I.6Перевод и языковая адаптация

Ryex/Floppa-12B-Gemma3-Uncensored — мультимодальная модель Ryex, дообученная на основе Google Gemma 3 12B Instruct. Она предназначена для перевода с японского на английский с сохранением сленга, ненормативной лексики и культурных нюансов, а также для описания изображений, включая откровенные и жестокие сцены. Модель принимает текст и изображения и выдаёт текст; в README указана архитектура Dense Transformer с визуальным энкодером SigLIP и гибридным вниманием. В метаданных указаны 12 млрд параметров базовой модели, поддержка английского, японского и других языков, библиотека vLLM и формат safetensors. Модель дообучена методом 4-битного QLoRA с последующим объединением весов в bfloat16. README описывает обучающие данные для перевода, диалогов, рассуждений и понимания изображений. Модель рассчитана на сценарии, где требуется передавать исходное содержание без смягчения формулировок; она может выводить оскорбительную, сексуальную или жестокую лексику и описывать соответствующие изображения. Лицензия — Gemma; применяйте модель согласно её условиям.

Konkani Qwen2-1.5B — языковая модель, разработанная Nischay Mandrekar на основе Qwen/Qwen2-1.5B. Модель прошла продолженное предварительное обучение на 300 тысячах фрагментов текстов на конкани и supervised fine-tuning на 13 417 парах инструкций и ответов. Это плотная авторегрессионная модель Qwen2 на 1,5 млрд параметров с контекстом до 131 072 токенов, предназначенная для генерации текста и диалога. Модель ориентирована на гоанский диалект конкани в письме деванагари: она отвечает на вопросы о Гоа, его истории и культуре, поддерживает беседу на конкани, переводит с английского и хинди на конкани, а также пишет стихи, рассказы и описания мест и традиций. Лучше всего подходит для тем, связанных с Гоа и конкани; автор указывает на риск обрыва ответов и галлюцинаций в ответах о собственной идентичности, а также на отсутствие актуальной информации в реальном времени. Лицензия — Apache-2.0.

Kusaal MT specialist — переводчик для языка Kusaal, разработанный Prince Nasamu Alhassan на основе NLLB-200 distilled 600M. Модель дообучена на корпусе Ghana Speech и связанных ганских корпусах; автор сообщает, что в двух тестовых наборах она превзошла мультиязычную версию проекта. Архитектура — M2M100 для условной генерации текста, размер — 463,7 млн параметров, контекст — до 1024 токенов. Модель предназначена для машинного перевода текстов на языке Kusaal и с него. Она создана как специализированная модель: маршрутизатор проекта направляет запросы на Kusaal к ней, а остальные — к общей мультиязычной модели. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое использование. Автор отмечает, что результаты оценки получены на прочитанном и машинно переведённом тексте, а не на записях реальных пользовательских команд; поэтому они могут завышать качество для естественных формулировок и не отражать поведение при переключении языков. Модель описана как исследовательская работа в рамках хакатона, а не как поддерживаемый продукт.

Lugha-Llama-8B-wura — языковая модель семейства Llama, выпущенная авторами Lugha-Llama: Happy Buzaaba, Alexander Wettig, David Ifeoluwa Adelani и Christiane Fellbaum. Это одна из моделей, адаптированных для африканских языков на основе Llama 3.1 8B. В репозитории указаны 7,5 млрд параметров, архитектура LlamaForCausalLM, формат safetensors и контекст до 131 072 токенов. Модель предназначена для генерации текста на африканских языках, включая ответы на вопросы и кросс-языковой поиск ответов. Авторы сообщают о высоких результатах семейства Lugha-Llama на бенчмарках IrokoBench и AfriQA. Она может быть полезна для диалога, вопросов и ответов, а также генерации текста на языках с ограниченными ресурсами. Модель основана на Llama 3.1 8B; лицензия указана как llama3.1. README не уточняет, какие языки поддерживает именно вариант wura и какие ограничения применимы к его отдельным сценариям, поэтому языковой охват не следует считать исчерпывающе подтверждённым.

Helsinki-NLP/opus-mt-aav-en — модель машинного перевода из проекта OPUS-MT, построенная на архитектуре Transformer и реализованная как MarianMTModel. Она переводит с группы австроазиатских языков на английский. В источниках перечислены хо, кхаси, кхмерский, мон и вьетнамский; для отдельных языков указаны письменные варианты Latin и Hani. Модель содержит 53,9 млн параметров, использует нормализацию и SentencePiece с словарями по 32 тыс. единиц и имеет контекст до 512 токенов. Модель предназначена для перевода текстов с поддерживаемых языков на английский. В README приведены результаты на тестовых наборах Tatoeba, включая BLEU 0,3 для хо, 1,0 для кхаси и 8,9 для кхмерского, что указывает на заметно различающееся качество в зависимости от языка и набора данных. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

OPUS-MT-tiny-eng-deu — компактная модель машинного перевода с английского на немецкий, разработанная Helsinki-NLP. Это дистиллированный вариант модели-учителя OPUS-MT-models/en-de/opus-2020-02-26: модель-ученик обучена на данных Tatoeba с помощью OpusDistillery. Модель построена на архитектуре Marian с трансформерным декодером и содержит 14,5 млн параметров. Она принимает английский текст и генерирует перевод на немецкий; длина контекста составляет 256 токенов. Компактный размер подходит для сценариев, где важны небольшие требования к ресурсам. В тестах Flores+ и Bouquet модель-ученик показала более низкие метрики BLEU, chr-F и COMET, чем учитель. Модель распространяется по лицензии Apache-2.0. Для запуска в README приведён пример с библиотекой Transformers; также доступны файлы в форматах safetensors и TFLite.

OPUS-MT-tiny-zho-eng — компактная модель машинного перевода от Helsinki-NLP, созданная методом дистилляции из учительской модели Tatoeba-MT для перевода с китайского на английский. Она построена на архитектуре Marian с небольшим Transformer-декодером и содержит 14,5 млн параметров. Модель обучена на данных Tatoeba; в README также приведены результаты оценки на Flores+: BLEU 21,3, chr-F 50,9 и COMET 0,8116. Модель подходит для перевода коротких китайских фраз и предложений на английский, в том числе в приложениях, где важны небольшой размер и быстрый запуск. Контекст ограничен 256 токенами. Доступны веса safetensors и TFLite, а лицензия — Apache-2.0.

Neurora/opus-tatoeba-eng-fas — модель машинного перевода на архитектуре Marian Transformer, обученная на данных OPUS и Tatoeba для перевода с английского на фарси. Она содержит 56,9 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Для перевода требуется предварительная нормализация, SentencePiece-токенизация и начальный языковой токен; доступны варианты целевого языка fas, pes и prs. В карточке приведены результаты тестирования Tatoeba: BLEU 11,8 для английского—фарси и 14,7 для английского—персидского варианта pes. Модель распространяется под лицензией Apache-2.0. Результаты для латинизированного pes приведены всего для трёх предложений, поэтому по ним нельзя судить о качестве.

Qwen2.5-3B-Instruct-hsb-dsb — языковая модель TartuNLP для верхнелужицкого (hsb) и нижнелужицкого (dsb) языков, представленная для WMT25 Shared Task on Limited Resource Slavic Languages. Она дообучена на базе Qwen/Qwen2.5-3B-Instruct с продолжением предобучения на лужицких монолингвальных и параллельных данных, а также настройкой на наборах инструкций. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для машинного перевода и ответов на вопросы на верхнем и нижнем лужицком, в том числе для переводов с немецкого. В описанных результатах WMT25 она заняла первое место в общей оценке для обоих языков. Разработчик предупреждает, что модель ориентирована на исследования и не проверена для общего применения. Лицензия указана как other; конкретные условия следует сверить в карточке модели.

RLM-hinglish-translator — модель Rudra Shah для перевода неформального Hinglish, смеси хинди и английского, на стандартный английский. Она предназначена для перевода сообщений и других коротких разговорных фраз, в которых встречаются характерные для Hinglish синтаксис и лексика. Модель основана на Gemma 2B и дообучена методом PEFT с адаптером LoRA ранга 128. В обучении использовались набор cmu_hinglish_dog и фразы из повседневных переписок. Архитектура — плотная GemmaForCausalLM, формат весов — safetensors; размер составляет 2,5 млрд параметров, контекст — до 8192 токенов. Указана лицензия MIT. Модель ориентирована на направление Hinglish → английский; качество перевода для других языковых пар и длинных документов не заявлено. Обучающие примеры включают личные переписки, поэтому поведение может отражать особенности разговорного стиля.

Iker/TowerInstruct-13B-v0.1-EN2ES — модель на архитектуре Llama, разработанная автором репозитория Iker путём дообучения Unbabel/TowerInstruct-13B-v0.1. Она предназначена для перевода инструкций и ответов с английского на испанский, включая примеры из наборов инструкций. Для дообучения использовано около 1 500 пар запросов и ответов из OpenHermes-2.5, переведённых с помощью GPT-4-0125-preview. Модель содержит 12,9 млрд параметров, работает через Transformers и имеет контекстное окно 8 096 токенов. Репозиторий содержит веса в формате safetensors. Заявление автора о качестве перевода на уровне GPT-4 не сопровождается описанием оценки. Модель может давать неудовлетворительные ответы на очень больших входах; в README также отмечен пример ответа на русском вместо испанского. Лицензия — Apache-2.0.

Iker/TowerInstruct-7B-v0.2-EN2ES — модель семейства Llama, дообученная автором Iker на базе Unbabel/TowerInstruct-7B-v0.2 для перевода инструкций и ответов с английского на испанский. Для обучения использовано около 1 500 пар промптов и ответов из OpenHermes-2.5, переведённых с помощью GPT-4-0125-preview. Модель предназначена для перевода англоязычных инструкционных данных и может запускаться локально. Это плотная авторегрессионная модель с 6,6 млрд параметров, контекстом до 8 096 токенов и форматом safetensors; использует библиотеку Transformers. Лицензия — Apache-2.0. Карточка заявляет качество перевода GPT-4, но не приводит независимых оценок. Автор также отмечает сбой на очень больших входах; поэтому качество и устойчивость на длинных текстах не гарантированы.

WindyTranslate/translate-en-cel — модель машинного перевода от Windstorm Labs, дообученная на основе Helsinki-NLP/opus-mt-en-cel. Это модель архитектуры MarianMT примерно на 54,8 млн параметров; веса дообучены методом LoRA на параллельном корпусе и объединены с базовыми весами. Модель принимает английский текст и переводит его на бретонский, корнский, валлийский, шотландский гэльский, ирландский или мэнский язык. Максимальный контекст составляет 512 токенов. Модель предназначена для перевода отдельных текстов с английского на один из шести кельтских языков; направление перевода ограничено. Качество этой версии не оценивалось бенчмарками, а факт изменения весов сам по себе не подтверждает улучшение перевода. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0.

WindyTranslate/translate-en-cpf — модель машинного перевода, опубликованная Windstorm Labs и созданная на основе Helsinki-NLP/opus-mt-en-cpf. Это дообученная и объединённая с базовыми весами модель MarianMT примерно на 54,7 млн параметров; она принимает английский текст и переводит его на языки группы cpf — гуаделупский, гаитянский и маврикийский креольские. Модель поставляется в формате safetensors для Transformers; длина контекста — 512 токенов. Модель предназначена для перевода текста с английского на языки группы cpf. Веса изменены LoRA-дообучением на параллельных корпусах, однако качество перевода пока не оценивалось бенчмарками. Она поддерживает только направление en → cpf. Лицензия — Apache-2.0.

WindyTranslate/translate-en-mh — модель машинного перевода от Windstorm Labs для перевода с английского языка на маршалльский. Это дообученная версия Helsinki-NLP/opus-mt-en-mh: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 50,6 млн параметров и рассчитана на контекст до 512 токенов. Доступна в формате safetensors для Transformers. Модель предназначена для перевода англоязычных фраз и текстов на маршалльский. Выход проверен на соответствие заявленному языку, но качество перевода пока не оценено; подтверждение изменения весов само по себе не гарантирует точность. Поддерживается только направление en→mh. Лицензия — Apache-2.0.

WindyTranslate/translate-en-nyk — модель машинного перевода, опубликованная Windstorm Labs. Она переводит текст с английского языка на nyk; модель построена на архитектуре Marian и содержит 52,2 млн параметров. Максимальная длина контекста составляет 512 токенов. Модель получена дообучением Helsinki-NLP/opus-mt-en-nyk на параллельном корпусе: LoRA-адаптер слит с базовыми весами. В репозитории доступна сборка Transformers в формате safetensors. Модель подходит для автоматического перевода текстов с английского на nyk; лицензия — Apache-2.0. Качество перевода пока не оценено. Проверка GlotLID подтвердила, что результат написан на заявленном языке, но это не является оценкой точности или естественности перевода. Поддерживается только направление en→nyk.

Windstorm Labs опубликовала компактную модель машинного перевода WindyTranslate/translate-en-rn на архитектуре MarianMT с 29 млн параметров. Она переводит текст с английского языка на рунди и рассчитана на сценарии, где нужен перевод в одном направлении. Модель основана на Helsinki-NLP/opus-mt-en-rn: LoRA-дообучение на параллельных данных было объединено с базовыми весами. Репозиторий содержит сборку Transformers в формате safetensors; контекст — до 512 токенов. В скрининговой оценке на 48 предложениях FLORES-200 модель получила chrF++ 33,37 и BLEU 7,12. Эта небольшая выборка не даёт оснований считать результат полноценной публикационной оценкой; качество стоит проверять на данных конкретной задачи. Лицензия — Apache-2.0.

WindyTranslate/translate-en-umb — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-en-umb на архитектуре MarianMT с 55,2 млн параметров; LoRA-дообучение на параллельном корпусе слито с базовыми весами. Модель принимает текст на английском языке и переводит его на умбунду. Репозиторий содержит веса в формате safetensors для загрузки через Transformers, контекст составляет 512 токенов. Модель предназначена для перевода отдельных текстов с английского на умбунду. В проверке на 48 предложениях FLORES-200 dev получены chrF++ 21,16 и BLEU 0,67; авторы относят результат к ограниченному диапазону и отмечают, что это предварительная оценка, а не результат публикационного исследования. Поддерживается только направление en→umb. Модель распространяется по лицензии Apache-2.0 с указанием происхождения базовой модели Helsinki-NLP.

WindyTranslate/translate-es-eo — модель машинного перевода, опубликованная Windstorm Labs для перевода с испанского на эсперанто. Она основана на Helsinki-NLP/opus-mt-es-eo: к исходным весам применили LoRA дообучение на параллельных данных и объединили адаптер с базовой моделью. Модель построена на архитектуре MarianMT, содержит 55,1 млн параметров и принимает текстовый контекст длиной до 512 токенов. Репозиторий содержит сборку Transformers в формате safetensors. В тесте FLORES-200 на 48 предложениях получены chrF++ 37,36 и BLEU 11,04; авторы обозначают результат как пригодный для использования, но подчёркивают, что это лишь скрининговая оценка. Модель поддерживает только направление es→eo. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с испанского на язык лоз (loz). Это дообученная версия Helsinki-NLP/opus-mt-es-loz: LoRA-дообучение на параллельных данных объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,3 млн параметров и принимает текст с контекстом до 512 токенов, выдавая перевод текстом. Модель предназначена для перевода текстов с испанского на лоз. В репозитории размещена сборка Transformers в формате safetensors; лицензия — Apache-2.0. Качество этой версии пока не оценивалось на бенчмарках, поэтому её пригодность для конкретных сценариев следует проверять на собственных данных.

WindyTranslate/translate-es-tpi — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-es-tpi: LoRA-адаптер обучили на параллельных данных и объединили с базовыми весами. Модель построена на архитектуре Marian и содержит 52,3 млн параметров; она принимает испанский текст и переводит его на ток-писин. Родной контекст составляет 512 токенов. Модель предназначена для перевода коротких текстов с испанского на ток-писин. В проверке на 48 предложениях FLORES-200 она набрала chrF++ 31,02 и BLEU 6,78; авторы относят результат к уровню «пригодно к использованию», но отмечают, что это предварительная оценка, а не результат публикационного исследования. Поддерживается только направление es → tpi. Модель распространяется по лицензии Apache-2.0.

WindyTranslate/translate-fi-hil — модель машинного перевода, опубликованная Windstorm Labs и дообученная на параллельных данных для перевода с финского языка на хилигайнон. В основе лежит Helsinki-NLP/opus-mt-fi-hil: модель архитектуры MarianMT с 56,4 млн параметров и контекстом до 512 токенов. LoRA-дообучение объединено с базовыми весами; репозиторий содержит сборку Transformers в формате safetensors. Модель предназначена для перевода текстов с финского на хилигайнон. Поддерживается только это направление перевода. Качество модели пока не оценивалось на бенчмарках, поэтому пригодность для конкретного применения следует проверять отдельно. Лицензия — Apache-2.0.

WindyTranslate/translate-fi-ln — модель машинного перевода от Windstorm Labs для перевода текстов с финского языка на лингала. Это дообученная версия Helsinki-NLP/opus-mt-fi-ln: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель использует архитектуру MarianMT, содержит 56,7 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для перевода в направлении финский → лингала. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 35,52 и BLEU 5,47; авторы характеризуют этот результат как пригодный для использования, но отмечают, что это предварительная оценка, а не результат публикационного исследования. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0.

WindyTranslate/translate-fi-mt — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-fi-mt: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель MarianMT с 55,4 млн параметров принимает текст и переводит с финского языка на мальтийский; длина контекста — 512 токенов. Модель предназначена для перевода отдельных текстов и интеграции в приложения на Transformers. В тесте на 48 предложениях FLORES-200 она получила chrF++ 41,73 и BLEU 10,51; авторы оценивают результат как пригодный для использования, но это предварительная проверка, а не публикационный результат. Поддерживается только направление финский → мальтийский. Репозиторий содержит веса safetensors; лицензия Apache-2.0.

Windstorm Labs выпустила дообученную модель машинного перевода с финского языка на киньяруанда. Это модель архитектуры MarianMT с 56,9 млн параметров и контекстом до 512 токенов, основанная на Helsinki-NLP/opus-mt-fi-rw. LoRA-дообучение на параллельных данных было объединено с базовыми весами; модель доступна в формате safetensors для Transformers. Модель предназначена для перевода текстов с финского на киньяруанда. В скрининговой оценке на 48 примерах FLORES-200 она получила chrF++ 28,10 и BLEU 3,99; результат обозначен авторами как ограниченный и не является публикационным. Лицензия — Apache-2.0.

NhutP/ViWhisper-medium — модель распознавания вьетнамской речи, созданная авторами репозитория путём дообучения Whisper medium от OpenAI. Она принимает аудио и выдаёт текст; модель доступна через Transformers и подходит для транскрибирования записей и потоков речи. В обучении использовано в общей сложности 1308 часов данных из VSV-1100, Common Voice 14, VIVOS, VLSP2021 и синтетических примеров, созданных системой синтеза речи. Архитектура — WhisperForConditionalGeneration, размер — 455,8 млн параметров. В карточке приведены результаты WER на нескольких тестовых наборах: от 4,69 на VIVOS до 28,76 на VLSP2020-T2. Эти показатели зависят от набора данных и не гарантируют такого же качества на других записях. Для запуска в примере используется аудио с частотой дискретизации 16 кГц; указана обработка фрагментами до 30 секунд. Модель распространяется по лицензии MIT.

Это модель автоматического распознавания тайской речи, созданная AI Research путём дообучения wav2vec2-large-xlsr-53 на датасете Common Voice 7.0. Она принимает аудио и преобразует речь в текст; архитектура основана на Wav2Vec2 с CTC-декодированием и содержит около 402,7 млн параметров. Модель предназначена для транскрибации тайской речи, в том числе записей, подобных материалам Common Voice. В README приведены результаты оценки на тестовой выборке: символьная ошибка CER составила 2,81%, а WER зависит от выбранного способа токенизации тайского текста. Модель распространяется по лицензии CC BY-SA 4.0; результаты относятся к указанному тестовому набору и не гарантируют такое же качество на других аудиоданных.

ctl/wav2vec2-large-xlsr-cantonese — модель распознавания речи, дообученная на базе facebook/wav2vec2-large-xlsr-53 на кантонском языке с использованием корпуса Common Voice. Она принимает аудио с частотой дискретизации 16 кГц и преобразует речь в текст; указана архитектура Wav2Vec2ForCTC с 406,3 млн параметров. Для оценки использовалась тестовая часть Common Voice для китайского (Гонконг); в карточке приведён результат 15,51%, но не уточнена метрика. Модель распространяется по лицензии Apache-2.0.

Sadegh Karimi дообучил мультиязычную модель распознавания речи Whisper large-v3-turbo на наборе Common Voice 17.0. Модель предназначена для преобразования аудио в текст; в карточке указана оценка WER 9,6275 на наборе оценки. Архитектура — WhisperForConditionalGeneration, размер — 905,2 млн параметров. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Модель ориентирована на персидскую речь. Базовая Whisper large-v3-turbo поддерживает распознавание речи и перевод аудио в текст на разных языках, однако эта версия дообучена на персидском материале. Лицензия — MIT. Карточка не описывает условия оценки и ограничения подробнее.

smutuvi/whisper-small-sw-common-voice — дообученная модель автоматического распознавания речи на базе openai/whisper-small. Она предназначена для преобразования аудиозаписей речи на суахили в текст. В README приведены результаты оценки: loss 0,4254 и WER 32,1287; подробности о наборе данных и условиях оценки не раскрыты. Модель использует архитектуру Whisper и содержит 153,1 млн параметров. Базовая Whisper-small — мультиязычная модель для транскрибирования речи и перевода аудио на английский, однако эта версия дообучена для распознавания суахили. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.