I.6Перевод и языковая адаптация

Llama 3 zhtw — плотная авторегрессионная языковая модель семейства Llama, дообученная p208p2002 на базе Llama 3 посредством продолжения предобучения на 800 млн токенов. В обучении использовались англоязычный FineWeb, китайские корпуса на упрощённом и традиционном китайском, включая Wudao, C4Tw и Wikipedia, а также датасеты диссертаций и кода. Модель содержит 7,5 млрд параметров, работает с контекстом до 8192 токенов и поддерживает диалоговый сценарий. Модель предназначена для генерации текста на китайском и английском языках. По данным авторов, качество на традиционном китайском после продолжения предобучения не превзошло исходную Llama 3; на английском результат MMLU сопоставим с исходной моделью. Вес опубликован в формате safetensors, лицензия — llama3.

Llama 4 Scout — мультимодальная авторегрессионная модель Meta с архитектурой mixture-of-experts и ранним объединением модальностей. В модели 17 млрд параметров и 16 экспертов; она предназначена для работы с текстом и изображениями. Модель подходит для диалогового помощника, визуального рассуждения, распознавания содержимого изображений, создания подписей и ответов на вопросы об изображениях. Поддерживает арабский, английский, французский, немецкий, хинди, индонезийский, итальянский, португальский, испанский, тагальский, тайский и вьетнамский языки. В README указано, что модель тестировалась на понимание до пяти изображений за один запрос. Модель распространяется по специальной коммерческой лицензии Llama 4 Community License Agreement с ограничениями Acceptable Use Policy. Это статическая модель, обученная на офлайн-данных; качество ответов и работу в конкретных сценариях следует проверять отдельно. Возможности понимания изображений сверх пяти изображений за запрос требуют дополнительного тестирования и настройки.

BuzzASR/macedonian — одноязычная модель автоматического распознавания речи на македонском языке, созданная командой BuzzASR дообучением Whisper large-v3 от OpenAI. Она принимает аудио и генерирует текстовую транскрипцию; подсказка языка и задачи уже задана в конфигурации генерации. Модель содержит около 905,2 млн параметров, построена на архитектуре Whisper и распространяется в формате safetensors для Transformers. Модель предназначена для транскрибации македонской речи. В README приведены результаты на тестовых наборах FLEURS и Common Voice 25, где авторы сообщают о снижении CER относительно Whisper large-v3 без дообучения. Лицензия — MIT. Проверка охватывает указанные тестовые наборы; точность на других предметных областях, диалектах и условиях записи может отличаться.

bartowski/magnum-v2-123b-GGUF — это набор GGUF-квантизаций текстовой генеративной модели magnum-v2-123b, разработанной anthracite-org. Квантизации подготовлены пользователем bartowski с использованием llama.cpp b3600 и метода imatrix. Модель предназначена для диалогового применения и генерации текста, включая локальный запуск через llama.cpp и LM Studio. Указана поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Модель работает только с текстом; сведения о мультимодальности и размере контекста в README отсутствуют. Основное преимущество репозитория — широкий выбор уровней квантизации с разным соотношением качества, размера и требований к памяти. Варианты Q6_K и Q5_K_M обозначены как близкие к исходному качеству, а Q4_K и некоторые IQ4-варианты предлагают более практичный размер. Более низкие уровни уменьшают требования к ресурсам, но заметно снижают качество; варианты Q2 и IQ1 характеризуются как низкокачественные, а IQ1_M не рекомендуется. Файлы могут занимать от 28,39 до 130,28 ГБ, поэтому запуск требует значительных вычислительных ресурсов и оперативной памяти. Лицензия указана как MRL-0.1 от Mistral AI; подробные условия доступны по ссылке в README. Это не оригинальная модель, а её локальные квантизированные сборки, поэтому конкретное качество зависит от выбранного варианта квантизации и используемого программного обеспечения.

openbmb/MiniCPM3-4B-GGUF — это набор файлов модели MiniCPM3-4B в формате GGUF, разработанной командой OpenBMB. Репозиторий содержит варианты minicpm3-4b-fp16.gguf и minicpm3-4b-q4_k_m.gguf. Модель предназначена для локального запуска в совместимой с GGUF инфраструктуре; конкретные сценарии применения, архитектура, размер контекста и поддерживаемые модальности в представленном README не указаны. Известно, что заявлены английский и китайский языки, а базовой моделью является openbmb/MiniCPM3-4B. Варианты FP16 и Q4_K_M различаются способом хранения и уровнем квантования, что может влиять на требования к памяти и качество работы. Лицензия и ограничения использования в README не указаны. Для подробностей по применению предлагается обратиться к репозиторию OpenBMB/MiniCPM.

JJhooww/Mistral-7B-v0.2-Base_ptbr — базовая предобученная языковая модель семейства Mistral, созданная на основе официальных весов Mistral и дополнительно обученная примерно на 1 млрд токенов португальского языка. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста на португальском языке и может служить основой для дальнейшей тонкой настройки под диалоговые и другие прикладные задачи. В README приведены результаты на наборах ASSIN2 RTE, ASSIN2 STS и BlueX, где модель превосходит базовую версию Mistral по указанным метрикам. Это базовая модель, следующая инструкциям она не обучена, поэтому для инструкционного диалога требуется дообучение. Распространяется по лицензии Apache-2.0.

Это пакет Mesh LLM с разбиением GGUF-модели Mistral-Small-4-119B-2603-UD-Q4_K_XL на артефакты по слоям для распределённого инференса. Он основан на unsloth/Mistral-Small-4-119B-2603-GGUF и предназначен для запуска чат-модели Mistral на локальном кластере Mesh LLM, в том числе на нескольких машинах, если одной машине не хватает ресурсов. Mesh LLM предоставляет локальный API, совместимый с OpenAI Chat Completions. В репозитории указаны формат GGUF и вариант UD-Q4_K_XL; пакет включает отдельные артефакты для слоёв и общие данные модели. Архитектурные подробности, число параметров, контекст, языки и условия лицензии в предоставленных данных не приведены; за ними README отсылает к карточке исходной модели. Пакет рассчитан на локальный инференс, но требует Mesh LLM и оборудования, достаточного для распределённого запуска. Лицензионные условия следует сверить с карточкой исходной модели.

DiscoResearch опубликовал предварительную реализацию Mixtral — языковой модели Mistral с архитектурой Mixture of Experts (MoE). В README модель названа Mixtral 7b 8 Expert; в метаданных указано 7,1 млрд параметров, а максимальная длина контекста составляет 32 768 токенов. Репозиторий содержит веса PyTorch и предназначен для генерации текста. Модель подходит для генерации и продолжения текста, а приведённые в карточке результаты охватывают тесты на понимание текста, рассуждение и знания. В карточке перечислены английский, французский, итальянский, испанский и немецкий языки. README описывает реализацию как предварительную и отмечает необходимость загрузки с trust_remote_code=True. Лицензия — Apache-2.0.

casperhansen/mixtral-instruct-awq — рабочая версия модели Mixtral Instruct с квантизацией AWQ, опубликованная Casper Hansen. Репозиторий предназначен для использования Mixtral Instruct в квантизированном формате; README не уточняет конкретные прикладные сценарии, поддерживаемые языки, размер контекста или модальности. Ключевая характеристика модели — применение AWQ-квантизации. README не содержит сведений о точной архитектуре, количестве параметров и экспертов, формате запуска, производительности или ограничениях качества после квантизации. Модель распространяется по лицензии Apache-2.0. Указано, что на 11 февраля 2024 года альтернативный репозиторий TheBloke/Mixtral-8x7B-Instruct-v0.1-AWQ не работал, поэтому рекомендуется использовать этот репозиторий.

Edge-Quant/Nanbeige4.1-3B-Q8_0-GGUF — это квантизированная версия языковой модели Nanbeige4.1-3B, разработанной Nanbeige и преобразованной в формат GGUF пользователем или организацией Edge-Quant с помощью llama.cpp и GGUF-my-repo. Модель предназначена для генерации текста и локального запуска через llama.cpp, включая работу в режиме командной строки или сервера. Модель содержит около 3 миллиардов параметров и использует квантизацию Q8_0. Она работает с текстом и заявлена для английского и китайского языков. Формат GGUF упрощает использование в экосистеме llama.cpp и позволяет запускать модель на совместимом локальном оборудовании. В README приведён пример контекста размером 2048 токенов для llama-server, однако точный максимальный контекст модели отдельно не указан. К сильным сторонам относятся компактный размер, высокая по сравнению с более агрессивными вариантами точность Q8_0 и удобство локального инференса. Ограничения связаны с относительно небольшим размером модели, возможными ограничениями качества по сравнению с более крупными моделями и отсутствием в карточке подробных сведений о результатах тестирования, архитектуре и специализированных сценариях. Модель распространяется по лицензии Apache-2.0.

Nanbeige_Nanbeige4.2-3B-GGUF — это квантизированная версия языковой модели Nanbeige4.2-3B, разработанной Nanbeige и преобразованной в формат GGUF пользователем bartowski с помощью llama.cpp. Модель предназначена для генерации текста и локального запуска через совместимые инструменты, включая llama.cpp, LM Studio, KoboldCpp, Jan AI и Text Generation Web UI. Модель относится к классу текстовых генеративных LLM, имеет размер 3B параметров и поддерживает английский и китайский языки. Доступны варианты от BF16 до различных уровней квантизации Q2–Q8 и IQ, что позволяет выбирать баланс между качеством, размером файлов и требованиями к оперативной памяти. Рекомендуемые варианты Q4–Q6 обеспечивают высокое качество при меньшем размере, а облегчённые варианты подходят для систем с ограниченными ресурсами. Сильными сторонами являются компактный размер, возможность локального запуска и широкий выбор квантизаций, включая варианты, оптимизированные для некоторых ARM- и Apple Silicon-сценариев. Ограничения включают отсутствие сведений о длине контекста, архитектурных деталях базовой модели, мультимодальности и результатах независимых оценок; качество зависит от выбранного уровня квантизации. Распространение указано по лицензии Apache-2.0.

OpenBuddy/openbuddy-openllama-3b-v10-bf16 — многоязычная чат-модель проекта OpenBuddy, построенная на плотной архитектуре Llama и предназначенная для генерации текста в диалоге. Модель содержит 3,3 млрд параметров, работает с библиотекой Transformers и распространяется в формате PyTorch; размер контекста — 4096 токенов. Модель ориентирована на общение и генерацию ответов на китайском, английском, французском, немецком, японском, корейском, итальянском и русском языках. Лицензия — Apache 2.0. Ответы могут быть ошибочными, вредными или оскорбительными; разработчики предостерегают от применения модели в медицинских, финансовых, юридических и других критически важных сценариях.

Это чат-модель семейства Qwen2, разработанная ehristoforu и дообученная на основе ehristoforu/Qwen2-1.5b-it-chat-sp-ru-bel-arm-ger-fin. Она предназначена для генерации текста в диалоге и поддерживает контекст до 32 768 токенов. Размер модели — 1,5 млрд параметров; карточка указывает обучение с Unsloth и TRL. В названии базовой модели заявлена поддержка испанского, русского, белорусского, армянского, немецкого и финского языков; метаданные также содержат код английского языка. Модель распространяется по лицензии Apache-2.0.

Qwen3-30B-A3B-Instruct-2507-GGUF — языковая instruction-модель для генерации текста, созданная Qwen и представленная в формате GGUF сообществом LM Studio. Она основана на исходной модели Qwen3-30B-A3B-Instruct-2507; GGUF-квантизация выполнена командой LM Studio с использованием llama.cpp версии b6022. Модель предназначена для сценариев, связанных с обработкой и генерацией текста, включая работу через совместимые локальные приложения и инструменты на базе llama.cpp. В названии указана конфигурация 30B-A3B, однако README не содержит подробностей об архитектуре, фактическом количестве активных параметров, размере контекста, поддерживаемых языках, доступных модальностях и конкретных вариантах квантизации. К сильным сторонам относятся instruction-настройка и формат GGUF, удобный для локального запуска в совместимой инфраструктуре. При этом отсутствуют сведения о результатах тестирования и специализированных возможностях, поэтому качество на конкретных задачах по README оценить нельзя. Как и другие генеративные модели, она может выдавать неточную, вредную или неподходящую информацию. Для модели указана лицензия Apache-2.0.

ZuzeTt/Qwen3-4B-Thinking-2507-Heretic-Imatrix-GGUF — это GGUF-квантизации модели Qwen3-4B-Thinking-2507-Heretic, созданной becnic на основе Qwen3-4B-Thinking-2507. Репозиторий подготовлен ZuzeTt с использованием llama.cpp версии b7120 и предназначен для локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Модель относится к каузальным языковым моделям для генерации текста и задач рассуждения. Она содержит около 4 млрд параметров, из которых 3,6 млрд не относятся к embedding, и имеет 36 слоёв. Заявлены языки английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский. Доступны варианты от f16 до Q2_K размером примерно от 1,67 до 8,05 ГБ, что позволяет выбирать между качеством и требованиями к памяти. Ключевая особенность — модификация Heretic с применением abliteration. По приведённому сравнению, модель демонстрирует 6 отказов из 100 против 96 из 100 у исходной Qwen3-4B-Thinking-2507, при KL-дивергенции 0,06 относительно оригинала. Это может расширять применимость модели к запросам, которые исходная версия чаще отклоняет, но также повышает риск нежелательной или небезопасной генерации. В README не указаны размер контекста, результаты комплексных бенчмарков, мультимодальные возможности и подробные рекомендации по аппаратному обеспечению. Модель распространяется по лицензии Apache-2.0.

litert-community/Qwen3.5-2B — это версия модели Qwen3.5-2B от Alibaba, преобразованная сообществом LiteRT в формат LiteRT-LM для локального вывода на мобильных и периферийных устройствах с использованием runtime Google LiteRT-LM. Модель предназначена для генерации текста, диалогов и многошаговых взаимодействий на устройствах без обязательной передачи данных в облако; для работы требуется litert-lm версии 0.15 или новее. Модель использует гибридную архитектуру с чередованием 18 блоков GatedDeltaNet с линейным вниманием и 6 блоков полного внимания. Линейные блоки хранят состояние постоянного размера, поэтому потребление памяти слабо растёт с длиной контекста, а полное внимание использует KV-кэш с бюджетом 4096 токенов. Доступны текстовая int8-версия размером около 1,97 ГБ и мультимодальная версия для работы с текстом и изображениями размером около 3,15 ГБ, включающая 24-слойную ViT-модель; обработка изображений рассчитана на статический размер 512×512. Языки явно не указаны, но модель основана на Qwen3.5. Сильными сторонами являются проверенная близость результатов к исходной PyTorch-модели, поддержка CPU и GPU, относительно стабильное потребление памяти при увеличении контекста и возможность многоходовых диалогов. Ограничения включают необходимость совместимого LiteRT-LM, отсутствие встроенной поддержки вызова инструментов и специальных vision-секций в шаблоне чата, а также неподтверждённую работу GPU на устройствах Qualcomm Adreno. Модель распространяется по лицензии Apache-2.0.

fallentree/Qwen3.8-27B-Uncensored-GP100-GGUF — это мультимодальная GGUF-сборка модели Qwen3.8-27B с модификацией Uncensored (abliteration). В основе указаны Qwen/Qwen3.8-27B, JonathanColetti/Qwen3.8-27B-Uncensored, mradermacher/Qwen3.8-27B-Uncensored-i1-GGUF и incoai/Qwen3.8-27B-DFlash2. Сборка предназначена для запуска через llama.cpp и оптимизирована разработчиком fallentree для двух видеокарт Tesla P100 с архитектурой Pascal sm_60. Основной файл использует квантизацию Q4_1_G64 примерно на 4,5 бит на вес и занимает около 15 ГиБ; выходная голова хранится в Q8_0, эмбеддинги — в Q4_1, используется calibration imatrix. В комплект входят отдельная DFlash-модель для speculative decoding и vision projector в формате F16, поэтому сборка поддерживает обработку текста и изображений. Заявлены английский и китайский языки, а также контекст до 128K токенов. Для максимальной производительности требуется специальная ветка llama.cpp-gp100 с поддержкой sm_60, LoopSpec и связанных оптимизаций; стандартный llama.cpp не загружает тип Q4_1_G64, но может использовать поставляемый вариант Q4_1. Главное преимущество — оптимизация скорости декодирования и работы с длинными сессиями на Tesla P100: в приведённых тестах G64 быстрее Q4_1 примерно на 10% в обычном режиме и на 4,8% в сценарии с контекстом 128K и компактированием. Ограничения включают зависимость от специализированного программного стека и оборудования sm_60, несовместимость с P40 и видеокартами GTX 10-й серии, а также небольшое ухудшение perplexity и более слабые результаты на коротких запросах по сравнению с Q4_1. Лицензия — Apache-2.0.

msingiai/sauti-asr — модель распознавания речи на суахили, разработанная Msingi AI в рамках конвейера Sauti ASR и дообученная на базе microsoft/paza-whisper-large-v3-turbo. Это модель семейства Whisper с архитектурой WhisperForConditionalGeneration и примерно 905,3 млн параметров; она принимает аудио и преобразует его в текст. В карточке указано, что это текущий предварительный кандидат Track A для оценки в исследованиях и продуктах. На тесте из 500 образцов кенийской речи на суахили получены WER 13,72% и CER 3,88%.

TildeOpen-30b-64k — базовая языковая модель компании Tilde.ai, разработанная при финансировании Европейской комиссии через EuroHPC JU Large AI Grand Challenge. Это плотный декодерный трансформер семейства Llama с 29,9 млрд параметров. Модель не проходила инструкционное дообучение и настройку под человеческие предпочтения, поэтому предназначена прежде всего для продолжения текста и адаптации под прикладные задачи. Модель поддерживает более 30 европейских языков, включая русский, английский, немецкий, французский, польский и украинский, а также программный код и XML с данными для перевода. Контекст расширен с 8 тыс. до 65 536 токенов методом YaRN; обучение включало многоязычные текстовые данные, FinePDFs и синтетические данные на основе KNOT. Модель подходит для генерации и дополнения длинных текстов, работы с многоязычными документами и экспериментов с контекстом большой длины. В карточке приведены результаты тестов на понимание прочитанного и грамматику для ряда языков. Для работы рекомендованы Transformers версии 5 и выше или vLLM; в карточке также описаны патчи для более старых версий Transformers. Модель распространяется по лицензии CC-BY-4.0. Поскольку она не настроена для следования инструкциям и не выровнена с предпочтениями человека, качество диалоговых ответов и безопасность вывода не гарантируются; заявленные тесты не означают одинакового качества во всех языках и задачах.

Ventera-MN — дообученная методом абляции отказов языковая модель на базе Mistral-Nemo-Instruct-2407, разработанная автором репозитория Umranz с использованием фреймворка Heretic. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров, предназначенная для диалога и генерации текста, включая сценарии, в которых требуется меньше отказов на запросы. Модель поддерживает контекст до 131 072 токенов и работает с текстом на английском, французском, немецком, испанском, итальянском, португальском, русском, китайском и японском языках. README описывает снижение числа отказов за счёт удаления части механизмов отказа при сохранении возможностей базовой модели; это делает модель более склонной выполнять инструкции, в том числе для творческого письма, экспериментов и локального запуска. Модель распространяется в формате safetensors и совместима с Transformers и vLLM. Лицензия — Apache-2.0. Она может выдавать оскорбительный, опасный или иной нежелательный контент и, как другие языковые модели, способна уверенно генерировать фактические ошибки, особенно при работе с длинным контекстом.

Это преобразованная сообществом mlx-community модель Microsoft VibeVoice-ASR-Streaming-7B для потокового распознавания речи с привязкой реплик к говорящим. Модель принимает аудио и по мере его поступления выдаёт транскрипцию с указанием говорящего; отдельный этап диаризации не требуется. Поддерживаются 10 языков: английский, китайский, французский, немецкий, итальянский, японский, корейский, португальский, русский и испанский. Для повышения точности распознавания заданных терминов предусмотрена настройка контекста ключевыми словами. Это плотная модель семейства VibeVoice в формате MLX и точности bfloat16; размер весов составляет 16,66 ГБ. По описанию, потоковая обработка использует чанки примерно по 2,93 секунды и упреждение около 0,53 секунды, поэтому минимальная задержка составляет примерно 3 секунды. На тесте AMI-IHM автор карточки приводит результаты для Apple M5 Max и отмечает, что точность эталонной реализации меняется между запусками. Модель распространяется по лицензии MIT. Для запуска нужны совместимые MLX и оборудование Apple Silicon; порт использует среднее распределения акустического VAE вместо случайной выборки эталонной реализации, а результаты 4-битной версии зависят от того, вычислялись ли масштабы квантования на CPU или GPU.

Vikhr-Llama-3.2-1B-instruct-GGUF — инструкционная языковая модель семейства Vikhr, разработанная командой Vikhr Team. Она основана на Llama-3.2-1B-Instruct и дообучена на русскоязычном датасете GrandMaster-PRO-MAX. Модель предназначена для генерации текста и выполнения инструкций на русском и английском языках. Модель имеет компактный размер 1B параметров и ориентирована на эффективный запуск на слабых, маломощных и мобильных устройствах. В README также заявлена эффективность в пять раз выше базовой модели. Указан формат GGUF и библиотека llama.cpp, что подходит для локального развёртывания и инференса с ограниченными вычислительными ресурсами. Рекомендуемая температура генерации — 0,3. По результатам оценки на ru_arena_general модель получила Score 19,04 и LC Score 45,56, превзойдя базовую meta-llama-Llama-3.2-1B-Instruct в этом сравнении. При этом README не содержит сведений о размере контекста, точной архитектуре GGUF-квантизации и поддерживаемых модальностях, поэтому модель следует рассматривать как текстовую. Лицензия указана как llama3.2; условия её применения необходимо уточнять в соответствующих лицензионных документах.

Yehor разработал модель распознавания украинской речи на основе дообученной facebook/w2v-bert-2.0. Это плотная модель архитектуры Wav2Vec2-BERT с головой CTC, принимающая аудио и выдающая распознанный текст. В метаданных указано 402,7 млн параметров; модель обучалась на Common Voice 10.0 и распространяется в формате Safetensors по лицензии Apache-2.0. В карточке приведены метрики: WER 6,6% и CER 1,34%; также указана точность на словах 93,4% и символах 98,7%. Карточка рекомендует использовать обновлённую модель, поэтому результаты могут не отражать актуальное состояние проекта. Модель предназначена для автоматического распознавания речи на украинском языке.

Модель GetmanY1/wav2vec2-large-fi-150k-finetuned — финская система распознавания речи на базе архитектуры Wav2Vec2 Large, разработанная Ярославом Гетманом и Тамашем Гросом. Она дообучена на 4600 часах финской речи: 1500 часах разговорной речи из Lahjoita puhetta и 3100 часах записей парламента Финляндии. В метаданных указан размер 402,7 млн параметров; модель использует архитектуру Wav2Vec2ForCTC и библиотеку Transformers. Модель предназначена для преобразования финской речи в текст, в том числе разговорной речи и парламентских выступлений. Для входного аудио требуется частота дискретизации 16 кГц. Базовая модель предварительно обучена на финской речи; чекпойнт содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Она ориентирована на финский язык; качество на других языках не заявлено.

Osolon разработал wav2vec2-large-xls-r-300m-pl — модель распознавания речи, полученную дообучением facebook/wav2vec2-xls-r-300m на Common Voice 10.0. Она принимает аудио и преобразует речь в текст; архитектура — Wav2Vec2ForCTC, размер — 402,7 млн параметров. На указанной в карточке оценочной выборке модель показала WER 0,1338 и loss 0,1589. Модель распространяется по лицензии Apache-2.0.

facebook/wav2vec2-large-xlsr-53-dutch — модель распознавания речи на основе архитектуры wav2vec 2.0, опубликованная Facebook. Она предназначена для преобразования нидерландской речи в текст и оценена на тестовой части Common Voice NL; в карточке приведён результат 21,1% без пояснения метрики. Модель содержит 402,7 млн параметров и доступна в форматах PyTorch и Flax. Модель принимает аудио и выдаёт текстовую транскрипцию. В метаданных указан нидерландский язык, а лицензия — Apache 2.0. Карточка не уточняет метрику оценки и условия записи аудио, поэтому приведённый результат нельзя напрямую сопоставлять с результатами других моделей.

Facebook wav2vec2-large-xlsr-53-french — модель распознавания французской речи, основанная на архитектуре wav2vec2 и настроенная для французского языка. Она принимает аудио и преобразует речь в текст; карточка сообщает об оценке на тестовой выборке Common Voice FR — 25,2 %. Модель содержит 402,7 млн параметров и доступна в форматах PyTorch и Flax. Модель подходит для транскрибации французской речи, например, записей и голосовых сообщений. Лицензия — Apache-2.0. Метаданные указывают на обучение или оценивание на Common Voice; сведений о поддержке других языков карточка не приводит.

Edresson/wav2vec2-large-xlsr-coraa-portuguese — дообученная Edresson модель распознавания речи на базе архитектуры wav2vec 2.0. Она использует вариант Wav2Vec2ForCTC с 402,7 млн параметров и обучена на португальском корпусе CORAA. Модель предназначена для преобразования португальской речи в текст, например при расшифровке записей. Для использования доступны веса PyTorch и библиотека Transformers. README отсылает к статье о CORAA за результатами, но не приводит численных оценок качества. Лицензия — Apache-2.0.

wav2vec2-xls-r-1b-ca-lm — модель распознавания каталонской речи, созданная PereLluis13 и дообученная на основе facebook/wav2vec2-xls-r-300m. Она использует архитектуру wav2vec2 с классификационной CTC-головой и принимает аудио, преобразуя его в текст. Для обучения использованы датасеты Mozilla Common Voice 8.0 (каталонская часть), tv3_parla и parlament_parla. Модель предназначена для автоматической транскрипции каталонской речи. В README отмечено, что точность может быть ниже для менее представленных диалектов; также возможны смещения и особенности исходных краудсорсинговых данных. Модель распространяется по лицензии Apache-2.0.

techiaith/wav2vec2-xlsr-53-ft-cy-en — акустическая модель распознавания валлийской и английской речи, разработанная Techiaith. Она дообучена на основе facebook/wav2vec2-large-xlsr-53 с использованием спонтанной речи из корпуса Banc Trawsgrifiadau Bangor и валлийских и английских данных Common Voice 16.1. Модель построена на архитектуре Wav2Vec2ForCTC и содержит 402,7 млн параметров. Она принимает аудио и преобразует речь в текст; основное назначение — транскрибация валлийской и английской речи. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0.