I.6Перевод и языковая адаптация

Модель JacobLinCool — дообученная версия OpenAI Whisper Large V3 Turbo для автоматического распознавания речи на традиционном китайском языке, вариант Тайваня. Она принимает аудио и преобразует речь в текст без необходимости задавать подсказку. Модель содержит около 905,2 млн параметров и построена на архитектуре Whisper; для обучения использован набор Common Voice Corpus 19.0 Chinese (Taiwan), примерно 50 тысяч обучающих примеров общей длительностью 44 часа. На тестовом наборе указаны WER 32,56 и CER 8,60. Модель наследует мультиязычную систему определения языка Whisper, где варианты китайского используют общий токен `zh`, поэтому качество распознавания упрощённого китайского может снижаться. Лицензия — MIT.

Whisper Large V3 Türkçe Genel ASR (M1), TurkMedSTT projesinde Muhammed Kumcu ve Yağmur Tuncer tarafından OpenAI Whisper large-v3 temelinde uyarlanan модель распознавания речи. Она предназначена для транскрибации общей турецкой речи, сравнения ASR-моделей, анализа ошибок и подготовки черновиков субтитров с последующей проверкой человеком. Модель использует архитектуру WhisperForConditionalGeneration и содержит около 905,2 млн параметров. Для адаптации применялся LoRA с целевыми модулями q_proj и v_proj; адаптер затем объединили с базовой моделью, поэтому репозиторий содержит полные веса. Обучение проведено на примерно 140 часах сбалансированной турецкой речи. В тесте на 320 реальных клипах указаны WER 0,0792 и CER 0,0226; эти результаты не гарантируют такую же точность на других записях. Модель принимает аудио и выдаёт текст; основный язык — турецкий. Для вывода используется Transformers, а из-за крупного размера модели рекомендуется GPU, хотя возможен и медленный запуск на CPU. Модель не предназначена для клинического использования и автоматического принятия решений. Опубликованные веса распространяются по Apache-2.0; для обучающих аудиоданных действуют лицензии их источников.

SubZtep/whisper-small-hu — дообученная модель распознавания речи на основе openai/whisper-small, разработанной OpenAI. Она предназначена для транскрибирования аудио на венгерском языке; при оценке на тестовой выборке Common Voice 26.0 показала WER 15,62 и CER 3,33 после нормализации регистра и пробелов. Модель содержит 153,1 млн параметров и работает с аудиовходом через библиотеку Transformers. Модель обучена на 62 284 аудиофрагментах с чтением предложений из венгерской части Common Voice 26.0. Она подходит для транскрибирования аналогичной речи, например записей с дикторским чтением. Лицензия — MIT. На спонтанной речи, шумных записях и аудио с узкоспециальной лексикой ожидается больше ошибок. Указанные WER и CER не отражают точность регистра и пунктуации; для венгерского языка CER может лучше показывать близость транскрипта из-за агглютинативной морфологии.

xm_transformer_unity_hk-en — модель перевода речи в речь на основе UnitY из fairseq, разработанная Facebook. Она переводит речь на хоккиенском языке в английскую речь; декодер работает в два прохода. Для синтеза английской речи используется facebook/unit_hifigan_mhubert_vp_en_es_fr_it3_400k_layer11_km1000_lj_dur. Модель обучена на размеченных данных TED, драматических постановок и домена TAT, а также на слабой разметке из драматических постановок. Модель предназначена для речевого перевода с хоккиенского на английский. Репозиторий содержит веса PyTorch и использует библиотеку fairseq. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

Confucius4-T3PO — текстовая модель одновременного машинного перевода, разработанная командой NetEase Youdao AI и дообученная на базе Qwen/Qwen2.5-14B. Модель с архитектурой Qwen2 и 14 млрд параметров принимает поток текста небольшими фрагментами и по протоколу READ/WRITE решает, подождать ли дополнительный контекст или выдать очередную часть перевода. Контекст модели — до 32 768 токенов. Модель предназначена для потокового перевода с китайского на английский и с английского на китайский в сценариях, где важны малая задержка и последовательная выдача результата. Она предлагает несколько режимов компромисса между качеством и задержкой, сохраняет уже выданные фрагменты без переписывания и использует историю диалога для повторного использования KV-кэша. README описывает сохранение способности следовать общим инструкциям и некоторую генерализацию на другие языковые пары, но качество для них тщательно не оценивалось. Модель принимает и выдаёт текст; аудио напрямую не обрабатывает, но может использоваться в связке с внешней потоковой системой распознавания речи. Для режима с меньшей задержкой возможна потеря качества, поскольку выданный перевод не исправляется с учётом последующего контекста. Качество на узкоспециализированных темах и на неразборчивых результатах ASR изучено недостаточно. Лицензия — Apache-2.0; также необходимо соблюдать лицензии базовой модели, токенизатора, обучающих данных и внешней ASR-модели.

mdpead/en-cy-translation — модель машинного перевода, разработанная автором репозитория mdpead и обученная с нуля на архитектуре Transformer encoder-decoder. Она переводит текст с английского на валлийский и рассчитана на предложения общего назначения, включая институциональные и разговорные тексты. В README описано обучение на примерно 1,3 млн пар предложений из Cardiff University TM в течение 50 000 шагов; модель содержит 30,2 млн параметров по метаданным. Для оценки использовался beam search с шириной 4; автор приводит результаты на FLORES+, тестовой выборке Cardiff University TM и Tatoeba. Модель принимает текст на английском и выдаёт перевод на валлийский. В README сообщаются результаты BLEU 46,29 на FLORES+, 57,49 на Cardiff University TM и 47,37 на Tatoeba; это результаты автора, зависящие от тестовых наборов и протокола оценки. Лицензия — CC BY 4.0. Карточка описывает специализированную пару языков, поэтому качество перевода для иных языков не заявлено.

jensjepsen/eo-mt-v7-mini — компактная модель машинного перевода на архитектуре Marian, разработанная Jens Jepsen. Она переводит между английским и эсперанто в обоих направлениях. Модель содержит 21,7 млн параметров по метаданным; в README указано около 30 млн. Архитектура включает 4 слоя энкодера и 4 слоя декодера с размерностью 384 и 6 головами внимания. Контекст — до 512 токенов. Модель обучена на 5,1 млн параллельных предложений из jensjepsen/esperanto-mt-parallel. На полном наборе FLORES devtest для перевода с английского на эсперанто README сообщает BLEU 30,55. Токенизатор SentencePiece приводит текст к нижнему регистру, поэтому выход всегда записывается строчными буквами. Репозиторий содержит веса safetensors. Лицензия — Apache-2.0. Результат оценки приведён для направления en→eo; качество направления eo→en отдельно не описано.

Huihui-Hunyuan-MT-Chimera-7B-abliterated — дообученная версия Tencent Hunyuan-MT-Chimera-7B, созданная huihui-ai методом abliteration для снижения числа отказов модели. Это плотная авторегрессионная языковая модель на 7,5 млрд параметров с контекстом до 32 768 токенов, рассчитанная прежде всего на перевод. Разработчик позиционирует её также для диалогов, совмещающих перевод с обычным общением; для одного лишь перевода README рекомендует исходную модель без abliteration. Модель работает с текстом и поддерживает перевод между 33 языками благодаря возможностям базовой ансамблевой модели. Использовать её можно через библиотеку Transformers или Ollama. README называет реализацию грубой проверкой концепции и предупреждает, что фильтрация безопасности существенно снижена, поэтому ответы могут быть чувствительными, спорными или неприемлемыми. Лицензия в предоставленных данных не указана.

Huihui-Hunyuan-MT-Chimera-7B-abliterated-i1-GGUF — это GGUF-квантизация модели Huihui-Hunyuan-MT-Chimera-7B-abliterated, подготовленная mradermacher на основе модели huihui-ai. Модель относится к классу языковых моделей для машинного перевода и предназначена для запуска в совместимых средах, поддерживающих формат GGUF. В README указано, что модель имеет размер 7B параметров и ориентирована на задачи перевода. Заявленным языком является английский, однако полный список поддерживаемых языков, архитектура, размер контекста и сведения о модальностях не приведены. Доступны варианты квантизации i1 с разными уровнями сжатия, включая IQ1, IQ2, IQ3, IQ4, Q4 и Q5; рекомендуемым вариантом назван i1-Q4_K_M как быстрый, а i1-Q4_K_S — как компромисс между размером, скоростью и качеством. Основные преимущества — возможность локального запуска, широкий выбор размеров файлов и компромиссных вариантов качества и производительности. Ограничения связаны с тем, что сильные стороны не подтверждены результатами тестирования, а низкобитные варианты могут заметно терять качество; часть из них прямо обозначена как имеющая низкое качество. Информация о лицензии в README отсутствует, поэтому условия использования необходимо уточнять у авторов исходной модели и квантизации.

AngelSlim публикует эту GGUF-версию специализированной модели машинного перевода Hy-MT1.5-1.8B, разработанной командой Tencent Hunyuan. Модель предназначена для перевода текста на устройстве без подключения к интернету; базовая модель поддерживает 33 языка, 5 диалектов и малых языков и 1 056 направлений перевода. Вес модели сжаты до эффективной разрядности 1,25 бита методом Sherry: для каждой группы из четырёх весов три наиболее значимых кодируются одним битом, а один обнуляется. Размер сжатой модели — около 440 МБ. Для запуска этой GGUF-версии требуется специальное ядро STQ для llama.cpp; README также приводит демонстрацию на Android. Описанные результаты качества относятся к базовой модели, а для квантизованной версии заявлена минимальная потеря точности. Модель принимает текст и выдаёт перевод. Она подходит для офлайн-перевода сообщений, страниц и других текстов на мобильных устройствах. Лицензия в предоставленных источниках не описана.

Это GGUF-версия переводческой модели Hy-MT1.5-1.8B с экстремальной квантизацией Sherry до эффективных 1,25 бита. Базовую модель разработала команда Tencent Hunyuan; репозиторий опубликован в рамках проекта AngelSlim. В основе лежит специализированная модель перевода на 1,8 млрд параметров, обученная на задачах машинного перевода и поддерживающая 33 языка, пять диалектов или малых языков и 1 056 направлений перевода. Модель предназначена для двустороннего перевода текстов, в том числе для локального офлайн-перевода на мобильных устройствах. Sherry использует разреженное тернарное представление весов и сокращает размер FP16-варианта с 3,3 ГБ до 440 МБ при заявленной минимальной потере качества. Для запуска этой GGUF-версии требуется специальное ядро STQ в llama.cpp; README также описывает Android-демонстрацию и извлечение слов для перевода из других приложений. Карточка заявляет высокое качество перевода, но не приводит здесь числовых результатов бенчмарков. Из-за сильной квантизации фактическое качество и скорость могут зависеть от реализации ядра и устройства. Условия лицензирования в предоставленных данных не описаны.

Hy-MT1.5-1.8B-2bit-GGUF — компактная GGUF-версия модели перевода Hy-MT1.5-1.8B, разработанной командой Tencent Hunyuan и сжатой проектом AngelSlim. Модель содержит 1,8 млрд параметров и поддерживает 33 языка, пять диалектов и языков меньшинств, а также 1 056 направлений перевода. Версия использует 2-битное квантование Stretched Elastic Quantization и ориентирована на локальный офлайн-перевод, в том числе на мобильных устройствах. Файл модели занимает около 574 МБ; заявленная оптимизация рассчитана на устройства с поддержкой Arm SME2. Для запуска GGUF требуется ядро Q2_0c в llama.cpp. В карточке указана лицензия?

BuzzASR/japanese — монолингвальная модель автоматического распознавания японской речи, разработанная в рамках набора BuzzASR. Она создана полным дообучением openai/whisper-large-v3 с заменой токенизатора на японский и текстовым мультитасковым дообучением. Модель содержит около 907,3 млн параметров, использует архитектуру Whisper и библиотеку Transformers. Модель предназначена для транскрибации японской речи в текст. В README приведены результаты на тестовых наборах FLEURS и Common Voice 25.0: нормализованный CER составляет 14,49% и 26,58% соответственно; на объединённом наборе CER — 21,08%. По заявлению авторов, на объединённом тесте это примерно на 1,1 раза ниже CER, чем у Whisper-large-v3 в режиме zero-shot. Языковая и задачная подсказка задана в конфигурации генерации. Модель рассчитана только на японский язык; качество на других предметных областях, диалектах и условиях записи может отличаться. Она лицензирована по MIT.

JEJUMA-001 — модель JEJUMA, созданная для работы с диалектом острова Чеджу. Это плотная авторегрессионная языковая модель семейства Llama на 7,5 млрд параметров с контекстом до 131 072 токенов; в карточке указана лицензия MIT. Модель дообучена на основе Llama 3.1 с помощью LoRA на данных пар «чеджу — сеульский корейский»: из примерно 1,05 млн собранных пар отобрали 170 тыс., а для обучения подготовили около 340 тыс. примеров четырёх типов задач. Модель переводит чеджу на стандартный корейский и обратно, распознаёт диалект и может автоматически определить вариант языка и преобразовать текст. Она предназначена для работы с редким региональным диалектом и помогает сохранять и изучать его. README отмечает высокую точность перевода сложных выражений, однако численные результаты оценки не приведены. Качество может зависеть от редких слов и выражений чеджу и от соответствия входа заданному шаблону задачи.

JP-EN-Translator-1K-steps-7B-merged — экспериментальная модель mpasila для перевода с японского на английский с учётом дополнительного контекста. Она дообучена на базе augmxnt/shisa-base-7b-v1 на модифицированной версии параллельного набора ParallelFiction-Ja_En-100k; карточка указывает формат запросов Alpaca. В основе — плотная авторегрессионная архитектура MistralForCausalLM с 7,5 млрд параметров и контекстом до 32 768 токенов. Модель принимает текст и выдаёт текст; метаданные указывают английский язык, а предназначение и обучающие данные — перевод между японским и английским. Лицензия — Apache-2.0. Автор предупреждает, что качество может быть невысоким; модель экспериментальная.

KordAI разработала Kord Translate ENTH V2 1.7B — компактную модель для двустороннего перевода между тайским и английским языками. Она основана на Qwen3-1.7B и дообучена с помощью LoRA; обучение использовало дистиллированные переводы без сохранения цепочек рассуждений. Модель имеет 1,7 млрд параметров, архитектуру Qwen3 и контекст до 40 960 токенов. Модель предназначена для перевода предложений и коротких текстов с английского на тайский и с тайского на английский. В оценке на FLORES devtest авторы сообщают о небольшом улучшении относительно исходной Qwen3-1.7B. Чекпойнт опубликован в формате safetensors под лицензией Apache-2.0. Обучающий набор содержал около 8 000 пар переводов, а оценка проводилась только на предложениях общего назначения. Поэтому качество может снижаться на длинных документах и разговорном тайском; модель уступает более крупным версиям семейства по абсолютному качеству перевода.

Модель guymorlan/levanti_translate_ar_en создана Guy Mor-Lan для перевода разговорного левантийского арабского на английский. Она дообучена в течение 8 эпох на датасете Levanti поверх Helsinki-NLP/opus-mt-ar-en. Модель построена на архитектуре MarianMT, содержит 57,3 млн параметров и принимает текст с контекстом до 512 токенов. В карточке заявлена поддержка палестинского, иорданского, сирийского, ливанского и египетского диалектов арабского; пример использования показывает перевод короткой разговорной фразы. Модель предназначена для перевода арабской диалектной речи в английский текст. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Mitra Qwen3.5 IT — диалоговая модель общего назначения семейства Dharmamitra Qwen3.5, разработанная buddhist-nlp. Это плотная языковая модель на архитектуре Qwen3.5 с 7,2 млрд параметров, дообученная методом многоходового SFT на базе buddhist-nlp/mitra-qwen35-base-stage2. Модель предназначена для общения на темы буддийских исследований: отвечает на вопросы по буддизму без обращения к внешним источникам, а также помогает переводить и редактировать переводы с классических языков. Модель работает с санскритом, тибетским, буддийским китайским и пали; для тибетского можно использовать транслитерацию Уайли, для санскрита и пали — IAST. Она поддерживает диалог и контекст длиной до 262 144 токенов. Рекомендуется как чат-интерфейс к семейству Mitra; для потоковых переводческих задач авторы предлагают базовую модель, а для поиска — отдельную модель эмбеддингов. Модель принимает текст и выдаёт текст. Опубликована в формате Safetensors для Transformers по лицензии Apache-2.0.

BuzzASR/mongolian — одноязычная модель автоматического распознавания монгольской речи, разработанная в рамках набора BuzzASR и дообученная методом полного fine-tuning от openai/whisper-large-v3. Архитектура основана на Whisper large-v3 и содержит около 901,7 млн параметров; в обучении использованы замена токенизатора для монгольского языка и текстовое multitask-дообучение. Модель преобразует монгольскую речь в текст. Она оценивалась на тестовых наборах FLEURS и Common Voice 25; README сообщает о снижении CER относительно Whisper large-v3 в режиме zero-shot. Лицензия — MIT. Модель предназначена только для монгольского языка. Качество на других доменах, диалектах и условиях записи может отличаться от результатов на тестовых наборах.

midwestcyr/nllb-200-distilled-600m-rus-ruskaromani — модель перевода с русского языка на руска-романи и обратно, созданная на основе facebook/nllb-200-distilled-600M. Разработчик дообучил её с помощью LoRA на параллельных предложениях, а затем объединил адаптер с базовыми весами; модель загружается без отдельного шага слияния или зависимости PEFT. Для руска-романи добавлен пользовательский код ruk_Cyrl, а его эмбеддинг инициализирован на основе rom_Latn. Модель предназначена для перевода предложений между русским и руска-романи, диалектом романи, связанным с руска-рома и записываемым кириллицей. В карточке указаны архитектура M2M100, около 463,7 млн параметров и контекст 1024 токена. Обучение и оценка проводились на параллельных предложениях из Русского национального корпуса; для проверки использовалась метрика SacreBLEU. Объём данных для этой языковой пары ограничен, поэтому качество на длинных, сложных или тематически отличающихся от обучающих данных предложениях может быть нестабильным. Код ruk_Cyrl нестандартен и требует токенизатора из этого репозитория. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но не коммерческое использование.

Helsinki-NLP/opus-mt-af-eo — модель машинного перевода из серии OPUS-MT, разработанной Helsinki-NLP. Она переводит текст с африкаанс на эсперанто и предназначена для перевода отдельных фраз и текстов между этими языками. Модель построена на архитектуре Transformer-align и реализована как MarianMTModel; содержит около 29 млн параметров, использует нормализацию и токенизацию SentencePiece с словарями spm4k. Контекст ограничен 512 токенами. В тесте Tatoeba-test.afr.epo указаны BLEU 18,3 и chr-F 0,411. Эти результаты относятся к конкретному тестовому набору и не гарантируют качество на других текстах. Модель доступна в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0.

Модель Helsinki-NLP OPUS-MT-cpf-en разработана в рамках проекта OPUS-MT для перевода с французской основой креольских языков и пиджинов на английский. Она принимает текст на гваделупском креольском, гаитянском креольском или маврикийском креольском и выдаёт английский перевод. В основе — трансформер MarianMT с 54,7 млн параметров; для предобработки используются нормализация и SentencePiece с моделью словаря 32k. Контекст модели составляет 512 токенов. Это специализированная многоязычная модель машинного перевода с одним целевым языком — английским. В приведённых тестах результаты заметно различаются по исходным языкам: BLEU составляет 8,4 для гваделупского креольского, 28,0 для гаитянского и 66,0 для маврикийского. Модель распространяется под лицензией Apache-2.0.

Helsinki-NLP разработала opus-mt-en-tdt — модель машинного перевода на базе архитектуры Marian Transformer. Она переводит текст с английского языка на язык tdt; обучение выполнено на данных OPUS с нормализацией текста и токенизацией SentencePiece. В README указаны оценки на тестовом наборе JW300.en.tdt: BLEU 23,8 и chr-F 0,416. Модель содержит 42,8 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch, TensorFlow и TFLite. Лицензия Apache-2.0. Она предназначена для однонаправленного перевода с английского на tdt; качество и пригодность для конкретной тематики следует оценивать на собственных примерах.

Helsinki-NLP/opus-mt-fi_nb_no_nn_ru_sv_en-SAMI — модель машинного перевода семейства Marian, разработанная Helsinki-NLP. Она переводит с финского, норвежского букмола и нюношка, русского, шведского и английского на северносаамский и несколько других саамских языков: южносаамский, луле-саамский, инари-саамский и колтта-саамский. Модель построена на архитектуре Transformer-align, содержит 28,8 млн параметров и рассчитана на контекст до 512 токенов. Для выбора языка перевода в начале предложения требуется специальный токен вида >>id<< с допустимым кодом целевого языка. В README указаны предварительная нормализация текста, токенизация SentencePiece и обучающие данные OPUS и Giella. Для направления с финского на колтта-саамский приведены результаты тестирования: BLEU 58,4 и chr-F 0,776. Модель подходит для перевода отдельных текстов на саамские языки. Лицензия — Apache 2.0. Результаты могут зависеть от языкового направления; опубликованный пример оценки относится только к одному тестовому направлению.

Xenova/opus-mt-ROMANCE-en — модель машинного перевода, разработанная на основе Helsinki-NLP/opus-mt-ROMANCE-en и подготовленная сообществом Xenova для использования в Transformers.js. Она предназначена для перевода с романских языков на английский в приложениях, способных работать с моделями ONNX, включая веб-сценарии и выполнение непосредственно на стороне пользователя. Ключевые характеристики исходной архитектуры, размер модели, точный перечень поддерживаемых языков, длина контекста и другие технические параметры в README не указаны. В репозитории представлены ONNX-веса, размещённые для совместимости с Transformers.js; такое представление упрощает интеграцию модели в веб-приложения и среды JavaScript. Сильной стороной является готовность к запуску через Transformers.js, однако ограничения производительности, качества перевода и поддерживаемых языковых направлений требуют уточнения по документации базовой модели. Лицензия в README не указана.

Helsinki-NLP OPUS-MT-tiny-eng-tur — компактная модель машинного перевода на архитектуре Marian с регулярным Transformer-декодером. Это дистиллированная студенческая модель, обученная с использованием Tatoeba и учителя Tatoeba-MT для перевода с английского на турецкий. Модель содержит 14,5 млн параметров, рассчитана на контекст до 256 токенов и распространяется в форматах safetensors и TFLite. Модель подходит для перевода коротких англоязычных текстов на турецкий, в том числе фраз и предложений. В оценке на наборах Flores+ и Bouquet студенческая модель показала BLEU 28,5 и 33,0 соответственно; результаты ниже, чем у учителя, что ожидаемо для компактной дистиллированной модели. Для запуска в Transformers используются MarianMTModel и MarianTokenizer; доступны также совместимые с Marian веса. Лицензия — Apache-2.0.

PhoWhisper-base — модель автоматического распознавания речи на вьетнамском языке, разработанная Thanh-Thien Le, Linh The Nguyen и Dat Quoc Nguyen. Это версия семейства PhoWhisper, полученная дообучением многоязычной Whisper на 844 часах вьетнамской речи с разными акцентами. Вариант base содержит 51,7 млн параметров и использует архитектуру WhisperForConditionalGeneration; репозиторий предоставляет веса PyTorch. Модель предназначена для преобразования вьетнамской речи в текст, в том числе для аудиозаписей с различными акцентами. Авторы сообщают о высоких результатах на тестах распознавания вьетнамской речи. Модель распространяется по лицензии BSD-3-Clause; при публикации результатов или включении модели в программное обеспечение авторы просят цитировать статью PhoWhisper.

PhoWhisper-small — модель автоматического распознавания речи на вьетнамском языке, разработанная Thanh-Thien Le, Linh The Nguyen и Dat Quoc Nguyen. Это версия семейства PhoWhisper, созданная дообучением многоязычной Whisper на 844-часовом наборе аудиозаписей с разными вьетнамскими акцентами; модель содержит 153,1 млн параметров и использует архитектуру WhisperForConditionalGeneration. Модель предназначена для преобразования вьетнамской речи в текст. Карточка сообщает о высоких результатах на тестовых наборах для распознавания вьетнамской речи. Репозиторий содержит веса PyTorch и ONNX, совместимые с Transformers.js, что позволяет использовать модель в приложениях на базе этой библиотеки. Лицензия — WTFPL.

PhoWhisper-tiny — модель распознавания вьетнамской речи, разработанная Thanh-Thien Le, Linh The Nguyen и Dat Quoc Nguyen. Это версия семейства PhoWhisper, созданная дообучением многоязычной Whisper на 844-часовом наборе данных с различными вьетнамскими акцентами. Модель предназначена для автоматической транскрибации вьетнамской речи. В исследовании авторов PhoWhisper показала высокие результаты на тестовых наборах для распознавания вьетнамской речи. Вариант tiny содержит 29,4 млн параметров и использует архитектуру Whisper; репозиторий содержит веса PyTorch. Лицензия — BSD 3-Clause. Авторы просят цитировать статью PhoWhisper при публикации результатов или включении модели в программное обеспечение.

NlpHUST/t5-en-vi-small — компактная модель семейства T5 для машинного перевода между английским и вьетнамским языками. В карточке описано обучение и оценивание на корпусе IWSLT’15 English-Vietnamese; размер модели — 157,4 млн параметров. Архитектура реализована через T5ForConditionalGeneration, доступны веса PyTorch и Flax. Модель предназначена для перевода предложений с английского на вьетнамский и, вероятно, в обратном направлении; README приводит пример вьетнамского перевода и результаты тестирования на наборе IWSLT’15. Лицензия в предоставленных данных не указана.