I.6Перевод и языковая адаптация

TowerInstruct-7B-v0.2-EN2ES-i1-GGUF — это квантизированная версия инструкционной модели TowerInstruct-7B-v0.2-EN2ES, разработанной Iker и преобразованной в формат GGUF пользователем mradermacher. Модель обучалась на наборе данных Iker/InstructTranslation-EN-ES и предназначена прежде всего для инструкционного перевода между английским и испанским языками. Поддерживаемые языки — английский и испанский, библиотека — Transformers. Модель имеет около 7 млрд параметров; сведения о базовой архитектуре и размере контекста в README не указаны. Доступны многочисленные варианты квантизации IQ и Q с размером файлов примерно от 1,6 до 5,6 ГБ. Они позволяют выбирать компромисс между требованиями к памяти, скоростью и качеством: наиболее легкие варианты характеризуются низким качеством, а Q4_K_M отмечен как быстрый и рекомендуемый, Q4_K_S — как оптимальный по размеру, скорости и качеству. Это текстовая модель без заявленной поддержки других модальностей. Ограничения включают специализацию на паре английский—испанский и возможное снижение качества при использовании низкокачественных вариантов квантизации. Распространение указано по лицензии Apache-2.0.

Translate-15L — компактная многоязычная модель машинного перевода, разработанная WhirlwindAI и обученная на OPUS100. Она построена на архитектуре T5 с условной генерацией текста, содержит 38,5 млн параметров и принимает последовательности длиной до 512 токенов. Модель переводит между английским и 14 другими языками, включая русский, испанский, французский, немецкий, китайский и японский, в обоих направлениях. Она рассчитана на быстрый вывод и компактное развертывание в многоязычных приложениях. В карточке приведены результаты BLEU для нескольких языковых пар; отмечено, что лучше всего модель работает с распространёнными европейскими языками. Для малоресурсных языков качество ограничено. Модель распространяется по лицензии Apache-2.0.

WindyTranslate/translate-ca-nl — модель машинного перевода, опубликованная Windstorm Labs. Она дообучена методом LoRA на параллельных данных и объединена с весами Helsinki-NLP/opus-mt-ca-nl; архитектура — MarianMT, размер — 36,4 млн параметров. Модель переводит текст с каталанского на нидерландский и рассчитана на эту языковую пару. Максимальная длина контекста — 512 токенов. Для проверки качества приведена оценка на 48 предложениях набора FLORES-200 dev: chrF++ 43,80 и BLEU 15,17. Это предварительная проверка, а не результат публикационного исследования; качество не гарантируется для других данных и не обязательно улучшается с масштабом модели или объёмом дообучения. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

WindyTranslate/translate-de-eo — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-de-eo: к базовым весам применили LoRA-дообучение на параллельном корпусе и объединили адаптер с весами. Модель построена на архитектуре MarianMT, содержит 55,8 млн параметров и работает с текстом на направлении с немецкого на эсперанто; нативная длина контекста — 512 токенов. Модель предназначена для перевода немецких фраз и текстов на эсперанто. В README приведён скрининговый результат на 48 предложениях FLORES-200 dev: chrF++ 40,86 и BLEU 14,70; это ограниченная проверка, а не публикационный результат. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0.

Windstorm Labs опубликовала компактную модель машинного перевода с немецкого языка на киргизский. Это дообученная версия Helsinki-NLP/opus-mt-de-kg на базе MarianMTModel: LoRA-адаптация на параллельных текстах слита с базовыми весами. Модель содержит 50,7 млн параметров, принимает и выдаёт текст; контекст — до 512 токенов. Модель предназначена для перевода немецких текстов на киргизский. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 28,64 и BLEU 5,13; авторы относят результат к ограниченному уровню и отмечают, что это скрининговая оценка, а не результат публикационного исследования. Доступна в формате safetensors для Transformers. Лицензия — Apache-2.0.

Windstorm Labs выпустила модель машинного перевода с английского на азербайджанский язык. Это дообученная версия Helsinki-NLP/opus-mt-en-az на параллельном корпусе: LoRA-адаптер объединён с базовыми весами, изменены 36 из 254 тензоров. Модель построена на архитектуре MarianMT, содержит 37,1 млн параметров и рассчитана на контекст до 512 токенов. Она загружается через Transformers в формате safetensors и выдаёт перевод на азербайджанском языке. Модель предназначена для перевода текстов с английского на азербайджанский. Её выход проверяли на соответствие заявленному языку, но качество перевода не оценивалось; проверка языка не подтверждает точность или естественность перевода. Поддерживается только одно направление перевода. Лицензия — Apache-2.0.

Windstorm Labs выпустила модель машинного перевода с английского на германские языки. Это дообученная версия Helsinki-NLP/opus-mt-en-gem на базе MarianMT: авторы применили LoRA к параллельным текстам и объединили адаптер с базовыми весами. Модель содержит 54,2 млн параметров, принимает текст, выдаёт перевод и рассчитана на контекст до 512 токенов. Репозиторий содержит сборку Transformers в формате safetensors. Модель подходит для перевода с английского на немецкий, нидерландский и другие германские языки, охватываемые семейством gem. Карточка не приводит отдельного списка целевых языков. Качество этой версии не оценивалось бенчмарками, поэтому пригодность перевода для конкретного сценария следует проверять отдельно. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с английского на хауса. Это дообученная версия Helsinki-NLP/opus-mt-en-ha: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель построена на архитектуре Marian и содержит 54,9 млн параметров; она доступна в формате safetensors для Transformers и принимает текст, выдавая перевод. Максимальная длина контекста — 512 токенов. Модель предназначена для автоматического перевода фраз и документов с английского на хауса. В оценке на 48 предложениях FLORES-200 она набрала chrF++ 25,93 и BLEU 4,62; авторы относят результат к ограниченному диапазону и подчёркивают, что это предварительная проверка, а не опубликованное исследование. Поддерживается только направление en→ha. Лицензия — Apache-2.0.

WindyTranslate/translate-en-ht — модель машинного перевода, опубликованная Windstorm Labs и дообученная на параллельных данных OPUS-100 на основе Helsinki-NLP/opus-mt-en-ht. Она переводит текст с английского на гаитянский креольский; архитектура — MarianMT, размер — 49,6 млн параметров, максимальный контекст — 512 токенов. Модель предназначена для перевода коротких текстов в одном направлении: с английского на гаитянский креольский. В проверке на 48 предложениях FLORES-200 dev модель получила chrF++ 32,80 и BLEU 10,47; результат обозначен авторами как пригодный для использования, но это предварительная оценка, а не публикационный результат. Качество перевода может меняться в зависимости от текста. Модель распространяется в формате safetensors по лицензии Apache-2.0.

WindyTranslate/translate-en-ml — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с английского на малаялам. Это дообученная версия Helsinki-NLP/opus-mt-en-ml: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель использует архитектуру MarianMT, содержит 37,8 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель подходит для перевода коротких английских текстов на малаялам. В скрининговой оценке на 48 предложениях FLORES-200 dev она получила chrF++ 30,72 и BLEU 4,31; этот результат не является полноценным исследовательским бенчмарком. Модель распространяется в формате safetensors и доступна по лицензии Apache-2.0.

WindyTranslate/translate-es-tw — модель машинного перевода, опубликованная Windstorm Labs и дообученная на параллельных данных для перевода с испанского на язык твӣ (Twi). Это дообучение Helsinki-NLP/opus-mt-es-tw: LoRA-адаптер объединён с базовыми весами, изменены 36 из 254 тензоров. Модель MarianMT с 55,9 млн параметров принимает текст и выдаёт перевод; длина контекста составляет 512 токенов. Модель предназначена для перевода испаноязычных фраз и текстов на твӣ. В скрининговой оценке FLORES-200 на 48 предложениях она получила chrF++ 30,89 и BLEU 7,04; эта небольшая выборка не является полноценным исследовательским результатом или гарантией качества на других текстах. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0.

WindyTranslate/translate-fi-sq — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-fi-sq на параллельном корпусе: LoRA-адаптер объединён с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,2 млн параметров и работает с текстом в одном направлении — с финского на албанский; длина контекста составляет 512 токенов. Модель предназначена для перевода финских текстов на албанский. Репозиторий содержит веса в формате safetensors для загрузки через Transformers. Качество перевода пока не оценивалось бенчмарками, поэтому пригодность результата для конкретных сценариев нужно проверять отдельно. Модель распространяется по лицензии Apache-2.0.

WindyTranslate/translate-fr-efi — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с французского языка на эфик. Это дообученная версия Helsinki-NLP/opus-mt-fr-efi: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель MarianMT содержит 55,6 млн параметров, принимает текст и выдаёт текст; её длина контекста — 512 токенов. Модель можно применять для перевода текстов с французского на эфик. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0. Качество перевода не оценивалось бенчмарком, поэтому пригодность для конкретных задач требует отдельной проверки.

NikolayKozloff/translategemma-12b-it-Q4_K_M-GGUF — это квантизированная версия модели google/translategemma-12b-it, разработанной Google. Модель преобразована в формат GGUF с использованием llama.cpp и инструмента GGUF-my-repo, что позволяет запускать её через llama.cpp в локальном режиме или как сервер. Модель предназначена прежде всего для задач перевода и относится к инструкционной версии с размером 12 млрд параметров. В карточке указана метка image-text-to-text, однако подробные сведения о поддерживаемых языках, мультимодальных возможностях, архитектуре и максимальном контексте отсутствуют. Для запуска доступны файл translategemma-12b-it-q4_k_m.gguf и параметры llama.cpp, включая контекст до 2048 токенов в приведённом примере. Ключевое преимущество версии — компактный формат GGUF с квантизацией Q4_K_M, удобный для локального инференса и совместимый с llama.cpp. Ограничения и фактическое качество переводов в README не описаны; также отсутствуют сведения о требованиях к оборудованию и производительности. Использование регулируется лицензией Gemma Google, а доступ к исходной модели на Hugging Face требует принятия условий этой лицензии.

mlx-community/translategemma-4b-it-4bit_immersive-translate — это 4-битная сборка модели google/translategemma-4b-it, подготовленная сообществом mlx-community для локального запуска на устройствах Apple Silicon. Модель предназначена для машинного перевода и интеграции с Immersive Translate через локальный OpenAI-совместимый сервер, например mlx_lm.server. Модель использует текстовую генерацию и сохраняет совместимость с форматом сообщений TranslateGemma. В конфигурацию добавлена обработка специальных текстовых заполнителей <<<source>>>, <<<target>>> и <<<text>>>, а также корректное завершение генерации по двум токенам EOS. Размер модели — 4B параметров, точность хранения — 4-bit. Поддерживаемые языки и размер контекста в README не указаны. К сильным сторонам относятся экономичное локальное выполнение, адаптация к сценарию браузерного перевода и совместимость с OpenAI-совместимым API. Ограничением является ориентация на экосистему MLX и Apple Silicon, а также отсутствие в README подробностей о языковом покрытии, качестве перевода и производительности. Для использования требуется принять лицензию Google Gemma на Hugging Face; конкретные условия следует уточнять в тексте этой лицензии.

Turaco-gem-mt-en-wes — модель машинного перевода, разработанная Clevaway на основе google/translategemma-4b-it и дообученная для перевода с английского на Cameroon Pidgin English (WES). Это плотная модель семейства Gemma 3 с интерфейсом генерации текста и изображений; адаптация добавляет код wes в шаблон TranslateGemma. Для обучения использован очищенный набор параллельных данных English–Cameroon Pidgin: 25 158 примеров для обучения, 1 335 для валидации и 1 354 для теста. Модель предназначена для подготовки черновиков переводов, локализационных прототипов, а также исследований и оценки машинного перевода на малоресурсном языке. Внутренняя оценка на отложенной выборке того же корпуса показала chrF++ 43,09 и SacreBLEU 25,54; это диагностические результаты, а внешняя оценка и проверка носителями языка ещё не представлены. Репозиторий содержит веса safetensors и GGUF BF16; для загрузки автор рекомендует Unsloth 4-bit на T4 и других GPU с поддержкой только float16. Лицензия — Gemma; коммерческое применение допускается при соблюдении её условий, законодательства и условий датасета.

Tweeties/tweety-tatar-hydra-mt-7b-v24a — многоязычная языковая модель Hydra для перевода на татарский язык, разработанная Франсуа Реми (UGent), Альфией Хабибуллиной (BeCode) и коллегами при поддержке IDLab / GPULab. Модель получена дообучением Unbabel/TowerInstruct-7B-v0.1 через Hydra-Base; архитектура в метаданных обозначена как LlamaHydraForCausalLM, число параметров — 6,6 млрд, формат весов — safetensors, контекст — 4096 токенов. Модель принимает текст на поддерживаемых языках TowerInstruct и генерирует перевод на татарский. Она рассчитана на перевод предложений и небольших абзацев, в том числе при смешении языков во входе; авторы также указывают сценарии межъязыкового RAG. В качестве исходных языков названы десять языков TowerInstruct, включая английский и русский. Для перевода рекомендуется beam search. Модель не предназначена для перевода больших документов и не рекомендуется для перевода с татарского на английский. Для работы требуется формировать запросы, смешивая токены исходного токенизатора TowerInstruct и нового татарского токенизатора. Лицензия — Creative Commons Attribution-NonCommercial 4.0, поэтому коммерческое использование не разрешено.

Itbanque разработал Whisper JA-ZH Tiny — дообученную версию OpenAI Whisper tiny для перевода японской речи на китайский язык. Модель построена на архитектуре Whisper и содержит 29,4 млн параметров; она принимает аудио и генерирует текстовый перевод на китайском. Модель обучалась на подмножестве DataLabX/ScreenTalk_JA2ZH с помощью Transformers и Seq2SeqTrainer. В README приведены BLEU 0,757 на отложенной валидационной выборке и 0,609 на тестовой выборке. Модель распространяется по лицензии CC BY 4.0.

YanoljaNEXT-Rosetta-4B-2510-GGUF — языковая модель, разработанная Yanolja NEXT на основе google/gemma-3-4b-pt. Это дообученная decoder-only модель с примерно 4 млрд параметров; для генерации текста используется компонент Gemma3ForCausalLM. Модель распространяется в формате GGUF для запуска через llama.cpp, включая полноточную BF16-версию и различные варианты квантования. Модель предназначена прежде всего для перевода структурированных данных в формате JSON с сохранением исходной структуры и ключей. Она подходит для локализации каталогов товаров, перевода отзывов об отелях и обработки другого структурированного контента. Обучение проводилось на синтетических многоязычных данных, созданных на основе FineWeb Edu и FineWeb2. Заявлена поддержка арабского, болгарского, китайского, чешского, датского, нидерландского, английского, финского, французского, немецкого, греческого, гуджарати, иврита, хинди, венгерского, индонезийского, итальянского, японского, корейского, персидского, польского, португальского, румынского, русского, словацкого, испанского, шведского, тагальского, тайского, турецкого, украинского и вьетнамского языков. Сильными сторонами являются компактный размер, доступность квантованных вариантов и конкурентное качество перевода: в приведённом тесте WMT24++ для перевода с английского на корейский модель получила CHrF++ 35,09. Модель оптимизирована для JSON, поэтому качество на неструктурированном тексте и других форматах может отличаться; заявленная информация о некоторых ограничениях в README обрывается. Для запуска требуется актуальная версия llama.cpp с поддержкой Gemma 3. Лицензия указана как gemma.

Yi-Ko-6B-instruct-v1.2 — корейская инструкционная языковая модель на архитектуре Llama, разработанная путём дообучения модели с помощью LoRA. Автор обучил её на примерно 110 тысячах примеров, собранных из открытых наборов данных и вручную подготовленных материалов; среди тем — история, естественные науки, математика, машинное чтение, анализ отзывов, грамматика и ИТ-знания. В обучении также использовались корейские и англо-корейские переводные данные. Модель предназначена для генерации ответов и выполнения инструкций на корейском языке, включая вопросы и ответы по тексту, краткое изложение, перевод и анализ отзывов. Она содержит около 5,9 млрд параметров и поддерживает контекст до 2048 токенов. Данные обучения закрыты, поэтому состав и качество примеров нельзя независимо проверить. Лицензия — CC BY-SA 4.0.

Zion_Alpha_Instruction_Tuned — дообученная для следования инструкциям языковая модель автора SicariusSicariiStuff на архитектуре Mistral 7B. Она предназначена для диалога и генерации текста, включая перевод между английским и ивритом. По карточке модель показала результат 84,05 на SNLI для иврита; автор заявляет, что на момент публикации это был лучший результат среди открытых моделей, однако независимая проверка в карточке не приведена. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Карточка описывает версии FP16 и GGUF; в метаданных указан формат safetensors. Модель рассчитана прежде всего на иврит, также поддерживает английский. Лицензия — Apache 2.0. Автор отмечает, что токенизатор базовой модели не менялся. Карточка содержит ограниченные сведения об обучении и оценке, поэтому заявленный результат не гарантирует качества на других задачах; настройки генерации в README приведены как рекомендация автора.

McGill-NLP/AfriqueQwen3.5-4B-50Langs-Instruct-20260917 — дообученная версия языковой модели AfriqueQwen3.5-4B-50Langs, выпущенная McGill-NLP 17 сентября 2026 года. Это плотная модель семейства Qwen3.5 с архитектурой Qwen3_5ForConditionalGeneration и примерно 4 млрд параметров; визуальные веса отсутствуют, поэтому она работает как языковая модель. Репозиторий содержит веса safetensors, а лицензия — CC BY 4.0. Модель предназначена для диалоговой генерации текста, пошагового решения математических задач, перевода и ответов на вопросы с выбором варианта. Базовая модель адаптирована для 50 африканских языков; для математических запросов README описывает режим пошагового рассуждения, а для остальных задач — обычный режим без него. Для запуска автор рекомендует vLLM в режиме language-model-only и задаёт максимальную длину контекста 12 288 токенов. README не приводит оценок качества, поэтому надёжность ответов на конкретных языках и задачах по нему определить нельзя. Следует учитывать, что модель не принимает изображения и требует совместимой настройки vLLM для обслуживания.

AIFT-ko-orca-plat-Yi-ko-6b-v1.8 — корейская инструктивная языковая модель семейства Llama, опубликованная AIFT. Модель дообучена методом LoRA на базе открытых наборов KOR-OpenOrca-Platypus и примерно 40 тысяч примеров, собранных или подготовленных для обучения; базовая модель в доступных сведениях не названа. Модель предназначена для генерации ответов на инструкции и задач на корейском языке, включая вопросы по истории, науке и математике, машинное чтение, анализ отзывов, суммаризацию, грамматику и перевод между корейским и английским. В карточке указаны 5,9 млрд параметров, архитектура Llama с плотной causal language model, контекст 2048 токенов и формат safetensors. README сообщает, что обучающие данные закрыты; автор также отмечает, что часть данных MMLU была удалена из-за снижения качества в предыдущей версии. Модель распространяется по лицензии CC-BY-SA-4.0.

Alan LLM Jeju Dialect v1 4B — разработанная ESTsoft языковая модель на архитектуре Qwen3 с 3,7 млрд параметров, дообученная методом LoRA на данных о диалекте Чеджу. Модель предназначена для двустороннего перевода между диалектом Чеджу и стандартным корейским, генерации диалогов на диалекте и ответов на вопросы на нём. Модель принимает текст и генерирует текст; заявленный контекст составляет 40 960 токенов. Основные языки — корейский и диалект Чеджу. В README приведены результаты сравнительной оценки генерации на диалекте и корейских бенчмарков, однако они не гарантируют качество для каждого запроса или варианта диалекта. Модель распространяется по лицензии Apache-2.0.

alexmt-qwen3-0.6b-simpo-bwchrf — компактная модель генерации текста на базе Qwen3-0.6B, дообученная для контекстного перевода между английским и разговорным арабским. Она разработана для перевода реплик в диалогах с учётом до трёх предыдущих ходов, тематики, участников и направления гендерных характеристик говорящего и адресата. Модель обучена на Alexandria: использованы девять разновидностей арабского языка — египетская, иорданская, ливанская, марокканская, оманская, палестинская, саудовская, сирийская и йеменская — и оба направления перевода. Финальная настройка выполнена методом SimPO на предпочтительных парах, отобранных по chrF++ среди генераций SFT-модели. Модель содержит 507,9 млн параметров, использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Для применения ей передают один пользовательский ход в формате JSON-промпта Alexandria; ответ содержит перевод в поле translation. В опубликованной оценке на тестовой части Alexandria измерялись spBLEU и chrF++, но диалектная точность отдельно не проверялась. Результаты ограничены одним seed и одним разбиением данных; сравнения моделей SimPO и DPO не установлены, поскольку скорость обучения DPO выбиралась по тестовой части. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое применение.

UBC-NLP/AraT5-base — базовая модель семейства T5, разработанная UBC-NLP для генерации и понимания арабского текста в формате «текст в текст». Модель содержит 183,6 млн параметров и доступна в форматах PyTorch и TensorFlow. Она предназначена для дообучения и применения в задачах генерации арабского текста: суммаризации, создания заголовков новостей и вопросов, перефразирования, транслитерации, машинного перевода и перевода текста со смешением арабского и других языков. В карточке также описана настройка модели для генерации заголовков новостей. Авторы рекомендуют для новых проектов AraT5v2-base-1024. Чекпойнты этой версии предназначены исключительно для исследовательского использования; для коммерческого применения требуется связаться с авторами. Контекст модели и отдельные сведения о её качестве в карточке не приведены.

Atlas-Chat-27B — диалоговая языковая модель, разработанная MBZUAI-Paris в рамках проекта Jais и дообученная на базе Google Gemma 2 27B IT. Модель предназначена прежде всего для генерации текста на дариже — разговорном арабском языке Марокко; она также ориентирована на стандартный арабский язык в рамках семейства Jais. Архитектура — плотная Gemma 2 для авторегрессионной генерации текста, размер — 27,6 млрд параметров, контекст — до 8192 токенов. Модель подходит для чат-ботов на дариже, ответов на вопросы, суммаризации, перевода и создания контента на разговорном диалекте, а также для культурных исследований языка и Марокко. Карточка заявляет о возможности локального развёртывания, однако версия на 27 млрд параметров требует заметных вычислительных ресурсов. Указанные ограничения включают возможные фактические ошибки, трудности с языковыми нюансами и сложными запросами, а также предвзятость и риск генерации вредного контента. Лицензия — Gemma.

Atlas-Chat-9B — диалоговая языковая модель на 9 млрд параметров, разработанная MBZUAI-Paris в рамках проекта Jais и дообученная на базе google/gemma-2-9b-it для марокканского разговорного арабского языка (дариджи). Это плотная модель Gemma 2 для генерации текста с контекстом до 8192 токенов. Модель предназначена для чат-ботов и диалоговых помощников на даридже, ответов на вопросы, суммаризации, перевода и генерации текстов на разговорном марокканском арабском. Карточка также называет культурные исследования языка и Марокко возможным сценарием применения. Модель распространяется в формате Safetensors для Transformers; указана лицензия Gemma. Качество ответов зависит от охвата и разнообразия обучающих данных. Модель может ошибаться в фактах, испытывать трудности с языковыми нюансами и сложными открытыми задачами, а также воспроизводить предвзятость или создавать вредный контент; ответы требуют проверки.

ar5entum/bart_hin_eng_mt — модель машинного перевода с хинди на английский, созданная дообучением danasone/bart-small-ru-en на наборе данных cfilt/iitb-english-hindi. Она построена на архитектуре BART с 42 млн параметров и предназначена для перевода текстовых фрагментов с хинди на английский. Модель использует библиотеку Transformers, веса сохранены в формате safetensors, длина контекста составляет 1024 токена. В карточке приведены результаты оценки на тестовой выборке: BLEU 12,0235, loss 1,9 и средняя длина генерации 33,41 токена. Эти показатели описывают только указанную оценку и не гарантируют качество на других текстах. Условия лицензии в доступных данных не приведены.

Canary-1b-v2-gguf — это GGUF-конверсия модели Canary 1B v2 от NVIDIA, адаптированная командой handy-computer для запуска в transcribe.cpp. Модель предназначена для офлайн-распознавания речи и перевода в аудио на 25 европейских языках: болгарском, хорватском, чешском, датском, нидерландском, английском, эстонском, финском, французском, немецком, греческом, венгерском, итальянском, латышском, литовском, мальтийском, польском, португальском, румынском, словацком, словенском, испанском, шведском, русском и украинском. Распознавание поддерживается для всех перечисленных языков, а перевод — между английским и остальными языками согласно карточке базовой модели. Это мультитасковая encoder-decoder-модель типа AED примерно на 978 млн параметров, с 32-слойным энкодером FastConformer и 8-слойным Transformer-декодером. На вход подаётся монофонический WAV с частотой 16 кГц. Доступны варианты квантования F32, F16, Q8_0, Q6_K, Q5_K_M и Q4_K_M размером примерно от 735 МБ до 3,92 ГБ. На LibriSpeech test-clean заявленный показатель WER составляет около 1,91–1,94% в зависимости от варианта. Модель работает офлайн и поддерживает перевод, но не предназначена для потоковой обработки, автоматического определения языка и вывода временных меток слов или сегментов. Сильными сторонами являются мультиязычность, поддержка распознавания и перевода, хорошее качество на англоязычном тестовом наборе и возможность локального запуска на CPU или GPU через transcribe.cpp. Для использования требуется преобразовать аудио в формат 16 кГц mono WAV и выбрать подходящий GGUF-вариант с учётом доступной памяти и требований к скорости. Лицензия унаследована от базовой модели и указана как CC-BY-4.0.