I.6Перевод и языковая адаптация

NbAiLab/NbAiLab норвежская команда разработала эту модель распознавания речи на основе XLS-R от Facebook/Meta, дообучив её для новонорвежского письменного языка (нюношк). Модель использует архитектуру Wav2Vec2ForCTC и содержит 1,3 млрд параметров; она принимает аудио и преобразует речь в текст. Для обучения использовался Norwegian Parliamentary Speech Corpus (NPSC), опубликованный в формате набора данных NbAiLab/NPSC. Модель предназначена для автоматической транскрибации речи на нюношке, в том числе парламентских выступлений. На тестовом наборе авторы сообщают WER 11,32% и CER 4,02% при декодировании с 5-граммовой языковой моделью KenLM; без языковой модели WER составляет 13,64%. Качество на других доменах и типах аудио может отличаться. Модель распространяется по лицензии Apache-2.0.

OpenBuddy/openbuddy-llama3.2-1b-v23.1-131k — многоязычная чат-модель OpenBuddy, построенная на Meta Llama 3.2 1B Instruct. Это плотная авторегрессионная архитектура LlamaForCausalLM с 1,2 млрд параметров и контекстом до 131 072 токенов; модель принимает текст и генерирует текст в диалоговом формате. В README заявлены английский и китайский языки, а метаданные также перечисляют французский, немецкий, японский, корейский, итальянский и финский. Модель предназначена для диалогов и генерации ответов на пользовательские запросы. Для запуска рекомендуется быстрый токенизатор Transformers; карточка отмечает совместимость формата с vLLM для предоставления API. Используются веса safetensors. Лицензия — Llama 3.2; применение ограничено условиями лицензии и политикой допустимого использования Meta. Авторы предупреждают, что ответы могут быть ошибочными, вредными или оскорбительными, и не рекомендуют использовать модель в высокорисковых сценариях, включая медицину, управление потенциально опасными системами и важные юридические или финансовые решения.

lmstudio-community/Qwen3-32B-MLX-4bit — это 4-битная версия модели Qwen3-32B, разработанной Qwen и преобразованной сообществом lmstudio-community в формат MLX с использованием mlx-lm 0.24.0. Модель предназначена для генерации текста и запуска в экосистеме MLX; README не содержит сведений о конкретных прикладных сценариях, поддерживаемых языках, архитектуре, размере контекста или доступных модальностях помимо текста. Ключевая характеристика модели — 32B в названии и 4-битное квантование, что ориентировано на более эффективное использование памяти при локальном запуске, однако README не приводит измерений производительности, качества или требований к оборудованию. Использование предполагается через библиотеку mlx-lm с применением чат-шаблона токенизатора, если он доступен. Модель распространяется по лицензии Apache 2.0; ограничения и известные недостатки отдельно не указаны.

lmstudio-community/Qwen3-4B-MLX-8bit — это 8-битная версия модели Qwen3-4B, преобразованная в формат MLX из базовой модели Qwen/Qwen3-4B с использованием mlx-lm 0.24.0. Модель предназначена для генерации текста и локального запуска в экосистеме MLX, включая диалоговые сценарии и другие задачи, поддерживаемые базовой языковой моделью. Модель содержит около 4 миллиардов параметров и использует 8-битное представление, что может снизить требования к памяти при запуске. Для работы предусмотрена библиотека mlx-lm и токенизатор с поддержкой chat template, если она доступна. README не указывает архитектуру, поддерживаемые языки, длину контекста, мультимодальные возможности, результаты тестирования, сильные стороны или ограничения модели, поэтому эти характеристики нельзя достоверно оценить по представленным данным. Лицензия — Apache 2.0.

aufklarer подготовил текстовую чат-версию Qwen3.5-0.8B для локального запуска на устройствах Apple Silicon через MLX. Это плотная гибридная архитектура Qwen3.5 с 24 слоями: 18 слоёв DeltaNet с линейным вниманием и 6 слоёв GatedAttention. В репозитории опубликованы варианты квантования INT4, INT5 и INT8; размер модели в карточке указан как 752 млн параметров, а файлы занимают от 424 до 800 МБ. Модель принимает текст и генерирует текст, поддерживает языки, перечисленные в метаданных, включая русский, английский и китайский. Модель предназначена для локального чата и генерации текста, в том числе структурированных ответов в формате JSON. По измерениям автора, INT8 близок к bf16 по качеству; INT4 заметно чаще нарушает формат JSON, поэтому для таких ответов рекомендуется INT5 или INT8. Vision tower и голова многотокенного предсказания исключены, поэтому эта сборка не обрабатывает изображения. Для INT5 и INT8 требуется совместимый runtime, который читает параметры квантования из config.json; имена весов также несовместимы напрямую с mlx-lm. Лицензия — Apache-2.0.

Это пакет GGUF-слоёв для модели Qwen3.5-122B-A10B-UD-Q4_K_XL, подготовленный Mesh LLM на основе unsloth/Qwen3.5-122B-A10B-MTP-GGUF. Он предназначен для распределённого запуска модели на нескольких компьютерах через Mesh LLM, а также для локального приватного инференса и чат-запросов через совместимый с OpenAI API. Пакет сохраняет исходное распределение GGUF в виде отдельных артефактов по слоям; указан вариант UD-Q4_K_XL. Он поддерживает генерацию текста и диалоговый режим. Сведения об архитектуре, языках, длине контекста и лицензии предлагается смотреть в карточке исходной модели, поэтому здесь они не уточняются.

bernquant/Qwen3.6-27B-Fable-Fusion-711-Uncensored-Heretic-NM-DAU-NEO-MAX-MTP-GGUF — это 27-миллиардная модель семейства Qwen3.6 в формате GGUF, созданная на базе DavidAU/Qwen3.6-27B-Fable-Fusion-711-Uncensored-Heretic-NM-DAU-MTP. Модель разработана в рамках совместной работы автора, Nightmedia, TeichAI, armand0e и trohrbaugh с использованием Unsloth, многоэтапного fine-tuning и merge нескольких обученных версий. Указаны языки English и Chinese; заявлена поддержка vision, однако подробности о мультимодальной архитектуре и формате входных данных не приведены. Модель предназначена для широкого круга задач: следования инструкциям, решения проблем, reasoning, программирования, творческого письма, fiction и roleplaying. Авторы заявляют об улучшении общего интеллекта, instruction following и reasoning по сравнению с базовой моделью, а также о высоких результатах на ряде бенчмарков. Доступны обычные и MTP-варианты GGUF, включая NEO IMATRIX-квантизации; часть выходного тензора хранится в 16-битной точности. Для MTP-вариантов рекомендуется температура не выше 1 и отключённый repetition penalty; при низком уровне token acceptance рекомендуется использовать обычную квантизацию. К ограничениям относятся отсутствие подробных спецификаций контекстного окна, точного перечня поддерживаемых модальностей, требований к памяти и результатов независимой оценки. Модель позиционируется как uncensored и heretic, поэтому её поведение и фильтрация могут отличаться от стандартных версий Qwen. Заявления о превосходстве над другими моделями основаны на описании авторов и не подтверждены приведёнными в README полными методиками тестирования. Лицензия — Apache-2.0.

Qwen3.8-27B-TWIN-TURBO-Fable-Cold-Fusion-709-L-Uncensored-NVFP4 — это квантованный чекпойнт модели, опубликованный esatapedico. Он создан на основе DavidAU/Qwen3.8-27B-TWIN-TURBO-Fable-Cold-Fusion-709-L-Uncensored, которая, в свою очередь, происходит от Qwen/Qwen3.8-27B. Модель предназначена для генерации текста и диалоговых сценариев; настройка TWIN-TURBO ориентирована на сокращение числа токенов рассуждений при сохранении качества ответов. Заявлена поддержка английского и мультиязычных сценариев. Модель использует архитектуру Qwen3_5ForCausalLM с 64 слоями, гибридным GatedDeltaNet, 16 полными слоями attention и контекстом до 262144 токенов. Присутствует MTP head, а токенизатор и chat template сохранены. Квантование выполнено в формате compressed-tensors NVFP4: W4A16, веса с группами размера 16 и FP8 E4M3 scales. MLP-слои, а также Q, K, V и O в слоях полного attention представлены в NVFP4, тогда как vision tower, linear attention path, lm_head, embeddings и MTP head сохранены в BF16. Калибровочные данные не использовались. К сильным сторонам относятся существенно сжатое представление весов, большой контекст и сохранение ряда чувствительных компонентов в BF16; работоспособность проверялась с помощью smoke-теста vLLM на двух устройствах с tensor parallel. Ограничениями являются зависимость от поддержки NVFP4 и compressed-tensors, отсутствие калибровки, а также то, что README не приводит подробных результатов оценки качества или перечень поддерживаемых языков. Модель распространяется по лицензии Apache 2.0.

Qwen3.8-27B-Uncensored-GGUF — общественная GGUF-квантизация модели JonathanColetti/Qwen3.8-27B-Uncensored, опубликованная пользователем bowmanslayer. Артефакт предназначен для локального запуска через llama.cpp и совместимые инструменты. Это неофициальный релиз, не одобренный и не связанный с командой Qwen или Alibaba Cloud. Модель предназначена для генерации текста, локальных чат-сценариев и других задач вывода, поддерживаемых llama.cpp. Основные веса доступны в вариантах от Q3_K_M до Q8_0; размер Q4_K_M составляет 15,4 GiB, а IQ4_XS — 14,0 GiB. Указана гибридная архитектура с 64 слоями: 16 слоёв используют полноценное внимание, а 48 — Gated DeltaNet linear attention, что уменьшает объём KV-кэша и позволяет работать с большим контекстом. На одной RTX 3090 заявлен максимальный контекст до 111 872 токенов для Q4_K_M и до 133 632 для IQ4_XS, однако фактические значения зависят от квантизации, оборудования и настроек. Возможности vision предоставляются отдельным файлом mmproj и позволяют обрабатывать изображения; для сложного OCR и подсчёта мелких объектов специализированные модели Qwen3-VL могут быть лучше. Дополнительный файл MTP поддерживает speculative decoding и, по заявлению автора, ускоряет генерацию на CUDA примерно на 36%; требуется llama.cpp версии b10502 или новее. Модель имеет удалённое safety alignment и может выполнять запросы, от которых исходная модель отказывается, поэтому её нельзя безопасно предоставлять третьим лицам без собственного защитного слоя. Доступна по лицензии Apache-2.0.

Qwen3.8-Flash-Next-heretic-2-GGUF — это квантизированная GGUF-версия модели Qwen3.8-Flash-Next-heretic-2. Модель разработана trohrbaugh на основе Qwen3.8-Flash-Next от команды Qwen с применением модифицированного Heretic для снижения отказов; данный репозиторий spiritfather переупаковывает веса для запуска через llama.cpp. Модель предназначена для генерации текста, диалогов, творческого письма и ролевых сценариев, а также поддерживает обработку изображений через отдельный vision-проектор. Архитектура — qwen4exp, MoE: 177 млрд параметров всего и около 3 млрд активных. Указан нативный контекст до 262 144 токенов, встроенное рассуждение с уровнями reasoning_effort и возможность его отключения. Доступны квантизации Q4_K_M, Q5_K_M, Q6_K и Q8_0 размером примерно от 130,8 до 175,3 GiB; также включена собственная MTP/NextN-голова для speculative decoding. Сильные стороны модели — большой контекст, мультимодальность, низкое авторское число отказов и поддержка ускоренного декодирования через MTP. Ограничения связаны с очень высокими требованиями к памяти, необходимостью актуальной версии llama.cpp, а для MTP — поддержки PR #27836. Представленные показатели CaliperBench характеризуют творческое письмо, ролевое взаимодействие и готовность отвечать, а не общий интеллект модели. Лицензия указана как qwen-community-1.0; применяются условия лицензии Qwen.

Qwen3.8-Flash-Next Q4_0-Q8out-v3 — это GGUF-чекпойнт модели Qwen3.8-Flash-Next, опубликованный nitinpanj и предназначенный для локального запуска на компьютерах Apple Silicon. Модель ориентирована на генерацию текста и диалоговые сценарии через llama.cpp и OpenAI-совместимый сервер. Архитектура использует mixture-of-experts, а чекпойнт оптимизирован для потоковой загрузки редко используемых экспертных весов с SSD, благодаря чему модель размером около 95,5 ГиБ может запускаться на Mac с 64 ГиБ unified memory. Вариант v3 сочетает квантование Q4_0 с Q8_0 для output.weight и дополнительными изменениями квантования отдельных групп тензоров. По данным README, это снизило perplexity с 5,2777 до 4,3148 и повысило принятие черновых токенов при speculative decoding с 0,751 до 0,817. При использовании отдельной draft head объёмом около 1,9 ГиБ заявлена скорость генерации примерно 27,6 токена в секунду на Apple M5 Pro с 64 ГиБ памяти; без неё — около 18,0–18,6 токена в секунду. В конфигурации запуска указан контекст 98 304 токена, при этом скорость снижается по мере заполнения контекста. Главное ограничение — модель не работает со стандартной версией llama.cpp: требуется форк npanj/llama.cpp с поддержкой --moe-stream и сборкой Metal. Рекомендуется около 100 ГиБ свободного места на внутреннем SSD, поскольку экспертные веса постоянно считываются с диска; внешний USB-накопитель будет существенно медленнее. Ниже 64 ГиБ памяти запуск не проверен и, вероятно, потребует уменьшения кэша с потерей скорости. Лицензия в README не указана.

Qwen3-ForcedAligner-0.6B-GGUF — это GGUF-конверсия модели Qwen3-ForcedAligner-0.6B, разработанной командой Qwen. Модель предназначена для forced alignment: она принимает аудиозапись и готовую расшифровку и в одном проходе предсказывает временные метки для слов или токенов. Это позволяет получать пословные тайминги и субтитры с временным разрешением 80 мс, в том числе при использовании различных бэкендов автоматического распознавания речи через CrispASR. Архитектура включает 24-слойный аудиоэнкодер с d_model 1024, 28-слойное тело Qwen3 с d_model 1024, 16 attention heads и 8 KV heads, а также специализированную 5000-классовую голову для предсказания временных интервалов. В отличие от ASR-моделей, она не генерирует текст авторегрессивно, а обрабатывает всю пару «аудио, текст» одним прямым проходом. Доступны варианты F16, Q8_0, Q5_0 и Q4_K размером примерно от 0,53 до 1,84 ГБ. Поддерживаются китайский, английский, кантонский, французский, немецкий, итальянский, японский, корейский, португальский, русский и испанский языки. Сильные стороны модели — однопроходное выравнивание, широкая языковая поддержка, совместимость с разными транскрипционными бэкендами и наличие компактных квантованных вариантов. Ограничение текущей C++-обёртки — использование разбиения текста по пробелам, что менее эффективно для китайского и японского языков; для них предпочтительнее upstream-реализация с языково-специфической токенизацией. Модель распространяется по лицензии Apache-2.0.

Qwen3.5-2B-GGUF — это квантизированная версия модели Qwen3.5-2B, разработанной командой Qwen. Модель представлена в формате GGUF и подготовлена пользователем bartowski с использованием llama.cpp и метода imatrix. В метаданных она обозначена как модель преобразования изображений и текста в текст, однако подробные сведения о поддерживаемых модальностях, языках и длине контекста в README не указаны. Модель предназначена для локального запуска через llama.cpp и совместимые приложения, включая LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другие инструменты. Доступны варианты с разной степенью квантизации — от BF16 до Q2_K_L, включая Q4, Q5, Q6 и Q8; размеры файлов составляют примерно от 1,18 до 3,90 ГБ. В README рекомендуются, в частности, варианты Q4_K_M, Q5_K_M, Q6_K и Q6_K_L как обеспечивающие хороший баланс размера и качества. Ключевое преимущество сборки — возможность экономичного локального использования модели на устройствах с ограниченными ресурсами при выборе подходящего уровня квантизации. Более сильная квантизация уменьшает требования к памяти, но может снижать качество генерации; низкобитные варианты прямо описаны как имеющие низкое или очень низкое качество. Для запуска требуется совместимый инструмент с поддержкой данной архитектуры и формата GGUF. Лицензия модели — Apache-2.0. В README также указана поддержка MTP-слоёв в новых версиях llama.cpp с использованием параметра --spec-type draft-mtp.

Replete-LLM-V2.5-Qwen-72b-GGUF — это набор GGUF-квантизированных вариантов языковой модели Rombos-LLM-V2.5-Qwen-72b, разработанной rombodawg и подготовленной для распространения пользователем bartowski. Модель предназначена для генерации текста и локального запуска с использованием llama.cpp, в том числе через LM Studio, с применением указанного chat-шаблона на основе специальных токенов Qwen. Модель относится к классу крупных текстовых LLM с заявленным размером 72 млрд параметров. Доступны варианты квантизации от Q8_0 до IQ1_M, различающиеся размером файлов, требованиями к памяти и качеством. Наиболее качественными и рекомендуемыми в README названы Q6_K, Q5_K_M и Q4_K_M; низкоразрядные варианты требуют меньше оперативной памяти, но заметно уступают по качеству. Для некоторых вариантов используются улучшенные Q8_0-веса эмбеддингов и выходного слоя. Архитектура, поддерживаемые языки, размер контекста и мультимодальные возможности в предоставленных данных не указаны. Модель подходит для локальной генерации текста и диалоговых сценариев при наличии оборудования с достаточным объёмом памяти. Основные преимущества — выбор между множеством уровней квантизации, совместимость с llama.cpp и возможность запуска в LM Studio. Ограничения связаны с большими требованиями к памяти даже у компактных вариантов и потерей качества при сильной квантизации. Указана лицензия Apache-2.0.

SauerkrautLM-SOLAR-Instruct — языковая модель VAGO solutions на архитектуре Llama, дообученная на базе upstage/SOLAR-10.7B-Instruct-v1.0 с применением DPO. Модель предназначена для диалогов и выполнения инструкций на английском и немецком языках; особое внимание при дообучении уделялось естественности и грамматической корректности немецких ответов. Модель содержит 10,6 млрд параметров и поддерживает контекст до 8192 токенов. Для обучения использовались дополненные и переведённые данные, в том числе набор предпочтений SauerkrautLM-DPO и argilla/distilabel-math-preference-dpo. Доступны веса в формате safetensors; лицензия — CC BY-NC 4.0, допускающая использование с некоммерческими ограничениями. Карточка отмечает улучшение немецкого языка, но предупреждает, что в ответах могут встречаться неестественные или грамматически некорректные формулировки. Разработчик также не гарантирует стабильно уместное поведение модели.

Smoothie Qwen — вариант Qwen3-8B от dnotitia, созданный настройкой вероятностей токенов для более сбалансированной многоязычной генерации. Модель предназначена для диалогов и генерации текста; метаданные также указывают интерфейс вызова инструментов. В README описаны параметры сглаживания и обработки токенов, связанные с диапазонами Unicode для китайских иероглифов. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и поддерживает контекст до 40 960 токенов. Используются веса safetensors, библиотека Transformers и лицензия Apache-2.0. Базовая модель Qwen3-8B мультиязычна, однако карточка Smoothie отмечает английский язык; конкретный выигрыш по качеству для отдельных языков README не приводит.

Sunflower Language ID v2 — модель Sunbird для определения языка текста среди 64 африканских языков. Она дообучена на базе google/t5-efficient-tiny для классификации последовательностей; обучающие примеры охватывают сбалансированный корпус языков, а словарь SentencePiece из 32 тысяч токенов заменён и поддерживает байтовый fallback. Модель содержит 11,9 млн параметров, принимает текст длиной до 512 токенов и выдаёт метку языка. Модель особенно ориентирована на короткие фрагменты: в тестировании точность составила 40,5% для одного слова, 59,7% для двух и 70,1% для трёх слов среди 64 классов. Перед подачей текста необходимо соблюдать обработку регистра, соответствующую обучению: README указывает, что модель обучалась на строчных текстах. Для развёртываний, где допустим только поднабор языков, рекомендуется ограничивать классы при выборе результата. Для близкородственных языков точность на коротких фрагментах ниже: например, модель часто путает чига и ньянколе, ньоро и торо, а также кирунди и киньяруанда. Модель распространяется по лицензии Apache-2.0.

Suzume ORPO Borda Half — многоязычная разговорная модель, разработанная Peter Devine (ptrdvn). Это дообученная методом ORPO версия lightblue/suzume-llama-3-8B-multilingual на данных lightblue/mitsu_full_borda; в этой версии для обучения использована половина набора промптов, отобранных по согласованности ранжирования ответов. Модель основана на плотной архитектуре Llama 3 и содержит 7,5 млрд параметров. Модель предназначена для диалога и генерации ответов на нескольких языках. В README приведено сравнение на MT-Bench для шести языков и отмечено улучшение относительно базовой Suzume на большинстве из них. Контекст составляет 8192 токена. Формат весов — safetensors. Лицензия CC-BY-NC-4.0 разрешает использование на некоммерческих условиях. Качество может различаться между языками и типами запросов; оценки в карточке ограничены результатами MT-Bench и не гарантируют качество для конкретного сценария.

Suzume ORPO Borda Top25 — многоязычная диалоговая модель, разработанная Peter Devine и дообученная методом ORPO на базе lightblue/suzume-llama-3-8B-multilingual. Она предназначена для общения и генерации ответов; версия top25 обучена на предпочтительных и менее предпочтительных ответах для 25% наиболее стабильно ранжированных запросов из набора lightblue/mitsu. Модель построена на плотной архитектуре Llama, содержит 7,5 млрд параметров и имеет контекстное окно 8192 токена. В оценке MT-Bench сравнивались результаты на шести языках; README отмечает улучшения относительно базовой модели на большинстве языков. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Uirapuru U1.1 — экспериментальная языковая модель, разработанная SynastrIA Networks и являющаяся уточнённой версией Uirapuru U1. Это hotfix-релиз, а не новое поколение модели: она была дообучена для усиления идентичности и поведенческого профиля Uirapuru, улучшения рассуждений, добавления новых возможностей, более естественного неформального бразильского португальского и повышения качества выполнения агентских задач. Модель предназначена для AI-ассистентов, разговорных приложений, систем на бразильском португальском, агентских сценариев, автоматизации задач, экспериментов и прототипирования. Она поддерживает португальский и английский языки и работает в режиме text-generation. Архитектура и размер базовой модели, модальности и максимальная длина контекста в README не указаны. U1.1 обучалась без adaptive thinking: целевое поведение рассуждений встроено непосредственно в модель, что должно обеспечивать большую последовательность поведения без отдельного механизма динамического управления процессом размышления. Для дообучения использован LoRA с увеличенным rank. К сильным сторонам относятся более естественный неформальный бразильский португальский, улучшенное следование инструкциям, более стабильная идентичность, обработка многошаговых задач и потенциально более подходящее поведение в агентских рабочих процессах. Ограничения включают экспериментальный статус, риск фактических ошибок и выдуманной информации, ошибки рассуждений, неверную интерпретацию инструкций и нестабильность на сложных задачах. Результаты могут зависеть от формулировки запроса и контекста, а качество на языках, отличных от португальского и английского, может быть ниже. Для практического применения необходимы проверки, защитные меры и человеческий контроль; модель не должна быть единственным источником для решений с высоким воздействием. Лицензия — Apache-2.0.

arsis-dev/ukisai-Swift-Qwen3.8-27b-MTPLX — это квантованная runtime-конверсия модели ukisai/Swift-Qwen3.8-27b, разработанной UkisAI, для быстрого локального запуска на компьютерах Apple Silicon. Конверсия выполнена с помощью MTPLX Forge 2.11.2 и не является новой дообученной моделью. Модель предназначена для генерации текста и мультимодальных сценариев с обработкой изображений: зрительные веса исходного чекпойнта сохранены. Она работает через MTPLX/MLX, использует 4-битное affine-квантование тела модели с размером группы 64, а native MTP head оставлен в формате BF16 для self-speculative decoding с глубиной до D3. Размер опубликованного артефакта составляет около 16,9 ГБ. README не указывает точное окно контекста и полный список поддерживаемых языков. На Apple M5 Max с 128 ГБ unified memory измеренная скорость декодирования достигла 65,2 токена/с в режиме MTP D3 против 29,4 токена/с для авторегрессионного режима, что соответствует ускорению 2,22 раза. Эти результаты относятся к пропускной способности декодирования данной конверсии и могут отличаться в зависимости от длины контекста, параметров генерации, оборудования, температуры и нагрузки. Мультимодальное качество и скорость обработки изображений отдельно не оценивались; оптимальная глубина MTP может различаться на других Mac. Конверсия распространяется по условиям Swift Open License v1.0 и наследует лицензионные требования исходной модели. Перед использованием, распространением или загрузкой необходимо ознакомиться с разделом License and access исходного чекпойнта.

Viking-SlimInstruct-V1-7B — чат-модель на 7 млрд параметров, разработанная mpasila на архитектуре Llama. Она дообучена на базе LumiOpen/Viking-7B для выполнения инструкций и диалогов; модель использует формат ChatML и распространяется в форматах PyTorch и safetensors. Модель обучалась на инструкционных данных на шести североевропейских языках: английском, финском, норвежском, датском, шведском и исландском. Она предназначена для ответов на запросы и выполнения инструкций в чат-сценариях. Контекст составляет 4096 токенов. Автор отмечает, что качество может различаться между языками из-за разного качества обучающих наборов. Лицензия — Apache-2.0. Модель создана с использованием Unsloth и TRL.

nguyenvulebinh/wav2vec2-bartpho — модель распознавания вьетнамской речи, разработанная пользователем nguyenvulebinh на Hugging Face. Это последовательная архитектура speech-encoder-decoder: аудио подаётся на вход, а модель выдаёт текст. Карточка указывает поддержку нормализации распознанного текста, временных меток и сегментации речи нескольких говорящих. Модель предназначена для автоматической транскрибации вьетнамской речи, в том числе с разметкой времени и разделением реплик по говорящим. Репозиторий содержит веса PyTorch. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

DrishtiSharma/wav2vec2-large-xls-r-300m-bg-v1 — модель распознавания речи, созданная дообучением facebook/wav2vec2-xls-r-300m на болгарской части набора Mozilla Common Voice 8.0. Она использует архитектуру Wav2Vec2ForCTC и содержит 402,7 млн параметров; принимает аудио и выдаёт распознанный текст на болгарском языке. Модель предназначена для преобразования болгарской речи в текст, в том числе для оценки качества распознавания на тестовых и проверочных аудиоданных. В карточке приведены результаты на тестовом наборе Common Voice 8.0: WER 0,4689 и loss 0,5197. Модель распространяется под лицензией Apache 2.0.

RuudVelo разработал эту модель распознавания нидерландской речи, дообучив facebook/wav2vec2-xls-r-300m на Common Voice 8.0. Это плотная модель архитектуры wav2vec2 с CTC-выходом и примерно 402,7 млн параметров; для декодирования также обучена и использована языковая модель KenLM с 6-граммами. Модель предназначена для преобразования нидерландской речи в текст, в частности для аудиозаписей, подобных материалам Common Voice. Обучение проводилось 75 эпох на обучающей части Common Voice 8.0; тестовая выборка Common Voice 8.0 не использовалась для обучения или валидации. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

jonatasgrosman/wav2vec2-large-xlsr-53-polish — модель распознавания польской речи, разработанная Jonatas Grosman как дообучение facebook/wav2vec2-large-xlsr-53 на обучающей и валидационной выборках Common Voice 6.1. Это плотная модель архитектуры wav2vec2 с 402,7 млн параметров и выходной головой CTC; доступны веса PyTorch и Flax. Модель принимает аудио и преобразует речь на польском языке в текст. Для подачи аудио требуется частота дискретизации 16 кГц. Она предназначена для автоматического распознавания речи, в том числе записей, подобных материалам Common Voice. Модель распространяется по лицензии Apache-2.0. Карточка демонстрирует применение без языковой модели и перечисляет оценки на тестовой выборке Common Voice 6.0 и наборе speech-recognition-community-v2; конкретные показатели в предоставленном фрагменте отсутствуют.

arampacha/wav2vec2-large-xlsr-ukrainian — модель распознавания речи, созданная дообучением facebook/wav2vec2-large-xlsr-53 на украинском языке. Она основана на архитектуре Wav2Vec2ForCTC и содержит около 402,7 млн параметров; доступны веса PyTorch и Flax. Для обучения использовались Common Voice и часть корпуса M-AILABS Ukrainian Corpus. Модель преобразует украинскую речь в текст и рассчитана на оценку и распознавание аудиозаписей. Входное аудио должно иметь частоту дискретизации 16 кГц; распознавание возможно без отдельной языковой модели. В карточке приведён результат оценки 29,89 на украинской тестовой выборке Common Voice, но метрика не уточнена. Модель распространяется по лицензии Apache-2.0.

Модель vitouphy/wav2vec2-xls-r-300m-japanese — дообученная на Common Voice 8.0 японская система автоматического распознавания речи, созданная на основе facebook/wav2vec2-xls-r-300m. Она преобразует аудио в японский текст, выводя его в хирагане. Для подготовки текста и токенизации автор преобразовал кандзи и катакану в хирагану с помощью pykakasi и использовал fugashi. Модель построена на архитектуре Wav2Vec2ForCTC и содержит около 402,7 млн параметров. В README приведены результаты оценки на Common Voice и speech-recognition-community-v2, включая CER и WER; применение языковой модели улучшает указанные метрики. Модель подходит для транскрибирования японской речи, когда требуется запись хираганой. Лицензия — Apache-2.0.

BauyrjanQ/whisper-kk — модель распознавания речи на базе Whisper-small от OpenAI, дообученная для автоматического преобразования речи в текст. Она подходит для транскрибирования аудио; в README приведена оценка WER 24,8145 на тестовом наборе, однако датасет и условия оценки не описаны. Модель содержит 153,1 млн параметров, использует архитектуру WhisperForConditionalGeneration и формат PyTorch. Репозиторий создан 7 июля 2023 года. Лицензия — Apache-2.0.

oxide-lab/whisper-large-v3-turbo-GGUF — набор квантованных версий модели openai/whisper-large-v3-turbo, подготовленный в формате GGUF. Модель предназначена для автоматического распознавания речи и может использоваться с Candle — ML-фреймворком на Rust — или с whisper.cpp. В репозитории представлены варианты для работы с локальными аудиофайлами и встраивания распознавания речи в приложения, включая сценарии на мобильных устройствах. Доступны 10 уровней квантования от q2_k до q8_0. Более компактные варианты уменьшают требования к ресурсам, но могут сильнее снижать качество; q4_k указан как рекомендуемый компромисс между размером, скоростью и точностью, а q6_k и q8_0 обеспечивают качество, близкое к исходному. Для Candle и whisper.cpp используются разные варианты файлов GGUF, отличающиеся именами тензоров и совместимостью. README указывает поддержку многоязычного режима, включая английский и русский языки, но не приводит точный список языков, размер модели, архитектурные параметры или длину контекста. Преимущество модели — сочетание возможностей Whisper с уменьшенным размером квантованных файлов и поддержкой двух распространённых сред выполнения. Ограничения связаны с возможной потерей качества при агрессивном квантовании и необходимостью выбирать формат, совместимый с конкретным движком. Модель распространяется по лицензии MIT, как и исходная модель Whisper.