I.6Перевод и языковая адаптация

Vecteus-v1-abliterated — это японская языковая модель для генерации и понимания текста в литературном домене, представленная проектом Local-Novel-LLM-project. Модель основана на дообученной Mistral-7B-v0.1 и предназначена для создания естественного японского текста, в том числе художественной прозы. Модель поддерживает генерацию текста и диалоговый сценарий; в карточке также заявлены ответы на вопросы, суммаризация и перевод. Вариант abliterated создан удалением выходных фильтров исходной модели, что расширяет свободу генерации. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0.

Vekol-STT Sorani — компактная модель распознавания речи от RevgeAI, дообученная на базе openai/whisper-tiny. Она преобразует аудио на центральнокурдском языке (сорани) в текст арабским письмом и рассчитана на автономную работу на CPU, в том числе на ноутбуках. Для запуска доступны ONNX Runtime и Transformers/PyTorch; модель содержит 29,4 млн параметров по метаданным и распространяется в форматах ONNX и safetensors. Модель обучена на Common Voice 25.0 для ckb и FLEURS для ckb_iq с нормализацией сорани. На тестовой выборке Common Voice 25 с разделением по говорящим указаны 35,0% WER и 9,85% CER без учёта пробелов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое использование בלבד.

Модель wav2vec2-large-mms-1b-uyghur-latin — дообученная разработчиком ixxan версия facebook/mms-1b-all для автоматического распознавания речи с транскрипцией латиницей на уйгурском языке. Она построена на архитектуре Wav2Vec2ForCTC, содержит 1,3 млрд параметров и принимает аудио, выдавая текст. На оценочной выборке указаны лучшие результаты: WER 30,8949% и CER 5,9823%. Модель может использоваться для транскрибирования уйгурской речи и преобразования аудиозаписей в текст. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Модель Quyashbek/wav2vec2-xls-r-300m-karakalpak разработана Quyashbek Allanazarov и представляет собой дообученную версию facebook/wav2vec2-xls-r-300m для автоматического распознавания речи на каракалпакском языке. Это модель архитектуры Wav2Vec2ForCTC на PyTorch; размер составляет 402,7 млн параметров. Она принимает аудио и преобразует речь в текст, в том числе подходит для расшифровки каракалпакских записей. В README указаны частота дискретизации 16 кГц и результаты проверки на 504 примерах: WER 21,21% и CER 4,34%. Модель распространяется по лицензии Apache-2.0.

tettoewai/whisper-burmese-myanify — модель распознавания речи на архитектуре Whisper, разработанная на основе дообучения tettoewai/whisper-burmese-myanify. Она предназначена для преобразования аудио в текст; заявленная оценка на наборе для проверки: loss 0,4011 и CER 0,5333. Модель содержит 153,1 млн параметров, использует библиотеку Transformers и представлена в формате safetensors. Карточка не сообщает состав обучающих данных и подробности применения. По названию модель ориентирована на бирманский язык, однако конкретные языковые характеристики не описаны. Условия лицензии в предоставленных данных отсутствуют.

svogunas/whisper-large-v3-turbo-lt — модель распознавания речи на литовском языке, дообученная на корпусе LIEPA-3 на основе openai/whisper-large-v3-turbo. Это плотная encoder-decoder-модель семейства Whisper с 905,2 млн параметров, принимающая аудио и выдающая текст; для работы используется библиотека Transformers. По указанным в карточке тестам модель снижает WER относительно базовой модели на наборах FLEURS-lt и Common Voice 17 lt, хотя качество на данных вне обучения может отличаться. Модель предназначена для транскрибации литовской речи в аудио и не выдаёт временные метки, поэтому её нельзя напрямую использовать для сегментации по времени, субтитров или выравнивания слов. Текст транскрипции формируется строчными буквами без пунктуации из-за особенностей обучающих меток; для восстановления регистра и пунктуации потребуется отдельная обработка. Лицензия — CC BY 4.0.

Whisper Small Swahili — модель распознавания речи, полученная дообучением openai/whisper-small на подмножестве Common Voice 11.0 для суахили. Она принимает аудио и генерирует текстовую транскрипцию; архитектура — WhisperForConditionalGeneration, размер — 153,1 млн параметров. В оценке на тестовом наборе указаны loss 0,5597 и WER 27,6211. Модель подходит для транскрибирования записей и голосовых сообщений на суахили. Карточка не описывает дополнительные сценарии или языки дообучения. Опубликована в форматах PyTorch и Safetensors под лицензией Apache-2.0.

Yo-ByT5 — модель Ахмада Самуэля Гали для восстановления диакритических знаков в тексте на языке йоруба. Она дообучена на базе байтовой модели google/byt5-small архитектуры T5 и содержит 364,6 млн параметров. Модель принимает текст без диакритики и восстанавливает тоновые знаки и подточки, включая ẹ, ọ и ṣ. Модель предназначена для автоматической нормализации йоруба: например, для подготовки текстов, где знаки были утрачены при вводе или обработке. В тесте YAD на 3330 предложениях автор сообщает общий уровень ошибок восстановления 10,00% при жадном декодировании на исправленной версии эталона. Лицензия модели — Apache 2.0. Для обработки рекомендуется нормализация Unicode NFC. Входы длиннее 1024 байт следует разбивать на части по границам предложений или клауз. Обучающие данные включают MENYO-20k и текст современной Библии на йоруба; для этих данных указаны лицензии CC BY-NC 4.0 и CC BY-SA соответственно.

Модель computeram/badini-w2v-bert — акустическая модель автоматического распознавания речи на бадинском курдском, разновидности курманджи, записываемой арабским письмом. Она разработана на основе facebook/w2v-bert-2.0 и дообучена с CTC-головой для транскрибирования речи. Модель принимает монофоническое аудио с частотой дискретизации 16 кГц и выдаёт текстовую последовательность после CTC-декодирования. Она содержит около 402,7 млн параметров и предназначена для распознавания речи на малоресурсном языке. Репозиторий включает только акустическую модель: восстановление пунктуации, преобразование чисел в слова, нормализация символов и исправление вариантов слов выполняются отдельным последующим конвейером. Для получения нормализованных транскриптов требуется такая постобработка. Лицензия — MIT.

Модель yacht/byt5-base-en2th-transliterator, разработанная yacht, предназначена для фонетической передачи английских слов тайским письмом. Это дообученная для транслитерации англо-тайских пар модель ByT5 на базе архитектуры T5 типа sequence-to-sequence; она работает с последовательностями байтов UTF-8. В репозитории указано 595,1 млн параметров, доступны веса safetensors и поддерживается инференс в FP16. Модель подходит для транслитерации английских имён, географических названий, терминов и других слов на тайский, а также для учебных и доступностных сценариев. Она передаёт звучание, а не переводит смысл. Обучение использовало объединённые наборы англо-тайских пар из нескольких источников, включая имена и специализированную лексику. Лицензия MIT разрешает коммерческое использование. Качество зависит от фонетической сложности слова и покрытия обучающими данными: модель может ошибаться на редких или сложных словах и отдельных сочетаниях звуков. В карточке приведены accuracy 0,7831 и character error rate 0,0591; примеры ошибок показывают, что даже распространённые слова могут получить неточную запись.

Erya — модель RUCAIBox для преобразования классического китайского языка в современный китайский. Она использует архитектуру encoder–decoder семейства BART и обучалась на текстах обоих периодов с применением методов DMLM и DAS. Модель предназначена для перевода исторических китайских текстов на современный китайский; её можно дополнительно дообучать на датасете Erya для повышения качества. Размер модели — 152,6 млн параметров, максимальная длина контекста — 1024 токена. Распространяется в формате PyTorch по лицензии Apache-2.0.

Khalsuu/filipino-wav2vec2-l-xls-r-300m-official — модель распознавания речи, созданная дообучением facebook/wav2vec2-xls-r-300m на наборе данных filipino_voice. Она использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров. Модель предназначена для преобразования аудиозаписей на филиппинском языке в текст. В карточке приведены результаты оценки на тестовой выборке: loss 0,4672 и WER 0,2922. Указана лицензия Apache-2.0. Описание не содержит сведений о дополнительных сценариях использования или других языках.

Horus Hiero 9B — многоязычная модель TokenAI для понимания древнеегипетских иероглифов и перевода их на современные языки. Она основана на архитектуре Qwen3.5 и, согласно метаданным, содержит 7,2 млрд параметров; поддерживает чат, а карточка заявляет работу со 150 языками и иероглифами. Модель предназначена для перевода иероглифических текстов, а также для многоязычных сценариев с длинным контекстом. В метаданных указаны задачи генерации текста и преобразования изображений в текст, библиотека Transformers и контекст до 524 288 токенов. README также заявляет поддержку изображений и видео на входе, но это не подтверждается метаданными. В репозитории указаны веса Safetensors; README сообщает о наличии отдельных GGUF-квантованных вариантов, но не устанавливает их связь с данным репозиторием. Лицензия в предоставленных сведениях не указана. Заявленные результаты бенчмарков приведены в README без подробностей о методике оценки.

yujuyeon/internvl3_5-1b-balanced — мультимодальная модель семейства InternVL3.5, дообученная автором yujuyeon на базе OpenGVLab/InternVL3_5-1B-Pretrained методом полного fine-tuning. Она предназначена для диалоговых задач с изображениями и текстом; обучение ориентировано на корейские мультимодальные данные и баланс корейского и английского языков. В обучающую смесь вошли 40 подмножеств, включая наборы для описания изображений и преобразования диаграмм в таблицы. Модель использует плотную архитектуру InternVLChatModel и загружается через Transformers. Метаданные указывают лицензию other. Карточка приводит динамику training loss, но не сообщает измерений качества на независимых тестах, поэтому эти значения сами по себе не подтверждают точность в практических сценариях.

MiniCPM5-1B-Twi — модель сообщества GhanaNLPCommunity, адаптированная для генерации на языке тви (акан) на основе openbmb/MiniCPM5-1B. Она предназначена для связных ответов и диалогов на тви, включая вопросы и ответы по коротким фактам и текстовым фрагментам. Модель использует плотную Llama-архитектуру и содержит 846,8 млн параметров; доступна в формате safetensors и рассчитана на контекст до 131 072 токенов. Основной язык — тви с сохранённой поддержкой английского. Для тви расширили токенизатор, затем провели дополнительное предобучение и дообучение на примерах вопросов и ответов. Сильная сторона модели — беглая, идиоматичная генерация на тви с корректной орфографией ганских букв ɛ и ɔ. Это экспериментальная версия, ориентированная прежде всего на беглость: фактические ответы могут быть неверными, длинные ответы могут отклоняться от темы, а навыки рассуждения и математики слабы. При генерации следует использовать sampling и штраф за повторы; жадное декодирование может приводить к циклам повторения. В обучающих данных были машинные переводы, поэтому возможен неестественный стиль перевода. Лицензия — Apache-2.0.

facebook/mms-tts-qvm — модель синтеза речи на языке кечуа региона Маргос-Яровилька-Лаурикоча, разработанная Meta в рамках проекта Massively Multilingual Speech (MMS). Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текстов на этом варианте кечуа. Модель использует архитектуру VITS: это сквозная система синтеза речи с вариационным автоэнкодером, потоковым модулем, предсказателем длительности и декодером HiFi-GAN-подобного типа. Размер модели — 3,5 млн параметров. Для разных языков MMS обучает отдельные контрольные точки; генерация стохастическая, поэтому для повторяемого результата требуется фиксированное начальное значение генератора случайных чисел. Модель доступна через библиотеку Transformers версии 4.33 и новее. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Darayut/netra-nmt-small-diffusion — экспериментальная модель машинного перевода на основе дискретной диффузии, разработанная в рамках проекта netra-nmt. Она использует вариант декодера без авторегрессионной генерации: перевод строится параллельно с фиксированными вычислительными затратами, что предназначено для ускорения декодирования на CPU. Модель имеет архитектуру encoder-decoder примерно на 90 млн параметров и использует токенизатор SentencePiece на 32 тыс. токенов. Модель рассчитана на перевод между кхмерским и английским языками. README отмечает компромисс: качество перевода ниже, чем у авторегрессионной версии netra-nmt, зато декодирование выполняется параллельно. Веса опубликованы в формате safetensors с точностью fp16; лицензия — MIT.

NLLB-200 distilled 600M — модель машинного перевода, разработанная командой NLLB. Это версия архитектуры M2M-100 с 463,7 млн параметров, доступная в формате PyTorch. Модель предназначена для перевода отдельных предложений между 200 языками, в том числе языками с ограниченными обучающими данными; контекст составляет до 1024 токенов, хотя при обучении использовались последовательности не длиннее 512 токенов. Модель подходит для исследовательских задач машинного перевода и переводов общетематических текстов. Она оценивалась на FLORES-200 с метриками BLEU, spBLEU и chrF++, а также с человеческой оценкой. Карточка указывает на ограниченную проверку за пределами домена Wikimedia и предупреждает о возможных ошибках перевода. Модель не предназначена для производственного развертывания, специализированных медицинских и юридических текстов, перевода документов или сертифицированных переводов. Лицензия — CC-BY-NC-4.0.

Модель dsfsi/nllb_200_distilled_600m-amh-eng — дообученная версия facebook/nllb-200-distilled-600M из проекта AfriScience-MT для машинного перевода научных текстов с амхарского на английский. Она построена на архитектуре M2M100 с последовательной обработкой входа и генерацией перевода; содержит 463,7 млн параметров и рассчитана на контекст до 1024 токенов. В README указано ограничение входа в 256 токенов, поэтому более длинные тексты рекомендуется делить на фрагменты. Модель предназначена прежде всего для перевода научных аннотаций и статей. На тестовом наборе AfriScience-MT указаны BLEU 36,13, chrF 60,12 и SSA-COMET 67,58. Она может хуже работать с разговорным и неформальным текстом; заявлена поддержка только направления амхарский → английский. Лицензия — Apache-2.0.

WindyTranslate/translate-en-guw — модель машинного перевода от Windstorm Labs, дообученная на базе Helsinki-NLP/opus-mt-en-guw. Она переводит текст с английского языка на гу́н. Модель построена на архитектуре MarianMT, содержит 51,9 млн параметров и рассчитана на контекст до 512 токенов. Веса изменены с помощью LoRA-дообучения на параллельном корпусе, после чего адаптер объединён с базовыми весами. Репозиторий содержит сборку Transformers в формате safetensors; лицензия — Apache-2.0. Модель подходит для перевода коротких текстов с английского на гу́н в приложениях и исследовательских сценариях. Качество перевода пока не оценено: проверка подтвердила язык вывода, но не точность перевода. Модель поддерживает только направление en→guw.

WindyTranslate/translate-es-aed — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная и слитая с базовыми весами модель Helsinki-NLP/opus-mt-es-aed на архитектуре Marian; в репозитории указано изменение 36 из 254 тензоров. Модель принимает испанский текст и переводит его на язык, обозначенный кодом aed. Модель предназначена для перевода в направлении es→aed. Она содержит 37,3 млн параметров, рассчитана на контекст до 512 токенов и распространяется в формате safetensors для Transformers. Лицензия — Apache-2.0. Качество перевода не оценивалось бенчмарками, поэтому пригодность модели для конкретных текстов следует проверять отдельно. Поддерживается только одно направление перевода.

WindyTranslate/translate-es-to — модель машинного перевода, опубликованная Windstorm Labs. Она дообучена на параллельных данных поверх Helsinki-NLP/opus-mt-es-to: LoRA-адаптер объединён с базовыми весами. Модель построена на архитектуре Marian и содержит 55,4 млн параметров; репозиторий предоставляет веса в формате safetensors для Transformers. Модель переводит текст с испанского на язык, обозначенный кодом «to», с контекстом до 512 токенов. Модель предназначена для перевода текста в одном направлении. Качество перевода не оценивалось; факт изменения весов подтверждает происхождение модели, но сам по себе не говорит о качестве результата. Лицензия — Apache-2.0.

UnimeType Transliteration-4B-Safetensors — текстовая модель UnimeType для преобразования сообщений, набранных латиницей, в китайское, японское, хинди- или арабское письмо. Она основана на дообученной плотной Qwen3.5-4B с архитектурой Qwen3_5ForCausalLM; содержит 3,4 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов. Этот выпуск содержит веса Safetensors и токенизатор. Модель предназначена для преобразования пиньиня, ромадзи, романизированного хинди, Hinglish и Arabizi. Английские слова, ссылки, код, числа и знаки пунктуации рассчитаны на сохранение на месте, но оно не гарантируется. Для Safetensors-выпуска нет оценки точности на полном наборе тестов; известны ошибки на неоднозначных коротких английских фразах, при выборе арабских диалектных форм и написания, а также при сохранении японской пунктуации и эмодзи. Перед использованием результата следует проверять ссылки, код, числа, пунктуацию и переносы строк. Лицензия — Apache-2.0.

Модель pragyaranjan/w2v-bert-2.0-mongolian-colab-CV16.0 — дообученная на Common Voice 16.0 модель распознавания речи на основе facebook/w2v-bert-2.0. Она использует архитектуру Wav2Vec2-BERT и предназначена для преобразования монгольской речи в текст. Модель содержит около 402,7 млн параметров и доступна в формате Safetensors для библиотеки Transformers. На оценочном наборе указаны Loss 1,0032 и WER 0,3466. Эти результаты характеризуют только приведённую оценку и не гарантируют аналогичного качества на других данных. Модель распространяется по лицензии MIT.

AlienKevin/whisper-base-jyutping-without-tones-full — дообученная модель OpenAI Whisper Base для распознавания речи. Она обучена на наборе Common Voice 14.0 и настроена на вывод Jyutping без тоновых обозначений. Модель содержит 51,7 млн параметров и принимает аудио, выдавая текстовую транскрипцию. Модель предназначена для распознавания кантонской речи и записи её произношения латиницей в Jyutping без тонов. В README приведены результаты на оценочном наборе: loss 0,0907 и WER 9,6974. Распространяется по лицензии Apache-2.0.

Модель разработана Amine Ouakib и представляет собой дообученную версию OpenAI Whisper medium для автоматического распознавания речи на марокканском диалекте арабского языка — дариже. Это плотная encoder-decoder модель Whisper с 455,8 млн параметров; она принимает аудио и выдаёт текстовую расшифровку. Для обучения использовались объединённые публичные наборы данных с марокканской речью; аудиофрагменты длиной более 15 секунд отфильтровывались. В README сообщаются итоговые показатели WER 3,46% и CER 1,35%, однако описание тестового набора и методики оценки не приведено, поэтому результаты нельзя напрямую переносить на другие аудиозаписи. Модель предназначена для транскрибации дарижи и может быть полезна для обработки разговорной речи, включая аудио ресторанной тематики. Лицензия — Apache-2.0.

whisper-medium-myanmar — модель распознавания речи на основе Whisper medium от OpenAI, дообученная автором репозитория на наборе chuuhtetnaing/myanmar-speech-dataset-openslr-80. Она преобразует аудиозаписи на бирманском языке в текст и предназначена для автоматической транскрипции речи. Модель построена на архитектуре Whisper и содержит 455,8 млн параметров. В метаданных указан формат safetensors и библиотека Transformers. На оценочном наборе автор сообщает loss 0,2282 и WER 49,4657; это указывает на заметные ошибки распознавания, поэтому качество следует проверять на целевых аудиозаписях. Лицензия — Apache-2.0.

Это дообученная модель распознавания речи Whisper Small, созданная в рамках проекта Olu Igbo для транскрибирования речи на игбо. Она основана на openai/whisper-small и дообучена на данных FLEURS, Nigerian Common Voice и примерно 25 тысячах аудиозаписей корпуса NaijaVoices. Модель содержит 153,1 млн параметров и предназначена в том числе для автономной работы на Android-телефонах среднего уровня; для экспорта и запуска на устройстве доступны файлы ONNX, также репозиторий содержит веса Safetensors. На тестовой выборке FLEURS для игбо указана WER 41,95% против 68,95% у исходной модели без дообучения. Поскольку игбо отсутствует среди языков Whisper, при обучении и распознавании используется токен языка йоруба как прокси. Модель лучше справляется с короткими и чёткими высказываниями; в живой записи и длинной сложной речи возможны ошибки, незавершённая транскрипция и повторения. Слабые места — заимствованные слова, имена и числа. Лицензия CC BY-NC-SA 4.0 разрешает использование на условиях указания авторства, распространения производных материалов на той же лицензии и ограничений на коммерческое применение.

tahaalselwii разработал whisper-small-yemeni — модель распознавания речи на базе Whisper encoder-decoder Transformer, дообученную на арабской речи йеменского диалекта. Она предназначена для транскрибирования аудио с йеменской арабской речью; опубликована для работы с Hugging Face Transformers и хранится в формате safetensors. При оценке на пользовательском тестовом разбиении из 160 примеров модель показала WER 63,49% против 84,32% у базовой openai/whisper-small. Обучение использовало 1 284 примера из йеменской части датасета UBC-NLP/Casablanca. Результаты предварительные: ограниченный объём данных и тестовая выборка не позволяют уверенно судить о качестве на новых говорящих и в других условиях записи. Лицензия указана как other, конкретные условия в доступных сведениях не раскрыты.

aneuraz/awesome-align-with-co — модель на основе BERT из проекта AWESOME, предназначенная для выравнивания слов в параллельных текстах. Она использует представления многоязычного BERT, дообученные на параллельных корпусах, чтобы находить соответствия между словами в предложениях на разных языках. Модель содержит 205,1 млн параметров, принимает текстовые последовательности с контекстом до 512 токенов и распространяется в формате PyTorch. Модель подходит для извлечения словесных выравниваний в параллельных корпусах, например для подготовки двуязычных данных и анализа соответствий между переводами. В метаданных указаны немецкий, французский, английский, румынский и китайский языки. Лицензия — BSD-3-Clause. Хотя основная задача проекта — выравнивание слов, карточка Hugging Face и pipeline_tag классифицируют модель как fill-mask; это не обычная модель генерации текста.