I.6Перевод и языковая адаптация

Модель GoranS/whisper-large-v3-turbo-hr-parla — дообученная версия Whisper large-v3 от OpenAI, созданная на данных ParlaSpeech-HR и дополнительном частном наборе объёмом 400 часов с аугментациями. Она предназначена для автоматической транскрибации речи на хорватском языке. Архитектура — WhisperForConditionalGeneration; в репозитории указано около 905,2 млн параметров, формат весов — safetensors. Модель принимает аудио и выдаёт текст; библиотека для работы — Transformers. В README приведён результат WER 3,52% на оценочном наборе. В таблице сравнения указано WER 9,93% для связанной модели slsolucije/whisper-large-v3-turbo-hr-parla-lora-merged на тестовой части FLEURS для хорватского языка; этот результат не следует приписывать данной модели напрямую. Лицензия — Apache-2.0.

Модель Dianavdavidson — дообученная на наборе данных Vaani модель автоматического распознавания речи на базе OpenAI Whisper Medium. Она принимает аудио и генерирует текстовую расшифровку; в карточке указаны 455,8 млн параметров, архитектура Whisper и формат safetensors. На оценочном наборе приведены Loss 0,4028 и Global WER 28,6796, однако описание не уточняет состав набора и методику оценки. Модель распространяется по лицензии Apache-2.0.

oxide-lab/whisper-tiny-GGUF — набор квантованных моделей автоматического распознавания речи на основе openai/whisper-tiny. Модели разработаны сообществом oxide-lab на базе Whisper от OpenAI и распространяются в формате GGUF для использования с Candle — ML-фреймворком на Rust — и whisper.cpp. Модель предназначена для преобразования аудиозаписей в текст, включая многоязычные сценарии и работу с английским и русским языками. Доступны варианты с 10 уровнями квантования от q2_k до q8_0, что позволяет выбирать между размером файлов, скоростью инференса и качеством распознавания. Для Candle предусмотрены конфигурация и токенизатор, а варианты для whisper.cpp находятся в отдельной директории и используют совместимые имена тензоров. Сильная сторона набора — возможность локального запуска на устройствах с ограниченными ресурсами и выбор степени сжатия. В README указано, что q4_k обеспечивает хороший баланс размера, качества и скорости, а q8_0 рекомендован для production благодаря минимальной потере качества. При этом варианты q4, q3 и q2 могут заметно снижать качество, особенно q3 и q2; точные характеристики архитектуры, размера модели, длины контекста и аппаратные требования не указаны. Распространение заявлено на условиях MIT License, как у исходной модели Whisper.

Это дообученная модель распознавания речи burakaydinofficial на базе OpenAI Whisper tiny. В ней декодерное MHA-внимание преобразовано в MLA (Multi-Head Latent Attention), а затем модель восстановительно дообучена на прикладном наборе из 24 языков. Она содержит 29,4 млн параметров и предназначена для транскрибации речи, в частности при ограниченной памяти устройства: размер KV-кэша декодерного self-attention сокращён на 62,5%. Модель загружается через Transformers с trust_remote_code и версией 4.46.x; веса опубликованы в формате safetensors. В тестах CommonVoice-17 качество существенно различается по языкам. Для нескольких языков с малым объёмом данных ошибки очень высоки, поэтому результаты для них практически непригодны; целевая область — речь, записанная на потребительский микрофон, в спокойном режиме чтения. Сокращение кэша относится только к декодерному self-attention: память энкодера и cross-attention не сжата, поэтому экономия общей памяти при одном потоке скромнее. Модель распространяется по лицензии Apache-2.0.

Это компактная модель автоматического распознавания речи на базе OpenAI Whisper Tiny, дообученная автором репозитория akimbabananan для русского и английского языков. Она принимает аудио и преобразует речь в текст; автор описывает её как эксперимент с полным дообучением, направленный на специализацию модели в двуязычном режиме. В карточке указаны архитектура Whisper, библиотека Transformers, формат safetensors и лицензия MIT. По заявлению автора, обучение шло 4000 шагов на датасете Common Voice 22.0, а знания языков помимо русского и английского намеренно вытеснялись. Поэтому модель подходит для транскрибации речи на этих двух языках, но может молчать или транслитерировать речь на других языках. Заявления о высокой точности в README не подкреплены приведёнными метриками; для практического применения качество стоит проверять на целевых аудиозаписях.

patrickvonplaten/xls-r-300m-sv-cv8 — модель распознавания речи на базе wav2vec 2.0 XLS-R, дообученная на шведской части набора Mozilla Common Voice 8.0 (sv-SE). Она принимает аудио и преобразует речь в текст; архитектура использует CTC. На оценочной выборке карточка сообщает WER 0,2525 и loss 0,2779. Модель рассчитана на автоматическую транскрипцию шведской речи. Распространяется по лицензии Apache-2.0.

Модель anton-l/xtreme_s_xlsr_300m_fleurs_langid — классификатор аудио для определения языка речи. Её создал пользователь anton-l, дообучив facebook/wav2vec2-xls-r-300m на наборе GOOGLE/XTREME_S — FLEURS.ALL. Архитектура основана на Wav2Vec2ForSequenceClassification; размер модели — около 402,7 млн параметров. Модель принимает аудиозапись и предсказывает один из языковых классов, представленных в FLEURS. На оценочной выборке из 77 960 примеров общая точность составила 0,7271. Результаты существенно различаются по языкам: например, точность для русского — 0,9794, а для некоторых других языков она низкая. Лицензия — Apache-2.0. README не содержит дополнительных рекомендаций по использованию или подробного описания ограничений.

Apollo-1-2B — инструкционно дообученная языковая модель, разработанная Noema Research на базе Qwen3-1.7B. Это плотный decoder-only трансформер с примерно 1,7 млрд параметров по метаданным и контекстом до 40 960 токенов; в README заявлено до 32 тысяч токенов. Модель распространяется в формате safetensors и предназначена для генерации текста, диалогов, следования инструкциям и несложных рассуждений на устройствах с ограниченными ресурсами. Модель подходит для создания разговорных помощников, учебных прототипов и лёгких агентных систем, а также для структурированных задач. В карточке заявлены более точное следование инструкциям, лаконичные ответы, многоязычные возможности и улучшенное поведение при отказах относительно базовой модели. Поддерживаются многие языки, включая русский и английский. Лицензия указана как anvdl-1.0 в README и как other в метаданных. По заявлению разработчика, модель может ошибаться, галлюцинировать и чувствительна к формулировке запроса; её рассуждения и знания в специализированных или низкоресурсных областях ограничены по сравнению с более крупными моделями. Важные ответы требуют проверки человеком.

Audio8-ASR-0.1B ONNX Runtime — локальный пакет распознавания речи, связанный с основной моделью Audio8-ASR-0.1B. Он включает ONNX-графы и средства инференса через ONNX Runtime, а также веб-интерфейс, локальный HTTP API и CLI для транскрибирования аудиофайлов. Модель автоматически определяет язык речи; заявлена поддержка английского, китайского, кантонского, французского, японского, немецкого и корейского языков. Пакет содержит варианты графов декодера fp32, int8 и int4, а аудиобашни — fp32 и int8. По умолчанию используются int8 для декодера и аудиобашни; есть опциональное усиление заданных ключевых слов при декодировании. Репозиторий предназначен для локального инференса на CPU через ONNX Runtime; для GPU требуется совместимый пакет ONNX Runtime GPU и доступный провайдер. Для работы аудио преобразуется в моно и передискретизируется до 16 кГц. Runtime обрезает аудио длиннее 30 секунд, а контекст декодера ограничен 512 токенами. Сильное усиление ключевых слов может приводить к ошибочным вставкам или повторам. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но ограничивающая коммерческое применение.

Beetle-FineWeb2-24B/beetle-bilingual-l2-80-late-b5-fineweb-hin-eng — генеративная языковая модель из семейства Beetle-FineWeb2, доступная через библиотеку Transformers. По идентификатору модели она ориентирована на двуязычные сценарии для хинди и английского языков; метаданные Hugging Face указывают задачу text generation и формат safetensors. Модель предназначена для генерации продолжений текста и создания текстовых ответов на хинди и английском языках. Техническая архитектура, точное число параметров, длина контекста, разработчик, обучающие данные, результаты оценки и лицензия в доступных материалах не описаны. Условия использования следует уточнить на странице модели перед применением.

Borealis — русскоязычная аудиоязыковая модель с распознаванием речи, разработанная Ильёй Кулешовым и Александром Николичем из Vikhr Team. Репозиторий содержит чекпойнт архитектуры Borealis, вдохновлённой Voxtral; модель обучалась на примерно 7000 часах русскоязычного аудио. Модель предназначена для преобразования русской речи в текст и поддерживает расстановку пунктуации в распознанной речи. В README приведено сравнение с другими открытыми моделями ASR на нескольких наборах данных: средний WER Borealis составляет 6,33%; результаты различаются в зависимости от набора данных. Модель опубликована в формате PyTorch для Transformers и распространяется по лицензии Apache-2.0. В README не приведены размер модели, длина контекста и подробные инструкции по использованию; заявленный бенчмарк ещё не опубликован, поэтому результаты сравнения следует рассматривать с учётом этого ограничения.

Chinese-LLaMA-2-13B — полноразмерная языковая модель семейства LLaMA 2, разработанная в рамках проекта Chinese LLaMA & Alpaca. Модель основана на Llama 2 от Meta и дообучена на больших объёмах китайских данных; в ней расширен китайский словарь. Это базовая модель, предназначенная для генерации текста, инференса и дальнейшего обучения на пользовательских данных. Модель имеет плотную архитектуру LlamaForCausalLM и 13 млрд параметров. Она поддерживает китайский и английский языки, принимает текст и генерирует текст. Штатная длина контекста составляет 4096 токенов; авторы указывают, что контекст можно расширить методом NTK. Модель выпущена в формате PyTorch и распространяется по лицензии Apache-2.0. Расширенный словарь и дополнительное обучение на китайских данных улучшают понимание китайского языка относительно первого поколения проекта. Это базовая, а не инструкционная или чат-модель, поэтому для диалоговых сценариев и следования инструкциям может потребоваться дополнительная настройка. Заявленная возможность расширения контекста не меняет штатное ограничение в 4096 токенов.

atmzed/Darwin-4B-Genesis-mlx-fp16 — версия модели Darwin-4B-Genesis, подготовленная для MLX. Автор репозитория сообщает о конверсии из FINAL-Bench/Darwin-4B-Genesis с помощью mlx-lm 0.31.2; метаданные относят исходную модель к семейству Gemma 4 и указывают диалоговые возможности и генерацию текста. Модель предназначена для диалогов и генерации текста, в том числе многоязычных сценариев. В метаданных заявлены корейский, английский, китайский, японский, немецкий, французский и испанский языки, а базовая модель описана как экспериментально слитая 4-миллиардная модель с акцентом на рассуждения и корейскую культуру. Репозиторий предоставляет веса в формате Safetensors для использования с MLX. Лицензия — Apache-2.0.

DevQuasar/deepseek-ai.DeepSeek-V3.2-GGUF — это квантизированная версия модели DeepSeek-V3.2, разработанной командой deepseek-ai и опубликованной в формате GGUF сообществом DevQuasar. Модель предназначена для генерации текста и совместима со сценариями, поддерживающими этот формат. Ключевые характеристики архитектуры, размер, набор поддерживаемых языков, длина контекста и конкретные варианты квантизации в предоставленном README не указаны. Поэтому нельзя достоверно оценить её производительность, требования к ресурсам, сильные стороны и ограничения по сравнению с исходной моделью. Условия лицензирования также не приведены; перед использованием необходимо проверить лицензию базовой модели DeepSeek-V3.2 и условия распространения данной квантизированной версии.

OpenVINO/distil-whisper-large-v3-int8-ov — версия модели distil-large-v3 от Distil-whisper, преобразованная в формат OpenVINO IR и сжата до INT8 с помощью NNCF. Модель предназначена для автоматического распознавания речи по аудио; архитектура основана на Whisper и содержит около 905,2 млн параметров. Квантизация выполнена с параметрами INT8_ASYM и group_size 128. Модель совместима с OpenVINO версии 2025.2.0 и выше и Optimum Intel 1.23.0 и выше. В метаданных указан английский язык. Лицензия — MIT, как у исходной модели. Карточка отсылает к описанию исходной модели за подробностями об ограничениях. Заявленная совместимость ограничена указанными версиями OpenVINO и Optimum Intel.

ERNIE-4.5-21B-A3B-PT-GGUF — это квантизированная версия текстовой модели ERNIE-4.5-21B-A3B-PT, разработанной Baidu. Модель распространяется в формате GGUF для запуска средствами llama.cpp и совместимыми приложениями, включая LM Studio. Квантизацию выполнил bartowski на основе релиза llama.cpp b5924. Модель предназначена для генерации текста и других сценариев, поддерживаемых задачей text-generation, включая локальный запуск в приложениях, использующих GGUF. В названии указаны параметры 21B и A3B, однако README не содержит подробностей об архитектуре, механизме активации параметров, фактическом размере конкретного квантования, длине контекста, поддерживаемых языках или дополнительных модальностях. К сильным сторонам относятся локальное распространение в формате GGUF и совместимость с экосистемой llama.cpp. Ограничения и требования к ресурсам зависят от выбранного варианта квантования, но в README не приведены его характеристики. Лицензия модели в предоставленных данных не указана; условия использования следует уточнять в источнике оригинальной модели Baidu.

Карточка модели datalama/EXAONE-3.5-32B-Instruct-Llamafied на Hugging Face совпадает с карточкой datalama/EXAONE-3.5-7.8B-Instruct-Llamafied, поэтому описание составлено по ней. datalama/EXAONE-3.5-7.8B-Instruct-Llamafied — разговорная языковая модель на 7,4 млрд параметров, преобразованная в архитектурный формат Llama из исходной модели EXAONE-3.5 от LG AI Research. Версия использует Transformers и веса Safetensors; в карточке указано контекстное окно 32 768 токенов и поддержка диалога. Модель предназначена для генерации текста и диалоговых сценариев на английском и корейском языках. Автор карточки сообщает об изменениях в скрипте преобразования, включая настройку масштабирования RoPE для увеличения контекста; исходный скрипт Llamafy, по его словам, может снижать качество. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией исходной модели.

datalama/EXAONE-3.5-7.8B-Instruct-Llamafied — разговорная языковая модель на 7,4 млрд параметров, преобразованная в архитектурный формат Llama из исходной модели EXAONE-3.5 от LG AI Research. Версия использует Transformers и веса Safetensors; в карточке указано контекстное окно 32 768 токенов и поддержка диалога. Модель предназначена для генерации текста и диалоговых сценариев на английском и корейском языках. Автор карточки сообщает об изменениях в скрипте преобразования, включая настройку масштабирования RoPE для увеличения контекста; исходный скрипт Llamafy, по его словам, может снижать качество. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией исходной модели.

Falcon3-3B-Instruct-abliterated-GGUF — это GGUF-квантизированная версия инструкционной языковой модели Falcon3-3B-Instruct-abliterated. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix; исходная модель разработана huihui-ai. Модель предназначена для генерации текста и диалоговых сценариев, включая запуск локально через llama.cpp или LM Studio. В README также указан формат промпта с ролями system, user и assistant. Модель содержит около 3 млрд параметров, работает с текстом и поддерживает английский, французский, испанский и португальский языки. Доступны варианты от F16 до более компактных квантов Q2 и Q3, а также рекомендуемые конфигурации Q4–Q6, позволяющие выбирать компромисс между качеством и требованиями к памяти. Сильными сторонами являются локальный запуск, широкий выбор размеров файлов и высокая эффективность квантизированных вариантов; при этом уменьшение разрядности снижает качество, а конкретный размер контекста и архитектурные характеристики в README не указаны. Модель распространяется по лицензии Falcon LLM License; для неё также заявлен статус abliterated, однако подробности этого изменения не приведены.

free-solar-evo-v0.1 — текстовая генеративная модель, разработанная технической командой Freewheelin AI. Она создана методом эволюционного объединения моделей, вдохновлённым проектом Sakana, на базе hwkwon/S-SOLAR-10.7B-v1.5. Модель использует плотную архитектуру Llama и содержит около 10,6 млрд параметров. Она принимает текст и генерирует текст; заявлены корейский и английский языки, контекст составляет 4096 токенов. Подходит для генерации и продолжения текста общего назначения. Репозиторий распространяется по лицензии MIT.

Модель oliverguhr/fullstop-punctuation-multilingual-sonar-base разработана для восстановления знаков препинания в тексте, в том числе в расшифровках устной речи. Это многоязычная модель XLM-RoBERTa для классификации токенов с 305,2 млн параметров и контекстом до 514 токенов. Она предсказывает точки, запятые, вопросительные знаки, дефисы и двоеточия для английского, немецкого, французского, итальянского и нидерландского языков. Модель подходит для расстановки пунктуации в транскриптах и текстах без пунктуации. В карточке приведены F1-оценки для отдельных классов и отмечено, что качество зависит от знака препинания: дефисы и двоеточия часто можно заменить запятой или точкой. Обучение проводилось на политических выступлениях из Europarl, а для нидерландского использовался SoNaR, поэтому на текстах других тематик результаты могут отличаться. Лицензия — MIT.

GigaChat-20B-A3B-base — базовая языковая модель семейства GigaChat, представленная в работе о компактном русскоязычном моделировании с архитектурой смеси экспертов. Согласно карточке, её обучили с нуля специально для русского языка. Модель использует архитектуру MoE: из 20 млрд параметров при генерации активны около 3 млрд. В её устройстве применяются Fine-grained Experts и Shared Experts, Grouped Query Attention, Rotary Position Embeddings, RMSNorm и SwiGLU. Контекст составляет 131 072 токена; веса доступны в формате safetensors, для работы требуется Transformers версии 4.47 или новее. Модель предназначена для генерации текста и языковых задач, в том числе на русском и английском языках. В карточке приведены результаты англоязычных и русскоязычных тестов LM Evaluation Harness, но она не описывает отдельные специализированные сценарии применения. Лицензия — MIT. Карточка указывает на перезаливку весов в safetensors; метаданные классифицируют архитектуру как плотную DeepSeekForCausalLM, что расходится с описанием MoE в README.

GLM-5.2-4bit — это 4-битная квантованная версия модели GLM-5.2, преобразованная сообществом mlx-community из исходной модели zai-org/GLM-5.2 в формат MLX с использованием mlx-lm версии 0.31.3. Модель предназначена для генерации текста и локального запуска в экосистеме MLX, например через mlx-lm. Ключевые характеристики включают формат MLX, 4-битное квантование и поддержку сценариев text-generation. Данные о размере модели, архитектуре, языках, модальностях и длине контекста в README не указаны. В текущей версии квантования отсутствует блок MTP, что может ограничивать функциональность или производительность по сравнению с исходной моделью. Модель распространяется по лицензии MIT.

hviske-v5.3 — модель распознавания датской речи, разработанная Syvai и дообученная на базе syvai/hviske-v5.1 на обучающих выборках CoRal v3. Это модель класса Conformer encoder-decoder с 2 млрд параметров, предназначенная для транскрибации чтения вслух и разговорной речи на датском языке. Она принимает аудио и выдаёт текст; длинные записи автоматически разбиваются на фрагменты, а входное аудио пересэмплируется до 16 кГц. На полных тестовых выборках CoRal v3 автор сообщает средний WER 13,91% при beam search с шириной 5 и строгой нормализацией; на разговорной речи ошибки заметно выше, чем на чтении вслух. На одной RTX 3090 указана скорость около 425× относительно реального времени. Beam search снижает WER примерно на 0,4 процентного пункта, но увеличивает время инференса примерно на 75%. Для загрузки через Transformers требуется trust_remote_code, поскольку репозиторий содержит пользовательский код. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

kmynas-parakeet-lt-v4 — модель распознавания литовской речи, разработанная Kristijonas и дообученная на базе NVIDIA Parakeet TDT 0.6B v3. Это плотная TDT-транспьюсерная модель с 0,6 млрд параметров; она принимает аудио и возвращает текст на литовском языке с пунктуацией, заглавными буквами и нормализованным написанием заимствований. Для обучения использованы 3 087 часов корпуса LIEPA-3. Модель доступна в формате safetensors и в исходном формате NeMo, работает через Transformers и рассчитана на быстрое распознавание речи, в том числе на локальном устройстве. Модель подходит для расшифровки разговоров, радиопередач и записей с телефона, когда нужен читаемый текст без отдельного этапа расстановки пунктуации. Архитектура транспьюсера обеспечивает монотонное выравнивание аудио и текста; автор сообщает о высокой скорости на MacBook и GPU, но эти показатели получены на конкретных устройствах и не гарантируют аналогичную производительность в других условиях. Лицензия — CC BY 4.0. Среди известных ограничений — непоследовательное распознавание имён собственных и редкой иностранной технической лексики, а также смешанный подход к дословной передаче разговорных форм. Модель не выполняет диаризацию и не размечает говорящих; для очень длинных файлов рекомендуется делить запись по паузам.

Llama 3 Typhoon v1.5 8B Instruct GGUF — набор квантизированных файлов модели scb10x/llama-3-typhoon-v1.5-8b-instruct, разработанной SCB 10X и опубликованной в формате GGUF. Модель предназначена для генерации текста, диалоговых и чат-сценариев, а также локального запуска через llama.cpp и совместимые интерфейсы и библиотеки. В README заявлена поддержка английского и тайского языков и использование шаблона диалогов Llama 3. Модель относится к классу instruct-моделей с размером 8B параметров. Репозиторий содержит варианты квантизации GGUFv2 от Q2_K до Q6_K; их размер составляет примерно от 2,95 до 6,6 ГБ. Более компактные варианты требуют меньше памяти, но заметнее снижают качество, тогда как Q4_K_M обозначен как сбалансированный и рекомендуемый вариант. Формат GGUF поддерживает метаданные и специальные токены и совместим с llama.cpp, text-generation-webui, LM Studio, KoboldCpp, llama-cpp-python и другими инструментами. К сильным сторонам относятся возможность локального запуска, широкий выбор уровня квантизации и адаптация к английским и тайским диалогам. Ограничения включают неизбежные потери качества при использовании низкобитных вариантов, особенно Q2 и Q3, а также отсутствие в предоставленных данных сведений о размере контекста, мультимодальности, результатах тестирования и системных требованиях. Для использования указана лицензия Llama 3.

MamayLM-Gemma-3-12B-IT-v2.0 — украиноязычная адаптация мультимодальной модели Gemma 3 от INSAIT-Institute, дообученная на базе google/gemma-3-12B-it. Это плотная модель с архитектурой Gemma3ForConditionalGeneration, предназначенная для диалогов, следования сложным инструкциям и понимания изображений вместе с текстом. Доступны версии MamayLM v2.0 размером 12B и 27B; этот репозиторий содержит вариант 12B. Модель подходит для вопросов по изображениям, многоходовых бесед и задач на украинском языке, а также поддерживает английский. В README указаны данные предварительного обучения до мая 2025 года и инструкционного дообучения до октября 2025 года. Для работы с изображениями следует избегать динамической квантизации vision tower и мультимодального проектора через параметр vLLM quantization="fp8": README предупреждает, что это приводит к некорректным результатам на изображениях. Репозиторий распространяется по лицензии Gemma.

Abiray/MiniCPM5-1B-GGUF — набор квантованных моделей MiniCPM5-1B, разработанной командой OpenBMB и опубликованной в формате GGUF пользователем Abiray. Модель предназначена для локального запуска на устройствах с ограниченными ресурсами, включая мобильные и периферийные системы, через llama.cpp. Она относится к задачам генерации текста и поддерживает сценарии, связанные с вызовом инструментов. В основе лежит архитектура LlamaForCausalLM с примерно 1 миллиардом параметров. Модель поддерживает английский и китайский языки, использует гибридное рассуждение со встроенными токенами <think> и имеет контекстное окно до 131 000 токенов. Доступны варианты GGUF с квантованием Q4_K_M, Q5_K_M, Q6_K, Q8_0, а также F16 без квантования; их размер составляет примерно от 657 МБ до 2,1 ГБ. Форматы ориентированы на эффективный вывод на CPU и устройствах edge-класса. Сильными сторонами являются небольшой размер, возможность автономного локального использования, широкий контекст и поддержка llama.cpp без пользовательских форков или специальных ядер. Квантование уменьшает требования к памяти, но может снижать точность по сравнению с исходной моделью; варианты с более высоким качеством требуют больше памяти. README не содержит подробной оценки качества, перечня поддерживаемых языков помимо английского и китайского или описания ограничений безопасности. Лицензия — Apache-2.0.

moona3k подготовил квантованный вариант Qwen/Qwen3-ASR-1.7B для библиотеки MLX и компьютеров Apple Silicon. Это модель распознавания речи, которая преобразует аудио в текст; через пакет mlx-qwen3-asr она также поддерживает выдачу временных меток слов и работу HTTP-сервера. По данным карточки, модель поддерживает английский, китайский, японский, корейский, немецкий, французский, испанский, русский, арабский и хинди. Текстовый декодер и эмбеддинги квантованы до 4 бит с размером группы 64, аудиоэнкодер — до 8 бит; остальные плавающие тензоры хранятся в float16. Размер загрузки — 1,2 ГБ против 4,4 ГБ у исходной версии в fp16. В тесте на 100 фрагментах LibriSpeech test-clean этот артефакт показал WER 1,73% и CER 0,53%; результаты небольшого теста не гарантируют такого же качества на других языках и аудио. Для загрузки требуется mlx-qwen3-asr версии 0.4.3 или новее. Лицензия — Apache-2.0.

Это GGUF-представление диалоговой модели OpenBuddy OpenLLaMA 7B v12, подготовленное TheBloke на основе дообученной модели OpenBuddy. Модель семейства LLaMA с плотной архитектурой предназначена для генерации текста и ответов в беседе; репозиторий содержит варианты квантования GGUF для локального запуска на CPU и GPU через llama.cpp и совместимые приложения. Модель поддерживает китайский, английский, французский, немецкий, японский, корейский, итальянский и русский языки. В README указана лицензия Apache-2.0 для исходной модели, а также возможное действие условий лицензии Meta Llama 2; взаимодействие этих условий автор карточки оставляет на уточнение у разработчика исходной модели.