I.6Перевод и языковая адаптация

MiMo-V2.5-ASR — сквозная модель распознавания речи, разработанная командой Xiaomi MiMo. Это плотная модель семейства Qwen2 с 7 млрд параметров; в репозитории представлены веса Safetensors, а для работы используется Transformers. В метаданных указана длина контекста 8192 токена. Модель предназначена для транскрибирования речи на китайском и английском языках, включая китайские диалекты, переключение между китайским и английским, песни, техническую и другую насыщенную терминами речь. Она рассчитана на шумные записи, дальний микрофон и многоголосые разговоры; пунктуацию добавляет при распознавании. README сообщает о высоких результатах на ряде публичных тестов, но конкретные оценки здесь не приведены. Лицензия — MIT.

rinna/nekomata-14b-instruction — дообученная по инструкциям версия языковой модели Nekomata-14B от rinna. Это плотная трансформерная модель семейства Qwen с 40 слоями и размером скрытого слоя 5120; в метаданных указан объём 21,8 млрд параметров и контекст до 8192 токенов. Для запросов используется формат Alpaca. Модель предназначена для генерации ответов и выполнения текстовых инструкций на японском и английском языках. При дообучении использовались данные Databricks Dolly, японская версия Dolly, материалы FLAN и японские текстовые датасеты; часть оценочных корпусов была исключена из обучающих данных для предотвращения утечки. Модель работает с текстом и сохраняет формат PyTorch/Safetensors. Модель может быть полезна для диалоговых ассистентов, ответов на вопросы, суммаризации и других задач по текстовым инструкциям. Качество зависит от формулировки запроса и обучающих данных; карточка отсылает к странице бенчмарков rinna, но не приводит результаты непосредственно. Лицензия указана как other, поэтому перед использованием следует проверить условия в карточке Hugging Face.

NVIDIA-Nemotron-3.5-Lightning-30B-A3B-4bit — языковая модель, разработанная NVIDIA и преобразованная сообществом mlx-community в формат MLX. Она предназначена для генерации текста и локального запуска с использованием библиотеки mlx-lm, включая диалоговые сценарии и другие задачи text generation. Модель представляет собой гибридную Mixture-of-Experts-архитектуру Mamba-2 и attention. Она содержит около 31 млрд параметров, при этом для каждого токена активно используется примерно 3 млрд. Версия выполнена в 4-битной квантизации с размером группы 64 и создана на основе NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 с помощью mlx-lm 0.31.3. В README указана поддержка английского, испанского, французского, немецкого, итальянского и японского языков. К сильным сторонам относятся сочетание большой общей емкости с небольшим числом активных параметров на токен, а также адаптация к MLX для запуска в соответствующей экосистеме. Ограничения включают необходимость совместимого окружения MLX и отсутствие в предоставленных данных сведений о контексте, производительности, мультимодальности и конкретных аппаратных требованиях. Модель распространяется по лицензии openmdw-1.1.

NVIDIA-Nemotron-3.5-Lightning-30B-A3B-mxfp4 — языковая модель для генерации текста, разработанная NVIDIA и преобразованная сообществом mlx-community в формат MLX на основе модели NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16. Конвертация выполнена с использованием mlx-lm 0.31.3; применяется квантование MXFP4 с размером группы 32. Модель предназначена для запуска и генерации текста в экосистеме MLX, в том числе через библиотеку mlx-lm. Это гибридная Mixture-of-Experts-архитектура, объединяющая Mamba-2 и attention. Она содержит около 31 млрд параметров, из которых примерно 3 млрд активируются для каждого токена. В карточке заявлена поддержка английского, испанского, французского, немецкого, итальянского и японского языков. Сильными сторонами являются разреженная активация параметров и оптимизированный для MLX формат, однако конкретные характеристики контекстного окна, результаты тестов, точность и ограничения квантования не указаны. Модель распространяется по лицензии OpenMDW 1.1.

bezzam/omniasr-llm-300m-v2 — версия модели семейства OmniASR LLM-ASR v2, размещённая пользователем bezzam и основанная на разработанной командой Omnilingual ASR модели Meta. Предназначена для автоматического распознавания речи: на вход подаётся аудио, на выходе получается текстовая транскрипция; доступна опциональная языковая подсказка. Семейство OmniASR создано для многоязычного распознавания, включая языки с ограниченными обучающими данными. Архитектура — энкодер-декодер: речевой энкодер на основе wav2vec 2.0 соединён с декодером, вдохновлённым LLM. Вариант 300M v2 содержит около 1,63 млрд параметров и относится к моделям с ограниченной длиной аудио; для более длинных записей в семействе есть отдельная версия Unlimited. Репозиторий автора содержит веса safetensors, а официальный проект сообщает о поддержке более 1600 языков в семействе OmniASR. Версия v2 относится к выпуску контрольных точек с улучшенной точностью распознавания по сравнению с ранними LLM-ASR моделями семейства. Omnilingual ASR и его модели выпущены под лицензией Apache 2.0. Конкретные оценки качества и ограничения этой HF-перепубликации отдельно в карточке не описаны; общие результаты семейства нельзя считать гарантией для каждого языка или аудиозаписи.

Карточка модели ff670/openbuddy-coder-34b-v11-bf16 на Hugging Face совпадает с карточкой OpenBuddy/openbuddy-llama2-13b-v11.1-bf16, поэтому описание составлено по ней. OpenBuddy — многоязычная чат-модель на базе LLaMA 2, представленная в варианте с 13 млрд параметров и весами bf16. Она предназначена для диалогов и генерации текста; в метаданных указаны языки китайский, английский, французский, немецкий, японский, корейский, итальянский и русский. Модель использует плотную архитектуру LlamaForCausalLM, работает через Transformers и поддерживает контекст до 4096 токенов. Модель подходит для чат-ботов, ответов на вопросы и генерации текста на поддерживаемых языках. README предупреждает, что ответы могут быть ошибочными, вредными или оскорбительными, поэтому модель не следует применять в критически важных сценариях, включая медицинские, финансовые и юридические решения, или для управления потенциально опасными системами. Использование зависит от лицензии Meta на LLaMA: требуется одобрение Meta и соответствие её условиям.

OpenBuddy — многоязычная чат-модель на базе LLaMA 2, представленная в варианте с 13 млрд параметров и весами bf16. Она предназначена для диалогов и генерации текста; в метаданных указаны языки китайский, английский, французский, немецкий, японский, корейский, итальянский и русский. Модель использует плотную архитектуру LlamaForCausalLM, работает через Transformers и поддерживает контекст до 4096 токенов. Модель подходит для чат-ботов, ответов на вопросы и генерации текста на поддерживаемых языках. README предупреждает, что ответы могут быть ошибочными, вредными или оскорбительными, поэтому модель не следует применять в критически важных сценариях, включая медицинские, финансовые и юридические решения, или для управления потенциально опасными системами. Использование зависит от лицензии Meta на LLaMA: требуется одобрение Meta и соответствие её условиям.

Это версия модели распознавания речи NVIDIA Parakeet TDT 0.6B V3, подготовленная theoracleguy для совместимости с MLX и рабочих процессов преобразования речи в текст на устройствах Apple. Она предназначена для локальной транскрибации аудио через OpenVox и совместимые инструменты, включая mlx-audio и parakeet-mlx. Модель использует кодировщик FastConformer и декодер Token-and-Duration Transducer (TDT), имеет размер 0,6 млрд параметров и поддерживает 25 европейских языков, включая русский, английский, испанский, французский и немецкий. Репозиторий распространяет веса в формате safetensors; библиотека MLX рассчитана на устройства Apple Silicon. Карточка характеризует модель как быструю и точную для многоязычного распознавания, но подробные показатели качества и языковые ограничения следует оценивать по карточке исходной модели NVIDIA. Лицензия репозитория — CC BY 4.0.

bartowski/p-e-w_Llama-3.1-8B-Instruct-heretic-GGUF — это квантизированная версия инструкционной модели Llama 3.1 с примерно 8 млрд параметров, опубликованная в формате GGUF. Базовая модель разработана Meta, а квантизацию выполнил bartowski; обозначение heretic указывает на вариант модели, но README не содержит подробностей о внесённых изменениях. Модель предназначена для генерации текста и диалоговых сценариев, включая выполнение инструкций, ответы на вопросы и другие задачи обработки естественного языка. В метаданных указаны английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Поддерживается только текстовая модальность. Сведения о конкретном методе и уровне квантизации, длине контекста, требованиях к памяти и результатах тестирования в README отсутствуют. Ключевое преимущество модели — сочетание инструкционного обучения, относительно компактного размера и формата GGUF, удобного для локального запуска совместимыми средствами. Ограничения включают возможное снижение качества из-за квантизации, отсутствие подтверждённых характеристик варианта heretic и неполную информацию о производительности. Использование регулируется Llama 3.1 Community License от Meta с требованиями к атрибуции, маркировке «Built with Llama», соблюдению Acceptable Use Policy и специальными условиями для распространения; перед применением необходимо проверить полный текст лицензии.

BuzzASR Polish — одноязычная модель автоматического распознавания польской речи, разработанная в рамках набора BuzzASR и дообученная полным циклом на основе openai/whisper-large-v3. Модель использует архитектуру WhisperForConditionalGeneration и содержит около 907,3 млн параметров; для польского заменён токенизатор, а при дообучении применялись речевые и текстовые данные. Модель предназначена для преобразования польской речи в текст, например для транскрибации записей и аудио. В README приведены результаты на тестовых выборках FLEURS и Common Voice 25.0; на объединённой выборке указаны CER 7,75% и WER 23,31%. Лицензия модели — MIT. Модель рассчитана только на польский язык. README предупреждает, что качество на других предметных областях и диалектах может отличаться от результатов на использованных тестовых наборах.

Mungert/Qwen2.5-0.5B-Instruct-GGUF — это компактная инструкционная языковая модель семейства Qwen2.5, разработанная командой Qwen при участии Alibaba Cloud. Модель предназначена для диалоговых сценариев, генерации текста, следования инструкциям, работы со структурированными данными и создания структурированных ответов, включая JSON. Она также ориентирована на задачи программирования и математики, однако из-за небольшого размера её возможности ограничены по сравнению с более крупными моделями. Модель представляет собой causal language model на архитектуре Transformer с RoPE, SwiGLU, RMSNorm, смещениями в QKV-матрицах внимания и связанными эмбеддингами слов. Она содержит около 0,49 млрд параметров, из которых 0,36 млрд не относятся к эмбеддингам, 24 слоя и Grouped Query Attention с 14 головами для Q и 2 для K/V. Полная длина контекста составляет 32 768 токенов, максимальная длина генерации — 8192 токена. Поддерживаются более 29 языков, включая английский, китайский, французский, испанский, немецкий, русский, японский, корейский, арабский и другие. Модель работает с текстом и не предназначена для мультимодальных задач. К сильным сторонам относятся малый размер, улучшенное следование инструкциям, генерация длинных текстов, устойчивость к различным системным промптам и поддержка структурированного вывода. Ограничениями являются компактная ёмкость модели и отсутствие заявленной поддержки изображений, аудио или других модальностей; подробные показатели производительности в README не приведены. Модель распространяется по лицензии Apache 2.0.

Qwen2.5-Omni-3B — мультимодальная модель семейства Qwen2.5-Omni, разработанная командой Qwen компании Alibaba Group. Она построена на плотной архитектуре Thinker-Talker и предназначена для диалогового взаимодействия с текстом, изображениями, аудио и видео; модель может выдавать текстовые ответы и естественную речь, в том числе потоково. Модель подходит для голосового и видеочата в реальном времени, распознавания и понимания речи, анализа изображений и видео, ответов на инструкции, а также генерации речи. В карточке приведены результаты по распознаванию речи, переводу, визуальным рассуждениям и пониманию видео; размер 3B обеспечивает более компактный вариант семейства. Позиционное кодирование TMRoPE синхронизирует временные метки видео и аудио. Модель доступна в формате safetensors и рассчитана на использование через Transformers; для поддержки рекомендуется актуальная версия библиотеки. В метаданных указана лицензия other, поэтому перед использованием следует проверить условия лицензирования репозитория. Число параметров, длина контекста и полный перечень поддерживаемых языков в предоставленных данных не приведены.

Это версия Qwen3-0.6B в формате GGUF с точностью FP32, опубликованная huggit0000. Веса получены преобразованием исходной модели Qwen3-0.6B из формата safetensors; слои в файле упорядочены последовательно по числовому индексу. Модель представляет собой причинную языковую модель с 0,6 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов, следования инструкциям, рассуждений, а также математических и программных задач. Она поддерживает переключение между режимом рассуждений и обычным режимом диалога и, согласно карточке Qwen3, рассчитана на более чем 100 языков и диалектов. Компактный размер позволяет запускать её локально; README также описывает исполнение через llama.cpp и одnofайловые реализации на C и CUDA C. Вариант FP32 сохраняет полную точность весов и предназначен для случаев, когда нужна версия GGUF без квантизации, однако он требует больше памяти, чем квантованные варианты. Это компактная модель, поэтому её возможности ограничены по сравнению с более крупными моделями. Лицензия — Apache-2.0.

Это компактная языковая модель Qwen3-1.7B на 1,7 млрд параметров, подготовленная для запуска на RK1820 и работы через LlamaPi. В основе — плотная архитектура Qwen3ForCausalLM; репозиторий содержит веса в формате GGUF. Модель разработала команда Qwen, а данная версия основана на Qwen/Qwen3-1.7B. Модель генерирует текст и подходит для диалогов, следования инструкциям, рассуждений и написания кода. Поддерживает режимы с рассуждением и без него, а также более 100 языков и диалектов. Контекстное окно — до 40 960 токенов. Метаданные указывают интерфейс для вызова инструментов. Модель распространяется по лицензии Apache-2.0. Это компактная модель для локального и периферийного запуска; качество ответов и скорость могут зависеть от устройства и конфигурации. README не приводит отдельной оценки качества этой сборки.

lmstudio-community/Qwen3-4B-Instruct-2507-MLX-5bit — это 5-битно квантованная версия языковой модели Qwen3-4B-Instruct-2507, разработанной командой Qwen. Квантование выполнено командой LM Studio с использованием mlx_lm, а модель оптимизирована для работы на устройствах Apple Silicon. Модель предназначена для генерации текста и использования в диалоговых и других сценариях, поддерживаемых исходной instruct-моделью Qwen3-4B-Instruct-2507. Ключевые характеристики: архитектура и возможности базовой модели Qwen3-4B-Instruct-2507, около 4 миллиардов параметров, текстовая модальность и 5-битное представление MLX. Сведения о поддерживаемых языках и размере контекстного окна в README не указаны. Основные преимущества модели — уменьшенный объём памяти и оптимизация для локального запуска на Apple Silicon при сохранении совместимости с экосистемой MLX. Ограничения связаны с квантованием и характеристиками базовой 4B-модели; точное влияние на качество, производительность и перечень поддерживаемых сценариев в README не описано. Модель распространяется по лицензии Apache-2.0.

Это пакет GGUF-весов Qwen3.5-27B-UD-Q4_K_XL, подготовленный Mesh LLM для распределённого запуска модели на локальном кластере. Пакет основан на unsloth/Qwen3.5-27B-MTP-GGUF и разбивает исходный GGUF на артефакты по слоям; библиотека запуска — Mesh LLM. Указанный вариант квантования — Q4_K_XL. Модель предназначена для локального чат-инференса, в том числе на нескольких машинах, когда целиком разместить GGUF на одном узле затруднительно. Mesh LLM позволяет подключить её через локальный API, совместимый с OpenAI Chat Completions. Карточка отсылает к исходной модели за сведениями об архитектуре, шаблоне чата, параметрах генерации и лицензии; здесь эти условия не приведены.

Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED-GGUF — неофициальный релиз модели, подготовленный chimingw на основе AEON-7/Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED-BF16. Релиз представляет собой конвертацию и квантизацию исходной модели в формате GGUF без дополнительного обучения, дообучения, слияния или изменения выравнивания. Модель предназначена для локального запуска через совместимый runtime, включая llama.cpp; размещённый на Hugging Face хостинг inference отключён. Архитектура указана как Qwen3_5ForConditionalGeneration с типом qwen3_5 и размером 27B параметров. Это мультимодальная vision-language модель с поддержкой текста и изображений, английского и китайского языков, а также заявленной интеграцией function calling. Максимальный контекст по метаданным составляет 262 144 позиции, однако фактическая доступная длина зависит от runtime и объёма памяти. В комплект входят варианты квантизации Q8_0, Q6_K, Q5_K_M и Q4_K_M, а также отдельный BF16 мультимодальный проектор; для использования нужные файлы и split-части необходимо хранить вместе. Сильными сторонами релиза являются большой контекст, мультимодальность, несколько вариантов компромисса между качеством и требованиями к памяти и сохранение исходного BF16 набора файлов. Поведение при работе с текстом, изображениями, рассуждениями, инструментами и длинным контекстом зависит от выбранного варианта, клиента, prompt format, runtime и аппаратных ресурсов. Заявления исходного автора о характеристиках uncensored-модификации не были независимо проверены создателем GGUF-релиза и не являются результатами оценки данных артефактов. Модель распространяется по Apache License 2.0 согласно заявленной лицензии источника.

Qwen3.8-Flash-Next-GGUF — GGUF-квантизированная версия модели Qwen3.8-Flash-Next, разработанной Qwen и квантизированной пользователем qtum с использованием llama.cpp. Модель предназначена для генерации текста и локального запуска через llama.cpp; заявленные языки — английский и китайский. Модель содержит около 180 млрд параметров: MoE-ядро на 125 млрд параметров с 48 слоями, 512 экспертами, маршрутизацией top-10 и одним общим экспертом, а также 51-миллиардную PLE-таблицу n-грамм. Используется гибридное внимание: линейное внимание Gated DeltaNet чередуется с блоками Qwen Sparse Attention и гиперсвязями. Максимальная длина контекста — до 262 тысяч токенов. Слой MTP для чернового предсказания был исключён при конвертации. Доступны варианты BF16 и квантизации IQ4_XS, IQ3_XXS, IQ2_XS-layered и IQ1_M-layered размером примерно от 76,4 до 118,8 GiB; каждый вариант поставляется в восьми сегментах. Квантизация снижает требования к хранилищу, но ухудшает показатель perplexity относительно BF16, особенно у низкобитных вариантов. Для работы необходимо скачать все восемь сегментов и использовать llama.cpp; модель предъявляет очень высокие требования к ресурсам. Лицензия — Qwen Community License 1.0, унаследованная от исходной модели, а не MIT.

Vontra/Qwen3.8-Flash-Next-MLX-4bit — общественная MLX-конверсия модели Qwen3.8-Flash-Next, разработанной Qwen, для запуска на устройствах с Apple Silicon. Конверсия выполнена Vontra непосредственно из официального BF16-чекпойнта и предназначена для задач генерации текста и обработки изображений в сценариях vision-language. Модель использует архитектуру qwen4_exp с разреженной смесью экспертов, объединяющую Gated DeltaNet, Qwen Sparse Attention, разреженные MoE-слои, расширенные gated residual-потоки и хешированные bigram/trigram-эмбеддинги. Языковая часть содержит 125 млрд параметров, из которых активно используется около 6 млрд, а таблицы n-gram-эмбеддингов включают 51 млрд параметров. Архитектура имеет 48 слоёв, 512 маршрутизируемых экспертов с активацией 10 экспертов и одного общего, 24 attention heads и 2 KV heads. Заявленный контекст — до 262 144 токенов; сохранены исходные токенизатор, chat template, vision processor и настройки генерации. Весы представлены в формате MLX safetensors и подвергнуты 4-битному аффинному квантованию с group size 32, что делает модель пригодной для локального запуска через совместимые версии MLX-VLM или oMLX. На Apple M3 Studio сообщается около 24,1–26,1 токена в секунду при прогретой генерации через oMLX и 31 токен в секунду в коротком standalone-тесте. К ограничениям относятся возможное снижение качества из-за квантования, высокая потребность в памяти, отсутствие опциональной MTP-head и необходимость runtime с поддержкой qwen4_exp; подключение Qwen3.8 27B MTP drafter несовместимо. Модель распространяется по Qwen Community License 1.0. Это неофициальный релиз Qwen: дизайн, обучение и исходная документация принадлежат Qwen и первоначальным авторам, а MLX-конверсия, проверка на Apple Silicon и упаковка выполнены Vontra.

Vontra/Qwen3.8-Flash-Next-MLX-oQ2-MTP — это общественная MLX-конверсия модели Qwen/Qwen3.8-Flash-Next, разработанной командой Qwen. Модель предназначена для генерации текста и обработки изображений и видео в совместимых vision-language сценариях на устройствах Apple Silicon. Это не официальный релиз Qwen, а квантованная версия, преобразованная из официального BF16-чекпойнта в формат MLX safetensors. Модель использует архитектуру qwen4_exp с разреженной смесью экспертов (MoE), Gated DeltaNet, Qwen Sparse Attention, расширенными gated residual streams и hashed n-gram embeddings. Общее число параметров языковой модели составляет около 125 млрд, активных — около 6 млрд; дополнительно указаны 51 млрд параметров n-gram embedding и 4 млрд параметров native MTP-блока. Архитектура включает 48 слоёв, 512 маршрутизируемых экспертов, 10 активных экспертов и один общий эксперт. Контекст настроен на 262 144 токена и может быть расширен upstream до 1 000 000 токенов. Ключевая особенность — чувствительно-ориентированное смешанное квантование oQ2: базовое представление использует 2-битное affine-квантование с размером группы 32, а отдельные модули — 3, 4, 5, 6 и 8 бит. В чекпойнте сохранён один native MTP draft-блок для speculative decoding. На Apple M3 Studio в тестах скорость генерации составила 26,1398 токена в секунду без MTP и 25,9290 токена в секунду с MTP глубины 3; в данном тесте MTP снизил производительность на 0,81%, поэтому рекомендуется отключать его по умолчанию. Для запуска требуется runtime с явной поддержкой qwen4_exp и native MTP; без такой поддержки загрузка может завершиться ошибкой. Модель распространяется по лицензии Qwen Community License 1.0. Размер весов составляет около 70,782 ГБ, поэтому необходимы значительные объёмы памяти и совместимое оборудование. README не содержит полного описания ограничений исходной модели и предупреждает, что результаты производительности зависят от длины запроса, размера контекста, состояния кэша, версии runtime, нагрузки на память и температуры устройства.

RWKV7-Goose-World3-1.5B-HF — многоязычная языковая модель RWKV-7, разработанная Бо Пэном, Ю Чжаном, Сонглином Яном и Жуйчуном Чжаном при поддержке RWKV Project под эгидой LF AI & Data Foundation. Это плотная авторегрессионная модель с архитектурой RWKV7ForCausalLM и 1,5 млрд параметров, представленная в формате safetensors и предназначенная для генерации текста и диалогов. Модель обучена на корпусе World v3 объёмом 3,119 трлн токенов. Она поддерживает английский, китайский, японский, корейский, французский, арабский, испанский и португальский языки; размер словаря токенизатора RWKV World составляет 65 536 токенов. Длина контекста — 2048 токенов. Для запуска через Transformers требуется актуальная версия библиотеки и пакет flash-linear-attention. Лицензия Apache-2.0. В приведённых метриках для LAMBADA указаны perplexity 4,13 и accuracy 69,4% до конвертации и 4,26 и 68,8% после конвертации; результаты зависят от настройки оценки. Карточка не описывает специализированную предметную область.

Saraiki Whisper Medium — модель распознавания речи на основе Whisper Medium от OpenAI, дообученная автором репозитория themohal. Она предназначена для преобразования аудиозаписей на сараики в текст; в метаданных указана задача automatic-speech-recognition и входная аудиомодальность. Модель содержит 455,8 млн параметров и распространяется в формате safetensors для библиотеки Transformers. В README приведены результаты оценки: WER 19,4149 и CER 5,6416; набор данных для дообучения не уточнён. Лицензия — Apache-2.0. Показатели относятся к указанному оценочному набору и не гарантируют такую же точность на других записях.

Модель lgris/sew-tiny-portuguese-cv8 разработана lgris и представляет собой дообученную версию lgris/sew-tiny-pt для автоматического распознавания речи. Она использует архитектуру SEW с CTC-декодированием и содержит 50,4 млн параметров. Модель обучалась на Common Voice 8.0 и предназначена для преобразования португальской речи в текст. На оценочной выборке указаны loss 0,4082 и WER 0,3053. Модель принимает аудио и выдаёт текст; опубликованные веса имеют формат PyTorch. Лицензия — Apache-2.0.

Shisa Base 7B v1 — объединённая чат-модель на архитектуре Mistral, созданная слиянием mistralai/Mistral-7B-Instruct-v0.1 и augmxnt/shisa-base-7b-v1 методом SLERP. Модель содержит 7,1 млрд параметров, принимает текстовые инструкции и диалоговые запросы и генерирует текстовые ответы. Поддерживает английский и японский языки; длина контекста — до 32 768 токенов. Модель подходит для диалоговых приложений и генерации ответов на инструкции. Опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. README не приводит оценок качества или специальных ограничений применения.

PracticeLLM/SOLAR-tail-10.7B-instruct-v1.0 — языковая модель Kyujin Han (kyujinpy), созданная инструкционным дообучением модели PracticeLLM/SOLAR-tail-10.7B-Merge-v1.0 на наборе KOR-OpenOrca-Platypus-v3. Это плотная авторегрессионная трансформерная модель семейства Llama с архитектурой LlamaForCausalLM и 10,6 млрд параметров. Модель предназначена для генерации текста и ответов на инструкции, включая задачи на корейском и английском языках. Контекст составляет 4096 токенов; веса опубликованы в формате safetensors и могут загружаться через Transformers. В опубликованной таблице модель сравнивается по бенчмаркам ARC, HellaSwag, MMLU, TruthfulQA и Ko-CommonGenV2. Репозиторий распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование и требует соблюдения условий атрибуции и распространения производных материалов.

Модель oliverguhr/wav2vec2-base-german-cv9 — акустическая модель распознавания немецкой речи, разработанная на основе facebook/wav2vec2-base и дообученная на немецкой части набора Mozilla Common Voice 9.0. Это архитектура Wav2Vec2 с CTC-декодированием, содержащая 113,3 млн параметров; веса доступны в форматах PyTorch и Safetensors. Модель предназначена для преобразования аудиозаписей немецкой речи в текст. На оценочной выборке указаны loss 0,1742 и WER 0,1209. Лицензия — MIT. Карточка не описывает условия записи аудио и возможные различия качества для акцентов, шумных записей и других условий, поэтому результаты могут отличаться на данных вне обучающего набора.

facebook/wav2vec2-large-xlsr-53-german — модель распознавания речи на немецком языке от Facebook. Она основана на архитектуре Wav2Vec2ForCTC и содержит 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст; в карточке приведена оценка 18,5% на тестовой части немецкого Common Voice. Доступны веса PyTorch и Flax. Модель предназначена для автоматической транскрипции немецкой речи, в том числе записей, похожих на аудиоматериалы Common Voice. Распространяется по лицензии Apache-2.0.

Wav2vec 2.0 With Open Brazilian Portuguese Datasets v2 — модель распознавания речи на базе Wav2Vec2, дообученная автором lgris для бразильского варианта португальского языка. Чекпойнт содержит 402,7 млн параметров и предназначен для преобразования аудиозаписей речи в текст. Для обучения объединили корпуса CETUC, Multilingual Librispeech, VoxForge, Common Voice 6.1 и Lapsbm; исходная модель дообучалась с помощью fairseq, а веса для этой версии конвертированы из исходного формата. В README приведены результаты WER 10,69% на тестовой выборке Common Voice и 34,53% на аудио TEDx вне обучающего домена. Автор отмечает возможное пересечение дикторов между обучающей и тестовой выборками Common Voice, поэтому первый результат может быть завышен; на записи вне домена качество заметно ниже. Модель распространяется по лицензии Apache-2.0.

ubamba98/wav2vec2-xls-r-1b-ro — модель распознавания речи, дообученная на базе facebook/wav2vec2-xls-r-1b на румынской части набора Mozilla Common Voice 7.0. Она использует архитектуру wav2vec2 с выходной головой CTC и предназначена для преобразования румынской речи в текст. На оценочной выборке указаны WER 0,4770 и CER 0,0306. Модель принимает аудио и выдаёт текст; в репозитории указаны веса PyTorch. Лицензия — Apache-2.0.

Это версия модели распознавания речи Whisper Base, преобразованная сообществом mlx-community из openai/whisper-base в формат MLX с точностью FP16. Она предназначена для автоматической транскрипции аудио в текст и работает с библиотекой mlx-audio. Модель содержит около 51,7 млн параметров и поддерживает распознавание речи на множестве языков, включая русский и английский. Модель подходит для преобразования записей, интервью и разговоров в текст. Репозиторий распространяется по лицензии Apache-2.0. Качество распознавания зависит от языка, чистоты аудио и условий записи; карточка рекомендует обращаться к исходной модели для подробностей.