1% для хорватского, 99,3% для сербского и 88,9% для чакавского. Авторы сообщают о проверке на четырёх наборах данных и рекомендуют прямое использование для анализа положения основного ударения. Лицензия — Creative Commons Attribution-ShareAlike 4.0 (CC BY-SA 4.0).

Hengyuhan/whisper-medium-m4singer-zh-lyrics — модель распознавания пения, созданная полнопараметрическим дообучением OpenAI Whisper medium на корпусе M4Singer. Она преобразует короткие фразы на мандаринском пении в китайские тексты песен и предназначена для исследовательской оценки и расшифровки вокала. Валидационная CER составила 22,354% против 24,247% у исходной Whisper medium; независимая итоговая оценка на тестовой выборке на момент публикации карточки ещё не была завершена. Модель принимает аудио, рассчитана на фрагменты до примерно 30 секунд; для работы с Whisper рекомендуется монофонический звук с частотой 16 кГц. Качество на чистом профессионально записанном пении не гарантирует устойчивость к аккомпанементу, концертным записям, реверберации или бытовым микрофонам. Возможны вставки и повторы текста во время пауз, вдохов и инструментальных частей; результат следует проверять. Модель не предназначена для перевода речи, идентификации дикторов или общего распознавания разговорного мандаринского языка. Лицензия CC-BY-NC-SA-4.0 ограничивает коммерческое использование и требует соблюдения условий атрибуции и распространения производных материалов.

voidful/albert_chinese_tiny — компактная китайскоязычная модель семейства ALBERT, основанная на albert_tiny_google_zh из проекта brightmart/albert_zh и преобразованная в формат Hugging Face. Это плотная архитектура AlbertForMaskedLM с 12,8 млн параметров и контекстом до 512 токенов; модель предназначена для заполнения пропусков в китайском тексте. Для работы с токенизатором карточка рекомендует BertTokenizer, поскольку SentencePiece не используется. Модель распространяется в форматах PyTorch и safetensors. Лицензия в предоставленных данных не указана.

ckiplab/albert-tiny-chinese — компактная модель ALBERT от CKIP для работы с традиционным китайским языком. В карточке проекта CKIP представлены модели на базе Transformer и инструменты NLP; этот репозиторий содержит вариант ALBERT Tiny для предсказания замаскированных токенов. Модель имеет архитектуру AlbertForMaskedLM, содержит 12,8 млн параметров, принимает текстовые последовательности с контекстом до 512 токенов и выдаёт вероятные варианты пропущенного токена. Для токенизации README рекомендует BertTokenizerFast. Репозиторий содержит веса PyTorch и распространяется по лицензии GPL-3.0. Компактный размер подходит для экспериментов и прикладных задач заполнения пропусков в китайском тексте. Карточка не приводит результатов оценки качества или более подробных ограничений применимости.

Карточка модели yrrhall/arabic-nano-gpt-v0 на Hugging Face совпадает с карточкой e-hossam96/arabic-nano-gpt-v0, поэтому описание составлено по ней. arabic-nano-gpt-v0 — авторегрессионная модель генерации текста на архитектуре GPT-2, созданная e-hossam96 путём дообучения openai-community/gpt2 на арабской Википедии. Модель подходит для продолжения арабского текста по промпту и генерации фрагментов в энциклопедическом стиле. В README указаны размер эмбеддинга 256, четыре слоя внимания и четыре головы; максимальный контекст составляет 1024 токена. На отложенной тестовой выборке указано значение loss 3,28796. Модель распространяется в формате safetensors по лицензии MIT. Она компактна, но карточка не приводит оценок качества для практических сценариев и не описывает дополнительные возможности помимо генерации текста.

Ayaka/bart-base-cantonese — это Cantonese-версия BART base, опубликованная Ayaka. Модель прошла дополнительное предварительное обучение на данных LIHKG на основе fnlp/bart-base-chinese; в карточке также указан репозиторий базовой модели ayaka14732/bart-base-jax. Это плотная модель архитектуры BART с 66,3 млн параметров и контекстом до 512 токенов. Модель предназначена для заполнения пропусков и восстановления кантонского текста: в примере из карточки она подставляет пропущенное слово в предложении. Для токенизации README рекомендует BertTokenizer с её словарём. Доступны веса PyTorch и Flax. Лицензия указана как other; автор README просит не использовать модель ни для каких целей из-за опасений по поводу авторских прав.

ChatWaifu_v1.1 — японская разговорная модель, разработанная spow12 для общения в роли персонажа визуальной новеллы. Это дообученная причинно-языковая модель семейства Mistral с 7,1 млрд параметров; карточка указывает базовую модель Local-Novel-LLM-project/Vecteus-V2-7B. Модель предназначена для ролевого диалога: можно задать персонажу биографию и примеры реплик, чтобы модель воспроизводила его характер. В карточке также описаны генерация текста в стиле новеллы и заполнение замаскированных предложений. Модель принимает текст и генерирует текст на японском языке. Указанный в метаданных контекст составляет 8192 токена. README заявляет окно контекста 128k, однако это расходится с метаданными. Модель обучалась на японских данных, включая визуальные новеллы; разработчик предупреждает, что в ответах может появляться контент для взрослых. Лицензия CC BY-NC 4.0, а автор также указывает на некоммерческое использование.