I.6Перевод и языковая адаптация

Helsinki-NLP/opus-mt-es-et — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с испанского языка на эстонский. Модель построена на архитектуре Transformer-align с использованием Marian и SentencePiece; число параметров — 54,9 млн, максимальный контекст — 512 токенов. Доступны веса в форматах PyTorch и TensorFlow. Модель обучена на данных OPUS. В карточке приведён результат BLEU 20,7 и chr-F 0,466 на тестовом наборе JW300.es.et. Она подходит для перевода отдельных фраз и текстов с испанского на эстонский; качество может зависеть от тематики и стиля входного текста. Лицензия — Apache-2.0.

Helsinki-NLP разработала opus-mt-fi-nl — модель машинного перевода с финского языка на нидерландский. Она предназначена для перевода текстов и основана на архитектуре Transformer-align из семейства Marian; при подготовке текста используются нормализация и SentencePiece. Модель обучена на данных OPUS и содержит 55,8 млн параметров; заявленная длина контекста — 512 токенов. Для набора JW300.fi.nl в карточке приведены оценки BLEU 30,5 и chr-F 0,557. Модель принимает текст на финском и выдаёт перевод на нидерландском. Распространяется по лицензии Apache-2.0.

Helsinki-NLP разработала opus-mt-fr-el — модель машинного перевода с французского на греческий. Она обучена на данных OPUS и использует архитектуру Transformer-align с предобработкой текста, нормализацией и SentencePiece. Модель принимает французский текст и генерирует его перевод на греческий. В метаданных указаны 56,3 млн параметров, контекст до 512 токенов и лицензия Apache-2.0. Для набора Tatoeba.fr.el в карточке приведены BLEU 56,2 и chr-F 0,719; эти оценки относятся к указанному тестовому набору.

Helsinki-NLP/opus-mt-lv-ru — модель машинного перевода из семейства OPUS-MT, опубликованная Helsinki-NLP на основе проекта Tatoeba-Challenge. Она переводит текст с латышского языка на русский и предназначена для перевода фраз и текстов в пользовательских приложениях и рабочих процессах локализации. Модель построена на архитектуре Transformer-align, использует нормализацию и токенизацию SentencePiece с моделями spm32k. В метаданных указано 57,4 млн параметров и контекст до 512 токенов. Для набора Tatoeba-test.lav.rus в карточке приведены оценки BLEU 53,3 и chr-F 0,702. Модель ориентирована на одну языковую пару: латышский как входной и русский как выходной язык. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-mk-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с македонского языка на английский и основана на архитектуре MarianMT с трансформером; в метаданных указано 56,9 млн параметров и контекст до 512 токенов. Для предобработки используются нормализация текста и SentencePiece. Модель рассчитана на перевод отдельных фраз и текстов с македонского на английский; в README приведены результаты тестирования на Tatoeba.mk.en: BLEU 59,8 и chr-F 0,720. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-pl-uk — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с польского языка на украинский и предназначена для перевода отдельных фраз и текстов в приложениях и рабочих процессах обработки языка. Модель построена на архитектуре Marian Transformer с выравниванием, содержит 57,2 млн параметров и использует нормализацию и SentencePiece с словарями размером 32 тыс. токенов. Максимальная длина контекста — 512 токенов. Для набора Tatoeba-test.pol.ukr в карточке приведены BLEU 47,1 и chr-F 0,665. Модель поддерживает одно направление перевода: польский → украинский. Распространяется по лицензии Apache-2.0.

Модель Helsinki-NLP/opus-mt-ru-en разработана Language Technology Research Group Хельсинкского университета для перевода с русского языка на английский. Это Transformer-align на архитектуре Marian, содержащий 57,2 млн параметров; модель принимает текст и выдаёт текст. Контекст ограничен 512 токенами. Модель предназначена для машинного перевода русскоязычных текстов на английский и прямого текст-в-текст использования. В карточке приведены результаты на нескольких тестовых наборах новостного перевода. Обучение основано на данных OPUS, с нормализацией и SentencePiece. Модель выпускается в форматах PyTorch и TensorFlow и распространяется по лицензии CC-BY-4.0. Возможны ошибки перевода и смещения, связанные с обучающими данными; для важных материалов результат следует проверять.

Helsinki-NLP разработала эту модель машинного перевода в рамках проекта OPUS-MT. Она переводит текст с английского языка на арабский; обучена на данных OPUS с использованием Marian NMT и доступна в формате Transformers. Архитектура — MarianMT, размер — 163,4 млн параметров, максимальная длина контекста — 1024 токена. Модель предназначена для перевода предложений и текстовых фрагментов; в карточке приведены результаты на тестовых наборах Tatoeba, FLORES-101 и TICO-19. Лицензия — CC BY 4.0.

Helsinki-NLP разработала эту модель в рамках проекта OPUS-MT для машинного перевода с английского на эстонский. Это крупная версия Transformer, обученная с помощью Marian NMT на данных OPUS, включая синтетические данные обратного перевода; токенизация выполнена SentencePiece с словарями по 32 тысячи токенов. Модель насчитывает 159,4 млн параметров, поддерживает контекст до 1024 токенов и доступна в формате PyTorch и Safetensors через Transformers. Модель предназначена для перевода предложений и текстов с английского на эстонский. В карточке приведены результаты на тестовых наборах Tatoeba, FLORES-101 и newsdev2018. Модель специализирована на одной языковой паре и не заявлена для перевода в обратном направлении. Лицензия — CC BY 4.0.

Helsinki-NLP/opus-mt-tc-big-en-fi — модель машинного перевода проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского на финский и построена на архитектуре Marian NMT; число параметров — около 159,9 млн, максимальная длина контекста — 1024 токена. Модель доступна в форматах PyTorch, Safetensors и TensorFlow. Модель предназначена для перевода предложений и текстов общего назначения. В README приведены результаты оценки на тестовых наборах Tatoeba, FLORES-101 и newsdev2015. Для финского языка предусмотрена целевая метка >>fin>id>fin<<. Лицензия — CC BY 4.0; при использовании следует учитывать условия атрибуции.

Helsinki-NLP/opus-mt-th-en — модель машинного перевода тайского текста на английский, созданная в рамках проекта OPUS-MT Helsinki-NLP. Это плотная модель архитектуры MarianMT с 57,1 млн параметров, обученная на паре языков Thai→English. Для токенизации применяются нормализация текста и SentencePiece с подмоделями по 32 тыс. токенов; нативная длина контекста — 512 токенов. Модель предназначена для перевода отдельных фраз и текстов с тайского на английский. В карточке приведён результат BLEU 48,1 и chr-F 0,644 на тестовом наборе Tatoeba-test.tha.eng. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-uk-en — модель машинного перевода из семейства Marian, разработанная Helsinki-NLP для перевода с украинского языка на английский. Она обучена на данных OPUS и использует архитектуру Transformer; для предобработки применяются нормализация текста и SentencePiece. Модель содержит 56,7 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Модель подходит для перевода украинских сообщений, документов и других текстов на английский. В README приведены результаты на тестовом наборе Tatoeba.uk.en: BLEU 64,1 и chr-F 0,757. Доступны веса PyTorch и TensorFlow. Лицензия Apache-2.0.

PLaMo Translation Model — специализированная языковая модель для перевода, разработанная Preferred Networks. Это плотная авторегрессионная модель семейства PLaMo 2 с 8,1 млрд параметров, представленная в формате Safetensors и предназначенная для работы через Transformers. Модель дообучена на базе pfnet/plamo-2-8b и поддерживает контекст до 10 485 760 токенов. Модель рассчитана на задачи перевода, прежде всего между английским и японским языками. Она не проходила настройку для диалогового чата и других прикладных задач, поэтому её следует использовать как специализированный переводчик. Лицензия — PLaMo community license; для коммерческого использования разработчик просит ознакомиться с условиями и связаться с Preferred Networks. Проверки проводились на английском и японском языках, поэтому результаты могут быть неточными или предвзятыми; перед внедрением нужна проверка на целевых сценариях.

Карточка модели pfnet/plamo-2-translate-base на Hugging Face совпадает с карточкой pfnet/plamo-2-translate, поэтому описание составлено по ней. PLaMo Translation Model — специализированная языковая модель для перевода, разработанная Preferred Networks. Это плотная авторегрессионная модель семейства PLaMo 2 с 8,1 млрд параметров, представленная в формате Safetensors и предназначенная для работы через Transformers. Модель дообучена на базе pfnet/plamo-2-8b и поддерживает контекст до 10 485 760 токенов. Модель рассчитана на задачи перевода, прежде всего между английским и японским языками. Она не проходила настройку для диалогового чата и других прикладных задач, поэтому её следует использовать как специализированный переводчик. Лицензия — PLaMo community license; для коммерческого использования разработчик просит ознакомиться с условиями и связаться с Preferred Networks. Проверки проводились на английском и японском языках, поэтому результаты могут быть неточными или предвзятыми; перед внедрением нужна проверка на целевых сценариях.

Qwen2.5-7B-d2d — полноразмерно дообученная модель Qwen2.5-7B-Instruct от ynklab для перевода документов целиком между английским и немецким, испанским, французским, итальянским, корейским, нидерландским, португальским, русским и китайским языками. Она обучена на параллельных данных DocBlocks для задачи перевода «документ в документ» и рассчитана на сохранение связности перевода в пределах документа. Модель использует плотную авторегрессионную архитектуру Qwen2 с 7,1 млрд параметров, работает через Transformers и принимает контекст до 32 768 токенов. Для перевода рекомендуется шаблон ChatML с явным указанием исходного и целевого языков. Модель поддерживает перевод между английским и каждым из перечисленных языков в обоих направлениях. Чекпойнт выпущен в рамках исследовательской работы Doc2FRC; качество зависит от языковой пары, длины и тематики документа, а оценка в карточке не приведена. Лицензия — Apache-2.0.

qwen3-4b-zhtw-translate — дообученная модель Qwen3-4B-Instruct-2507, созданная theblackcat102 для перевода с английского на естественный традиционный китайский Тайваня (臺灣正體). Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и принимает текст; максимальная длина контекста — 262 144 токена. Модель предназначена для локализации прозы, вопросов и ответов, технических текстов и комментариев в коде. Она обучена выдавать только перевод, использовать тайваньскую терминологию, сохранять Markdown, код, URL, заполнители и идентификаторы, а также оставлять пунктуацию и форматирование кода без изменений. Обучение включало дистилляцию поведения большой модели-учителя Gemma-4-27B и полное дообучение Qwen3 в формате инструкций и чата. Модель рассчитана на направление английский → традиционный китайский Тайваня; перевод из китайского и другие языки-источники не оценивались. Переводы для критически важных сценариев, особенно юридических и медицинских, следует проверять. Лицензия — Apache-2.0.

Riva-Translate-4B-Instruct-v2 — модель машинного перевода от NVIDIA на базе архитектуры Mistral. Она содержит 3,9 млрд параметров и дообучена на базе nvidia/Mistral-NeMo-12B-Base. Модель переводит между английским и 36 другими языками, включая русский, китайский, арабский, японский и хинди; поддерживает перевод предложений и документов. Контекст модели — до 8192 токенов. Модель предназначена для двунаправленного перевода между английским и поддерживаемыми языками. Её можно использовать для перевода отдельных фраз, документов и локализации текстов; для выбора языковой пары в запросе задаётся соответствующий тег. В README приведены результаты оценки на наборах FLORES-101 и WMT24++. Точность зависит от предметной области, сценария, шума и контекста; возможны грамматические и смысловые ошибки, а улучшить результат иногда помогает изменение запроса. README не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

Sarvam-Translate — модель перевода, разработанная Sarvam AI совместно с AI4Bharat на базе Gemma 3 4B IT. Она предназначена для контекстного перевода документов целиком между 22 официальными языками Индии и английским, а не только отдельных предложений. Поддерживает входные материалы с разметкой Markdown, текст после OCR, математическими и химическими формулами, а также кодовые файлы, где переводятся комментарии. Модель использует плотную архитектуру Gemma 3 и доступна в формате safetensors для Transformers. README указывает максимальный контекст 8 тысяч токенов. Модель ориентирована на сохранение контекста, формата и стиля, включая формальный и неформальный тон и корректную гендерную атрибуцию. Лицензия репозитория — GPL-3.0.

Sarvam-Translate — модель перевода, разработанная Sarvam AI совместно с AI4Bharat на основе дообученной Gemma 3 4B IT. Она предназначена для перевода целых документов и длинных текстов между английским и индийскими языками с учётом контекста, стиля и структуры исходного материала. Максимальная длина контекста — 8 тысяч токенов; модель работает с текстом в форматах Markdown, распознанными текстами с ошибками OCR, материалами с математическими и химическими формулами, а также с файлами кода, переводя в них только комментарии. Модель поддерживает английский и 22 официальных языка Индии, включая ассамский, бенгальский, хинди, тамильский и урду. Открытая версия поддерживает направления с английского на индийские языки и обратно; для перевода между индийскими языками README рекомендует переводить через английский. Основана на мультимодальной архитектуре Gemma 3, но заявленная задача этой версии — текстовый перевод. Распространяется по лицензии GPL-3.0.

Tower+ 9B — многоязычная языковая модель Unbabel на архитектуре Gemma 2 с 9 млрд параметров. Она создана на основе google/gemma-2-9b и прошла непрерывное предварительное обучение, настройку на следование инструкциям и оптимизацию предпочтений. Модель принимает текст и генерирует текст; контекстное окно составляет 8192 токена. Модель предназначена прежде всего для многоязычных задач, особенно машинного перевода. Она также подходит для выполнения инструкций на разных языках, включая задачи на рассуждение и код, а также для создания синтетических многоязычных данных. В карточке заявлена поддержка 22 языков, включая русский, английский, немецкий, французский, испанский, китайский, японский, хинди и украинский. Модель распространяется в формате Safetensors и доступна через Transformers. Лицензия в метаданных — CC-BY-NC-SA-4.0; README указывает CC-BY-NC-4.0, поэтому условия следует сверить с актуальной лицензией репозитория. Авторы отмечают высокую эффективность в переводе, но не приводят количественных оценок в предоставленной карточке.

Модель HPLT/translate-en-sq-v1.0-hplt_opus разработана проектом HPLT для машинного перевода с английского на албанский. Это Transformer-base на архитектуре Marian с 57,9 млн параметров и токенизатором SentencePiece Unigram; модель обучена на данных OPUS и HPLT и принимает текст, выдавая перевод. Она предназначена для перевода текстов и может использоваться в приложениях на MarianNMT или Transformers. Для версии Transformers в README рекомендована версия 4.28: из-за известной проблемы конвертации весов модель несовместима с Transformers 4.30. Лицензия — CC-BY-4.0.

unicamp-dl/translation-en-pt-t5 — модель семейства T5, разработанная командой unicamp-dl для перевода с английского на португальский. Это плотная модель с архитектурой T5ForConditionalGeneration и примерно 123,8 млн параметров; она работает с текстом и рассчитана на контекст до 512 токенов. Модель предназначена для машинного перевода EN→PT. В карточке отмечены изменения токенизатора и постобработки, призванные улучшить результат, а также использование предварительно обученной португалоязычной модели. Для запуска предлагается библиотека Transformers; перед текстом нужно указать префикс задачи T5. Лицензия в предоставленных данных не указана.

Карточка модели 2fed/whisper-large-v3-turbo на Hugging Face совпадает с карточкой openai/whisper-large-v3-turbo, поэтому описание составлено по ней. Whisper large-v3-turbo — мультиязычная модель распознавания речи OpenAI на архитектуре Transformer encoder-decoder. Это дообученная и ускоренная версия Whisper large-v3: число слоёв декодера сокращено с 32 до 4, что ускоряет вывод с небольшим снижением качества. Модель содержит 905,2 млн параметров и работает с аудио; она поддерживается библиотекой Transformers. Модель предназначена для преобразования речи в текст на языке оригинала и перевода речи между языками, включая перевод на английский. Она обучалась на более чем 5 млн часов размеченных данных и демонстрирует обобщение на новые наборы данных и предметные области. Для длинных записей требуется обработка последовательными окнами или разбиение аудио на сегменты; воспринимаемое окно составляет 30 секунд. Модель может ошибаться, добавлять слова, которых нет в аудио, и повторять фрагменты. Точность различается между языками, акцентами и диалектами и может быть ниже для языков с ограниченными обучающими данными. Лицензия — MIT.

Карточка модели cy110120/whisper-large-v3-turbo на Hugging Face совпадает с карточкой openai/whisper-large-v3-turbo, поэтому описание составлено по ней. Whisper large-v3-turbo — мультиязычная модель распознавания речи OpenAI на архитектуре Transformer encoder-decoder. Это дообученная и ускоренная версия Whisper large-v3: число слоёв декодера сокращено с 32 до 4, что ускоряет вывод с небольшим снижением качества. Модель содержит 905,2 млн параметров и работает с аудио; она поддерживается библиотекой Transformers. Модель предназначена для преобразования речи в текст на языке оригинала и перевода речи между языками, включая перевод на английский. Она обучалась на более чем 5 млн часов размеченных данных и демонстрирует обобщение на новые наборы данных и предметные области. Для длинных записей требуется обработка последовательными окнами или разбиение аудио на сегменты; воспринимаемое окно составляет 30 секунд. Модель может ошибаться, добавлять слова, которых нет в аудио, и повторять фрагменты. Точность различается между языками, акцентами и диалектами и может быть ниже для языков с ограниченными обучающими данными. Лицензия — MIT.

Карточка модели diprooo/whisper-large-v3-turbo на Hugging Face совпадает с карточкой openai/whisper-large-v3-turbo, поэтому описание составлено по ней. Whisper large-v3-turbo — мультиязычная модель распознавания речи OpenAI на архитектуре Transformer encoder-decoder. Это дообученная и ускоренная версия Whisper large-v3: число слоёв декодера сокращено с 32 до 4, что ускоряет вывод с небольшим снижением качества. Модель содержит 905,2 млн параметров и работает с аудио; она поддерживается библиотекой Transformers. Модель предназначена для преобразования речи в текст на языке оригинала и перевода речи между языками, включая перевод на английский. Она обучалась на более чем 5 млн часов размеченных данных и демонстрирует обобщение на новые наборы данных и предметные области. Для длинных записей требуется обработка последовательными окнами или разбиение аудио на сегменты; воспринимаемое окно составляет 30 секунд. Модель может ошибаться, добавлять слова, которых нет в аудио, и повторять фрагменты. Точность различается между языками, акцентами и диалектами и может быть ниже для языков с ограниченными обучающими данными. Лицензия — MIT.

Карточка модели kingartyqueen/whisper-large-v3-turbo на Hugging Face совпадает с карточкой openai/whisper-large-v3-turbo, поэтому описание составлено по ней. Whisper large-v3-turbo — мультиязычная модель распознавания речи OpenAI на архитектуре Transformer encoder-decoder. Это дообученная и ускоренная версия Whisper large-v3: число слоёв декодера сокращено с 32 до 4, что ускоряет вывод с небольшим снижением качества. Модель содержит 905,2 млн параметров и работает с аудио; она поддерживается библиотекой Transformers. Модель предназначена для преобразования речи в текст на языке оригинала и перевода речи между языками, включая перевод на английский. Она обучалась на более чем 5 млн часов размеченных данных и демонстрирует обобщение на новые наборы данных и предметные области. Для длинных записей требуется обработка последовательными окнами или разбиение аудио на сегменты; воспринимаемое окно составляет 30 секунд. Модель может ошибаться, добавлять слова, которых нет в аудио, и повторять фрагменты. Точность различается между языками, акцентами и диалектами и может быть ниже для языков с ограниченными обучающими данными. Лицензия — MIT.

YanoljaNEXT-Rosetta-12B-2510-i1-GGUF — это набор квантованных GGUF-версий модели YanoljaNEXT-Rosetta-12B-2510, подготовленный пользователем mradermacher. Модель предназначена прежде всего для задач перевода и поддерживает арабский, болгарский, китайский, чешский, датский, нидерландский, английский, финский, французский, немецкий, греческий, гуджарати, иврит, хинди, венгерский, индонезийский, итальянский, японский, корейский, персидский, польский, португальский, румынский, русский, словацкий, испанский, шведский, тагальский, тайский, турецкий, украинский и вьетнамский языки. В репозитории представлены варианты с разными типами квантования, включая IQ1–IQ4, Q2–Q6 и другие форматы, размером примерно от 3,4 до 10,6 ГБ. Это позволяет выбирать между требованиями к памяти, скоростью и качеством; автор указывает, что i1-Q4_K_M является быстрым рекомендуемым вариантом, а i1-Q4_K_S предлагает сбалансированное соотношение размера, скорости и качества. Низкобитные варианты могут заметно уступать по качеству. Архитектура, размер контекстного окна, мультимодальность и дополнительные характеристики в README не указаны. Лицензия модели обозначена как Gemma.

YanoljaNEXT-Rosetta-27B-2511-i1-GGUF — это набор квантованных моделей в формате GGUF, созданный mradermacher на основе YanoljaNEXT-Rosetta-27B-2511 от Yanolja. Модель предназначена прежде всего для задач перевода и поддерживает арабский, болгарский, китайский, чешский, датский, нидерландский, английский, финский, французский, немецкий, греческий, гуджарати, иврит, хинди, венгерский, индонезийский, итальянский, японский, корейский, персидский, польский, португальский, румынский, русский, словацкий, испанский, шведский, тагальский, тайский, турецкий, украинский и вьетнамский языки. Базовая модель имеет размер 27 миллиардов параметров. Репозиторий содержит варианты квантования с разными требованиями к памяти и компромиссами между скоростью и качеством: от IQ1 и Q2 до Q6, с размером файлов примерно от 6,8 до 23,4 ГБ. В README рекомендуются варианты i1-Q4_K_M как быстрые и i1-Q4_K_S как оптимальные по соотношению размера, скорости и качества; низкобитные варианты могут заметно уступать по качеству. Сведения об архитектуре, модальностях и размере контекста не указаны, поэтому модель следует рассматривать как текстовую. Модель распространяется по лицензии Gemma. Для использования требуются совместимые инструменты, поддерживающие формат GGUF; конкретные требования к оборудованию зависят от выбранного варианта квантования.

AfriNLLB-12enc-12dec-full-ft-kd — модель машинного перевода из серии AfriNLLB, разработанной для африканских языков. Это дообученная на данных AfriNLLB-train и AfriNLLB-train-distilled версия facebook/nllb-200-distilled-600M; при обучении также применялась дистилляция на синтетических переводах, созданных более крупной моделью NLLB-200 3.3B. Модель не подвергалась прореживанию и содержит около 463,7 млн параметров. Архитектура M2M100ForConditionalGeneration включает 12 слоёв кодировщика и 12 слоёв декодировщика. Модель поддерживает 15 языковых пар и 30 направлений перевода, включая переводы между английским и африканскими языками, а также между французским и лингала или волоф. Среди языков — суахили, хауса, йоруба, амхарский, сомали, зулу, лингала, африкаанс, волоф, египетский арабский, арабский, французский, португальский и испанский. Контекст составляет до 1024 токенов. Модель предназначена для перевода предложений и показала улучшение метрик качества относительно базовой NLLB-200 600M на приведённых в карточке тестах. Доступны веса в safetensors; для инференса карточка рекомендует CTranslate2, а Transformers подходит также для дообучения. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Darong/BlueT는 BlueAI가 paust/pko-t5-base 모델을 영어와 한국어 간 번역에 맞게 미세 조정한 T5 v1.1 Base 모델입니다. 영어→한국어와 한국어→영어 양방향 번역을 지원하며, 영어에서 한국어로 번역할 때 높임말을 설정할 수 있습니다. 학습에는 AI Hub 및 자체 구축 데이터가 사용되었으며, README에 영어→한국어 1800만 건 이상, 한국어→영어 1200만 건 이상의 문장 데이터가 указаны. Модель содержит 137,8 млн параметров и распространяется в формате safetensors под лицензией MIT.