I.6Перевод и языковая адаптация

birgermoell/Llama-3-dare_ties — диалоговая языковая модель, созданная слиянием моделей Meta-Llama-3 с помощью LazyMergekit и метода DARE-TIES. В конфигурации указаны Meta-Llama-3-8B и Meta-Llama-3-8B-Instruct; веса сохранены в формате safetensors с точностью bfloat16. В метаданных указаны 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев: ответов на запросы, продолжения текста и работы в роли ассистента. Карточка не описывает дополнительную специализацию или результаты сравнительных оценок. Указанная лицензия — llama2.

M7T3qm7xp_Experiment26T3qm7xp — объединённая языковая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием моделей automerger/M7T3qm7xp-7B и automerger/Experiment26T3qm7xp-7B и предназначена для генерации текста.

madwind-wizard-7B — объединение предварительно обученных языковых моделей, созданное grimjim с помощью mergekit и метода SLERP. Модель основана на Mistral 7B v0.2 и объединяет её 32K-контекст с возможностями Zephyr Beta и WizardLM 2; веса представлены в формате safetensors с точностью bfloat16. Размер модели — 7,1 млрд параметров, архитектура — плотная MistralForCausalLM, длина контекста — до 32 768 токенов. Модель предназначена для генерации текста и может использоваться для диалогов, ответов на запросы и других задач генерации на основе текстового ввода. Карточка предупреждает, что модель может генерировать проблемный текст из-за унаследованного поведения Zephyr Beta. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Magnum v1 32B GGUF — семейство квантизированных GGUF-версий языковой модели Anthropic? Нет, модель разработана командой Anthracite и предназначена для генерации текста и диалоговых сценариев. Она создана с целью приблизить качество прозы к моделям Claude 3, в частности Sonnet и Opus, и ориентирована на общее следование инструкциям, связность ответов и работу с текстом на английском и китайском языках. Модель дообучена на базе Qwen1.5 32B с полным обновлением параметров в течение двух эпох на восьми GPU NVIDIA H100. В обучении использовались наборы данных, направленные на улучшение соблюдения инструкций, качества письма и связности. Для взаимодействия применяется формат ChatML. Репозиторий содержит GGUF-квантизации; сведения о конкретных уровнях квантизации, размере контекста и поддерживаемых модальностях, кроме текстовой, не указаны. Сильными сторонами модели заявлены качество прозы, следование инструкциям и coherence в универсальных текстовых задачах. Ограничениями являются отсутствие подробной информации о безопасности, точности на бенчмарках, фактической поддержке языков помимо английского и китайского, контекстном окне и характеристиках отдельных GGUF-файлов. Указана лицензия Tongyi Qianwen; применимые условия следует уточнять по ссылке на лицензию Qwen2-72B-Instruct.

Menlo_Lucy-128k-GGUF — это GGUF-квантизированная версия модели Lucy-128k, разработанной Menlo и подготовленной пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты. Из README известно, что модель рассчитана на контекст до 128k токенов, однако сведения о точной архитектуре, числе параметров, поддерживаемых языках и мультимодальности не приведены. Доступны варианты от BF16 до различных Q2–Q8- и IQ-квантизаций размером примерно от 0,75 до 3,45 ГБ. Более высокие уровни квантизации обычно сохраняют лучшее качество, а низкие требуют меньше оперативной памяти, но сильнее ограничивают качество генерации. Сильной стороной модели является широкий выбор форматов для локального запуска и возможность подобрать баланс между качеством, размером и требованиями к памяти. При этом README предупреждает, что для модели не указана специальная chat template и стандартный формат prompt может быть некорректным; перед использованием рекомендуется проверить оригинальную карточку Menlo/Lucy-128k. Лицензия в предоставленных данных не указана.

mlx-community/Meta-Llama-3.1-8B-Instruct-abliterated-4bit — преобразованная в формат MLX 4-битная версия модели Meta-Llama-3.1-8B-Instruct-abliterated, подготовленная сообществом mlx-community. В основе лежит дообученная Meta Llama 3.1 Instruct с плотной архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; модель предназначена для диалоговой генерации текста. Указанное нативное окно контекста — 131 072 токена. Модель подходит для диалогов и генерации ответов в сценариях, где требуется запускать Llama 3.1 на системах Apple через MLX. В названии и тегах исходной модели есть обозначения «abliterated» и «uncensored», однако карточка не описывает конкретные гарантии или пределы такого поведения. Репозиторий указывает лицензию Llama 3.1; использование должно соответствовать её условиям. README сообщает о конверсии в MLX из mlabonne/Meta-Llama-3.1-8B-Instruct-abliterated, а каталог классифицирует базовую связь как дообучение Meta Llama 3.1 Instruct.

MiniMax-M2.1-8bit — это квантизированная 8-битная версия языковой модели MiniMax-M2.1, разработанной MiniMaxAI и преобразованная сообществом mlx-community в формат MLX. Модель предназначена для генерации текста и запуска через библиотеку mlx-lm, в том числе на совместимом оборудовании экосистемы MLX. Модель относится к задачам text generation и поддерживает использование токенизатора с chat template для диалоговых запросов. В README не указаны архитектура, общее число параметров, поддерживаемые языки, модальности и размер контекстного окна. 8-битное представление потенциально снижает требования к памяти по сравнению с исходной версией, однако конкретные показатели производительности, качества и совместимости не приведены. Для работы требуется библиотека mlx-lm версии с поддержкой данного формата; конвертация выполнена с использованием mlx-lm 0.29.1. Модель распространяется по лицензии modified-MIT, подробные условия доступны в указанном файле LICENSE репозитория MiniMax-AI.

MISCHIEVOUS-12B-Mix_0.5v — объединённая авторами модель генерации текста на архитектуре Mistral, созданная с помощью mergekit методом SLERP из версий MISCHIEVOUS-12B-Mix_0.3v и MISCHIEVOUS-12B-Mix_0.4v. Модель содержит 12,1 млрд параметров и рассчитана на диалоги и генерацию текста; метаданные также отмечают интерфейс вызова инструментов. Репозиторий содержит веса safetensors, а README указывает на вариант Q4_K_M в формате GGUF. Модель ориентирована на англо- и корейскоязычные сценарии. В метаданных заявлена длина контекста 1 024 000 токенов. Лицензия — Apache-2.0. В README приведены результаты Open LLM Leaderboard, включая средний балл 22,47, IFEval и BBH; эти результаты сами по себе не гарантируют качество на конкретных задачах.

pbevan11/Mistral-Nemo-Baseline-SFT — дообученная модель генерации текста на архитектуре Mistral, созданная на основе mistralai/Mistral-Nemo-Base-2407 с использованием набора pbevan11/ultrafeedback_binarized_multilingual. Модель содержит 12,1 млрд параметров и предназначена для диалоговой генерации текста и ответов на запросы. В метаданных указано контекстное окно до 1 024 000 токенов. Модель выпущена в формате safetensors и доступна по лицензии Apache-2.0. В README приведён результат оценки: loss 1,1750; подробности об оценочном наборе и практическом качестве не раскрыты. Хотя обучающий набор обозначен как многоязычный, конкретные поддерживаемые языки не перечислены.

zelk12/MT3-Gen4-MA-gemma-2-Sv1IBTMT2g2-9B — объединённая с помощью mergekit методом SLERP языковая модель на архитектуре Gemma 2 с 9 млрд параметров. В состав объединения вошли gmonsoon/SahabatAI-Lion-9B-TIES-v1 и zelk12/MT2-Gen2-gemma-2-9B; в конфигурации указана базовая модель gmonsoon/SahabatAI-Lion-9B-TIES-v1 и формат весов bfloat16. Модель предназначена для диалогов и генерации текста по инструкциям. Базовая модель из каталога ориентирована на языки Юго-Восточной Азии и английский. Контекст составляет 8192 токена; модель использует Transformers и хранится в формате safetensors. Лицензия в предоставленных данных не приведена.

Dumpling-Qwen2.5-32B-v2-GGUF — набор квантизированных GGUF-версий текстовой генеративной модели Dumpling-Qwen2.5-32B-v2, разработанной nbeerbower и подготовленной для распространения пользователем bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. Доступны варианты квантизации от Q8_0 до форматов Q3 и IQ3/IQ4, с размером файлов примерно от 14,81 до 34,82 ГБ. Более крупные варианты обеспечивают более высокое качество, а младшие позволяют снизить требования к оперативной памяти; среди рекомендуемых указаны Q6_K_L, Q6_K, Q5_K_L, Q5_K_M, Q5_K_S, Q4_K_L, Q4_K_M, Q4_K_S и IQ4_XS. Для взаимодействия указан шаблон prompt в формате ChatML с маркерами <|im_start|> и <|im_end|>. Это текстовая модель без заявленной поддержки изображений или других модальностей. В README не указаны контекстное окно, поддерживаемые языки, точная архитектура и результаты бенчмарков, поэтому эти характеристики нельзя оценить по доступным данным. Ограничения зависят от выбранного уровня квантизации и доступных ресурсов; варианты с меньшим размером могут обеспечивать более низкое качество. Лицензия — Apache-2.0.

NeuralQwen-2.5-1.5B-Spanish — объединённая языковая модель Kukedlc на архитектуре Qwen2, созданная с помощью LazyMergekit из Qwen/Qwen2.5-1.5B-Instruct и Kukedlc/Qwen2.5-1.5B-Spanish-1.0-DPO. Модель с 1,5 млрд параметров предназначена для генерации текста и диалогов на испанском языке; также поддерживает интерфейс вызова инструментов. Контекстное окно составляет 32 768 токенов. Модель использует плотную архитектуру Qwen2ForCausalLM, веса доступны в формате safetensors, а лицензия — Apache-2.0. Её можно применять для общения на испанском, генерации ответов и работы с инструментами через соответствующий интерфейс. Как компактная модель, она может уступать более крупным моделям в сложных задачах; отдельные ограничения в карточке не описаны.

Это пакет слоёв GGUF для распределённого запуска NVIDIA-Nemotron-3.5-Lightning-30B-A3B в Mesh LLM. Он создан на основе unsloth/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-GGUF и разбивает исходную модель на артефакты по слоям, чтобы распределять вычисления между несколькими компьютерами. Указанный вариант весов — UD-Q4_K_XL; пакет предназначен для локального приватного инференса и чата через совместимый с OpenAI API Mesh LLM. Модель принимает текст и генерирует текстовые ответы в режиме чата. Репозиторий указывает формат GGUF и библиотеку mesh-llm, но не приводит сведения о числе параметров, контексте и поддерживаемых языках. Лицензия обозначена как other; README направляет за условиями лицензии к карточке исходной модели, поэтому конкретные условия для этого пакета не уточнены.

Obazda-7B — чат-модель на основе Mistral, созданная Johann Hartmann как объединение предварительно обученных языковых моделей методом DARE TIES с помощью mergekit. В качестве базовой модели использована DiscoResearch/DiscoLM_German_7b_v1; также в объединение вошли Wiedervereinigung-7b-dpo-laser, Experiment26-7B и WestLake-7B-v2-laser-truthy-dpo. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов на немецком языке. Приведённые в карточке оценки показывают относительно сильные результаты в письме, ролевом взаимодействии, извлечении информации, гуманитарных и естественно-научных темах, а также более слабые результаты в рассуждениях, математике и программировании. Распространяется по лицензии Apache-2.0.

omniASR-CTC-300M-v2-Zulu-Lwazi — модель распознавания речи на архитектуре Wav2Vec2 с CTC-декодированием, преобразованная из контрольной точки OmniLingual fairseq2 omniASR_CTC_300M_v2. Она принимает аудио и выдаёт логиты CTC по словарю SentencePiece, которые используются для транскрибирования речи. Архитектура включает 24 слоя энкодера и скрытый размер 1024; в метаданных указано 413,2 млн параметров. README подтверждает численное соответствие исходной контрольной точке на тестовом аудиофрагменте. Модель предназначена для автоматического распознавания речи. В названии указаны Zulu и Lwazi, однако README сообщает о поддержке нескольких языков и не перечисляет их, поэтому основной язык определить нельзя. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

Pathumma Vision 3.0.0-Re — мультимодальная модель NECTEC для распознавания тайского текста на изображениях и анализа документов. Она дообучена на основе Qwen3-VL-2B-Instruct на 377 тысячах примеров OCR с акцентом на тайский язык, сложные документы и текст в реальных сценах. Архитектура — плотная Qwen3-VL с обработкой изображений и генерацией текста; модель рассчитана на работу через Transformers и обучалась с применением Quantization-Aware Training для более эффективного развёртывания. Модель предназначена для извлечения текста из документов и фотографий, распознавания рукописного и сценического текста, а также понимания тайских документов. В сравнении на ThaiOCRBench показаны результаты по распознаванию текста, разбору документов и связанным визуальным задачам. Лицензия — Apache-2.0. Карточка не приводит ограничений по размеру контекста; результаты на других языках и типах изображений не заявлены.

quantized-gemma-7b-it — преобразованная сообществом mlx-community версия Gemma 7B Instruction Tuned от Google, предназначенная для генерации текста в диалоговом формате. Модель построена на плотной архитектуре GemmaForCausalLM, содержит 8,2 млрд параметров и рассчитана на контекст до 8192 токенов. Модель подходит для ответов на вопросы, диалогов и других задач генерации текста. Репозиторий содержит веса в формате safetensors и предназначен для использования с MLX. Лицензия указана как other; условия использования следует сверить с карточкой исходной модели Google.

bunnycore/Qwen-2.5-7B-Deep-Stock-v3 — разговорная языковая модель, созданная разработчиком bunnycore слиянием нескольких предварительно обученных моделей семейства Qwen2.5 с помощью mergekit и метода Model Stock. В качестве базовой указана fblgit/cybertron-v4-qw7B-UNAMGS; в слияние также вошли Qwen2.5-7B-della-test, Qwen2.5-7B-nerd-uncensored-v1.0 вместе с Persona LoRA и Qwen-2.5-7B-Deep-Stock-v2. Модель построена на плотной архитектуре Qwen2ForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Она предназначена для генерации текста и диалогового общения; репозиторий предоставляет веса Safetensors для библиотеки Transformers. В карточке не приведены результаты оценки качества или подробные рекомендации по использованию. Лицензия в предоставленных данных не указана.

DavidAU дообучил разговорную Qwen2.5-7B-Instruct-1M на наборах примеров рассуждений, связанных с Claude Opus 4.5, Gemini 3 Pro и GPT-5.2. Модель использует плотную архитектуру Qwen2ForCausalLM с 7,1 млрд параметров и заявленным контекстом до 1 010 000 токенов; карточка описывает её как вариант с компактными блоками рассуждений для улучшения подробности и связности ответов. Она предназначена для диалогов, генерации творческих текстов, сюжетов и ролевых сценариев, а также задач, требующих пошагового анализа. Заявлены поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Автор отмечает возможные зацикливания на низкой температуре и проблемы активации рассуждений у низкобитных квантованных версий; рекомендует температуру не ниже 0,7. Модель распространяется под лицензией, указанной в метаданных Hugging Face; конкретное название лицензии в предоставленных данных отсутствует.

Shiftedx/qwen3.8-27b-aeon-ultimate-uncensored-mxfp8-vision-mtplx — экспериментальная независимая конверсия модели AEON-7/Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED-BF16 в формат MLX, созданная сообществом, а не официальными разработчиками AEON-7 или Qwen. Модель предназначена для генерации текста и задач image-to-text, включая описание изображений, и ориентирована на запуск в экосистеме MLX и mlx-vlm. Для использования требуется локальный инференс; README также указывает поддержку speculative decoding через MTPLX и multi-token prediction. Модель имеет плотную архитектуру семейства Qwen3.5 с гибридным attention/GDN, 64 языковых слоя и заявленный контекст до 262 144 токенов. Языковые веса квантизированы в MXFP8 с 8-битными группами размера 32, а 333 исходных BF16-тензора визуальной части сохранены; размер индексированного артефакта составляет 27,50 ГиБ. В пакет включены 15 BF16-тензоров MTP, а локально выбранная глубина D3 показала 24,36 токена в секунду и ускорение 1,540 раза относительно авторегрессионного декодирования, однако фактическая производительность зависит от оборудования, запроса, контекста и версии MTPLX. К сильным сторонам относятся поддержка изображений, большой заявленный контекст, снижение требований к памяти благодаря MXFP8 и возможность ускоренного декодирования. Ограничения включают экспериментальный статус, необходимость локальной проверки загрузки и производительности, а также отсутствие исчерпывающей квалификации работы на полном контексте. Модель является abliterated и намеренно не обладает стандартным выравниванием безопасности; разработчики предупреждают о возможной генерации небезопасных или незаконных материалов, поэтому необходимы контроль доступа, журналирование, модерация и проверка человеком. Лицензия указана как Apache-2.0; при этом ответственность за соблюдение законодательства и безопасность применения возлагается на операторов модели.

Это пакет слоёв GGUF для распределённого запуска Qwen3-VL-235B-A22B-Thinking через Mesh LLM. Его подготовила команда Mesh LLM на основе unsloth/Qwen3-VL-235B-A22B-Thinking-GGUF: исходное распределение весов разделено на артефакты по слоям для работы на нескольких машинах. Вариант UD-Q4_K_XL рассчитан на локальный запуск и обслуживание чата через API, совместимый с OpenAI. Пакет предназначен для диалоговой генерации текста и распределённого инференса, когда исходную GGUF-модель неудобно запускать на одном узле. Карточка указывает семейство Qwen3 и мультимодальное происхождение Qwen3-VL, однако не описывает явно поддерживаемые входные модальности этого пакета. Лицензионные условия следует проверять в карточке исходной модели; в этой карточке они не приведены.

Weyaxi/Qwen-72B-Llama — преобразованная версия Qwen/Qwen-72B, созданная автором репозитория Weyaxi с помощью скрипта llamafy_qwen.py из LLaMA-Factory. Это плотная авторегрессионная языковая модель семейства Llama с 71 млрд параметров, предназначенная для генерации текста; веса опубликованы в формате safetensors, длина контекста составляет 32 768 токенов. Автор сообщает, что после преобразования весов использовал токенизатор из KnutJaegersberg/Qwen-14B-Llamafied. Модель подходит для генерации продолжений и ответов на текстовые запросы. В приведённом автором сравнении средний результат на Open LLM Leaderboard ниже, чем у исходной Qwen-72B: 69,53 против 73,6; оценки ARC и HellaSwag также немного ниже. Лицензия указана как other, поэтому условия использования следует проверять в карточке репозитория и у базовой модели.

RedPipe-7B-slerp — языковая модель на базе архитектуры Mistral, созданная слиянием OpenPipe/mistral-ft-optimized-1218 и Rakuten/RakutenAI-7B-chat методом SLERP с помощью LazyMergekit. Это плотная авторегрессионная модель с 7,1 млрд параметров для генерации текста; заявленная длина контекста составляет 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В состав слияния входит чат-модель Rakuten, рассчитанная на японский и английский языки; README не сообщает результатов оценки RedPipe-7B-slerp или отдельных гарантий качества. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

RWKV/RWKV7-Goose-World3-2.9B-HF — языковая модель RWKV-7, разработанная Бо Пэном, Юй Чжаном, Сонглином Яном и Жуйчуном Чжаном при поддержке RWKV Project. Это плотная авторегрессионная модель для генерации текста и диалогов, представленная в формате flash-linear attention и доступная через Transformers и safetensors. В метаданных указано 3,1 млрд параметров, в README — 2,9 млрд; контекст составляет 2048 токенов. Модель основана на BlinkDL/rwkv-7-world и дообучена на World v3, содержащем 3,119 трлн токенов. Она предназначена для генерации продолжений текста и ведения диалогов; карточка описывает английский язык, а метаданные каталога также указывают китайский, японский, корейский, французский, арабский, испанский и португальский. Лицензия Apache-2.0. Для запуска README рекомендует flash-linear-attention 0.3.0 и Transformers версии не ниже 4.48.0.

Samrudh-1 Brahma 7B — инструктивная языковая модель с дообучением для рассуждений и диалоговых задач, выпущенная Samrudh (dwivedula). Она основана на Qwen2.5-7B-Instruct и дообучена методом QLoRA с 4-битным NF4; в репозитории представлены веса Safetensors, а автор также указывает отдельную GGUF-версию. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и предназначена для генерации текста и общения. В карточке заявлена специализация на разговорном телугу, включая региональные варианты Telangana, Rayalaseema и Coastal Andhra, а также на задачах правового соответствия, количественных финансовых оценок и фармакологии. Автор также описывает извлечение точных цитат из длинных документов и генерацию синтаксических преобразований на основе правил Панини. Эти возможности и результаты тестов приведены в карточке модели; независимых подтверждений им там нет. Модель распространяется по лицензии Apache 2.0. Она может быть полезна для прототипирования тематических помощников и локального запуска, но численные заявления о качестве не следует считать гарантией точности в финансовых, правовых или клинических решениях.

SpanMarker для выявления акронимов и их расшифровок в английском тексте, обученная на наборе Acronym Identification. Модель разработана на основе некейс-чувствительного энкодера bert-base-uncased от Google и предназначена для распознавания именованных сущностей: она находит краткие формы и соответствующие им длинные названия, например SODA и successive convex approximation. Модель принимает текст и размечает фрагменты метками short и long. Максимальная длина последовательности — 256 токенов, максимальная длина сущности — 8 слов. В карточке приведены значения F1 0,9199 для всех сущностей, 0,9262 для коротких и 0,9074 для длинных. Лицензия — Apache-2.0; модель можно дообучить на собственном наборе данных. Поскольку энкодер не учитывает регистр, автор рекомендует кейс-чувствительную версию, если регистр в исходных данных всегда корректен.

rootxhacker/superintelligence-llama3.1-8b — плотная языковая модель семейства Llama 3.1, разработанная rootxhacker путём дообучения unsloth/meta-llama-3.1-8b-bnb-4bit. Модель содержит 7,5 млрд параметров, принимает текст и предназначена для генерации текста; заявленная длина контекста — 131 072 токена. В карточке указано, что модель обучалась с использованием Unsloth и библиотеки TRL. Данных о специализации на конкретной области или о дополнительных сценариях применения нет. Модель распространяется по лицензии Apache-2.0.

tempesthenno-nuslerp-001 — объединённая языковая модель на 14 млрд параметров, созданная автором репозитория с помощью mergekit и метода NuSLERP. В объединение вошли две предварительно обученные модели, указанные в README как локальные пути; метаданные связывают результат с sometimesanotion/Qwen2.5-14B-Vimarckoso-v3 и sthenno-com/miscii-14b-1225. Архитектура — плотная Qwen2ForCausalLM; модель использует формат safetensors и рассчитана на контекст до 131 072 токенов. Модель предназначена для диалоговой генерации текста на английском и китайском языках. Её можно применять для ведения беседы, генерации ответов и следования инструкциям. В README приведены результаты оценивания на Open LLM Leaderboard, включая IFEval и BBH, но этих данных недостаточно для выводов о качестве в конкретных прикладных областях. Лицензия — Apache-2.0.

Thespis-Balanced-7b-v1 — текстовая генеративная модель семейства Mistral, опубликованная cgato. Она предназначена для генерации текста и использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстным окном до 32 768 токенов. Репозиторий содержит веса PyTorch. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README не описывает специализированные сценарии применения, качество, обучающие данные или шаблон промпта; поэтому модель можно характеризовать только как генеративную языковую модель общего назначения.

emon1521/wav2vec2-base — дообученная модель распознавания речи на архитектуре Wav2Vec2 с примерно 113,3 млн параметров. Она принимает аудио и предназначена для преобразования речи в текст. В карточке указана оценка WER 1,0 на тестовом наборе; обучающий датасет обозначен как None, поэтому оценить качество на конкретных языках и типах речи по этим сведениям нельзя. Модель опубликована в формате PyTorch под лицензией Apache-2.0. Карточка не приводит подробностей об используемых языках, условиях обучения или рекомендуемых сценариях применения.