I.6Перевод и языковая адаптация

Alcoft/Qwen3.8-27B-Uncensored-GGUF-ALC — квантизированная GGUF-версия модели JonathanColetti/Qwen3.8-27B-Uncensored, предназначенная для запуска через llama.cpp. По заявленным метаданным, модель ориентирована на задачи генерации текста и обработки изображений с текстом; поддерживаемые языки — английский, китайский, испанский и японский. В названии указано, что базовая модель имеет размер 27B параметров, однако точная архитектура, формат квантования, размер контекста и перечень поддерживаемых модальностей в README не раскрыты. Ключевые особенности сборки — квантизация GGUF, использование imatrix и потенциальная поддержка speculative decoding с MTP. Это может сделать модель более подходящей для локального запуска и снизить требования к ресурсам по сравнению с полной версией, но конкретные характеристики производительности и качества зависят от варианта квантования и оборудования. Модель распространяется по лицензии Apache-2.0; дополнительные ограничения или особенности использования в README не указаны.

Это пакет слоёв GGUF-модели Qwen3-Next-80B-A3B-Thinking-UD-Q4_K_XL, подготовленный Mesh LLM для распределённого инференса. Пакет основан на unsloth/Qwen3-Next-80B-A3B-Thinking-GGUF и сохраняет её веса, разбитые на артефакты по слоям для запуска на кластере из нескольких локальных машин. Указанный вариант квантования — UD-Q4_K_XL. Модель предназначена для локального приватного чата и генерации текста, в том числе через совместимый с OpenAI интерфейс Mesh LLM. Распределение слоёв позволяет объединять память и вычисления нескольких машин, когда полной модели не помещается на одном узле. Пакет требует Mesh LLM; описание архитектуры, языков, контекста и лицензии отсылает к карточке исходной модели и не приводит эти сведения для данного пакета.

Røst-Wav2Vec2-315m-v1 — модель распознавания датской речи, разработанная Alexandra Institute в рамках проекта CoRal. Это дообученная для распознавания речи модель Wav2Vec2ForCTC на основе facebook/wav2vec2-xls-r-300m; метаданные указывают 402,7 млн параметров, а в README версия названа 315-миллионной. Модель принимает аудио и выдаёт текстовые транскрипции. Для декодирования используется отдельная n-граммная языковая модель, обученная на датской Википедии, Common Voice и Reddit. Модель предназначена для автоматической транскрипции датской речи, в том числе чтения вслух с разными диалектами, акцентами и голосами. В оценке CoRal она показала CER 6,6% и WER 17,0%; на тесте Danish Common Voice 17 — CER 6,6% и WER 16,7%. README сообщает о более новой версии v2. Лицензия — OpenRAIL; биометрическая идентификация с использованием CoRal и производных моделей запрещена условиями лицензии.

Røst v1 Whisper 1.5B — модель распознавания датской речи, разработанная Alvenir и дообученная на первом выпуске датасета CoRaL. Она основана на Whisper large-v3 от OpenAI и предназначена для преобразования датской речи в текст. В метаданных указано 905,2 млн параметров; модель использует архитектуру WhisperForConditionalGeneration и библиотеку Transformers. В карточке датская модель названа современной для своей задачи. Для сопоставления приведены результаты других моделей на CoRaL: ошибка символов (CER) 4,3% и ошибка слов (WER) 10,4% у Alvenir/coral-1-whisper-large; эти показатели не относятся к данной модели. Модель распространяется по лицензии OpenRAIL. Результаты оценки самой Røst v1 в карточке не приведены.

Mungert/rwkv7-2.9B-g1-GGUF — это GGUF-представление языковой модели rwkv7-2.9B-g1, созданной на базе архитектуры RWKV-7 с форматом flash-linear attention. Исходную модель разработали Bo Peng, Yu Zhang, Songlin Yang, Ruichong Zhang и Zhiyuan Li при поддержке RWKV Project в рамках LF AI & Data Foundation; GGUF-версия сгенерирована с использованием llama.cpp. Модель предназначена для генерации текста и диалоговых сценариев, включая локальное и ресурсно-ограниченное развертывание через совместимые инструменты. Модель содержит 2,9 млрд параметров, использует RWKV World tokenizer с размером словаря 65 536 токенов и поддерживает английский, китайский, японский, корейский, французский, арабский, испанский и португальский языки. Для исходной модели указан контекст до 4096 токенов. Архитектура flash-linear attention ориентирована на эффективную обработку последовательностей, однако в README отсутствуют подробные результаты сравнительных тестов, сведения о конкретных вариантах квантования GGUF и требованиях к аппаратным ресурсам. Сильными сторонами модели являются компактный размер, мультиязычность и возможность локального запуска в экосистеме GGUF и llama.cpp. Ограничения включают отсутствие детальных бенчмарков и неопределённость характеристик конкретной квантованной сборки; качество генерации и скорость зависят от выбранного варианта GGUF и оборудования. Модель распространяется по лицензии Apache-2.0.

Spark-X2.5-4B-Q8_0-GGUF — это GGUF-сборка языковой модели Spark-X2.5-4B, разработанной XHToken. Данная версия подготовлена в формате Q8_0 и предназначена для генерации текста с использованием llama.cpp и совместимых инструментов. В README заявлены поддерживаемые языки English и Chinese, а также базовая модель с размером 4B параметров. Файл модели занимает примерно 4,38 ГБ. Квантование Q8_0 снижает требования к памяти по сравнению с полной BF16-версией, сохраняя высокую точность представления весов. В качестве серверной конфигурации приведён контекст 65536 токенов, однако архитектурные особенности и точный максимальный контекст модели отдельно не указаны. Модель ориентирована на локальный текстовый inference и может использоваться в приложениях, поддерживающих GGUF и llama.cpp. Ключевое ограничение — для поддержки Spark-X2.5 требуется совместимая реализация XHToken/llama.cpp, поэтому стандартная версия llama.cpp может быть несовместима. Лицензия модели — Apache License 2.0, как и у базовой модели.

Strawberry-1-i1-GGUF — это набор квантованных GGUF-файлов модели strawberry-1, разработанной artindnr и квантизированной mradermacher. Модель предназначена для генерации текста и локального запуска в совместимых инструментах, поддерживающих формат GGUF. В репозитории представлены варианты с разными уровнями квантования, размером примерно от 12,1 до 22,3 ГБ, а также imatrix-файл для создания собственных квантовок. Модель относится к архитектуре Mixture-of-Experts; в метаданных также указаны совместимость с PyTorch, JAX и TensorFlow, а также поддержка языков fa, en и multilingual. Точный размер исходной модели, максимальная длина контекста, количество экспертов и перечень поддерживаемых модальностей в README не указаны; по имеющимся данным модель является текстовой и не поддерживает заявленные мультимодальные входы. Основное преимущество репозитория — широкий выбор квантовок с различным компромиссом между размером, скоростью и качеством. Для повседневного использования автор рекомендует i1-Q4_K_M, а i1-Q4_K_S отмечает как оптимальный вариант по соотношению размера, скорости и качества. Более низкие уровни квантования требуют меньше ресурсов, но могут заметно снижать качество. Лицензия модели — Apache-2.0.

Swallow 7B Instruct — языковая модель для генерации текста и выполнения инструкций, разработанная tokyotech-llm. Данный репозиторий TheBloke содержит её квантизированные версии в формате GGUF, предназначенные для локального запуска и инференса на CPU и GPU. Модель основана на архитектуре Llama и имеет около 7 миллиардов параметров. Она поддерживает английский и японский языки, работает в режиме text generation и использует шаблон запросов Swallow-Instruct. Доступны варианты квантизации от 2 до 8 бит, что позволяет выбирать между меньшим потреблением памяти и сохранением качества. Формат GGUF совместим с llama.cpp и рядом пользовательских интерфейсов и библиотек для локального запуска. Сильными сторонами модели являются компактный размер, поддержка японского языка, возможность локального использования и широкий выбор уровней квантизации. Ограничения включают потенциальное снижение качества у более сильных вариантов квантизации; сведения о размере контекста и результатах тестирования в README не указаны. Модель распространяется по лицензии Llama 2.

Это GGUF-квантизированная версия языковой модели Big-Alice-28B-v1, разработанной TheDrummer. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может применяться в локальных сценариях общения с LLM, написания и преобразования текста, а также в других задачах текстовой генерации. Доступны варианты от BF16 до низкобитных Q2 и IQ-квантизаций. Размер исходной модели составляет 28B параметров; размер файлов варьируется примерно от 12 до 57,22 ГБ в зависимости от формата. Для большинства сценариев рекомендуются варианты Q4_K_M, Q5, Q6 и IQ4_XS; более качественные квантизации требуют больше оперативной или видеопамяти, а низкобитные версии экономят ресурсы ценой снижения качества. Поддерживаются запуск через llama.cpp, LM Studio и другие совместимые проекты. Предусмотрен шаблон prompt в формате ChatML с ролями system, user и assistant. В README не указаны точные поддерживаемые языки, размер контекстного окна, мультимодальные возможности и детальные результаты оценки качества, поэтому эти характеристики нельзя определить по имеющимся данным. Модель распространяется по лицензии MIT.

IsValorum подготовил APEX-I-MiniPlus V2.1 — пользовательскую квантизацию модели Thomson-1.0-Small в формате GGUF для запуска через llama.cpp. Модель предназначена для диалоговой генерации текста и рассуждений; карточка описывает настройку тензоров Mixture-of-Experts, рассчитанную на сохранение качества при уменьшении размера весов. Заявлены размер файла около 14,75 ГБ, средняя точность 3,40 бита на вес и запуск с контекстом до 256 тысяч токенов, включая конфигурации с системной памятью и частичной выгрузкой на GPU. Модель основана на Thomson Reuters Thomson-1.0-Small; метаданные связывают её с базовой моделью как дообучение, а файлы представлены в GGUF и маркированы как квантованные. Поддерживаются английский, китайский, испанский, французский, немецкий, португальский, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский языки. Лицензия — Apache-2.0. Показатели качества и скорости приведены автором карточки; они зависят от оборудования и конфигурации запуска.

TigerBot-70B-Chat-v2 — диалоговая языковая модель семейства Llama, разработанная TigerResearch. Это плотная авторегрессионная модель примерно с 69 млрд параметров, предназначенная для генерации текста в формате чата; в карточке приведён запуск через Transformers и собственный код инференса TigerBot. Метаданные указывают китайский и английский языки, контекст до 4096 токенов и формат весов PyTorch. Модель распространяется по лицензии Apache-2.0. Большой размер модели позволяет использовать её для диалогов, ответов на вопросы, написания и преобразования текста. README не приводит оценок качества, примеров возможностей или подробностей обучения, поэтому нельзя уверенно оценить её сильные стороны сверх заявленного назначения и масштаба. Для запуска потребуются значительные вычислительные ресурсы, характерные для модели такого размера.

TigerBot 70B Chat v6 — диалоговая языковая модель семейства Llama, разработанная TigerResearch. Она предназначена для генерации ответов в чате и других задач продолжения текста. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 69 млрд параметров и рассчитана на контекст до 8192 токенов. Поддерживаются китайский и английский языки; файлы весов представлены в формате safetensors. Модель подходит для диалоговых интерфейсов и генерации текста по запросу. Для запуска автор предлагает использовать Transformers или код репозитория TigerBot. Лицензия Apache-2.0 допускает использование на её условиях. Карточка не приводит конкретных оценок качества или ограничений, поэтому применимость к узким задачам следует проверять отдельно.

shniranjan/wav2vec2-large-xlsr-300m-nepali — модель распознавания речи на основе архитектуры Wav2Vec2ForCTC из семейства wav2vec2. Она преобразует аудио на непальском языке в текст и предназначена для сценариев автоматической транскрипции речи. В метаданных указано 402,7 млн параметров; веса доступны в форматах PyTorch и Safetensors. Модель можно использовать напрямую, без языковой модели. Карточка не сообщает о специальных ограничениях качества или условиях применения; лицензия в предоставленных данных не указана.

Модель распознавания речи на суахили разработана инициативой THiNK и дообучена на корпусе Common Voice 11.0. Это модель Wav2Vec2ForCTC на базе wav2vec 2.0 с декодированием CTC и unigram-токенизатором; в метаданных указано 402,7 млн параметров. Она принимает аудио и преобразует речь в текст, в том числе для сервисов транскрибации, голосовых помощников и средств доступности. При обучении использован Common Voice 11.0 на суахили; в README указано, что учитывались демографические характеристики записей, включая возраст, пол и акцент. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache 2.0. Результаты могут зависеть от акцента, качества записи и соответствия речи обучающим данным; численные оценки качества в карточке не приведены.

Это модель автоматического распознавания речи на урду, разработанная Kingabzpro. Она основана на архитектуре Wav2Vec2ForCTC и дообучена из facebook/wav2vec2-xls-r-300m на наборе Mozilla Common Voice 8.0. Размер модели — около 402,7 млн параметров; она принимает моноканальную аудиозапись с частотой 16 кГц и преобразует речь в текст на урду. Модель предназначена для транскрибирования речи и прототипирования систем распознавания урду. Для декодирования можно использовать включённую 5-граммную языковую модель KenLM: в README сообщается о WER 39,89% с KenLM против 56,07% при жадном CTC-декодировании на тестовой части Common Voice 8.0. Качество зависит от чистоты записи, акцента, переключения языков, фонового шума, специальной лексики и длины высказывания; транскрипты следует проверять перед ответственным использованием. Лицензия — Apache-2.0.

arampacha/wav2vec2-large-xlsr-czech — дообученная модель распознавания чешской речи, созданная на основе facebook/wav2vec2-large-xlsr-53 и обученная на данных Common Voice. Она принимает аудио с частотой дискретизации 16 кГц и преобразует речь в текст; модель основана на архитектуре Wav2Vec2 с CTC-выходом и содержит около 402,7 млн параметров. Модель предназначена для автоматической транскрибации чешской речи, в том числе записей, похожих на тестовые данные Common Voice. В README приведён результат тестирования 24,56, но единица измерения не уточнена. Доступны веса PyTorch и Flax. Лицензия — Apache-2.0.

ifrz/wav2vec2-large-xlsr-galician — модель автоматического распознавания речи на галисийском языке, созданная путём дообучения facebook/wav2vec2-large-xlsr-53. Она использует архитектуру Wav2Vec2ForCTC и содержит 402,7 млн параметров. Обучение проводилось на размеченных аудиоданных OpenSLR 77 и Mozilla Common Voice 8.0; для оценки указана метрика WER 7,12. Модель принимает монофоническую речь с частотой дискретизации 16 кГц и преобразует её в текст. Подходит для транскрибирования галисийской речи и распознавания аудио на галисийском языке. Распространяется по лицензии Apache-2.0.

PereLluis13/wav2vec2-xls-r-1b-ca — модель автоматического распознавания речи на каталанском языке, созданная дообучением facebook/wav2vec2-xls-r-300m на наборах Common Voice 8.0 для каталанского, tv3_parla и parlament_parla. Она использует архитектуру wav2vec2 с выходной головой Wav2Vec2ForCTC и содержит 1,3 млрд параметров. Модель предназначена для преобразования каталанской речи в текст, в том числе для записей, похожих на данные обучающих корпусов: краудсорсинговую речь, телепередачи и парламентские выступления. Распространяется под лицензией Apache-2.0.

jonatasgrosman/wav2vec2-xls-r-1b-dutch — модель распознавания голландской речи, созданная Jonatas Grosman путём дообучения facebook/wav2vec2-xls-r-1b. Она использует архитектуру wav2vec2 с декодером CTC и предназначена для преобразования аудиозаписей на нидерландском языке в текст. Модель обучалась на обучающей и валидационной выборках Common Voice 8.0, Multilingual LibriSpeech и VoxPopuli; для входной речи требуется частота дискретизации 16 кГц. Размер модели — 1,3 млрд параметров. Модель подходит для транскрибации нидерландской речи в записях и речевых приложениях. Она принимает аудио и выдаёт текст, а для работы с ней README предлагает библиотеку HuggingSound. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache 2.0.

imvladikon/wav2vec2-xls-r-1b-hebrew — модель распознавания речи на базе wav2vec 2.0 XLS-R, дообученная разработчиком imvladikon на основе facebook/wav2vec2-xls-r-1b. Она принимает аудио и преобразует речь на иврите в текст; подходит, например, для транскрибирования записей и аудиоматериалов на этом языке. Модель содержит 1,3 млрд параметров, использует архитектуру Wav2Vec2ForCTC и опубликована в форматах PyTorch и Safetensors. В оценке указаны loss 0,3533 и WER 0,2251. Датасет дообучения в карточке обозначен как None, поэтому по этим результатам нельзя судить о поведении на иных источниках и условиях записи. Лицензия — Apache-2.0.

BSC-LT/whisper-3cat-cv21-valencian — акустическая модель распознавания речи, созданная лабораторией Language Technologies Laboratory Барселонского суперкомпьютерного центра. Это дообучение Whisper large-v3 с 905,2 млн параметров на 397 часах 55 минутах аудиозаписей из Corts Valencianes и Common Voice v21, отобранных для валенсийского акцента каталанского языка. Модель предназначена для транскрибации аудио на каталанском языке, особенно с валенсийским акцентом, в обычный текст без пунктуации. Она принимает аудио и выдаёт текст; использует архитектуру Whisper и библиотеку Transformers. Лицензия — Apache-2.0.

Whisper Base DE v2 — модель распознавания речи на базе Whisper, дообученная Алаа Альбашей на датасете ASR German Mixed. Она принимает аудио и преобразует немецкую речь в текст; архитектура реализована классом WhisperForConditionalGeneration, веса опубликованы в формате safetensors. В README указаны результаты оценки на тестовой выборке: loss 0,2225 и WER 14,1615. Модель подходит для транскрибации немецкой речи в аудиозаписях. Репозиторий использует Transformers, лицензия — Apache-2.0. Сведения о длине аудиозаписей и ограничениях применения в карточке не приведены.

DrishtiSharma/whisper-large-v2-marathi — дообученная версия Whisper Large V2, созданная на основе openai/whisper-large-v2 на наборе Common Voice 11.0. Это плотная модель архитектуры Whisper с примерно 905,2 млн параметров, предназначенная для автоматического распознавания речи на маратхи и преобразования аудио в текст. В карточке приведён результат оценки на тестовой выборке: WER 13,644 и loss 0,1975. Модель принимает аудио и выдаёт текст. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Оценка приведена для указанного набора данных, поэтому она не гарантирует такое же качество на других типах записей, акцентах или условиях записи.

Whisper Large V2 Malayalam — модель распознавания речи, созданная дообучением openai/whisper-large-v2 на корпусе Malayalam Speech Corpus от ICFOSS. Она преобразует аудиозаписи на малаялам в текст и предназначена для автоматической транскрипции речи. Архитектура — WhisperForConditionalGeneration; в модели 905,2 млн параметров. В карточке приведены результаты оценки: WER 44,1379 и CER 9,6895. Эти показатели относятся к указанному набору оценки и не гарантируют такое же качество на других аудио. Модель распространяется под лицензией Apache-2.0.

Methystorn выпустил дообученную версию OpenAI Whisper Large-v3 для автоматического распознавания речи на кхмерском языке. Модель принимает аудио и преобразует речь в текст; она рассчитана на сценарии, где важна нормализация числительных, денежных сумм и дат. Модель построена на архитектуре Whisper и содержит 905,2 млн параметров. В репозитории представлены веса safetensors, лицензия — MIT. Разработчик указывает кхмерский язык (km-KH); сведений о длине контекста нет.

mikr/whisper-large-v3-czech-cv13 — дообученная модель семейства Whisper, основанная на openai/whisper-large-v3. Она предназначена для автоматического распознавания речи и преобразования аудио в текст; в README указана оценка на тестовой выборке: WER 0,0789 и loss 0,1283. Модель содержит 905,2 млн параметров и распространяется в формате Safetensors. Базовая Whisper large-v3 — мультиязычная модель OpenAI для транскрибации речи и перевода аудио в текст. Название указывает на ориентацию этой версии на чешскую речь, однако README не описывает обучающий набор данных, языковой охват или дополнительные сценарии применения. Лицензия — Apache-2.0.

yuriyvnv/whisper-large-v3-mixed-cv-nl — модель распознавания речи на нидерландском языке, созданная Yuriy Vnv дообучением Whisper large-v3 от OpenAI. Это плотная модель архитектуры Whisper с 905,2 млн параметров, предназначенная для преобразования аудио в текст; обучение проводилось с помощью Transformers на записях Common Voice 17.0 и синтетической речи, отфильтрованной по качеству на уровне слов. Модель рассчитана на транскрибацию чистой нидерландской речи и заявляет результаты 4,48% WER на тесте Common Voice и 17,25% WER на MLS. Она может подойти для распознавания речи в аудиозаписях и голосовых сообщениях на нидерландском; результаты на других языках и акустических условиях не описаны. Лицензия — Apache-2.0.

Это дообученная на наборе данных None модель OpenAI Whisper Medium для автоматического распознавания речи. Она принимает аудио и генерирует текстовую расшифровку; карточка сообщает результаты оценки: loss 0,5053 и Global WER 23,6218. Метаданные описывают базовую Whisper Medium как мультиязычную модель для распознавания и перевода речи, однако язык или языки, на которых специализируется это дообучение, не подтверждены. Модель использует архитектуру WhisperForConditionalGeneration и формат safetensors. Лицензия — Apache 2.0.

mlx-community/whisper-tiny — модель для автоматического распознавания речи, преобразующая аудиозаписи в текст. Она предназначена для сценариев транскрибации речи и интеграции в приложения, которым требуется ASR на базе экосистемы MLX. Модель представляет собой конвертированную версию Whisper с размером tiny, подготовленную сообществом mlx-community из исходной модели tiny с использованием инструментов проекта mlx-examples и формата MLX. В предоставленных данных не указаны поддерживаемые языки, максимальная длина контекста, точная архитектура, требования к ресурсам, показатели качества и ограничения. Лицензия также не указана, поэтому условия использования необходимо уточнять по исходной модели Whisper и репозиторию конвертации.

Модель wrice/whisper-tiny-grpo-0029b82-cv22-tiny-sft — версия Whisper tiny, дообученная автором репозитория с помощью GRPO и комбинированной награды на основе ошибок слов и символов. Она предназначена для автоматического распознавания речи и преобразования аудиозаписей в текст; обучающие данные взяты из Common Voice для 77 языковых локалей, а язык клипа задавался по локали набора данных. По карточке, лучший общий результат на валидационной выборке по 77 языкам составил WER 0,602 и CER 0,253. Это экспериментальная компактная модель на архитектуре Whisper, доступная в формате safetensors и используемая через Transformers. Лицензия — MIT. Автор характеризует рецепт обучения как proof of concept, а не готовую производственную систему. Результаты зависят от предметной области, акцента, языка и качества аудио; метрики получены на нормализованной выборке Common Voice и не гарантируют аналогичного качества на реальных записях.