I.6Перевод и языковая адаптация

Карточка модели NiuTrans/LMT-60-0.6B-Base 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.

Карточка модели NiuTrans/LMT-60-1.7B 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.

Карточка модели qwerfcds/LMT-60-1.7B 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.

Карточка модели NiuTrans/LMT-60-1.7B-Base 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.

Карточка модели NiuTrans/LMT-60-4B-Base 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.

Карточка модели NiuTrans/LMT-60-8B 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.

Карточка модели NiuTrans/LMT-60-8B-Base 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.

M2M100 418M — мультиязычная модель последовательность-в-последовательность с архитектурой encoder-decoder, разработанная Meta и представленная в исследовательской работе. Она предназначена для прямого машинного перевода между 100 языками по 9 900 направлениям; при генерации целевой язык задаётся специальным токеном в начале последовательности. Модель содержит 332,5 млн параметров, принимает текст и генерирует текст, обучена для перевода без необходимости переводить через английский язык. Поддерживает 100 языков, включая русский и английский; длина контекста — 1024 токена. Подходит для перевода текстов между поддерживаемыми языками и интеграции в приложения машинного перевода. Опубликована в формате PyTorch и распространяется по лицензии MIT. Качество может различаться между языковыми парами; модель предназначена для перевода, поэтому её не следует рассматривать как универсального чат-ассистента.

Magiq Translator 0 — языковой адаптер архитектуры Magiq3, разработанный MAIA для перевода между английским, французским и итальянским языками с сохранением исходного смысла и культурных нюансов. Модель предназначена для многоязычного общения и устранения языковых барьеров. Это дообученная плотная модель Mistral на 7,1 млрд параметров с архитектурой MistralForCausalLM. Она принимает текст и генерирует текст; максимальная длина контекста составляет 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

sephinroth/marian-finetuned-kftt-ja-to-en — модель машинного перевода на архитектуре MarianMT, дообученная на наборе данных KFTT на основе Helsinki-NLP/opus-mt-ja-en. Она предназначена для перевода текста с японского на английский. Модель содержит 56,3 млн параметров и имеет контекст до 512 токенов. На оценочном наборе указаны Loss 1,9551 и BLEU 19,686. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

mT5-large — многоязычная модель Google на архитектуре T5 для преобразования текста в текст. Она содержит около 608,4 млн параметров и предварительно обучена на корпусе mC4, охватывающем 101 язык. Для выполнения прикладных задач модель необходимо дообучить на соответствующих данных. Модель предназначена как основа для последующей настройки под задачи генерации и преобразования текста, например перевода, суммаризации и ответов на вопросы. Она поддерживает многоязычные сценарии; среди языков корпуса есть русский и английский. В репозитории доступны веса PyTorch, TensorFlow и Flax. Лицензия — Apache-2.0.

MultiSlav multislav-5lang — модель машинного перевода, разработанная командой MLR @ Allegro совместно с Laniqo.com. Это encoder-decoder модель MarianMTModel на архитектуре Marian с конфигурацией Transformer-big; в метаданных указано 182,6 млн параметров, а README приводит размер 258 млн. Модель переводит между чешским, английским, польским, словацким и словенским языками. Для генерации нужно указать целевой язык специальным токеном; поддерживаются направления между всеми пятью языками. Контекст модели — до 1024 токенов. Модель обучена на 578 млн примеров из открытых параллельных корпусов и оценивалась на Flores200. Она предназначена для многоязычного перевода, в том числе между славянскими языками; авторы сообщают об улучшении относительно двунаправленных и pivot-базовых моделей в большинстве направлений. Возможны ошибки и смещения, особенно при переводе с английского на славянские языки, где требуется передать грамматический род; авторы рекомендуют проверять качество и смещения для конкретной области. Лицензия CC BY 4.0 допускает коммерческое использование.

Модель Anonym-050326/nirukti-translate-1.3b — дообученная модель перевода для английского и 55 индийских языков, включая 33 языка с ограниченными ресурсами. Она переводит в обоих направлениях: с английского на поддерживаемый индийский язык и обратно. Архитектура — encoder-decoder на основе M2M-100; в карточке указано 665 млн параметров, а README заявляет 1,3 млрд, поэтому размер модели по источникам расходится. Контекст — 1024 токена; репозиторий содержит веса Safetensors. Модель предназначена для перевода региональных языков, в том числе в сценариях с малым объёмом обучающих данных. При дообучении использовались LoRA-адаптеры, объединённые с базовыми весами, и расширенный словарь. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерчески.

Lahad дообучил модель Meta NLLB-200 Distilled 600M для перевода между французским и волофом. Это последовательная модель перевода на архитектуре M2M100; в метаданных указано 463,7 млн параметров и контекст до 1024 токенов, тогда как README сообщает об ограничении в 128 токенов. При обработке входа используются языковые коды fr_Latn и wol_Latn. Модель предназначена для перевода текстов, локализации материалов, помощи в изучении языков и общения между носителями французского и волофа. README указывает, что обучение проводилось на параллельных данных французского и волофа. Для коммерческого использования README приводит лицензию CC-BY-NC-4.0, а метаданные Hugging Face — MIT; проверьте условия лицензии в самом репозитории перед использованием. Модель может хуже справляться с региональными вариантами волофа, культурными нюансами, разговорной лексикой и специализированными текстами. Для важных переводов рекомендуется проверка человеком; модель не предназначена для перевода речи в реальном времени.

Helsinki-NLP/opus-mt-af-es — модель машинного перевода Afrikaans в испанский из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer-align и реализованная как MarianMTModel. Модель содержит 56 млн параметров, использует нормализацию и SentencePiece с словарями по 32 тыс. токенов; максимальный контекст — 512 токенов. Модель предназначена для перевода текстов с африкаанс на испанский. В README приведён результат на тестовом наборе Tatoeba-test.afr.spa: BLEU 49,9 и chr-F 0,680. Доступны веса PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-ar-de — модель машинного перевода арабского языка на немецкий из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer и реализованная как MarianMT. Модель содержит 57,5 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Для предобработки используются нормализация и SentencePiece с словарями spm32k; поддерживаются арабский текст, включая несколько его диалектных и латинских вариантов, и немецкий язык. Модель подходит для перевода отдельных фраз и текстов с арабского на немецкий. В карточке приведён результат на тестовом наборе Tatoeba: BLEU 44,7 и chr-F 0,629. Репозиторий содержит веса PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-bg-it — модель машинного перевода проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с болгарского на итальянский и предназначена для перевода отдельных фраз и текстов в приложениях и рабочих процессах локализации. Модель основана на архитектуре Transformer и реализована как MarianMTModel; содержит 56,6 млн параметров. Для предобработки используются нормализация и SentencePiece с моделями токенизации spm32k. Нативная длина контекста — 512 токенов. В тесте Tatoeba для направления болгарский–итальянский указаны BLEU 43,1 и chr-F 0,653. Модель работает с болгарским входным текстом и выдаёт итальянский перевод. Лицензия — Apache-2.0. Качество на конкретных текстах может отличаться от приведённых тестовых оценок; сведения о других направлениях перевода в карточке не заявлены.

Helsinki-NLP/opus-mt-ca-es — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с каталанского языка на испанский и подходит для перевода отдельных фраз и документов. Модель основана на архитектуре Marian Transformer с выравниванием, содержит 50,6 млн параметров и использует нормализацию текста и токенизацию SentencePiece. Максимальная длина контекста — 512 токенов. Для обучения использовались данные OPUS. В карточке приведены результаты на тестовом наборе Tatoeba.ca.es: BLEU 74,9 и chr-F 0,863. Модель доступна в форматах PyTorch и TensorFlow по лицензии Apache-2.0. Она предназначена для направления ca→es; качество перевода в других языковых направлениях не подтверждено.

Карточка модели mijuanlo/opus-mt-ca-es на Hugging Face совпадает с карточкой Helsinki-NLP/opus-mt-ca-es, поэтому описание составлено по ней. Helsinki-NLP/opus-mt-ca-es — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с каталанского языка на испанский и подходит для перевода отдельных фраз и документов. Модель основана на архитектуре Marian Transformer с выравниванием, содержит 50,6 млн параметров и использует нормализацию текста и токенизацию SentencePiece. Максимальная длина контекста — 512 токенов. Для обучения использовались данные OPUS. В карточке приведены результаты на тестовом наборе Tatoeba.ca.es: BLEU 74,9 и chr-F 0,863. Модель доступна в форматах PyTorch и TensorFlow по лицензии Apache-2.0. Она предназначена для направления ca→es; качество перевода в других языковых направлениях не подтверждено.

Helsinki-NLP/opus-mt-ca-nl — модель машинного перевода из коллекции OPUS-MT, опубликованной Helsinki-NLP. Она переводит текст с каталанского языка на нидерландский; модель построена на архитектуре MarianMT и содержит 36,4 млн параметров. Для подготовки текста используются нормализация и SentencePiece с моделями словаря spm12k. Указанная длина контекста — 512 токенов. Модель подходит для перевода отдельных фраз и текстов, а также для локализации и обработки каталанско-нидерландских текстовых данных. В тесте Tatoeba для этой языковой пары указаны BLEU 45,1 и chr-F 0,632. Модель специализирована на одном направлении перевода и не предназначена для перевода с нидерландского на каталанский. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-cs-fi — модель машинного перевода с чешского языка на финский, разработанная в рамках проекта OPUS и опубликованная организацией Helsinki-NLP. Это плотная модель семейства Marian на архитектуре Transformer, обученная на данных OPUS; в предобработке применяются нормализация текста и SentencePiece. Модель содержит 55,4 млн параметров, поддерживает перевод текста с чешского на финский и имеет контекстное окно до 512 токенов. Модель предназначена для автоматического перевода отдельных текстов и интеграции в системы локализации и многоязычной обработки документов. В README приведены результаты на тестовом наборе JW300.cs.fi: BLEU 25,5 и chr-F 0,523. Веса доступны в форматах PyTorch и TensorFlow; лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-da-en — модель машинного перевода из семейства Marian, построенная на архитектуре Transformer. Она переводит текст с датского языка на английский и обучена на данных OPUS; предварительная обработка включает нормализацию и SentencePiece. Модель содержит 55,3 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. В тесте Tatoeba.da.en указаны оценки BLEU 63,6 и chr-F 0,769. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-de-ee — модель машинного перевода из семейства MarianMT, разработанная проектом OPUS-MT. Она переводит текст с немецкого языка на эстонский; модель построена на архитектуре Transformer-align, использует нормализацию и токенизацию SentencePiece и содержит 56,1 млн параметров. Для набора JW300.de.ee в карточке приведены оценки 24,6 BLEU и 0,463 chr-F. Модель подходит для перевода немецких текстов на эстонский в приложениях и пакетной обработке. Лицензия Apache-2.0 допускает использование на её условиях. Контекст ограничен 512 токенами; качество может зависеть от тематики и формулировок исходного текста.

Helsinki-NLP/opus-mt-de-hr — модель машинного перевода из немецкого языка на хорватский, разработанная проектом OPUS и опубликованная Helsinki-NLP. Она построена на архитектуре Marian Transformer и обучена на данных OPUS; предварительная обработка включает нормализацию текста и SentencePiece. Модель содержит 55,2 млн параметров и рассчитана на контекст до 512 токенов. Модель подходит для перевода предложений и текстовых фрагментов с немецкого на хорватский. В README приведены результаты на наборе Tatoeba.de.hr: BLEU 42,6 и chr-F 0,643. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия Apache-2.0.

Helsinki-NLP/opus-mt-de-nl — модель машинного перевода из семейства Marian, разработанная проектом OPUS. Она переводит текст с немецкого языка на нидерландский. Модель построена на архитектуре Transformer-align, содержит 54,6 млн параметров и использует нормализацию и SentencePiece для предварительной обработки текста. Нативная длина контекста составляет 512 токенов. В карточке приведён результат BLEU 52,8 и chr-F 0,699 на тесте Tatoeba.de.nl. Модель предназначена для перевода немецких фраз и текстов; указана лицензия Apache-2.0.

Helsinki-NLP/opus-mt-de-nso — модель машинного перевода из проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с немецкого языка на северный сото (сепеди, nso) и предназначена для перевода отдельных текстов и интеграции в приложения перевода. Модель построена на архитектуре MarianMT с трансформерным кодировщиком-декодировщиком; содержит 56,1 млн параметров и поддерживает контекст до 512 токенов. Веса доступны в форматах PyTorch и TensorFlow. В README указаны нормализация текста и токенизация SentencePiece; на тестовом наборе JW300.de.nso приведены оценки BLEU 31,1 и chr-F 0,519. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-en-af — модель машинного перевода семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре MarianMT. Она переводит текст с английского языка на африкаанс и обучена на данных OPUS; в предобработке используются нормализация текста и SentencePiece. Модель содержит 54,6 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель подходит для перевода предложений и текстовых фрагментов с английского на африкаанс. В карточке приведён результат BLEU 56,1 и chr-F 0,741 на тестовом наборе Tatoeba.en.af. Лицензия — Apache-2.0. Результаты перевода могут зависеть от тематики и формулировок исходного текста; заявленное направление перевода — только английский → африкаанс.

Модель Helsinki-NLP/opus-mt-en-de разработана группой Language Technology Research Group Хельсинкского университета для машинного перевода с английского на немецкий. Это плотная модель семейства MarianMT примерно на 54,9 млн параметров; она принимает текст и выдаёт перевод, используя предобработку с нормализацией и SentencePiece. Указанная длина контекста — 512 токенов. Модель предназначена для перевода предложений и текстовых фрагментов с английского языка на немецкий. В README приведены результаты на нескольких новостных тестовых наборах: BLEU 22,3–23,5 и chr-F 0,529–0,540. Разработчики отмечают возможные смещения и риск воспроизведения стереотипов. Модель распространяется по лицензии CC-BY-4.0.

Helsinki-NLP/opus-mt-en-ee — модель машинного перевода семейства Marian, разработанная в рамках проекта OPUS. Она переводит текст с английского языка на эстонский. Модель построена на архитектуре Transformer, содержит 54,6 млн параметров и рассчитана на контекст до 512 токенов; для предобработки используются нормализация и SentencePiece. Модель подходит для перевода текстов и предложений с английского на эстонский, в том числе материалов, похожих на данные JW300 и Tatoeba. В README приведены оценки BLEU 38,2 на JW300.en.ee и 6,0 на Tatoeba.en.ee, поэтому качество зависит от тематики и типа текста. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-en-fi — модель машинного перевода с английского на финский, опубликованная в рамках проекта OPUS. Это Transformer-модель семейства MarianMT с 58,4 млн параметров; для обработки текста используются нормализация и SentencePiece. Модель обучена на данных opus+bt-news и рассчитана на перевод предложений с английского языка на финский. В README приведены результаты на тестовом наборе newstest2019-enfi: BLEU 25,7 и chr-F 0,578. Модель доступна в форматах PyTorch и TensorFlow, лицензия — Apache-2.0. Указанное нативное окно контекста — 512 токенов.