I.6Перевод и языковая адаптация

EnViT5 Translation — модель VietAI для машинного перевода между английским и вьетнамским языками. Она основана на архитектуре T5 и содержит 137,5 млн параметров. Карточка заявляет обучение на наборах MTet и PhoMT; метаданные также указывают CC100. Модель предназначена для перевода текста с английского на вьетнамский и с вьетнамского на английский. В метаданных перечислены реализации весов для PyTorch, TensorFlow и JAX. Репозиторий распространяется по лицензии OpenRAIL. Карточка заявляет высокое качество перевода, но не приводит численных результатов оценки.

GemmaX2-28-9B-v0.1 — языковая модель Xiaomi для машинного перевода. Она основана на архитектуре Gemma 2 и дообучена методом supervised fine-tuning на инструкциях по переводу; базовая модель предварительно обучалась на текстах и параллельных данных на 28 языках. Модель содержит 9 млрд параметров, принимает и генерирует текст, работает через библиотеку Transformers и имеет контекстное окно 8192 токена. Модель предназначена для перевода между поддерживаемыми языками, в том числе в сценариях, где перевод задаётся инструкцией в чате. Поддерживаемые языки: арабский, бенгальский, чешский, немецкий, английский, испанский, персидский, французский, иврит, хинди, индонезийский, итальянский, японский, кхмерский, корейский, лаосский, малайский, бирманский, нидерландский, польский, португальский, русский, тайский, тагальский, турецкий, урду, вьетнамский и китайский. Лицензия — Gemma; условия её применения следует сверять с лицензией модели.

SeamlessM4T Medium — мультимодальная модель перевода от Meta, представленная в реализации Hugging Face для Transformers. Вариант на 463,7 млн параметров поддерживает перевод речи и текста между языками, распознавание речи и синтез речи; для задач доступны общая модель и специализированные подмодели. В README указано, что модель принимает речь на 101 языке, текст на 196 языках и генерирует речь на 35 языках. Максимальная длина контекста по метаданным — 4096 токенов. Модель подходит для перевода речи в речь или текст, перевода текста в текст или речь, а также для автоматического распознавания речи. При синтезе можно выбирать голос с помощью идентификатора говорящего и настраивать стратегию генерации. README отмечает, что SeamlessM4T v2 улучшает качество и скорость генерации речи по сравнению с этой версией. Репозиторий содержит веса PyTorch; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Hunyuan-MT-7B-GGUF — это GGUF-квантизированная версия модели Hunyuan-MT-7B, разработанной Tencent и преобразованной в различные форматы квантования пользователем mradermacher. Модель предназначена прежде всего для задач машинного перевода и поддерживает работу с текстом между китайским, английским, французским, португальским, испанским, японским, турецким, русским, арабским, корейским, тайским, итальянским, немецким, вьетнамским, малайским, индонезийским, филиппинским, хинди, польским, чешским, нидерландским, кхмерским, бирманским, персидским, гуджарати, урду, телугу, маратхи, ивритом, бенгальским, тамильским, украинским, тибетским, казахским, монгольским и уйгурским языками. Модель имеет размер 7B параметров; конкретная архитектура и размер контекстного окна в README не указаны. Распространяется в формате GGUF с вариантами квантования Q2_K, Q3_K, IQ4_XS, Q4_K, Q5_K, Q6_K, Q8_0 и f16. Размер файлов составляет примерно от 3,1 до 15,1 ГБ. Более компактные варианты удобны для запуска при ограниченных ресурсах, но могут уступать по качеству; Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как обеспечивающий очень хорошее качество, а Q8_0 — как быстрый вариант с наилучшим качеством среди перечисленных. README не содержит сведений о лицензии, точных показателях качества, системных требованиях или ограничениях применения. Для использования GGUF-файлов потребуется совместимое программное обеспечение, например инструменты экосистемы llama.cpp.

Hunyuan-MT-7B-i1-GGUF — квантизированная GGUF-версия модели Hunyuan-MT-7B, разработанной Tencent. Квантизацию выполнил mradermacher; доступны варианты с imatrix-квантизацией разных типов и размеров. Модель предназначена прежде всего для задач машинного перевода и поддерживает китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, тайский, итальянский, немецкий, вьетнамский, малайский, индонезийский, тагальский, хинди, польский, чешский, нидерландский, кхмерский, бирманский, персидский, гуджарати, урду, телугу, маратхи, иврит, бенгальский, тамильский, украинский, тибетский, казахский, монгольский и уйгурский языки. Это модель размером 7B в формате GGUF, ориентированная на локальный запуск с ограниченными требованиями к памяти. Доступны файлы примерно от 1,9 до 6,3 ГБ. В README рекомендуются варианты i1-Q4_K_M как быстрые и сбалансированные, а i1-Q4_K_S — как оптимальные по соотношению размера, скорости и качества; более агрессивные квантизации могут заметно снижать качество. Архитектура, размер контекста, дополнительные модальности и точные показатели качества не указаны. Лицензия в предоставленных данных не указана.

Mungert/HY-MT1.5-7B-GGUF — это GGUF-версия переводческой модели HY-MT1.5-7B из семейства Hunyuan Translation Model 1.5, разработанного Tencent Hunyuan. Данная сборка подготовлена с использованием llama.cpp и предназначена для локального запуска в совместимых приложениях и средах, поддерживающих формат GGUF. Модель рассчитана на машинный перевод в 33 языках и пяти этнических или диалектных вариантах. Она поддерживает перевод между китайским и другими языками, а также между парами без китайского, и ориентирована на объяснительный перевод, смешанные языковые сценарии, перевод с учётом контекста, вмешательство в терминологию и сохранение форматирования. Заявленный размер модели — 7B параметров. В README не указаны точная архитектура, максимальная длина контекста и перечень пяти диалектных вариантов. К сильным сторонам относятся поддержка большого числа языков, контекстного и форматированного перевода, а также возможность локального запуска через GGUF. В этой сборке применяется квантование с выборочным повышением точности отдельных важных слоёв, что, по заявлению автора сборки, может улучшать точность при заданном уровне квантования, особенно для моделей с архитектурой Mixture of Experts, хотя это увеличивает размер файла. Конкретный вариант квантования для данного идентификатора не указан. Лицензия в представленном README не указана.

Hy-MT2-1.8B — плотная мультиязычная модель перевода от Tencent Hy, построенная на архитектуре Hunyuan Dense V1 и содержащая 1,8 млрд параметров. Она предназначена для перевода между 33 языками, включая выполнение многоязычных инструкций по переводу и сценарии с деловым и предметным текстом. Модель работает с текстом; в метаданных указан контекст длиной до 262 144 токенов. Для запуска поддерживаются Transformers, vLLM и SGLang. Лёгкий вариант 1.8B рассчитан на сценарии, где важны компактность и скорость; для развёртывания на устройствах README описывает отдельную экстремальную квантизацию AngelSlim до 440 МБ, но это не формат данного репозитория. В карточке сообщается о результатах на общих, деловых, предметных и инструктивных переводческих задачах, однако конкретные сравнительные оценки здесь не приведены. Модель опубликована под лицензией Apache-2.0.

Hy-MT2-1.8B-GGUF — набор квантизированных файлов модели Hy-MT2-1.8B, разработанной Tencent и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена прежде всего для задач машинного перевода и поддерживает широкий набор языков, включая китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, немецкий, итальянский, вьетнамский, индонезийский, хинди, польский, украинский и другие. Модель содержит около 1,8 млрд параметров. Доступны варианты с разными уровнями квантования — от Q2_K до Q8_0, а также IQ4_XS и f16, с размером файлов примерно от 0,9 до 3,7 ГБ. В README не указаны архитектура, поддерживаемая длина контекста, точные характеристики качества или дополнительные модальности, поэтому модель следует рассматривать как текстовую систему перевода без подтверждённых возможностей за пределами этой задачи. К сильным сторонам относятся компактный размер, возможность локального запуска и выбор между экономией памяти, скоростью и качеством: варианты Q4_K_S и Q4_K_M рекомендованы как быстрые, Q6_K отмечен как обладающий очень хорошим качеством, а Q8_0 — как вариант с лучшим качеством среди быстрых сборок. К ограничениям относятся неизбежные потери качества при низком уровне квантования и отсутствие в README подробных сравнительных оценок. Распространение заявлено по лицензии Apache-2.0.

shawnw3i/Hy-MT2-7B-AWQ — квантованная 4-битная версия мультиязычной модели Hy-MT2-7B, разработанной Tencent Hy. Модель предназначена для машинного перевода в сложных практических сценариях и умеет следовать инструкциям на нескольких языках. Модель поддерживает перевод между 33 языками, включая китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, немецкий, итальянский, вьетнамский, индонезийский, хинди, украинский и другие. Она рассчитана на обычный, деловой, специализированный и инструкционный перевод, включая работу с терминологией, стилем, пользовательскими предпочтениями, разделителями и структурированными данными. Формат AWQ и 4-битное представление уменьшают требования к хранению и вычислительным ресурсам по сравнению с полноразмерной моделью. К сильным сторонам относятся широкий языковой охват, ориентация на реальные переводческие задачи и поддержка точного следования ограничениям инструкции. При этом README не содержит сведений о размере контекстного окна, конкретной архитектуре базовой модели, производительности именно этой квантованной версии и лицензии, поэтому эти характеристики нельзя подтвердить.

IndicTrans2 En-Indic Distilled 200M — модель перевода текста с английского на индийские языки. Это дистиллированная версия семейства IndicTrans2; карточка указывает вариант размером 200M, а метаданные — архитектуру IndicTrans и реализацию для генерации последовательностей в PyTorch. Модель предназначена для машинного перевода; в метаданных перечислены языки и наборы данных FLORES-200, IN22-Gen и IN22-Conv. Модель подходит для перевода с английского на поддерживаемые индийские языки в приложениях и системах локализации. Репозиторий распространяется по лицензии MIT. Карточка отсылает к материалам TMLR о дистиллированных моделях и к репозиторию проекта за подробностями обучения и запуска.

IndicTrans2 Indic-En 1.1B — модель машинного перевода от AI4Bharat, предназначенная для перевода с индийских языков на английский. Карточка сообщает, что это вариант семейства IndicTrans2 с 1,1 млрд параметров; модель использует текстовый формат «текст на входе — текст на выходе» и обучалась с использованием наборов данных FLORES-200, IN22-Gen и IN22-Conv. Модель подходит для перевода текстов с поддерживаемых индийских языков на английский. В тегах карточки перечислены ассамский, бенгальский, бодо, догри, английский, конкани, гуджарати, хинди, каннада, кашмири, майтхили, малаялам, манипури, маратхи, непальский, одиа, пенджаби, санскрит, сантали, синдхи, тамильский, телугу и урду; основной сценарий — перевод на английский. Для этого варианта в README не указана длина контекста; упомянутые там модели RoPE-IT2 с контекстом до 2048 токенов являются отдельными моделями. Модель распространяется по лицензии MIT.

IndicTrans2 Indic-En Distilled 200M — компактная дистиллированная модель перевода от AI4Bharat. Она предназначена для перевода между английским и индийскими языками; в карточке модели среди языков указаны бенгальский, английский, хинди, тамильский и урду, а теги репозитория охватывают более широкий набор языков Индии. Модель опубликована в формате PyTorch и Safetensors и использует архитектуру преобразования текста в текст. В README для этой версии не приведена длина контекста; упомянутые модели IndicTrans2 с контекстом до 2048 токенов относятся к отдельным вариантам RoPE. Модель распространяется по лицензии MIT.

Indic Translate — модель Bodhan AI для перевода между английским и 22 языками Индии, включая все языки Восьмого приложения к Конституции Индии. Это дообученная версия google/gemma-4-E4B-it; модель работает через Transformers и распространяется в формате Safetensors. Метаданные указывают лицензию «other», поэтому условия использования следует проверять в карточке репозитория. Модель принимает инструкцию с целевым языком и исходный текст. Она предназначена для перевода предложений и целых документов длиной до 32 768 токенов, сохраняя структуру абзацев, заголовков, списков, таблиц и разметки. Также поддерживает перевод с романизированной записью индийских языков, транслитерацию между латинской и родной письменностью, а также перевод текста со смешением английского и индийского языка. Модель ориентирована на перевод, а не на универсальный диалог. Поддерживаются 22 индийских языка и английский, с вариантами письменности для отдельных языков. Качество может различаться в зависимости от языка и направления перевода; README приводит оценки по языкам, но не описывает их как гарантию качества.

Карточка модели NiuTrans/LMT-60-4B на Hugging Face совпадает с карточкой NiuTrans/LMT-60-0.6B, поэтому описание составлено по ней. LMT-60-0.6B — модель машинного перевода от команды NiuTrans, дообученная на базе NiuTrans/LMT-60-0.6B-Base. Она относится к плотной архитектуре Qwen3ForCausalLM, содержит около 507,9 млн параметров и принимает контекст до 32 768 токенов. Модель входит в семейство LMT-60, обученное на 90 млрд токенов; семейство рассчитано на перевод между 60 языками в 234 направлениях с особым вниманием к китайскому и английскому языкам. Модель предназначена для многоязычного перевода текстов, включая языки с высоким, средним и низким объёмом ресурсов. Её можно использовать для перевода документов, сообщений и пользовательского контента между поддерживаемыми языками. Карточка заявляет конкурентное качество среди моделей с сопоставимым языковым охватом, но не приводит здесь конкретных метрик для этого чекпойнта. Выпущена под лицензией Apache-2.0.

MADLAD-400 3B MT — GGUF — это мультиязычная модель машинного перевода, разработанная Google и преобразованная в формат GGUF для использования с CrispASR. Модель предназначена для перевода текстов между более чем 450 языками, включая языки с ограниченными ресурсами и недостаточной представленностью в обучающих данных. Она поддерживает сценарии автоматического перевода в приложениях и локального запуска через совместимое программное обеспечение. Модель основана на архитектуре T5 encoder-decoder и содержит около 3 миллиардов параметров. Она обучена на 1 триллионе токенов, использует общий SentencePiece-токенизатор со словарём из 256 тысяч элементов, а её кодировщик и декодировщик имеют по 24 слоя с размерностью скрытого состояния 1024. Для указания целевого языка применяются языковые теги формата <2xx>. Доступны варианты весов F16, Q8_0 и Q4_K, различающиеся размером файла и уровнем квантования. Сильными сторонами модели являются широкий охват языков и ориентация на низкоресурсные языки. Ограничения включают необходимость использования совместимого рантайма, а также компромисс между качеством и размером при выборе квантованных вариантов. В README не указано максимальное окно контекста. Модель распространяется по лицензии Apache 2.0.

mBART-50 many-to-many — модель машинного перевода от Facebook, дообученная на основе mBART-large-50. Она переводит напрямую между любыми парами из 50 языков: целевой язык задаётся специальным токеном в начале генерации. Модель построена на архитектуре MBartForConditionalGeneration и содержит около 457,4 млн параметров; максимальная длина контекста — 1024 токена. Модель предназначена для многоязычного перевода текстов, включая перевод на русский и с русского. Для её использования требуется указать токен целевого языка при генерации. Карточка не сообщает лицензию и специфические ограничения качества, поэтому их нельзя уточнить по имеющимся данным.

mBART-50 one-to-many — модель машинного перевода компании Facebook, дообученная на базе mBART-large-50. Она переводит с английского на 49 языков, включая русский, арабский, китайский, японский и европейские языки. Для выбора языка перевода при генерации нужно задать его специальный токен как первый генерируемый токен. Модель основана на архитектуре encoder-decoder MBartForConditionalGeneration и содержит около 457,4 млн параметров. Доступны веса PyTorch, TensorFlow и Flax; контекст составляет до 1024 токенов. Подходит для перевода англоязычных текстов на поддерживаемые языки. Качество и полнота перевода могут различаться между языковыми парами; направление с английского является заявленным сценарием этой версии. Лицензия в предоставленных данных не указана.

mBART-large-cc25 — предварительно обученная, не дообученная мультиязычная модель перевода, разработанная Facebook. Она основана на архитектуре mBART и содержит 457,4 млн параметров; принимает текст и генерирует текст, поддерживая перевод между 25 языками. Доступны веса в форматах PyTorch и TensorFlow, длина контекста составляет 1024 токена. Модель предназначена для перевода текста между поддерживаемыми языками и может служить базой для дальнейшего дообучения, в том числе для суммаризации. Карточка не сообщает результатов оценки качества или особенностей применения в конкретных областях. Лицензия в предоставленных данных не указана.

facebook/mbart-large-en-ro — модель машинного перевода от Facebook, полученная дообучением mBART-large-cc25 на датасете WMT для перевода с английского на румынский. Она использует плотную архитектуру mBART и содержит 457,4 млн параметров; доступна в форматах PyTorch, Safetensors и TensorFlow. Модель предназначена для перевода текстов с английского на румынский; для направления перевода на румынский в README также описана постобработка. Указанная оценка BLEU составляет 28,1 без постобработки и 38 с ней. Контекст — до 1024 токенов. Лицензия MIT.

joefox/mbart-large-ru-zh-ru-many-to-many-mmt — модель машинного перевода, созданная дообучением mBART-large-50-many-to-many-mmt. Она переводит текст с русского на китайский и с китайского на русский; целевой язык задаётся при генерации специальным идентификатором языка. Модель построена на архитектуре mBART, содержит 247,7 млн параметров и рассчитана на контекст до 1024 токенов. Модель предназначена для перевода русско-китайских текстов и поддерживает соответствующие языковые варианты ru_RU и zh_CN. В метаданных указаны наборы данных CCMatrix и joefox/newstest-2017-2019-ru_zh. Модель распространяется по лицензии MIT.

MiLMMT-46-12B-v0.1 — модель машинного перевода на основе большой языковой модели, разработанная Xiaomi Inc. Это дообученная версия MiLMMT-46-12B-Pretrain, созданной на базе Gemma 3 12B с продолжением предобучения на 143 миллиардах токенов монолингвальных и параллельных данных для 46 языков. Модель предназначена для перевода текста между поддерживаемыми языками; в карточке приведён шаблон запроса, где нужно указать названия исходного и целевого языков. Модель поддерживает 46 языков, включая русский, английский, китайский, арабский, хинди, японский и другие. Для работы доступны веса в формате safetensors и библиотека Transformers. Указанная лицензия — Gemma. Производитель предупреждает, что поддержка ограничена перечисленными языками и качество перевода для других языков не гарантируется.

Ik45/nllb-en-id-finetuned — дообученная двунаправленная модель перевода английского и индонезийского языков, основанная на facebook/nllb-200-distilled-600M и разработанная для специализации NLLB на этой языковой паре. Она использует архитектуру M2M100 типа encoder-decoder и содержит около 290,3 млн параметров по метаданным; в README описаны сокращение словаря и дообучение с оптимизатором GaLore. Модель предназначена для перевода текстов в направлениях английский → индонезийский и индонезийский → английский. Для этих направлений README приводит результаты на FLORES-200 devtest: sacreBLEU 42,71 и 37,87 соответственно. Метаданные указывают контекст до 1024 токенов, а README отмечает оптимальное качество для последовательностей до 256 токенов. Модель опубликована в формате safetensors под лицензией Apache-2.0. Модель специализировалась на общей тематике английско-индонезийских текстов. Сокращённый словарь и настройка на одну языковую пару могут ухудшить перевод других языков, редких имён, смешанной англо-индонезийской речи, новых слов и сленга; для технических, юридических и медицинских материалов может потребоваться дополнительная настройка. При генерации нужно задавать корректный идентификатор целевого языка через forced_bos_token_id.

Helsinki-NLP/opus-mt-af-de — модель машинного перевода из семейства OPUS-MT, основанная на архитектуре Marian Transformer. Она переводит текст с африкаанс на немецкий; для предобработки используются нормализация и SentencePiece. Модель содержит 55,2 млн параметров, её контекст составляет 512 токенов, доступны веса PyTorch и TensorFlow. Модель предназначена для перевода предложений и текстов с африкаанс на немецкий. В карточке приведён результат 48,6 BLEU и 0,681 chr-F на тестовом наборе Tatoeba.af.de. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-af-sv — модель машинного перевода семейства MarianMT, разработанная проектом OPUS-MT и предназначенная для перевода с африкаанс на шведский. Она построена на архитектуре Transformer-align, содержит 55,1 млн параметров и использует нормализацию текста и токенизацию SentencePiece. Метаданные указывают максимальную длину контекста 512 токенов и поддержку PyTorch и TensorFlow. Модель обучена на данных OPUS; в README приведён результат BLEU 40,4 и chr-F 0,599 на тестовом наборе JW300.af.sv. Её можно применять для перевода отдельных текстов и локализации материалов с африкаанс на шведский. Лицензия Apache-2.0 разрешает использование, изменение и распространение модели при соблюдении её условий.

Helsinki-NLP разработала opus-mt-ar-en — модель машинного перевода с арабского языка на английский из семейства OPUS-MT. Это компактная модель на архитектуре Transformer, реализованная как MarianMTModel; она содержит 57,3 млн параметров и использует SentencePiece с нормализацией текста. Модель принимает арабский текст и генерирует его перевод на английский. Длина контекста составляет 512 токенов. Модель обучена на данных OPUS. В карточке приведён результат 49,4 BLEU и 0,661 chr-F на тестовом наборе Tatoeba.ar.en. Она подходит для перевода отдельных текстов и интеграции в приложения машинного перевода. Доступна по лицензии Apache-2.0, форматы репозитория включают PyTorch и TensorFlow.

Helsinki-NLP/opus-mt-ar-fr — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с арабского языка на французский и предназначена для перевода отдельных фраз и текстов в приложениях, сервисах и рабочих процессах локализации. Архитектура — плотная Transformer-модель MarianMT с выравниванием; в README указаны нормализация текста и SentencePiece. Модель содержит 58,2 млн параметров и рассчитана на контекст до 512 токенов. Для набора Tatoeba.ar.fr в карточке приведены оценки BLEU 43,5 и chr-F 0,602. Модель работает с текстом и ориентирована на одну пару языков: арабский → французский. Она не предназначена для перевода в обратном направлении или на другие языки без дополнительных моделей. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-bcl-sv — модель машинного перевода из семейства MarianMT, разработанная проектом OPUS/Helsinki-NLP. Она переводит тексты с языка bcl на шведский язык (sv); обучение выполнено на данных OPUS с нормализацией текста и токенизацией SentencePiece. Модель построена на архитектуре Transformer и содержит 55,8 млн параметров. Для набора JW300.bcl.sv в карточке приведены оценки BLEU 38,0 и chr-F 0,565. Модель принимает текст и генерирует текст перевода; максимальная длина контекста — 512 токенов. Подходит для перевода текстов с bcl на шведский, включая пакетную локализацию и подготовку черновых переводов. Доступна под лицензией Apache-2.0; качество может зависеть от тематики и стиля исходного текста.

Helsinki-NLP/opus-mt-bg-de — модель машинного перевода болгарского языка на немецкий из коллекции OPUS-MT, опубликованной Helsinki-NLP. Это трансформерная модель MarianMT с 56,5 млн параметров; для обработки текста используются нормализация и SentencePiece с словарями размером 32 тыс. токенов. Модель поддерживает перевод в одном направлении: с болгарского на немецкий. В тесте Tatoeba-test.bul.deu указаны оценки BLEU 49,3 и chr-F 0,676. Модель принимает текст и выдаёт перевод на немецкий. Длина контекста — 512 токенов. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-bi-es — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с языка би на испанский и предназначена для перевода отдельных фраз и текстов в приложениях и рабочих процессах локализации. Модель основана на архитектуре Transformer-align, использует нормализацию и SentencePiece; в метаданных указаны архитектура Marian, 54 млн параметров и контекст до 512 токенов. Модель обучена на данных OPUS. В README приведён результат BLEU 21,1 и chr-F 0,388 на тестовом наборе JW300.bi.es. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-bn-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на основе Marian. Она переводит текст с бенгальского языка на английский. Модель построена на архитектуре Transformer-align и содержит 57,7 млн параметров; для токенизации используется SentencePiece с нормализацией текста. Контекст модели — до 512 токенов. Модель подходит для перевода отдельных текстов и фраз, включая материалы для корпуса Tatoeba; в карточке приведён результат BLEU 49,7 на Tatoeba-test.ben.eng. Поддерживаются входной текст на бенгальском и выходной текст на английском. Распространяется по лицензии Apache-2.0.