I.6Перевод и языковая адаптация

dealignai подготовил вариант MiniMax-M2.5 для запуска на Apple Silicon. Это MoE-модель семейства MiniMax M2 с 230 млрд параметров, 256 экспертами и примерно 10 млрд активных параметров на токен; используется стандартное внимание и цепочка рассуждений. По заявлению карточки, модель прошла смешанную квантизацию JANG_2L и удаление отказов CRACK на уровне весов. Размер файлов — 63 ГБ. Формат JANG поддерживают MLX Studio и пакет jang-tools; карточка также рекомендует запускать модели JANG в vMLX. Модель предназначена для генерации ответов в диалоге, рассуждений и вызова инструментов. В карточке заявлены английский, китайский и корейский языки, а метаданные указывают контекст 196 608 токенов. Указанная лицензия — Apache-2.0. Карточка позиционирует модель как исследовательскую и образовательную и приводит результаты HarmBench, указывающие на существенно ослабленные защитные ограничения; эти результаты являются заявлениями автора карточки.

Mistral-Evolved-11b-v0.1-GGUF — это набор квантизированных версий языковой модели Mistral-Evolved-11b-v0.1, разработанной Replete-AI и преобразованной в формат GGUF пользователем bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp, включая сценарии, где важны автономная работа и снижение требований к оперативной памяти по сравнению с полноразмерной моделью. В набор входят варианты квантования от Q2_K до Q8_0 размером примерно от 4,16 до 11,86 ГБ. Версия Q6_K обозначена как рекомендуемая и обеспечивает очень высокое качество, близкое к исходной модели; Q8_0 предлагает максимальное доступное качество, а варианты Q3 и Q2 требуют меньше памяти, но заметно уступают по качеству. README не содержит сведений об архитектуре, длине контекста, поддерживаемых языках, точном числе параметров, дополнительных модальностях или результатах оценки, поэтому модель следует рассматривать как текстовую. Преимуществами являются широкий выбор уровней квантования, совместимость с llama.cpp и возможность подобрать баланс между качеством и потреблением памяти. Ограничения связаны с потерей качества при низких уровнях квантования, а также с отсутствием подробной информации о возможностях и бенчмарках исходной модели. Репозиторий распространяется по лицензии Apache-2.0; квантование выполнено с использованием llama.cpp release b2440.

Это пакет GGUF-слоёв модели Mistral-Small-3.2-24B-Instruct-2506-UD-Q4_K_XL, подготовленный Mesh LLM для распределённого инференса. Пакет создан из unsloth/Mistral-Small-3.2-24B-Instruct-2506-GGUF и сохраняет веса в виде отдельных артефактов по слоям для запуска на кластере Mesh LLM. Модель предназначена для локального диалогового инференса, в том числе на нескольких машинах, когда полный GGUF-файл трудно разместить на одном узле. Через Mesh LLM она поддерживает чат и совместимый с OpenAI интерфейс chat completions. Репозиторий содержит вариант UD-Q4_K_XL в формате GGUF layer-package; сведения об архитектуре, контекстном окне, языках и лицензии следует сверять с карточкой исходной модели.

Это GGUF-квантизация модели gemma-3-4b-it-abliterated, разработанной mlabonne и подготовленной пользователем bartowski с помощью llama.cpp и метода imatrix. Модель предназначена для локального запуска в LM Studio, llama.cpp и других проектах на базе llama.cpp, включая диалоговые сценарии и задачи преобразования текста и изображений в текст. Модель содержит около 4 миллиардов параметров и поддерживает мультимодальный режим с обработкой изображений. Для работы с изображениями требуется отдельный файл mmproj в формате F32 или F16. В README не указаны точные языки и размер контекстного окна. Доступны варианты от BF16 и Q8_0 до более компактных Q3- и Q4-квантизаций; рекомендуются Q6_K_L, Q6_K, Q5 и Q4_K_M в зависимости от требований к качеству и объёму памяти. Меньшие варианты подходят для систем с ограниченной оперативной памятью, но могут заметнее уступать по качеству. Формат GGUF упрощает локальный запуск и позволяет выбирать баланс между качеством, размером файла и требованиями к памяти. Ограничения модели, включая возможное снижение качества на низких уровнях квантизации и необходимость отдельного vision-проектора для изображений, следует учитывать при развёртывании. Лицензия указана как gemma; дополнительные условия использования в README не раскрыты.

moona3k подготовил 8-битную квантованную версию Qwen/Qwen3-ASR-1.7B для библиотеки MLX и компьютеров Apple Silicon. Модель предназначена для автоматического распознавания речи и транскрибации аудио; при использовании mlx-qwen3-asr поддерживаются временные метки слов и HTTP-сервер. Архитектура — плотная Qwen3-ASR с аудиоэнкодером и текстовым декодером; линейные слои и эмбеддинги квантованы до 8 бит с размером группы 64, остальные указанные в README тензоры хранятся в float16. Размер загрузки — около 2 ГБ. Модель поддерживает английский, китайский, японский, корейский, немецкий, французский, испанский, русский, арабский и хинди. В описанном тесте на 100 аудиофрагментах LibriSpeech test-clean её гипотезы и показатели WER/CER совпали с версией fp16, однако эти результаты ограничены данным набором и настройками оценки. Для запуска требуется пакет mlx-qwen3-asr версии 0.4.1 или новее; лицензия — Apache-2.0.

OpenBuddy/openbuddy-llama3-70b-v21.2-32k — многоязычная чат-модель, разработанная OpenBuddy на базе Meta Llama 3 70B Instruct. Это плотная авторегрессионная модель семейства Llama с 69,5 млрд параметров, предназначенная для диалога и генерации текста. В карточке заявлена поддержка английского и китайского; метаданные также перечисляют французский, немецкий, японский, корейский, итальянский и финский языки. Указанный в названии вариант 32k, однако метаданные сообщают нативный контекст в 131 072 токена. Модель подходит для ответов на вопросы и других диалоговых сценариев. Для использования автор рекомендует быстрый токенизатор Transformers; карточка предупреждает, что некоторые альтернативные реализации могут некорректно обрабатывать специальные токены. Лицензия указана как other, а README приводит условия OpenBuddy и отсылает к Acceptable Use Policy. Авторы предупреждают, что ответы могут быть ошибочными или вредными, и не рекомендуют применять модель в критических и высокорисковых ситуациях.

EnlistedGhost/Pixtral-12B-Ollama-GGUF — это мультимодальная модель Pixtral-12B в формате GGUF, адаптированная автором EnlistedGhost для нативной работы с Ollama. Модель основана на mistral-community/pixtral-12b, который, в свою очередь, относится к семейству Pixtral от Mistral. Релиз включает рабочие файлы vision projector (mmproj), поэтому поддерживает обработку текста и изображений. Модель предназначена для диалогового взаимодействия, генерации текста и задач image-text-to-text, включая анализ изображений по текстовым запросам. Заявлена поддержка английского и русского языков. Доступны варианты с разными уровнями квантования GGUF — от наиболее компактных IQ2 и Q2 до Q8_0 и F16, что позволяет выбирать между требованиями к памяти и качеством вывода. Указанный размер модели — 12B параметров; максимальный размер контекста в карточке не приведён. К сильным сторонам относятся готовность к использованию в Ollama без дополнительной настройки и наличие мультимодальной поддержки. Ограничения связаны с использованием квантованных вариантов: качество и требования к ресурсам зависят от выбранного типа квантования. Сведения о точных результатах оценки, аппаратных требованиях и ограничениях применения отсутствуют. Модель распространяется по лицензии Apache-2.0.

Qwen1.5-14B — базовая предварительно обученная языковая модель от команды Qwen, бета-версия семейства Qwen2. Это плотная авторегрессионная модель-декодер на архитектуре Transformer с 13,4 млрд параметров, предназначенная для генерации текста и последующего дообучения под чат и другие сценарии. В карточке заявлена поддержка контекста до 32 768 токенов и многоязычного токенизатора; метаданные указывают английский язык карточки. Модель использует архитектуру Qwen2ForCausalLM. Для семейства упоминаются SwiGLU, смещение в проекциях QKV и групповое внимание, однако в бета-версии для этой модели временно отсутствуют GQA и сочетание скользящего и полного внимания. Авторы не рекомендуют использовать базовые модели серии непосредственно для генерации текста и советуют сначала провести постобучение, например SFT, RLHF или продолжить предобучение. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует сверить с лицензией репозитория.

Orion-zhen/Qwen2.5-7B-Instruct-Uncensored — диалоговая языковая модель Orion-zhen, полученная дообучением Qwen/Qwen2.5-7B-Instruct с помощью SFT и DPO на наборах инструкций и предпочтений, ориентированных на ответы без отказов. Это плотная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM, 7,1 млрд параметров и контекстом до 32 768 токенов; репозиторий содержит веса в формате safetensors. Модель предназначена для диалогов и генерации текста, включая ответы на инструкции, творческое письмо и ролевые сценарии. Она ориентирована на снижение отказов при обработке запросов, сохраняя часть возможностей базовой модели. В карточке перечислены теги китайского, английского, французского, испанского, португальского, немецкого, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского языков. Автор отмечает, что модель всё ещё может не создавать подробные описания некоторых экстремальных сценариев; это может быть связано с отсутствием соответствующих данных на этапе предобучения базовой модели. Лицензия — GPL-3.0.

unsloth/Qwen2-VL-2B-Instruct-unsloth-bnb-4bit — мультимодальная instruction-tuned модель, основанная на Qwen/Qwen2-VL-2B-Instruct и подготовленная Unsloth. Она предназначена для обработки изображений, видео и текстовых инструкций: визуального вопросно-ответного взаимодействия, анализа документов и сцен, распознавания текста на изображениях, а также мультимодальных диалогов и сценариев, где требуется интерпретация визуальной среды. Модель совместима с библиотекой Transformers и имеет тип pipeline image-text-to-text. Ключевая особенность версии — динамическое 4-битное квантование Unsloth BnB: отдельные параметры не квантуются, чтобы сохранить качество при сопоставимом снижении потребления VRAM. Архитектура Qwen2-VL поддерживает изображения произвольного разрешения благодаря динамическому числу визуальных токенов, использует мультимодальные позиционные embeddings M-ROPE для текстовых, двумерных визуальных и трёхмерных видеоданных и рассчитана на понимание видео длительностью более 20 минут. Заявлена многоязычная работа с текстом внутри изображений, включая английский, китайский, европейские языки, японский, корейский, арабский и вьетнамский. Сильные стороны модели — компактный размер 2B, сниженные требования к видеопамяти, поддержка нескольких модальностей, динамическая обработка изображений и широкий спектр визуальных задач. Ограничения, включая точные значения контекстного окна, производительность и качество для отдельных языков и сценариев, в предоставленных данных не указаны. Модель распространяется по лицензии Apache-2.0.

FreedomAISVR/Qwen3.5-4B-MTP-NVFP4-GGUF — квантизированная сборка мультимодальной модели Qwen3.5-4B, разработанной командой Qwen компании Alibaba. Репозиторий содержит веса GGUF в формате NVFP4 и проектор изображений SigLIP ViT в F16; заявлена поддержка Multi-Token Prediction (MTP), предсказывающей два токена за шаг генерации. Сборка рассчитана прежде всего на ускоренный запуск на видеокартах NVIDIA Blackwell и предназначена для использования через llama.cpp и совместимые инструменты. Модель подходит для генерации текста и диалога, а с мультимодальным проектором — для обработки изображений вместе с текстовым запросом. README указывает контекстное окно 262 144 токена, мультиязычность и режим рассуждения, включённый по умолчанию. В архитектуре базовой модели описаны гибридные слои Attention и Mamba-2, MLA и 3D MRoPE. NVFP4 может ускорить инференс на Blackwell; заявленное увеличение пропускной способности MTP до 30–40% приведено автором репозитория и не является независимым бенчмарком. Лицензия — Apache-2.0. Формат NVFP4 ориентирован на GPU Blackwell; для более старых видеокарт и CPU автор рекомендует другие варианты квантования. Это производный квантованный артефакт, а не отдельное дообучение базовой модели.

Набор GGUF-квантизаций модели Qwen3.6-35B-A3B, разработанной командой Qwen и опубликованной в формате quantized derivative weights пользователем jimbothigpen. Модель имеет архитектуру Mixture-of-Experts: около 35 млрд параметров всего и примерно 3 млрд активных параметров на токен. Набор предназначен для локального запуска и сравнения качества, perplexity и производительности разных форматов квантизации через llama.cpp-совместимые бэкенды. Репозиторий включает исходный вариант BF16 и широкий диапазон форматов от IQ1 до Q8_0, включая IQ-K, K-quants, legacy-типы и WHT3_0/WHT4_0. При большинстве квантизаций используется единая importance matrix, рассчитанная на полном калибровочном корпусе calibration_datav3; это помогает снизить потерю качества при низкой разрядности. Также доступен отдельный vision projector в формате F16, поэтому модель поддерживает мультимодальные сценарии с изображениями при использовании совместимой конфигурации. Ограничения зависят от выбранного формата: BF16 занимает около 69 ГБ, а даже компактные варианты требуют несколько гигабайт памяти. Основные форматы работают в стандартном llama.cpp, тогда как IQ-K, KS, KT, KL и KSS требуют совместимой сборки семейства ik_llama.cpp, а WHT-форматы — сборки jimbothigpen/llama.cpp или другой реализации с поддержкой WHT. Производитель и поддерживаемые языки, размер контекста и конкретные возможности базовой модели в README не указаны. Производные веса распространяются по лицензии Apache-2.0.

Это конвертированная версия Qwen3.6-35B-A3B, подготовленная exolabs для запуска через vLLM. Весы исходного GGUF с MXFP4-квантованием экспертов MoE и тензорами в форматах K-quant, Q8 и F32 были деквантованы и преобразованы в safetensors с точностью BF16; архитектурные тензоры Qwen3.6/GDN были переименованы и согласованы для загрузки в Transformers и vLLM. Модель предназначена для диалоговой генерации и обслуживания через vLLM. Хотя в метаданных указана задача image-text-to-text и способность vision, визуальная башня в этом артефакте отсутствует: README рекомендует запускать его только для обработки текста с параметром --language-model-only. Для мультимодального анализа изображений этот файл модели не подходит. В репозитории 21 шард safetensors общим размером около 69,3 ГБ; README сообщает об успешных проверках загрузки, генерации и запуска в vLLM. Лицензия указана как other, поэтому перед использованием следует проверить её условия на странице модели.

Qwen3.8-27B-NVFP4-GGUF — квантизированная версия базовой модели Qwen/Qwen3.8-27B, опубликованная akopytko. Модель предназначена для задач генерации текста и работы с изображениями, включая сценарии image-text-to-text. Она представлена в формате GGUF и использует специализированное 4-битное числовое представление NVFP4 с оптимизацией масштаба по среднеквадратичной ошибке реконструкции. В модель также встроена квантизированная MTP draft head для speculative decoding. Ключевое преимущество — высокая скорость предварительной обработки на GPU с архитектурой NVIDIA Blackwell: заявлено преимущество около 50% над обычными 4-битными вариантами при сопоставимом размере, а сама реализация NVFP4 работает ещё на 4–7% быстрее альтернативных NVFP4-квантов. Поддерживается ввод изображений; при загрузке не через -hf может потребоваться отдельный vision-проектор mmproj-BF16.gguf. Основное ограничение — необходимость совместимого NVIDIA Blackwell GPU, например RTX 50, DGX Spark, B200 или B300. По приведённым тестам, качество NVFP4 уступает вариантам Q4_0 и особенно Q6_K, хотя превосходит сравниваемый NVFP4-квант Unsloth по некоторым метрикам. Лицензия — Apache-2.0.

Rombos-LLM-70b-Llama-3.3-GGUF — это набор квантизированных GGUF-версий языковой модели Rombos-LLM-70b-Llama-3.3, разработанной rombodawg. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации и обработки текста, а также локального запуска через совместимые инструменты, включая LM Studio и llama.cpp. Модель основана на архитектуре Llama 3.3 с заявленным размером 70 млрд параметров и поддерживает только текстовую модальность. В репозитории доступны варианты квантизации от Q8_0 до Q2 и IQ-форматов, включая рекомендуемые Q6_K, Q5_K и Q4_K. Размер файлов составляет примерно от 24 до 75 ГБ, поэтому для запуска требуются значительные ресурсы оперативной или видеопамяти. Формат GGUF удобен для локального инференса на CPU и GPU, а отдельные варианты поддерживают особенности ARM и AVX. Сильной стороной являются различные уровни квантизации, позволяющие выбирать баланс между качеством, размером и требованиями к памяти; версии с более высокой точностью обеспечивают качество, близкое к исходной модели. Ограничения связаны с потерями качества при низкой битности, большими требованиями к памяти и отсутствием в README сведений о языках, размере контекста, результатах тестирования и специализированных сценариях применения. Указанная лицензия — llama3.3.

ruGPT-3.5-13B-GGUF — это набор квантизированных файлов модели ruGPT-3.5-13B в формате GGUF, разработанный ai-forever. Модель предназначена для генерации текста и может использоваться для написания продолжений, ответов и другого текстового контента по заданному промпту. Модель относится к типу GPT-2 и содержит 13 миллиардов параметров. Она работает с текстом, поддерживает русский и английский языки и рассчитана на запуск через инструменты, совместимые с форматом GGUF, например llama.cpp. В README приведён пример использования с контекстом 2048 токенов, однако точный максимальный размер контекста модели не указан. Ключевое преимущество этой версии — квантизированный формат, удобный для локального запуска и более экономного использования ресурсов по сравнению с полноразмерными весами. Ограничения, требования к аппаратному обеспечению и влияние конкретных уровней квантизации на качество в README не описаны. Модель распространяется по лицензии MIT.

RWKV-6 World 7B — языковая модель семейства RWKV-6, представленная в репозитории RWKV и предназначенная для генерации текста в формате диалога и пакетного инференса. В метаданных указаны плотная архитектура Rwkv6ForCausalLM, около 8,9 млрд параметров и формат PyTorch. Примеры в карточке показывают ответы на английском и китайском языках. Модель можно использовать для диалоговых ассистентов и генерации текста; контекст карточки не раскрывает. Лицензия в предоставленных данных не указана.

BSC-LT/salamandra7b_rag_prompt_ca-en-es — разговорная языковая модель семейства Llama, представленная в формате Transformers с весами safetensors. Она содержит 6,7 млрд параметров и рассчитана на контекст до 8192 токенов. Карточка сообщает, что для диалогового использования следует применять встроенный шаблон чата токенизатора. Модель подходит для генерации текста в диалоге и задач с кодом. В названии указаны каталонский, английский и испанский языки; метаданные также отмечают многоязычную поддержку, включая русский. README не описывает специальную методику RAG или сравнительные результаты качества. Условия лицензии в доступных данных не приведены.

Okwija разработал sunbird-whisper-lin-sna-V2 — дообученную модель распознавания речи на базе Sunbird/asr-whisper-51-african-languages, использующей архитектуру Whisper. Модель предназначена для преобразования аудиоречи в текст; базовая модель ориентирована на 51 африканский язык, а также английский и французский с африканскими акцентами. В README приведены результаты оценки: loss 0,1994, WER 0,2508 и CER 0,0425. Модель доступна в формате safetensors и рассчитана на использование через библиотеку Transformers. Репозиторий указывает лицензию Apache-2.0. README не уточняет языки и условия оценки конкретно для этой версии, поэтому возможности базовой модели не следует считать подтверждением качества на каждом из её языков.

Apertus-70B-Instruct-2509-GGUF — это GGUF-квантизированная версия инструкционной языковой модели Apertus-70B-Instruct-2509, разработанной swiss-ai. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска локальных inference-сценариев на базе llama.cpp, включая работу через LM Studio и совместимые проекты. В репозитории представлены варианты квантизации Q2_K_L, Q3, Q4, Q5, Q6_K и Q8_0 с размером файлов примерно от 28,32 до 75,02 ГБ. Более крупные варианты обеспечивают более высокое качество, а компактные требуют меньше оперативной памяти, но могут сильнее терять в качестве. Рекомендуемыми в README названы, в частности, Q4_K_M, Q4_K_S, Q4_K_L, Q5_K_S, Q5_K_M и Q6_K. Точная архитектура, число параметров исходной модели, поддерживаемые языки, размер контекста и мультимодальные возможности в предоставленных данных не указаны. Преимущество модели — возможность локального запуска в распространённом формате GGUF с выбором компромисса между качеством и требованиями к памяти. Ограничения связаны с большими ресурсными требованиями 70B-модели, потерями качества при низких уровнях квантизации и отсутствием указанного в README формата промптов. Лицензия в предоставленных данных не указана.

Typhoon-0130 — инструктивная языковая модель команды SCB10X AI Team, предназначенная для диалогов и выполнения пользовательских инструкций на тайском и английском языках. Модель содержит 7,1 млрд параметров, использует плотную decoder-only архитектуру Mistral и поддерживает контекст до 32 768 токенов. Для общения применяется шаблон ChatML. Модель подходит для создания чат-ботов и сервисов ответов на запросы, в том числе при развёртывании через vLLM. Она настроена следовать инструкциям и обучалась с использованием методов и данных, сходных с ORCA и OpenChat. Системные промпты не поддерживаются; модель может выдавать неточные, предвзятые или нежелательные ответы, поэтому её следует оценивать с учётом сценария использования. Лицензия — Apache-2.0.

FourOhFour/Vapor_v2_7B — дообученная модель генерации текста на базе Qwen/Qwen2.5-7B, разработанная автором репозитория FourOhFour. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, рассчитанная на диалоговое применение и генерацию текста. Заявленное контекстное окно составляет 131 072 токена; поддерживаются английский, русский, китайский и ряд других языков. В README приведён результат оценки на тестовом наборе: loss 0,7923. Данные обучения и конкретные целевые сценарии не раскрыты, поэтому качество для отдельных задач по этому показателю определить нельзя. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Yehor/w2v-bert-uk-v2.1 — модель автоматического распознавания украинской речи, разработанная на основе facebook/w2v-bert-2.0 и дообученная на датасете Yehor/openstt-uk. Она принимает аудио и преобразует речь в текст; опубликована в формате safetensors и рассчитана на использование через библиотеку Transformers. Размер модели — 402,7 млн параметров. В карточке приведены метрики на тестовом наборе: WER 17,34% и CER 3,33%. Модель распространяется по лицензии Apache-2.0.

AigizK/wav2vec2-large-mms-1b-tatar-v2 — модель распознавания речи на основе архитектуры wav2vec2, дообученная из facebook/mms-1b-all для татарского языка. Она принимает аудио и преобразует речь в текст; в метаданных указано 1,3 млрд параметров. На оценочном наборе модель показала WER 0,1031 и loss 0,3343, однако сведения о наборе данных и условиях оценки отсутствуют. Модель распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование.

Модель mpoyraz/wav2vec2-xls-r-300m-cv6-turkish разработана как дообученная версия facebook/wav2vec2-xls-r-300m для автоматического распознавания речи на турецком языке. Это плотная модель семейства wav2vec2 с архитектурой Wav2Vec2ForCTC и примерно 402,7 млн параметров; она принимает аудио и выдаёт распознанный текст. Для обучения использовались проверенная часть Common Voice 6.1 TR, кроме тестовой выборки, и MediaSpeech. В README также описана отдельная n-граммная языковая модель KenLM, обученная на статьях турецкой Википедии. Модель подходит для транскрибирования турецкой речи и оценки систем распознавания на наборах Common Voice и Speech Recognition Community. В README приведены результаты: WER 8,83 и CER 2,37 на тестовой выборке Common Voice 6.1 TR, а также WER 32,81 и CER 11,22 на dev-наборе Speech Recognition Community. Модель распространяется по лицензии Apache-2.0.

mpoyraz/wav2vec2-xls-r-300m-cv7-turkish — модель автоматического распознавания речи на турецком языке, созданная дообучением facebook/wav2vec2-xls-r-300m. Она использует архитектуру Wav2Vec2 с CTC-выходом и содержит около 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст; при дообучении использовались проверенная часть Common Voice 7.0 TR, кроме тестовой выборки, и MediaSpeech. Для улучшения распознавания автор также подготовил турецкую n-граммную языковую модель на материалах Википедии с KenLM. Модель подходит для транскрибации турецкой речи и оценки систем распознавания на наборах Common Voice и Speech Recognition Community. В README приведены результаты: WER 8,62 и CER 2,26 на тестовой выборке Common Voice 7 TR, а также WER 30,87 и CER 10,69 на dev-наборе Speech Recognition Community. Эти значения относятся к указанным наборам и не гарантируют такую же точность на других записях. Модель распространяется по лицензии CC BY 4.0.

Модель saat tr updan/wav2vec2-xls-r-300m-ftspeech — дообученная датским разработчиком модель wav2vec 2.0 на основе facebook/wav2vec2-xls-r-300m. Она предназначена для автоматического распознавания датской речи и преобразования аудиозаписей в текст. Дообучение проводилось на FTSpeech — наборе из 1 800 часов выступлений в датском парламенте с транскрипциями. Модель использует архитектуру Wav2Vec2ForCTC и содержит 402,7 млн параметров. Для датской части Common Voice 8.0 указана WER 20,48 без языковой модели и 17,91 с 5-граммной языковой моделью; на тестовом наборе Alvenir — 15,46 и 13,84 соответственно. Репозиторий содержит веса PyTorch и safetensors. Лицензия указана как other, без уточнения условий в предоставленных данных.

Xenova/whisper-base — вариант модели openai/whisper-base, подготовленный сообществом Xenova в формате ONNX для работы с библиотекой Transformers.js. Модель предназначена для автоматического распознавания речи и преобразования аудио в текст, включая транскрибацию аудиофайлов или аудио по URL. Ключевая особенность модели — ONNX-веса и совместимость с JavaScript-библиотекой Transformers.js, что позволяет использовать её в веб- и JavaScript-приложениях. В README не указаны точные архитектурные параметры, количество параметров, поддерживаемые языки, модальности и максимальная длина контекста, поэтому эти характеристики нельзя достоверно описать. Отдельный репозиторий с ONNX-весами обозначен как временное решение до более широкого распространения WebML. Модель удобна для интеграции распознавания речи в приложения на JavaScript и сценарии, где требуется запуск через Transformers.js. Ограничения по качеству, производительности и поддерживаемым языкам в README не приведены. Указанная лицензия — Apache-2.0.

whisper-bsc-large-v3-cat — акустическая модель автоматического распознавания речи на каталанском языке, созданная Лабораторией языковых технологий Барселонского суперкомпьютерного центра (BSC). Модель дообучена на базе openai/whisper-large-v3 на 4700 часах каталанской речи из наборов Projecte AINA и других источников. Модель предназначена для транскрибирования каталанских аудиозаписей в обычный текст без пунктуации. Её можно применять для расшифровки передач, парламентских выступлений, заседаний региональных органов и записей с различными каталанскими акцентами. Архитектура — Whisper large-v3 с 905,2 млн параметров; для работы используется библиотека Transformers. Модель принимает аудио и выдаёт текст. В карточке указаны лицензия Apache-2.0 и формат весов safetensors. В обучающих данных использовались версии некоторых парламентских наборов, не опубликованные в открытом доступе; качество на других акцентах и акустических условиях может отличаться от результатов на целевых данных.

mlx-community подготовила конверсию Whisper large-v3 от OpenAI в формат MLX с 8-битным представлением весов. Модель предназначена для распознавания речи и преобразования аудио в текст; её можно использовать для транскрибации аудиозаписей и речи в приложениях на базе MLX. Whisper large-v3 — мультиязычная модель. Репозиторий указывает библиотеку mlx-audio-plus и формат safetensors. Модель распространяется по лицензии Apache-2.0. Карточка описывает преобразование исходной модели в MLX, поэтому заявленное здесь назначение — распознавание речи.