I.6Перевод и языковая адаптация

Helsinki-NLP/opus-mt-gem-gem — модель машинного перевода проекта OPUS на архитектуре Transformer, опубликованная Helsinki-NLP. Она переводит в обоих направлениях между языками германской группы: входной и целевой язык выбираются из поддерживаемых вариантов, включая немецкий, английский, нидерландский, шведский, датский, африкаанс, исландский, идиш и другие. Для выбора целевого языка перед текстом требуется токен вида >>id<<. Модель основана на MarianMT, содержит 44,5 млн параметров и использует нормализацию и SentencePiece с словарём размера 32 тыс. Длина контекста — 512 токенов. Метаданные указывают поддержку PyTorch и TensorFlow; лицензия — Apache-2.0. В README приведены результаты BLEU и chr-F на нескольких тестах новостного перевода. Модель предназначена для перевода текстов между языками германской группы. Результаты зависят от языковой пары и тематики; модель не описана как универсальная для языков за пределами этой группы.

Helsinki-NLP/opus-mt-ht-en — модель машинного перевода из семейства MarianMT, опубликованная Helsinki-NLP в рамках проекта OPUS. Она переводит текст с гаитянского креольского языка на английский и рассчитана на перевод предложений и коротких текстов. Модель использует архитектуру Transformer, предобработку с нормализацией и SentencePiece; размер — 49,6 млн параметров, длина контекста — до 512 токенов. В карточке приведены результаты BLEU 37,5 на JW300.ht.en и 57,0 на Tatoeba.ht.en. Модель распространяется по лицензии Apache-2.0. Оценки на указанных наборах не гарантируют такое же качество на других тематиках и типах текста.

Xenova/opus-mt-ko-en — модель машинного перевода с весами в формате ONNX, предназначенная для использования через Transformers.js. Она основана на модели Helsinki-NLP/opus-mt-ko-en, разработанной Helsinki-NLP, и переводит текст с корейского языка на английский. Основной сценарий применения — веб-приложения и другие среды, совместимые с Transformers.js. В карточке указано, что репозиторий содержит ONNX-веса для запуска модели в Transformers.js; сведения о размере, архитектуре, максимальной длине контекста и точных характеристиках качества не приведены. Ключевое преимущество — готовность к использованию в JavaScript- и web-сценариях без применения исходного формата весов. Ограничения, условия лицензирования и дополнительные модальности в предоставленных данных не указаны.

Helsinki-NLP/opus-mt-ms-it — модель машинного перевода из проекта OPUS-MT, разработанная на базе архитектуры Marian. Она переводит текст с малайского языка на итальянский; в обучающих языковых обозначениях исходная сторона охватывает малайский макроязык и индонезийский, а направление модели в карточке указано как ms→it. Модель содержит 54,8 млн параметров, использует Transformer с предварительной нормализацией и SentencePiece; длина контекста — 512 токенов. Доступны веса PyTorch и TensorFlow. Модель подходит для перевода предложений и текстов с малайского на итальянский. В тесте Tatoeba для пары msa–ita указаны BLEU 37,8 и chr-F 0,613. Она не предназначена для обратного перевода или перевода между произвольными языковыми парами. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-nl-es — модель машинного перевода с нидерландского на испанский язык, разработанная в рамках проекта OPUS и опубликованная организацией Helsinki-NLP. Она основана на архитектуре Transformer-align и использует SentencePiece; размер модели составляет 55 млн параметров, максимальный контекст — 512 токенов. Модель предназначена для перевода текстов с нидерландского на испанский. В README приведён результат BLEU 51,6 на тесте Tatoeba.nl.es. Модель доступна в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0. Ее языковая специализация ограничена указанной парой; сведения о работе с другими языковыми направлениями не приводятся.

Helsinki-NLP/opus-mt-tc-bible-big-gem-deu_eng_fra_por_spa — модель машинного перевода проекта OPUS-MT, разработанного группой Language Technology Research Group Хельсинкского университета. Это модель MarianMT на базе архитектуры Transformer-big, содержащая 150,7 млн параметров и принимающая текст для перевода с германских языков на немецкий, английский, французский, португальский или испанский. Для выбора целевого языка используются специальные метки; доступные языки-источники перечислены в карточке модели. Модель подходит для перевода текстов между германскими языками и пятью целевыми языками, в том числе для пакетного перевода и интеграции в приложения на Transformers. Контекст ограничен 1024 токенами. Веса доступны в форматах PyTorch и Safetensors; модель преобразована из Marian NMT для Transformers. Лицензия Apache-2.0. Карточка указывает на обучение на данных OPUS, но не описывает специализацию именно на библейских текстах и не приводит оценки качества. Перевод может быть неточным, особенно для редких языков и текстов вне обучающих данных.

ScarletMT-Nano — модель машинного перевода с японского на английский от Yokii2. Это компактная модель BART на основе архитектуры seq2seq, обученная с нуля с помощью Hugging Face Trainer. Она содержит 66,7 млн параметров, принимает текст с контекстом до 256 токенов и выдаёт перевод на английский язык. Модель предназначена для перевода японских текстов, в том числе коротких, средних и длинных фрагментов. В README описана оценка на бенчмарке jmdict-ja-en-bench с метриками BLEU, chrF2 и COMET22. В приведённой таблице результатов для ScarletMT-Nano нет, поэтому её качество по этим данным оценить нельзя. Для загрузки используются Transformers и формат safetensors. Лицензия — CC BY 4.0.

Shamrock-0-E4B — дообученная Oxalis-ink модель на базе Google Gemma 4 E4B Instruct для языковых функций настольного приложения Oxalis. Она предназначена для перевода текста и текста с изображений, занятий с языковым tutor, разговорной практики и работы со словарём на японском, корейском и упрощённом китайском языках. В репозитории размещены объединённый чекпойнт fp16, варианты GGUF, включая Q4_K_M и Q8_0, а также отдельный MTP-драфтер для ускорения спекулятивного декодирования в llama.cpp. Архитектура — плотная Gemma4ForConditionalGeneration; метаданные указывают поддержку чата и задачу генерации текста. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

Minibase разработала компактную модель перевода испанского текста на английский на базе плотной архитектуры LlamaForCausalLM. Метаданные указывают 922,7 млн параметров, формат GGUF и контекст до 4096 токенов; в README также заявлена квантизация Q8_0 и размер файла 386 МБ. Модель рассчитана на локальный запуск и перевод без отправки данных во внешние сервисы. Основной сценарий — перевод с испанского на английский. В карточке также заявлены сохранение смысла и оттенков контекста, а также работа с новостными, литературными, техническими, деловыми и академическими текстами. Модель обучалась на парах испанских и английских текстов; указанные языки — испанский и английский. README приводит метрики на тесте из 20 примеров, поэтому эти результаты не гарантируют качество на других текстах. Модель распространяется по лицензии Apache-2.0. Среди ограничений README указывает, что она ориентирована только на испанский вход и английский выход, хуже справляется с узкоспециальной терминологией, а качество может зависеть от диалекта испанского. Для очень коротких и длинных текстов карточка не заявляет оптимальные характеристики; предпочтительным диапазоном названы 50–1000 слов.

Sugoi 14B Ultra — текстовая модель для перевода, разработанная Sugoi Toolkit на основе Qwen2.5-14B-Instruct. Она ориентирована прежде всего на перевод с японского на английский, особенно диалогов и игрового текста из RPG Maker с сохранением разметки в квадратных скобках. Модель использует плотную архитектуру Qwen2 и содержит 14 млрд параметров; поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. В README автор сообщает о BLEU 21,38 против 13,67 у предыдущей квантизированной версии и отмечает улучшенное следование инструкциям. Для лучшего результата рекомендуется задавать системную инструкцию переводчика и обрабатывать небольшие фрагменты — примерно до десяти строк. Поддержка JSON-вывода и сохранения RPG Maker-тегов обозначена как экспериментальная. Модель выпущена под лицензией Apache-2.0.

WindyTranslate/translate-ar-de — модель машинного перевода, опубликованная Windstorm Labs и дообученная на параллельном корпусе OPUS-100 на основе Helsinki-NLP/opus-mt-ar-de. Она предназначена для перевода текста с арабского языка на немецкий; поддерживается только это направление перевода. Модель использует архитектуру MarianMT и содержит 57,5 млн параметров. Доступна в формате safetensors для загрузки через Transformers; нативная длина контекста — 512 токенов. Репозиторий распространяется по лицензии Apache-2.0. Качество перевода пока не оценивалось бенчмарками, поэтому пригодность для конкретного сценария требует проверки. Указанные изменения весов подтверждают дообучение, но сами по себе не свидетельствуют о качестве модели.

WindyTranslate/translate-crs-en — модель машинного перевода, опубликованная Windstorm Labs. Она переводит тексты с креольского языка Сейшел (crs) на английский (en) и предназначена для одностороннего перевода предложений и документов. Модель основана на архитектуре MarianMT и содержит 47,5 млн параметров; максимальная длина контекста — 512 токенов. Репозиторий содержит веса safetensors для Transformers. Весовые параметры получены дообучением LoRA на параллельном корпусе с последующим объединением адаптера с базовыми весами Helsinki-NLP/opus-mt-crs-en. Автор сообщает, что изменены 36 из 254 тензоров. Качество перевода пока не оценивалось, поэтому пригодность для конкретных текстов следует проверять отдельно. Модель распространяется по лицензии Apache-2.0.

WindyTranslate/translate-de-nso — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с немецкого языка на северный сото. Это дообученная версия Helsinki-NLP/opus-mt-de-nso: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,1 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель можно использовать для перевода немецких текстов на северный сото в приложениях на Transformers. В проверке на 48 предложениях FLORES-200 модель получила chrF++ 36,21 и BLEU 8,78; авторы обозначают результат как пригодный для использования, но подчёркивают, что это предварительная оценка, а не результат публикационного исследования. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

WindyTranslate/translate-en-gaa — модель машинного перевода от Windstorm Labs для перевода с английского языка на га. Это дообученная версия Helsinki-NLP/opus-mt-en-gaa: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT и содержит 54,4 млн параметров; она принимает текст и выдаёт текст. Для работы используется Transformers, веса хранятся в формате safetensors, родной контекст — 512 токенов. Модель рассчитана на перевод в одном направлении — с английского на га. Выход проверяли на соответствие заявленному языку, но качество перевода не оценивали, поэтому пригодность результата для конкретных задач следует проверять отдельно. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с английского на армянский. Это дообученная версия Helsinki-NLP/opus-mt-en-hy: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре Marian, содержит 29,1 млн параметров, принимает и генерирует текст; нативный контекст — 512 токенов. Модель предназначена для перевода английских текстов на армянский в приложениях на Transformers. В ограниченной проверке на 48 предложениях FLORES-200 она получила chrF++ 29,45 и BLEU 5,80; авторы относят результат к уровню Limited и подчёркивают, что это скрининговая оценка, а не результат публикационного исследования. Поддерживается только направление английский → армянский. Лицензия — Apache-2.0.

Windstorm Labs опубликовала компактную модель машинного перевода с английского на илокано. Это модифицированная версия Helsinki-NLP/opus-mt-en-ilo на архитектуре MarianMT: веса 72 из 254 тензоров подверглись документированному числовому преобразованию с максимальным абсолютным изменением 5,253 × 10⁻⁷. Модель содержит 54,7 млн параметров, работает через Transformers и сохранена в формате safetensors; заявленная длина контекста — 512 токенов. Модель предназначена для перевода текста с английского на илокано. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 52,25 и BLEU 23,50; авторы называют этот результат скрининговой оценкой, а не результатом публикационного уровня. Поддерживается только направление en → ilo. Лицензия — Apache-2.0; модель основана на Helsinki-NLP/opus-mt-en-ilo.

WindyTranslate/translate-en-pag — модель машинного перевода Windstorm Labs с английского языка на пангасинанский. Она основана на Helsinki-NLP/opus-mt-en-pag: к исходным весам применили дообучение LoRA на параллельных данных, а адаптер объединили с базовой моделью. Модель MarianMT содержит 54,6 млн параметров, принимает текст и выдаёт перевод; для загрузки доступны веса safetensors в формате Transformers. Лицензия — Apache-2.0. Модель предназначена для перевода с английского на пангасинанский. В карточке приведена предварительная оценка на 48 предложениях FLORES-200: chrF++ 36,76 и BLEU 10,57; это скрининговый результат, а не полноценная публикационная оценка. Модель поддерживает только одно направление перевода, и качество дообучения не гарантируется одним лишь объёмом модели или данными.

WindyTranslate/translate-eo-de — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с эсперанто на немецкий. Это дообученная версия Helsinki-NLP/opus-mt-eo-de: LoRA-дообучение на параллельных данных объединено с базовыми весами. Модель построена на архитектуре MarianMT и содержит 55,8 млн параметров; репозиторий включает веса в формате safetensors для Transformers. Длина контекста — 512 токенов. Модель подходит для перевода фраз и текстов с эсперанто на немецкий. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 39,64 и BLEU 14,12; авторы характеризуют результат как пригодный для использования, но не как полноценный публикационный бенчмарк. Поддерживается только направление eo→de. Лицензия — Apache-2.0.

WindyTranslate/translate-es-he — модель машинного перевода от Windstorm Labs, дообученная на базе Helsinki-NLP/opus-mt-es-he. Она использует архитектуру MarianMT и содержит 57,5 млн параметров; принимает испанский текст и генерирует перевод на иврит. Контекст модели — до 512 токенов. LoRA-дообучение на параллельном корпусе объединено с базовыми весами; модель распространяется в формате safetensors и загружается через Transformers. Модель предназначена для перевода с испанского на иврит. В карточке приведена проверочная оценка на 48 предложениях FLORES-200 dev: chrF++ 41,33 и BLEU 16,92; это небольшой скрининговый набор, а не публикационная оценка. Поддерживается только одно направление перевода. Лицензия — Apache-2.0.

Windstorm Labs опубликовала дообученную модель машинного перевода с испанского языка на чичева (ньянджа). Это MarianMTModel семейства Marian примерно на 56,3 млн параметров; веса представлены в формате safetensors и доступны через Transformers. Модель основана на Helsinki-NLP/opus-mt-es-ny: LoRA-дообучение на параллельном корпусе было объединено с базовыми весами, изменив 36 из 254 тензоров. Модель предназначена для перевода испанских текстов на чичева. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 31,65 и BLEU 5,19; авторы оценивают результат как пригодный для использования, но это предварительная проверка, а не публикационная оценка. Контекст составляет 512 токенов. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с испанского языка на папьяменто. Это модель архитектуры MarianMT с 53,8 млн параметров и контекстом до 512 токенов, основанная на Helsinki-NLP/opus-mt-es-pap. К весам применили LoRA дообучение на параллельном корпусе и объединили адаптер с базовой моделью; репозиторий содержит сборку Transformers в формате safetensors. Модель предназначена для перевода текста с испанского на папьяменто. В оценке на 48 предложениях FLORES-200 она получила chrF++ 38,11 и BLEU 12,47; авторы относят результат к уровню Usable и отмечают, что это предварительная проверка, а не публикационный результат. Поддерживается только направление es → pap. Лицензия — Apache-2.0.

WindyTranslate/translate-et-de — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с эстонского на немецкий. Это дообученная версия Helsinki-NLP/opus-mt-et-de: LoRA-дообучение на параллельном корпусе было объединено с базовыми весами. Модель имеет архитектуру MarianMT, около 54,9 млн параметров и работает с текстом; репозиторий содержит веса safetensors для Transformers. Модель подходит для перевода отдельных фраз и текстов с эстонского на немецкий. В карточке приведён скрининговый результат на 48 предложениях FLORES-200 dev: chrF++ 50,68 и BLEU 24,17; это не результат публикационного исследования. Поддерживается только направление et→de, поэтому качество для других языковых пар не заявлено. Лицензия — Apache-2.0.

WindyTranslate/translate-fr-crs — модель машинного перевода, опубликованная Windstorm Labs и основанная на Helsinki-NLP/opus-mt-fr-crs. Это дообученная MarianMT-модель с 49,1 млн параметров: LoRA-дообучение на параллельных данных было объединено с базовыми весами. Модель принимает текст на французском языке и переводит его на креольский сесельский; длина контекста — 512 токенов. Доступна в формате safetensors для Transformers. Модель предназначена для перевода в направлении с французского на креольский сесельский. Качество перевода пока не оценивалось бенчмарками, поэтому пригодность для конкретных сценариев требует проверки. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с французского языка на гуни, дообученную на базе Helsinki-NLP/opus-mt-fr-guw. Это encoder-decoder модель семейства MarianMT примерно с 52,6 млн параметров, доступная в формате safetensors для Transformers; длина контекста составляет 512 токенов. Модель предназначена для перевода текстов с французского на гуни. Веса изменены методом LoRA fine-tuning на параллельных данных, после чего адаптер объединён с базовыми весами. Репозиторий распространяется по лицензии Apache-2.0 с указанием авторства исходной модели. Поддерживается только направление fr→guw. Качество перевода пока не оценивалось бенчмарками, поэтому пригодность для конкретного применения следует проверять на собственных примерах.

vi-gemma-2b-RAG — языковая модель семейства Gemma, разработанная hiieu, himmeow the coder и cuctrinh. Это плотная авторегрессионная модель с 2,5 млрд параметров, дообученная методом LoRA на базе unsloth/gemma-1.1-2b-it-bnb-4bit для работы с текстами на вьетнамском языке и сценариями генерации с дополнением контекстом из внешних источников (RAG). Она принимает текст и генерирует текст; поддерживает контекст до 8192 токенов. Модель предназначена для ответов на вопросы по предоставленному контексту, суммаризации, машинного перевода и других задач генерации текста на вьетнамском языке. В карточке указан датасет lamhieu/mabrycodes_dialogue_vi, а метаданные также отмечают английский язык. Модель распространяется по лицензии Apache-2.0. Модель может генерировать неверные или вводящие в заблуждение сведения, проявлять смещения, а качество ответов зависит от качества входных данных и предоставленного контекста.

chickenrice0721/whisper-large-v2-translate-zh-v0.2-st — это дообученная модель Whisper large-v2 для перевода японской речи на китайский язык. По карточке, её дополнительно обучали на 5000 часах японского аудио с китайскими субтитрами с временными метками; режим использования указан как translate с языком ja. Модель построена на архитектуре WhisperForConditionalGeneration и содержит 905,2 млн параметров. Модель принимает аудио и генерирует китайский текстовый перевод. В README приведены результаты оценки: TER 60,4828, BLEU 29,3658 и CER 0,6602; набор оценки и методика не описаны, поэтому эти значения не позволяют надёжно сравнить качество с другими системами. Модель распространяется по лицензии Apache-2.0.

arbml/whisper-small-cv-ar — модель распознавания речи, созданная Zaid Alyafeai дообучением openai/whisper-small на наборе Common Voice 11.0. Это плотная модель семейства Whisper с архитектурой WhisperForConditionalGeneration и 153,1 млн параметров; она принимает аудио и преобразует арабскую речь в текст. На оценочной выборке указаны loss 0,3509 и WER 22,3838. Модель распространяется по лицензии Apache-2.0.

Это дообученная на Qwen3-0.6B модель для контекстного перевода между английским и разговорными арабскими диалектами. Её разработчик обучил её на данных Alexandria, а затем применил SimPO к предпочтительным парам переводов, отобранным по сходству с человеческими эталонами. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит около 507,9 млн параметров и поддерживает контекст до 40 960 токенов. Модель предназначена для перевода реплик диалога с учётом до трёх предыдущих ходов беседы, домена, участников и направления пола говорящего и адресата. Охвачены девять разновидностей арабского: египетская, иорданская, ливанская, марокканская, оманская, палестинская, саудовская, сирийская и йеменская; доступны направления английский → диалектный арабский и диалектный арабский → английский. Запрос подаётся в формате JSON Alexandria как одно пользовательское сообщение, ответ содержит перевод в JSON. В оценке на открытой тестовой выборке Alexandria модель немного превзошла указанные в карточке базовую SFT-версию и DPO-вариант по метрикам spBLEU и chrF++; результаты получены с одним обучающим запуском и одним разбиением данных, поэтому небольшие различия не являются окончательными. Точность передачи диалектных особенностей отдельно не оценивалась. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и запрещает коммерческое применение.

PRAli22/arat5-arabic-dialects-translation — модель семейства T5, разработанная PRAli22 и обученная с нуля для преобразования арабских диалектов в современный стандартный арабский язык (MSA). Она подходит для нормализации диалектных текстов и перевода пользовательских сообщений на MSA. Модель содержит 183,7 млн параметров и доступна в форматах Safetensors и TensorFlow; для работы используется библиотека Transformers. Обучение проводилось на наборе данных PRAli22/Arabic_dialects_to_MSA. Карточка не приводит результатов оценки или подробностей о поддерживаемых диалектах и ограничениях качества. Лицензия — Apache-2.0.

sanganaka/bge-m3-sanskritFT — модель Sentence Transformers, дообученная на базе BAAI/bge-m3 на наборе mitrasamgraha с параллельными текстами на английском и санскрите. Она кодирует предложения и абзацы в нормализованные плотные векторы размерности 1024; для сравнения векторов используется косинусное сходство. Архитектура включает XLM-RoBERTa, пулинг по CLS-токену и нормализацию. Максимальная длина последовательности — 8192 токена. Модель предназначена для семантического сопоставления английских и санскритских фраз: её можно применять для поиска переводных соответствий, семантического поиска, поиска перефразирований, кластеризации и классификации текста по векторам. В README приведены результаты оценки перевода на двух наборах: средняя точность 0,9402 на translate-val и 0,9288 на translate-test. Эти показатели относятся к описанным тестам и не гарантируют аналогичного качества на других данных. Модель принимает текст и выдаёт векторные представления. Веса размещены в формате safetensors; библиотека для использования — Sentence Transformers. Сведения о лицензии в предоставленных материалах отсутствуют.