I.6Перевод и языковая адаптация

Beetle-FineWeb2-24B/beetle-bilingual-l2-50-sequential-33-67-b3-fineweb-tur-eng — языковая модель для генерации текста, опубликованная на Hugging Face и предназначенная для использования с библиотекой Transformers. Название модели указывает на двуязычную направленность для турецкого и английского языков, а также на размер семейства 24B параметров. Модель можно применять для продолжения текста, генерации ответов, черновиков и других сценариев, основанных на text generation. В метаданных также указан тег pico_decoder, однако подробные сведения об архитектуре, контексте, обучении, оценивании и разработчике в доступных материалах отсутствуют. Лицензия в README и метаданных не указана, поэтому условия использования необходимо проверять на странице модели перед применением.

BlueBerry-1 — дообученная модель artindnr на базе openai/gpt-oss-120b для генерации рассуждений на фарси и многоязычного пошагового рассуждения. Это причинная декодерная языковая модель семейства gpt_oss с архитектурой mixture-of-experts; версия выпущена как полностью дообученный чекпойнт с объединёнными плотными весами, а не как LoRA-адаптер. В метаданных указаны 2,1 млрд параметров и контекст до 131 072 токенов. Модель предназначена для фарсиязычных ассистентов, обучения и задач, где нужны рассуждения на фарси или других языках, а также для общего диалога и следования инструкциям. Карточка описывает поддержку фарси, английского и многоязычного рассуждения; доступны чатовый шаблон Harmony и интерфейс вызова инструментов. Указана лицензия Apache 2.0. Ограничение — модель ориентирована на генерацию рассуждений, поэтому её ответы и каналы рассуждения могут быть длинными; качество для отдельных языков и прикладных задач в карточке не измерено. Указанный в README размер базовой модели расходится с метаданными о размере BlueBerry-1, поэтому в описании приведено значение из метаданных.

ChemLLM-20B-Chat-DPO — разговорная языковая модель для химии и молекулярных наук, разработанная AI4Chem на базе InternLM2 и дообученная с DPO. Модель содержит 19,3 млрд параметров, использует плотную архитектуру InternLM2 и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель предназначена для диалога по химическим темам и молекулярным наукам, а также для ответов на профессиональные вопросы и перевода. В карточке приведены результаты ChemLLM на разделах химии, математики и физики теста MMLU; они превосходят указанные сравниваемые модели в этих разделах, но сами по себе не гарантируют точность в практических задачах. Модель принимает и выдаёт текст, поддерживаемые языки по карточке — английский и китайский. Лицензия — Apache-2.0. Ответы могут быть ошибочными, поэтому химические сведения следует проверять.

cswikimistral_0.1 — языковая модель на базе Mistral 7B, дообученная simecek методом 4-битного QLoRA на чешской Википедии. Она предназначена прежде всего для дальнейшего дообучения под задачи обработки чешского языка, в том числе суммаризации и ответов на вопросы. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0.

EMMA-500 Llama 3.1 8B Mono — многоязычная авторегрессионная языковая модель команды MaLA-LM, созданная на архитектуре Llama 3.1 8B путём дальнейшего предобучения на монолингвальном корпусе. Модель предназначена для генерации текста и экспериментов с языками, включая языки с ограниченными ресурсами; карточка также указывает сценарии машинного перевода, рассуждений здравого смысла и классификации текста. Модель содержит 7,5 млрд параметров, использует архитектуру Llama и поддерживает контекст до 131 072 токенов. По README, обучение охватило 546 языков и 419 млрд токенов из текстов, книг, кода, инструкций и научных работ. Это монолингвальная версия серии EMMA-500; данные о качестве для отдельных языков и задач не приведены. Авторы предупреждают о возможном снижении результатов на некоторых задачах и высокоресурсных языках и не рекомендуют модель для реальных сценариев в критически важных областях. Лицензия — Llama 3.1 Community License (llama3).

EZO2.5-gemma-3-12b-it-Preview-i1-GGUF — это набор квантованных файлов модели EZO2.5-gemma-3-12b-it-Preview, разработанной AXCXEPT и подготовленной в формате GGUF пользователем mradermacher. Модель относится к семейству Gemma 3 и предназначена для генерации текста, включая сценарии на японском языке. README также указывает, что это vision-модель, поэтому для обработки изображений могут потребоваться файлы mmproj из статического репозитория. Исходная модель имеет размер 12 млрд параметров, однако подробности архитектуры, максимального контекста и перечня поддерживаемых языков, кроме японского, не указаны. Доступны варианты квантования i1-IQ и i1-Q размером примерно от 3,0 до 9,8 ГБ. Более компактные варианты требуют меньше памяти, но могут заметно уступать по качеству; README отдельно отмечает i1-Q4_K_M как быстрый и рекомендуемый вариант, а i1-Q6_K — как близкий по характеристикам к статическому Q6_K. Модель подходит для локального запуска через совместимое с GGUF программное обеспечение и может использоваться в задачах текстовой генерации и мультимодальной работы с изображениями при наличии необходимых mmproj-файлов. Ограничениями являются возможная потеря качества из-за квантования и отсутствие в README результатов тестирования, точных возможностей vision-компонента и инструкций по конкретным средам запуска. Лицензия указана как gemma; применимые условия использования следует уточнять по лицензии Gemma.

kriton/greek-text-summarization — модель для абстрактивного суммирования текстов на греческом языке, обученная разработчиком на базе mT5-small. Она принимает текст и генерирует его краткое изложение, поэтому подходит для подготовки выжимок из статей, документов и других греческих текстов. Модель построена на архитектуре mT5 и содержит около 157,4 млн параметров; опубликована в формате PyTorch. Лицензия — Apache-2.0.

Kimi-Audio-7B-Instruct — открытая универсальная аудиомодель компании Moonshot AI для распознавания и понимания звука, генерации речи и аудиодиалога. Модель содержит 7,1 млрд параметров; её архитектура объединяет непрерывные акустические и дискретные семантические аудиотокены с ядром LLM и параллельными головами для генерации текста и аудиотокенов. Для генерации аудио предусмотрена потоковая обработка чанками с детокенизатором на основе flow matching. Модель предназначена для распознавания речи, ответов на вопросы по аудио, создания аудиоподписей, распознавания эмоций и классификации звуковых событий и сцен, а также для голосового общения с генерацией текста и речи. В карточке указаны английский и китайский языки. Контекст модели — 8192 токена. Модель предварительно обучена на более чем 13 млн часов разнообразных аудиоданных и текстовых данных. Лицензия — MIT.

LFM2.5-1.2B-JP-202606-GGUF — языковая модель для генерации текста, разработанная Liquid AI. Это GGUF-версия базовой модели LiquidAI/LFM2.5-1.2B-JP-202606, предназначенная для запуска на периферийных устройствах и локального развертывания непосредственно на устройстве. Модель относится к семейству гибридных LFM2 и ориентирована на сочетание качества, высокой скорости работы и экономичного использования памяти. Заявленный размер составляет 1,2 млрд параметров. Поддерживаются английский и японский языки, а основная задача модели — text generation. Формат GGUF и совместимость с llama.cpp упрощают локальный запуск, в том числе в средах с ограниченными вычислительными ресурсами. README не содержит сведений о длине контекста, конкретной архитектуре гибридных компонентов, вариантах квантования, результатах бенчмарков или ограничениях качества. Условия использования определяются лицензией lfm1.0; в карточке указана лицензия other и ссылка на файл LICENSE.

llm-jp-3-440m-instruct3 — инструктивная языковая модель из серии LLM-jp-3, разработанной Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это плотный Transformer на архитектуре Llama с 345,2 млн параметров и контекстом 4096 токенов; репозиторий содержит веса в формате Safetensors для Transformers. Модель предназначена для диалогов и выполнения инструкций на японском и английском языках. Она прошла предварительное обучение на смеси корпусов общим объёмом 2,1 трлн токенов, затем supervised fine-tuning и выравнивание методом Direct Preference Optimization. Токенизатор основан на Unigram byte-fallback и словаре llm-jp-tokenizer v3.0. Авторы отмечают, что модель находится на раннем этапе разработки и недостаточно настроена для надёжного следования человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.

mergekit-community/mergekit-passthrough-dmirwnd — слитая языковая модель семейства Llama, созданная с помощью mergekit методом passthrough из hfl/llama-3-chinese-8b-instruct-v2, NousResearch/Hermes-2-Pro-Llama-3-8B и shenzhi-wang/Llama3-8B-Chinese-Chat. Репозиторий содержит веса в формате safetensors; модель рассчитана на генерацию текста и диалоговое взаимодействие. Модель объединяет возможности китайских диалоговых моделей Llama 3 и Hermes 2 Pro. Метаданные указывают размер 12,5 млрд параметров и контекстное окно 8192 токена. Карточка не сообщает результаты оценки качества или подробности лицензии, поэтому эти характеристики здесь не уточняются.

Карточка модели openbmb/MiniCPM-2B-dpo-bf16 на Hugging Face совпадает с карточкой openbmb/MiniCPM-2B-dpo-bf16-llama-format, поэтому описание составлено по ней. MiniCPM-2B-dpo-bf16-llama-format — диалоговая языковая модель MiniCPM от ModelBest и лаборатории обработки естественного языка Университета Цинхуа (TsinghuaNLP). Это DPO-версия семейства MiniCPM, представленная в архитектуре Llama; в метаданных указано 2,7 млрд параметров и контекст до 4096 токенов. Модель принимает текст и генерирует текст, поддерживает китайский и английский языки. Модель предназначена для диалогов, ответов на вопросы и других задач общего назначения, а компактный размер позволяет рассматривать её для локального запуска, в том числе на устройствах с ограниченными ресурсами. Разработчики сообщают о результатах DPO-версии на MTBench, однако оценка зависит от настроек генерации: в карточке отмечено, что качество генерации через Hugging Face Transformers может быть ниже, чем через vLLM. Ограничения включают галлюцинации, чувствительность к формулировке запроса, непоследовательность ответов и неточные знания; длинные ответы DPO-версии могут повышать вероятность галлюцинаций. Лицензия указана как other, а README заявляет о выпуске весов для исследований и ограниченного коммерческого использования; перед применением следует свериться с условиями лицензии репозитория.

MOSS-TTS-v1.5 8B Voice Acting — полное дообучение модели OpenMOSS-Team/MOSS-TTS-v1.5 от LAION для выразительного синтеза речи. Модель построена на архитектуре moss_tts_delay с основой Qwen3-8B и содержит 8 млрд параметров; она генерирует монофоническое аудио с частотой 24 кГц. Модель преобразует текст в речь, управляя эмоциями, характером и манерой исполнения через текстовую инструкцию. Она также поддерживает клонирование тембра и стиля речи по короткому аудиофрагменту; без образца может создавать голос по описанию. Заявлена поддержка многих языков, в том числе английского, немецкого, китайского, русского, французского, японского и хинди. Для работы используется библиотека Transformers и интерфейс генерации MOSS-TTS-v1.5. Сильная сторона модели — эмоциональная и персонажная подача при сохранении многоязычных возможностей базовой модели. Внятность речи, сходство клонированного голоса и качество на отдельных языках могут уступать узкоспециализированным системам; расплывчатые или противоречивые инструкции дают непредсказуемую подачу. Лицензия — Apache-2.0.

NordicAlpaca-Finnish-V1-7B — финская инструкционная языковая модель, созданная mpasila путём слияния адаптера NordicAlpaca-Finnish-V1-7B-LoRA с базовой моделью HPLT/gpt-7b-nordic-prerelease. Она предназначена для генерации текста в ответ на инструкции и запросы с контекстом, оформленные в шаблоне Alpaca с инструкциями на финском языке. Модель построена на архитектуре LLaMA, содержит 7 млрд параметров, принимает текст и поддерживает контекст длиной до 4096 токенов. В README приведены результаты оценки на FIN-bench; карточка также указывает на использование набора pinzhenchen/alpaca-cleaned-fi. Модель распространяется по лицензии Apache-2.0. Автор отмечает, что способ слияния LoRA с весами float16 мог быть не оптимальным, что может влиять на качество итоговых весов.

Nova-1-0.8B — компактный диалоговый ассистент HyperAI, дообученный на базе Qwen/Qwen3.5-0.8B. Модель содержит 0,8 млрд параметров, использует плотную архитектуру Qwen3.5 и распространяется как самостоятельный чекпойнт BF16 для Transformers. По данным карточки, обучение было направлено на следование инструкциям, вызов инструментов и сохранение общих знаний. Модель предназначена для кратких ответов на русском и английском языках и вызова инструментов по протоколу, заданному в системном сообщении. В карточке описана работа с XML-, JSON- и текстовым форматами вызова, а также сценарии с поиском в интернете, калькулятором, погодой, переводом, конвертацией единиц и валют, заметками и напоминаниями. В метаданных указана задача text-generation; архитектура унаследована от мультимодальной Qwen3.5, однако обучение Nova сосредоточено на диалогах и работе с инструментами. Карточка приводит улучшения в GSM8K и ARC-Easy относительно базовой модели при неизменном результате MMLU-Pro. Ограничения: размер модели снижает её пригодность для сложных рассуждений, генерации кода и длинных контекстов; качество инструментальных сценариев проверялось преимущественно на английском и русском. Для корректного вызова инструментов автор рекомендует отключать режим рассуждений. Лицензия Apache-2.0 разрешает коммерческое использование, изменение и распространение.

Это пакет GGUF-файлов с весами Ornith-1.0-397B-UD-Q4_K_XL, подготовленный Mesh LLM для распределённого запуска модели на локальном кластере из нескольких машин. Пакет создан из unsloth/Ornith-1.0-397B-GGUF и сохраняет исходное распределение GGUF, разделённое на артефакты по слоям; вариант весов — UD-Q4_K_XL. Модель предназначена для локального приватного чат-инференса, в том числе на нескольких узлах, когда полный файл слишком велик для одного компьютера. Mesh LLM позволяет предоставлять запросы через локальный API, совместимый с OpenAI Chat Completions. Это пакет модели для text-generation, а не самостоятельный сервер: для запуска требуется Mesh LLM и подходящая распределённая инфраструктура. Сведения об архитектуре, языках, контексте и лицензии следует сверять с карточкой исходной модели; README этого пакета отсылает к ней, но не приводит эти характеристики. Репозиторий создан 18 июля 2026 года. Голоса лицензии и отдельные ограничения применения в предоставленных материалах не указаны.

Модель llama-lang-adapt/pretrain-wura — продолжительно предобученная версия Meta Llama 2, разработанная для языковой адаптации на монолингвальном корпусе WURA. Обучение проводилось на 20 языках с равномерной выборкой языковых данных. Это причинная плотная языковая модель семейства Llama с архитектурой LlamaForCausalLM и 6,6 млрд параметров. Она предназначена для генерации текста, а также для продолжения предобучения и адаптации языковой модели к многоязычным корпусам. Максимальная длина контекста — 4096 токенов; репозиторий содержит веса PyTorch. Карточка не перечисляет поддерживаемые языки по отдельности и не приводит оценок качества или детальных ограничений применения. Лицензия в доступных сведениях не указана.

Это GGUF-квантизация BF16-модели Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED от AEON-7, подготовленная mradermacher. Репозиторий содержит статические варианты квантования, в том числе файлы для мультимодального дополнения mmproj; модель предназначена для диалога и работы с изображениями. Метаданные также указывают на следование инструкциям и мультиязычность, включая английский и китайский языки. Размер базовой модели — 27 млрд параметров. Модель можно применять для диалоговых запросов, анализа изображений и задач, поддерживаемых семейством Qwen3.8. Варианты GGUF позволяют выбирать квантование под доступные ресурсы, но README не содержит сравнительных оценок качества или подробностей о контекстном окне. Репозиторий помечен лицензией Apache-2.0; она относится к опубликованной модели и её распространению.

Raon-Speech-9B — 9-миллиардная мультимодальная SpeechLM от KRAFTON, построенная на Qwen3. Модель объединяет языковую модель Qwen3, аудиоэнкодер-декодер Qwen3Omni, кодек Mimi и энкодер голоса ECAPA-TDNN. Она предназначена для распознавания и понимания речи, ответов на вопросы по аудио и тексту, а также синтеза речи на английском и корейском языках. Модель поддерживает преобразования аудио в текст и текста в аудио, ответы на вопросы с текстовым и аудиовходом и диалоговые сценарии с речью. Для синтеза можно передавать образец голоса, а также продолжать речь с заданного аудиофрагмента. В README заявлена оптимизация для потоковой генерации с низкой задержкой; приведены результаты скорости синтеза на RTX 6000 Pro и L40S. Для запуска README указывает Transformers версии от 4.57.1 до 5.0 и PyTorch; для обусловливания голоса требуется SpeechBrain. Репозиторий содержит веса Safetensors. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование. Модель требует значительных вычислительных ресурсов, а заявленные возможности и скорость не гарантируют одинакового качества на всех данных и конфигурациях.

cointegrated/rut5-base — уменьшенная русскоязычная версия encoder-decoder модели mT5, созданная на основе google/mt5-base. Разработчик сократил SentencePiece-словарь с 250 тысяч до 30 тысяч токенов: оставлены 20 тысяч наиболее частотных русских и 10 тысяч английских токенов. В README указано, что исходная модель имела 582 млн параметров, а после сокращения словаря — 244 млн; метаданные репозитория при этом указывают 122,1 млн параметров. Модель предназначена для генеративных задач преобразования текста, где нужен компактный вариант T5 с фокусом на русском и частичной поддержкой английского. Она использует архитектуру T5ForConditionalGeneration; доступны веса PyTorch, Flax и Safetensors. Лицензия — MIT. Сокращённый словарь уменьшает требования к хранению по сравнению с исходной mT5-base, но ограничивает языковое покрытие преимущественно русским и английским. README не приводит результаты оценки качества или конкретные специализированные сценарии применения.

Maestro-10B-GGUF — это квантизированная версия языковой модели Maestro-10B, разработанной suayptalha и преобразованной в формат GGUF пользователем bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые приложения. Указан английский язык, а рекомендуемый формат взаимодействия включает системный промпт, запрос пользователя и ответ ассистента. Модель содержит около 10 млрд параметров; в README не указаны её точная архитектура, размер контекста, поддерживаемые модальности, результаты тестирования или специализированные сценарии применения. Доступны варианты от F32 и F16 до различных уровней квантизации, включая Q8_0, Q6_K, Q5_K, Q4_K и более компактные Q3/Q2-варианты. Старшие варианты лучше сохраняют качество исходной модели, тогда как компактные требуют меньше оперативной памяти, но могут заметно уступать по качеству. К сильным сторонам относятся широкий выбор размеров файлов и совместимость с распространённой экосистемой llama.cpp, что позволяет подбирать вариант под доступные ресурсы. Ограничения включают отсутствие в README подробных сведений о качестве, бенчмарках, контекстном окне и реальных возможностях модели, поэтому её пригодность для конкретных задач следует проверять отдельно. Модель распространяется по лицензии Falcon LLM License; условия доступны по ссылке, указанной в README.

TheDrummer_Gemmasutra-Pro-27B-v1.1-GGUF — это набор квантизированных версий языковой модели Gemmasutra-Pro-27B-v1.1, разработанной TheDrummer и преобразованной в формат GGUF пользователем bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Указан размер базовой модели — 27 млрд параметров; сведения о поддерживаемых языках, длине контекста и дополнительных модальностях отсутствуют. Модель работает в формате диалоговых сообщений с заданным шаблоном prompt и не поддерживает системный prompt. Доступны варианты от F32 и F16 до различных уровней квантизации Q8, Q6, Q5, Q4, Q3 и IQ. Более высокие уровни сохраняют качество, но требуют больше памяти, тогда как низкоразрядные варианты уменьшают требования к ресурсам за счёт снижения качества. В README рекомендуются, в частности, Q6_K_L, Q6_K, Q5 и Q4_K-варианты; Q4_K_M обозначен как подходящий размер по умолчанию для большинства сценариев. Квантизация выполнена с использованием imatrix и llama.cpp release b4585. Преимуществами являются широкий выбор уровней квантизации и возможность локального запуска на совместимом оборудовании. Ограничения включают отсутствие поддержки системного prompt, требования к значительному объёму памяти для полноразмерных версий и потенциальное снижение качества у компактных вариантов. Лицензия указана как other, без дополнительных условий в представленном README.

Это GGUF-квантизированная версия языковой модели GLM-Steam-106B-A12B-v1, разработанной TheDrummer и подготовленной пользователем bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. Исходная модель имеет размер 106B параметров и обозначение A12B, однако архитектура, поддерживаемые языки, модальности и размер контекста в представленном README не указаны. Доступно множество вариантов квантизации GGUF: от Q8_0 размером 117,46 ГБ до Q2_K размером 46,10 ГБ. Варианты с более высокой точностью обеспечивают лучшее качество, а низкобитные версии требуют меньше оперативной памяти; наиболее рекомендуемыми названы Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_1, Q4_K_S и IQ4_XS. К сильным сторонам относятся широкий выбор квантизаций, возможность локального использования и применение imatrix-калибровки при создании файлов. Ограничениями являются очень большой объём модели, зависящий от выбранной квантизации, отсутствие в README формата промпта и подробных сведений о возможностях исходной модели. Лицензия в представленных данных не указана.

TheDrummer_Magidonia-24B-v4.3-GGUF — набор квантизированных версий языковой модели Magidonia-24B-v4.3, разработанной TheDrummer. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты. Модель имеет 24 миллиарда параметров и поставляется в формате GGUF с вариантами от BF16 и Q8_0 до более компактных Q3 и IQ-квантизаций. Доступны версии разного размера и качества: Q6_K_L, Q6_K, Q5 и Q4 рекомендуются как сбалансированные варианты, тогда как младшие Q3 обеспечивают экономию оперативной памяти ценой заметного снижения качества. Поддерживаемые модальности, языки, размер контекста и архитектурные особенности в README не указаны. Сильной стороной набора является широкий выбор уровней квантизации, позволяющий адаптировать модель к доступной памяти и оборудованию; отдельные варианты оптимизированы для CPU и Apple Silicon. Ограничения связаны с высокими требованиями к памяти у полноразмерных версий и возможным ухудшением качества у компактных квантизаций. Для работы рекомендуется использовать указанный формат промпта с системным сообщением и инструкцией. Лицензия в предоставленных данных не указана.

Tugstugi Regional ASR — модель автоматического распознавания речи, разработанная BengaliAI и дообученная на Whisper Medium от OpenAI. Она обучена на региональной бенгальской речи из набора Ben-10, включающего десять диалектов, и предназначена для преобразования такой речи в текст. Модель содержит 455,8 млн параметров, использует архитектуру Whisper и принимает аудио, выдавая текстовую транскрипцию. Карточка связывает её с исследованием об обобщении моделей распознавания речи на региональные диалекты языков с ограниченными ресурсами. Лицензия — Apache-2.0. Модель ориентирована на бенгальскую речь и региональные диалекты. Карточка не сообщает о качестве на других языках или в условиях, отличающихся от обучающих данных; результаты на них могут быть менее надёжными.

Vikhr-Llama-3.2-1B-Instruct-GGUF — набор квантизированных версий текстовой инструкционной модели Vikhr-Llama-3.2-1B-Instruct, разработанной Vikhrmodels и опубликованной пользователем tinyopsec. Модель предназначена для генерации текста и выполнения инструкций, включая локальный запуск через llama.cpp, llama-cpp-python, LM Studio и Ollama. Заявлены русский и английский языки. Модель основана на архитектуре Llama 3.2 с размером около 1 млрд параметров и представлена в форматах GGUF с точностью от 2 до 16 бит. Доступны варианты от F16 размером примерно 2,5 ГБ до Q2_K размером около 0,45 ГБ; рекомендуемым обозначен Q4_K_M как компромисс между качеством и размером. Ключевое преимущество — возможность запуска на устройствах с ограниченными ресурсами, однако более агрессивное квантование снижает качество генерации. В README не указана длина контекста и не приведены подробные результаты тестирования. Лицензия — llama3.2.

Это модель автоматического распознавания речи, разработанная Kiran Pantha и дообученная на базе kiranpantha/w2v-bert-2.0-nepali на датасете OpenSLR54. Она преобразует аудиозаписи на непальском языке в текст и предназначена для транскрибации речи. Архитектура основана на Wav2Vec2-BERT, класс модели — Wav2Vec2BertForCTC; размер составляет 402,7 млн параметров. В README указаны результаты оценки на тестовом наборе: loss 0,4058 и WER 0,4307. Модель распространяется по лицензии MIT. Подробные сведения о сценариях применения и ограничениях в карточке не приведены.

Anujgr8/wav2vec2-base-Tamil-large — дообученная на базе facebook/wav2vec2-base-960h модель распознавания речи на архитектуре wav2vec 2.0 с классификационной головой CTC. Она преобразует аудио в текст и предназначена для транскрибирования речи на тамильском языке. Модель содержит 113,3 млн параметров и распространяется в формате Safetensors по лицензии Apache-2.0. В README приведены результаты оценки: WER 0,3470 и CER 0,0610, а также значение loss 0,3015. Датасет обучения и подробности предполагаемых сценариев использования не описаны.

Auralis — модель синтеза речи, разработанная AstraMind.ai на основе Coqui XTTS-v2. Она преобразует текст в речь для создания аудиокниг, диалогов, подкастов и озвучивания приложений, поддерживает потоковую генерацию длинных текстов и клонирование голоса по короткому аудиофрагменту. В карточке заявлены параллельная обработка запросов и работа на потребительских и производительных GPU; для RTX 3090 указаны ориентиры по скорости и потреблению видеопамяти, которые могут зависеть от сценария и оборудования. Модель поддерживает английский, испанский, французский, немецкий, итальянский, португальский, польский, турецкий, русский, нидерландский, чешский, арабский, китайский (упрощённый), венгерский, корейский, японский и хинди. Репозиторий содержит веса в формате safetensors. Указана лицензия Apache 2.0, однако для компонентов базовой XTTS-v2 карточка отдельно ссылается на лицензию Coqui AI; условия использования производной модели следует проверять с учётом обеих лицензий.

360Zhinao2-7B-Base — базовая языковая модель семейства 360Zhinao2, разработанная командой 360 (Qihoo 360). Это плотная авторегрессионная модель с 7,1 млрд параметров для генерации текста и дальнейшей адаптации под конкретные задачи. В README указано, что при предварительном обучении использовано 10,1 трлн токенов; модель ориентирована прежде всего на китайский язык, также поддерживает английский. Модель подходит для генерации продолжений текста, а после дополнительной настройки — для прикладных сценариев на основе языка. В README отмечены результаты на китайских тестах CEval, C3 и LCSTS, а также на сложных математических задачах; контекст этой версии составляет 4096 токенов. Для работы заявлена библиотека Transformers, веса опубликованы в формате Safetensors. Модель распространяется по лицензии Apache 2.0. Это базовая версия, а не готовая диалоговая модель; возможности чата, описанные в карточке, относятся к семейству 360Zhinao2 в целом. Качество генерации может зависеть от промпта и дополнительной настройки.