I.6Перевод и языковая адаптация

mattritchey/next-1b-Q4_K_M-GGUF — это квантизированная версия языковой модели Lamapi/next-1b, преобразованная в формат GGUF с помощью llama.cpp и проекта GGUF-my-repo. Модель предназначена для генерации текста и может использоваться в локальных сценариях через llama.cpp, включая запуск в режиме CLI или серверном режиме. Модель относится к классу causal language models на архитектуре Transformer и имеет размер около 1 млрд параметров. Доступна в квантизации Q4_K_M, что уменьшает требования к памяти и делает её ориентированной на эффективный запуск. Заявлена поддержка широкого набора языков, включая турецкий, английский, русский, арабский, испанский, немецкий, французский, китайский, японский, корейский и другие. В README указано окно контекста 2048 токенов для примера запуска, однако не уточняется, является ли это максимальным размером контекста модели. Сильными сторонами являются компактность, открытый формат GGUF и совместимость с llama.cpp, благодаря чему модель подходит для локальной генерации текста, диалогов, суммаризации и ответов на вопросы при ограниченных вычислительных ресурсах. Ограничения включают небольшой размер модели и квантизацию, которые могут снижать качество по сравнению с более крупными или полноточными версиями; подробные результаты оценки, точные сведения об архитектуре, обучении и качестве по отдельным языкам не приведены. Модель распространяется по лицензии MIT.

DevQuasar/nicoboss.Qwen3-32B-Uncensored-GGUF — квантованная версия модели nicoboss/Qwen3-32B-Uncensored, опубликованная под брендом DevQuasar. Модель предназначена для генерации текста и может использоваться в сценариях диалога, написания и преобразования текстов, а также для других задач, поддерживаемых базовой языковой моделью. Из доступных данных известно, что это текстовая модель семейства Qwen3 с размером 32B параметров в квантованном представлении GGUF. Ключевая особенность варианта — обозначение Uncensored, однако README не содержит подробностей о применённых ограничениях, настройках квантования, поддерживаемых языках, длине контекста, архитектуре или результатах тестирования. Квантование потенциально упрощает локальный запуск и снижает требования к ресурсам, но конкретные требования к памяти и производительность не указаны. Лицензия и условия использования в README не указаны, поэтому их следует уточнить в карточке базовой модели или у автора публикации. Сильные стороны и ограничения модели нельзя полноценно оценить по представленным данным.

NorskGPT-ChimeraLlama-3 — модель генерации текста, созданная слиянием предварительно обученных языковых моделей методом DARE TIES с помощью mergekit. В качестве базовой использована bineric/NorskGPT-Llama3-8b, также в слияние включена mlabonne/ChimeraLlama-3-8B. Модель построена на архитектуре Llama и содержит 7,5 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев; исходная NorskGPT-Llama3-8b описана как норвежскоязычная модель для диалогов, ответов на вопросы и суммаризации. Контекст составляет до 8192 токенов. Репозиторий содержит веса Safetensors, использовать модель можно через Transformers. Лицензия в предоставленных данных не указана.

OOM-SOLAR-10.7B_02 — языковая модель на архитектуре Transformer семейства Llama, опубликованная giprime. Модель основана на beomi/OPEN-SOLAR-KO-10.7B, которая, согласно карточке, использует архитектуру upstage/SOLAR-10.7B-v1.0. Веса представлены в формате Safetensors; число параметров — 10,7 млрд, контекст — до 4096 токенов. Модель предназначена для генерации текста. В метаданных указаны английский и корейский языки. README не описывает конкретные сценарии применения и оценку качества. Лицензия — Apache-2.0.

ozone-research_2x-lite-GGUF — это набор квантизированных версий языковой модели 2x-lite, разработанной ozone-research и преобразованной в формат GGUF пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Для взаимодействия рекомендуется формат промпта с ролями system, user и assistant на основе специальных маркеров чата. Доступны варианты квантизации от Q2 до Q8, размером примерно от 5,77 до 15,70 ГБ. Более высокие уровни квантизации обычно обеспечивают лучшее сохранение качества, но требуют больше оперативной памяти; в README рекомендуются, в частности, Q4_K_M, Q5_K_M, Q5_K_L, Q6_K и Q6_K_L. Некоторые варианты оптимизированы по соотношению качества и размера, а отдельные форматы ориентированы на особенности ARM или Apple Silicon. Архитектура, число параметров, поддерживаемые языки, размер контекста и модальности в предоставленных данных не указаны. Основные преимущества — возможность локального запуска, широкий выбор размеров файлов и совместимость с экосистемой llama.cpp. Ограничения связаны с потерями качества, зависящими от выбранной квантизации, а также с отсутствием в README подробных сведений о возможностях исходной модели и рекомендуемых аппаратных ресурсах. Набор распространяется по лицензии Apache-2.0.

giangndm выпустил совместимое с Transformers представление модели NVIDIA Parakeet CTC 0.6B Vietnamese в формате BF16. Это модель распознавания речи с архитектурой ParakeetForCTC на основе FastConformer; она принимает аудио и преобразует его в текст на вьетнамском языке. В репозитории также находятся процессор и токенизатор, а для загрузки весов используется файл safetensors без необходимости выполнять удалённый код. Модель предназначена для транскрибирования вьетнамской речи. Её можно применять для получения текста из аудиозаписей и обработки речевых сигналов через Transformers. Представление BF16 является конверсией исходного чекпойнта и не заявляет об изменении качества распознавания. Применяются лицензия и ограничения использования исходной модели NVIDIA; в метаданных лицензия обозначена как other.

Это версия модели распознавания речи NVIDIA Parakeet TDT 0.6B v3, подготовленная NielsPeter для MLX. Веса с плавающей точкой сохранены в формате bfloat16 вместо float32; архитектура, словарь и токенизатор не изменены. Модель принимает аудио и выдаёт распознанный текст, включая речь на английском, датском и шведском языках. Формат bfloat16 уменьшает размер файлов весов с 2,34 до 1,25 ГБ и снижает пиковое потребление памяти при транскрибировании примерно с 2,6 до 1,6 ГБ. В описанных сравнениях результат совпал с float32-версией на примерно 7 300 словах на трёх языках. Модель предназначена для использования с MLX; лицензия — CC-BY-4.0.

ONNX-конверсия мультиязычной модели автоматического распознавания речи NVIDIA Parakeet TDT 0.6B V3. Исходную модель разработала NVIDIA, а конверсию для ONNX и интеграцию с библиотекой onnx-asr подготовил istupakov. Модель предназначена для преобразования речи из аудиофайлов в текст и может использоваться в приложениях транскрибации и других сценариях ASR. Модель имеет размер 0,6 млрд параметров и работает с аудио на входе, возвращая распознанный текст. В README заявлена поддержка английского, испанского, французского, немецкого, болгарского, хорватского, чешского, датского, нидерландского, эстонского, финского, греческого, венгерского, итальянского, латышского, литовского, мальтийского, польского, португальского, румынского, словацкого, словенского, шведского, русского и украинского языков. Формат ONNX позволяет использовать модель через onnx-asr, в том числе с CPU. К сильным сторонам относятся мультиязычность и возможность запуска в ONNX-совместимой инфраструктуре. README не содержит сведений о точности, ограничениях по длительности аудио, требованиях к ресурсам или поддерживаемых форматах помимо примера с WAV-файлом. Модель распространяется по лицензии CC BY 4.0.

mlx-community/parakeet-tdt-1.1b — версия модели NVIDIA Parakeet-TDT-1.1B, подготовленная сообществом mlx-community для библиотеки MLX. Она преобразует английскую речь в текст и предназначена для автоматической транскрипции аудио. В метаданных указана архитектура семейства FastConformer/Conformer и формат safetensors; базовая модель разработана NVIDIA NeMo и Suno.ai. Модель подходит для расшифровки записей и речевых потоков на английском языке. Карточка сообщества отсылает за подробностями к карточке исходной модели, поэтому дополнительные характеристики и ограничения исходной модели здесь не подтверждены. Лицензия — CC BY 4.0.

hancheolp/q38_ternary_test — производный чекпойнт семейства Qwen3.5 объёмом 27 млрд параметров, подготовленный как тернарная квантизованная модель для запуска через MLX на устройствах Apple. Веса упакованы в контейнер MLX affine 2-bit с группами по 128 значений и уровнями {-1, 0, +1}; часть параметров, включая эмбеддинги, выходную голову и некоторые компоненты линейного внимания, оставлена в полной точности. Архитектура сочетает 48 слоёв gated-delta линейного внимания и 16 слоёв softmax-внимания. Модель предназначена для генерации текста и диалогового использования. В карточке заявлена distillation с учетом квантизации; для полной загрузки требуется сборка mlx-lm или mlx-vlm с реализацией архитектуры. Лицензия — Apache-2.0. Карточка описывает только текстовую генерацию, хотя README упоминает квантизацию vision tower.

Qaari 0.1 Urdu — мультимодальная модель для распознавания текста на изображениях на языке урду. Она разработана Ahmed Wasfy и представляет собой дообученную версию Qwen2-VL-2B, предназначенную прежде всего для OCR документов и изображений с текстом на урду. Модель принимает изображение и текстовую инструкцию, а в ответ генерирует текстовую расшифровку содержимого документа. Модель имеет архитектуру Qwen2-VL с размером 2B параметров и дообучалась на 10 000 синтетических пар изображений текста на урду и эталонных транскрипций. В обучении использовались шрифты AlQalam Taj Nastaleeq, Alvi Nastaleeq, Gandhara Suls, Jameel Noori Nastaleeq и NotoNastaliqUrdu; проверенные размеры шрифта составляют от 14 до 40 пунктов. На заявленном наборе данных Qaari 0.1 Urdu показала WER 0,048, CER 0,029, BLEU 0,916 и соотношение длины 0,978, превзойдя базовую Qwen2-VL-2B и Tesseract. Сильные стороны модели — специализация на урду, высокая точность распознавания и поддержка письменности Nastaleeq. К ограничениям относятся возможное снижение качества на шрифтах и размерах, не представленных при дообучении, сложных лигатурах, нестандартных вариантах Nastaleeq, изображениях низкого разрешения и цифровых дисплеях. Модель распространяется на условиях лицензии базовой модели Qwen2-VL-2B; точные условия в README не приведены.

darkc0de/Qwen3-0.6B-heretic — созданная с помощью Heretic 1.4.0 модификация Qwen3-0.6B-Base от Qwen. Это плотная причинная языковая модель с 507,9 млн параметров для генерации текста и диалогов; модель распространяется в формате safetensors и рассчитана на работу через Transformers. Метаданные указывают контекст до 40 960 токенов. Модель подвергнута abliteration — модификации, направленной на снижение частоты отказов: в описанном сравнении она отказала в 6 случаях из 100 против 53 у исходной модели. Карточка также приводит значение KL divergence 0,0045 и утверждает, что результат воспроизводим. Основа Qwen3 поддерживает многоязычное общение, рассуждения, следование инструкциям и генерацию кода, однако эти возможности унаследованы от базовой модели, а отдельные оценки качества этой модификации не приведены. Модель распространяется по лицензии Apache-2.0. Abliteration снижает число отказов, но не гарантирует их отсутствие и может влиять на поведение модели; компактный размер также ограничивает возможности по сравнению с более крупными языковыми моделями.

onnx-community/Qwen3-1.7B-ONNX — это версия модели Qwen3-1.7B с весами в формате ONNX, подготовленная сообществом onnx-community для совместимости с библиотекой Transformers.js. Исходная модель разработана командой Qwen; данная карточка содержит отдельный репозиторий с ONNX-весами. Модель предназначена для запуска Qwen3-1.7B в средах, поддерживающих Transformers.js, включая веб-приложения и другие сценарии, где требуется использование ONNX. Суффикс 1.7B указывает на заявленный размер исходной модели примерно 1,7 млрд параметров, однако подробные сведения об архитектуре, модальностях, поддерживаемых языках и размере контекста в README не приведены. Ключевое преимущество модели — адаптация весов к ONNX и интеграция с Transformers.js, что упрощает веб-ориентированное использование. Ограничения, требования к ресурсам, точные характеристики качества, лицензия и условия коммерческого или иного использования в предоставленных данных не указаны. Репозиторий с ONNX-весами описан как временное решение до более широкого распространения WebML.

Qwen3.6-27B-GGUF — это GGUF-квантизированная версия модели Qwen3.6-27B, разработанной командой Qwen. Модель автоматически преобразована с помощью инструментария ggml-org/convert и предназначена для запуска через llama.cpp-совместимые средства, включая llama.app. Согласно карточке, модель относится к классу image-text-to-text и рассчитана на обработку изображений и текста с генерацией текстовых ответов. Её размер — 27 миллиардов параметров; конкретный вариант квантизации, архитектурные детали, поддерживаемые языки и размер контекстного окна в README не указаны. В качестве исходных моделей заявлены Qwen/Qwen3.6-27B и z-lab/Qwen3.6-27B-DFlash. К сильным сторонам относятся поддержка мультимодального сценария и формат GGUF, удобный для локального запуска и интеграции с совместимыми инструментами. Ограничения модели, требования к аппаратному обеспечению, точные характеристики квантизации и результаты тестирования не приведены, поэтому производительность и качество для конкретных задач по этой карточке оценить нельзя. Модель распространяется по лицензии Apache-2.0.

aufklarer/Qwen3-ForcedAligner-0.6B-4bit — 4-битная версия Qwen/Qwen3-ForcedAligner-0.6B, подготовленная для запуска на Apple Silicon через MLX. Модель принимает аудио и соответствующий ему текст и за один проход без авторегрессивной генерации предсказывает временные метки слов. В описанной конфигурации аудиокодировщик и классификационная голова работают в float16, а текстовый декодер квантизирован до 4 бит с размером группы 64. Модель предназначена для выравнивания текста с речью: например, чтобы получить таймкоды слов для субтитров или транскрипта. Класс временной метки соответствует интервалу 80 мс. Поддерживаемые языки включают английский, китайский, японский, корейский, немецкий, французский, испанский, итальянский и русский. Репозиторий распространяется по лицензии Apache-2.0. Это производная модель, указанная как дообученная на базе Qwen/Qwen3-ForcedAligner-0.6B; README описывает её как 4-битную MLX-версию для Apple Silicon. Такое сжатие уменьшает точность весов декодера; модель требует пар аудио и текста и сама по себе не предназначена для распознавания речи из необработанного аудио.

qwen-asr-0.6b-he — компактная модель распознавания речи на базе Qwen/Qwen3-ASR-0.6B, дообученная разработчиком flowty1 на специально собранном и размеченном корпусе иврита. Она преобразует аудио в текст и поддерживает потоковую транскрибацию с низкой задержкой, а также обработку аудиофайлов. Модель рассчитана прежде всего на распознавание речи на иврите; также проверена работа с английским и автоматическим определением языка. Размер составляет 0,6 млрд параметров. В README заявлена работа в реальном времени на CPU, а также запуск на NVIDIA GPU через vLLM, на Apple Silicon через MLX и локально на iPhone. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. На шумных или длинных записях компактная модель может повторять фрагменты или галлюцинировать. README рекомендует жадное декодирование и настройку штрафа за повторы и максимального числа новых токенов; для языков помимо иврита и английского качество не гарантируется.

Soulfate24/ReaderLM-v2-ASHQ1-Remix-GGUF — квантизированная в формате GGUF версия ReaderLM-v2, опубликованная Soulfate24. В README указана activation-aware квантизация ASHQ1-Remix с настройками, основанными на измерениях; также упоминается поддержка линии AutoRound с ограничениями насыщения. Метаданные относят репозиторий к генерации текста и разговорным моделям. Модель можно использовать для генерации текста в сценариях, поддерживаемых ReaderLM-v2. В карточке указана многоязычность и чат-возможности. Репозиторий содержит GGUF-представление базовой модели jinaai/ReaderLM-v2. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование. Доступная карточка не уточняет размер модели, длину контекста и конкретный перечень поддерживаемых языков.

ReAligned-Qwen3.5-9B-GGUF — набор GGUF-квантизаций текстовой языковой модели ReAligned-Qwen3.5-9B, созданной Eric Hartford, главным научным сотрудником LazarusAI. Модель основана на Qwen3.5 и предназначена для генерации текста и диалогового взаимодействия, включая ответы на чувствительные исторические и политические вопросы. Квантизацию выполнила QuixiAI; запуск возможен через llama.cpp и совместимые приложения, включая LM Studio, KoboldCpp, Jan AI и Text Generation Web UI. Модель имеет около 9 миллиардов параметров, поддерживает английский и китайский языки и поставляется в вариантах от BF16 до различных 8-, 6-, 5-, 4- и 3-битных форматов GGUF. Рекомендуется использовать встроенный шаблон чата Qwen и системный промпт для настройки стиля, границ отказов, требований к цитированию и поведения в конкретном сценарии. Данные о размере контекста и результатах формальных оценок в карточке не указаны. Основная особенность ReAligned-Qwen3.5 — попытка снизить идеологическую цензуру, избыточные отказы и государственно-нарративную подачу, связанную с исходной моделью, сохранив её общие возможности. Это может быть полезно для исследовательских, аналитических и диалоговых задач, требующих более прямых ответов по спорным темам, однако заявленные изменения не гарантируют фактическую точность, нейтральность или отсутствие предвзятости. Квантизация уменьшает требования к дисковой памяти и позволяет запускать модель локально, но более компактные варианты могут уступать BF16 по качеству. Лицензия — Apache 2.0.

Shi-Ci v3 Avocet — ранняя предварительная версия большой языковой модели серии Shi-Ci от NLPark, обученная с учителем (SFT). Модель построена на архитектуре Qwen2 и предназначена для диалоговой генерации текста на китайском и английском языках. Модель содержит 31,7 млрд параметров, принимает текст и поддерживает контекст длиной до 32 768 токенов. Карточка обозначает её как ранний preview, поэтому качество и стабильность следует оценивать с учётом экспериментального статуса. Распространяется по лицензии Apache-2.0.

SillyTilly-Meta-Llama-3.1-8B-GGUF — набор квантованных файлов модели SillyTilly/Meta-Llama-3.1-8B, подготовленный командой featherless-ai-quants. Модель предназначена для генерации текста и может использоваться в сценариях локального или совместимого с GGUF запуска, где требуется сократить потребление памяти и вычислительных ресурсов за счёт квантования. README не уточняет конкретные прикладные задачи, языки и поддерживаемые модальности, поэтому модель следует рассматривать как текстовую. Доступны варианты квантования IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0. Размер файлов составляет примерно от 3,03 до 8,15 ГБ, что позволяет выбирать компромисс между качеством и требованиями к памяти. Архитектура, точное число параметров, размер контекстного окна и дополнительные характеристики в README не указаны. Преимущество набора — широкий выбор уровней квантования и формат GGUF, однако более сильное квантование обычно связано с потенциальной потерей качества по сравнению с исходной моделью; конкретные показатели в README не приведены. Лицензия для этого набора и базовой модели не указана, поэтому условия использования необходимо уточнить в соответствующих материалах правообладателей.

SJ-Donald/SJ-SOLAR-10.7b-DPO — языковая модель семейства Llama, разработанная SJ-Donald и дообученная методом Direct Preference Optimization (DPO) на парах предпочтений из датасета orca-dpo-pairs-ko. Модель содержит 10,7 млрд параметров, принимает текст и генерирует текст; карточка отмечает поддержку чатового сценария. Контекст — до 4096 токенов. Модель предназначена для диалоговых ответов и генерации текста, в том числе на корейском языке. В README приведены результаты оценок на общих и корейских наборах тестов, включая ARC, HellaSwag, MMLU и TruthfulQA. Доступны веса Safetensors; в README также указана отдельная версия GGUF. Лицензия CC BY-NC 4.0 разрешает использование с соблюдением условий лицензии, включая ограничения на коммерческое применение.

Карточка модели ayoubkirouane/Sophea-OSS-v1 на Hugging Face совпадает с карточкой KIEFERSA/Sophea-OSS-v1, поэтому описание составлено по ней. Sophea-OSS-v1 — модель Kiefer SA (Sophea AI Lab, Афины), дообученная на базе openai/gpt-oss-20b для рассуждений на греческом и английском языках. Это разреженный трансформер MoE; в метаданных указано 1,6 млрд параметров, контекст — 131 072 токена. Модель поддерживает генерацию текста и диалоговый режим. Модель предназначена для многоязычного помощника, который рассуждает на языке вопроса и выдаёт ответ в канале assistantfinal; след рассуждений передаётся отдельно в канале analysis. README сообщает, что след сохраняет язык вопроса в 98,1% случаев, но при переключении языка управляемость различается: 62,5% для греческого запроса с английским ответом и 93,3% для английского запроса с греческим ответом. Формат каналов Harmony требует совместимого клиента. В README описаны оценки на задачах математики, здравого смысла, логики и двуязычных NLU-бенчмарках; результаты приведены с оговорками в сопутствующей статье. По сравнению с базовой моделью генерация расходует больше токенов, а утечка текста ответа в канал рассуждений составляет 10,3%. Модель не оценивалась для критически важных, юридических или медицинских применений. Лицензия — Apache-2.0.

SubtleOne_Qwen2.5-32b-Erudite-Writer-GGUF — это набор GGUF-квантизованных версий текстовой генеративной модели Qwen2.5-32b-Erudite-Writer, разработанной SubtleOne. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может применяться локально в LM Studio, llama.cpp и других проектах на базе llama.cpp. Доступны варианты от BF16 до различных уровней квантизации Q8, Q6, Q5, Q4, Q3 и IQ. Размер файлов составляет примерно от 14,81 до 65,53 ГБ, поэтому выбор варианта позволяет балансировать качество и требования к памяти. Для работы используется формат prompt-шаблона Qwen с ролями system, user и assistant. README не содержит сведений о точной архитектуре, максимальном контексте, поддерживаемых языках, мультимодальности или результатах benchmark-тестов. Сильными сторонами являются широкий выбор квантизаций, возможность локального запуска и сохранение высокого качества у старших вариантов, особенно Q6 и Q5. Более компактные варианты подходят для систем с ограниченным объёмом оперативной памяти, но могут заметнее терять качество. Модель распространяется по лицензии Apache-2.0; условия исходной базовой модели отдельно в README не описаны.

Akashpb13/Swahili_xlsr — акустическая модель распознавания речи на основе Wav2Vec2 XLS-R 300M, дообученная на Common Voice 7.0. Модель принимает аудио и с помощью CTC декодирования преобразует речь на суахили в текст. В метаданных указано 402,7 млн параметров; модель представлена в форматах PyTorch и Safetensors. Модель предназначена для транскрибирования записей и оценки распознавания речи на суахили. В README приведены результаты оценки: WER 0,188 и loss 0,159; метрики относятся к указанному автором набору оценки и не гарантируют аналогичного качества на других данных. README содержит несогласованность: в описании обучения упоминаются данные Common Voice на хауса, тогда как название модели и конфигурация оценки указывают на суахили. Лицензия — Apache-2.0.

Ternary-Bonsai-2-27B Uncensored — модель Gastón Parravicini на основе prism-ml/Ternary-Bonsai-2-27B-gguf. Автор удалил явный рефлекс отказа на уровне весов методом steering; это изменение поведения модели, а не обычное дообучение. Модель предназначена для диалогов, следования инструкциям и исследования отказов и безопасности LLM. Заявлены 27 млрд параметров, архитектура с 64 слоями: 16 блоков полного внимания и 48 блоков gated-delta-net (SSM), а также голова MTP для чернового предсказания токенов. Это мультиязычная текстовая модель семейства Qwen3; в карточке перечислены английский, испанский, китайский, французский, немецкий, португальский, итальянский, японский, корейский и русский языки. По описанным автором тестам, на сложных adversarial-запросах явные отказы почти исчезают, однако модель не становится безусловно послушной: автор сообщает примерно о 15% случаев операционного вредоносного содействия и частых безопасных переформулировках. На отгруженной настройке perplexity выше базовой примерно на 8,4%. Для запуска требуется форк Prism llama.cpp с поддержкой архитектуры qwen35, специальных квантов и Hadamard-преобразованных весов; upstream llama.cpp не подходит. Репозиторий использует формат GGUF, лицензия Apache 2.0. Модель опубликована 24 сентября 2026 года.

Это версия модели ontocord/vbd-llama2-7B-50b-chat, преобразованная в формат MLX с 4-битным представлением для запуска на устройствах Apple с MLX. В метаданных указаны архитектура LlamaForCausalLM семейства Llama, 6,7 млрд параметров и контекст до 4096 токенов; модель предназначена для генерации текста в диалоговом режиме. Карточка ссылается на исходную модель LR-AI-Labs/vbd-llama2-7B-50b-chat за сведениями о назначении и возможностях. В метаданных указаны английский и вьетнамский языки. Лицензия — llama2; условия использования следует сверять с лицензией Llama 2. README предлагает запуск через mlx-lm.

Это модель автоматического распознавания речи на тайском языке, разработанная Wannaphong и обученная дообучением wav2vec2-large-xlsr-53 на данных Common Voice V8 с добавлением данных Common Voice V7. Модель использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров; распознанные слова предварительно токенизировались по алгоритму newmm из PyThaiNLP. Модель предназначена для преобразования тайской речи в текст, например для транскрибирования записей и оценки систем распознавания речи. В тестах на наборах Common Voice V8 и V7 автор приводит показатели WER и CER; результаты зависят от тестового набора и способа токенизации текста. Доступны веса PyTorch и safetensors. Лицензия — Apache-2.0.

Finnish-NLP/wav2vec2-xlsr-300m-finnish-lm — акустическая модель распознавания финской речи, разработанная Finnish-NLP на основе facebook/wav2vec2-xls-r-300m. Модель с архитектурой Wav2Vec2ForCTC содержит около 402,7 млн параметров и дообучена на 275,6 часах размеченной финской речи. В репозитории также есть финская языковая модель KenLM для декодирования распознанной речи. Модель предназначена для преобразования финской речи в текст, в том числе записей заседаний и коротких аудиофрагментов. При оценке на Common Voice 7.0 указана частота ошибок слов 8,16% с KenLM и 17,92% без неё. Обучающие аудиофрагменты ограничивались 20 секундами; основной корпус составили записи финского парламента, поэтому качество может снижаться на бытовой речи, диалектах, а также на речи женщин и детей. Для длинных записей может потребоваться разбиение аудио на фрагменты. Лицензия — Apache-2.0.

duytran3112/whisper-sm-vivos — дообученная модель распознавания речи на базе openai/whisper-small, опубликованная на Hugging Face. Она предназначена для преобразования аудио в текст; карточка сообщает о дообучении на наборе данных, название которого указано как None. Модель построена на архитектуре Whisper, содержит 153,1 млн параметров и принимает аудио, выдавая текст. В оценке на тестовом наборе указаны Loss 0,2370 и WER 54,8563; высокий WER может ограничивать точность транскрибирования. Лицензия — Apache-2.0.

bartowski/XiaomiMiMo_MiMo-V2-Flash-GGUF — это набор GGUF-квантизованных версий языковой модели MiMo-V2-Flash, разработанной XiaomiMiMo. Квантизация выполнена bartowski с использованием llama.cpp и метода imatrix; исходная модель указана как XiaomiMiMo/MiMo-V2-Flash. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и совместимые проекты. Доступны варианты с разным уровнем квантизации — от Q8_0 до Q2_K и IQ-квантов, размером примерно от 96,74 до 328,23 ГБ. Более высокие разрядности обеспечивают лучшее сохранение качества, но требуют больше оперативной или видеопамяти; низкоразрядные варианты экономичнее, однако могут заметно уступать по качеству. Для большинства сценариев автор рекомендует варианты Q4_K_M, Q4_K_L, Q5_K_M, Q5_K_S и Q6_K. Поддерживаемый формат и способ запуска делают модель подходящей для локального вывода, но README не содержит сведений об архитектуре, числе параметров, размере контекста, языках и мультимодальных возможностях. Для работы следует использовать указанный шаблон промпта с ролями system, user и assistant. Модель распространяется по лицензии MIT.