I.7Речь, диалоги и встречи

RicardoLee/Llama2-base-13B-Chinese-50W-LoRA — китайская разговорная модель на основе Llama 2 Base 13B, созданная автором репозитория с помощью дообучения LoRA на 500 тысячах примеров SFT, отобранных из проекта BELLE. Параметры LoRA объединены с базовой моделью и доступны в виде весов PyTorch; отдельно сохранён вариант адаптера для ручного объединения. Модель предназначена для диалогов и ответов на вопросы на китайском языке, в том числе когда важно, чтобы ответы на запросы по-китайски оставались на китайском. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров и контекстом 2048 токенов. В карточке также отмечены китайский и английский языки. README не сообщает лицензию. Модель обучена на ограниченном наборе из 500 тысяч примеров, поэтому качество за пределами китайских диалогов и ответов на вопросы не установлено.

RochatAI/llama3-8B-cn-rochat-v1 — плотная языковая модель семейства Llama 3, разработанная RochatAI на основе hfl/llama-3-chinese-8b-instruct-v3. Модель содержит 7,5 млрд параметров и предназначена для генерации текста в диалоговом формате, с особой настройкой для ролевых сценариев на китайском языке. Модель обучена методом supervised fine-tuning на внутренних наборах диалогов и инструкций, затем прошла два этапа DPO-обучения для специальных случаев. Контекст составляет 8192 токена. Модель принимает текстовые запросы и генерирует текст; карточка указывает шаблон Llama-3-Instruct и возможность чата. Условия использования определяются лицензией Apache-2.0. README рекомендует настройки с temperature 0.98, top_p 0.37, top_k 100 и repetition_penalty 1.18; качество и поведение в конкретных ролевых сценариях могут зависеть от промпта и параметров генерации.

Это диалоговая языковая модель семейства Llama, дообученная разработчиком yzhuang на наборе данных generator на основе meta-llama/Meta-Llama-3-8B-Instruct. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; контекст составляет 8192 токена. Репозиторий содержит веса в формате safetensors. Модель можно применять для генерации ответов и ведения диалога. Название указывает на специализацию fictional arc Chinese, однако README не раскрывает состав обучения, целевые сценарии или подтверждённый уровень поддержки китайского языка. Лицензия указана как other, поэтому условия использования следует уточнять в карточке модели и у правообладателей базовой модели.

MiniMax M2-her — диалоговая большая языковая модель, разработанная MiniMax для ролевого общения, чатов от лица персонажей и выразительных многоходовых бесед. В карточке подчёркнуты диалоговый подход и стремление сохранять тон и характер персонажа в ходе разговора. Модель предназначена для интерактивных сценариев, где важны последовательный образ и живой диалог. Данных об архитектуре, размере, модальностях, поддерживаемых языках, длине контекста и лицензии в предоставленных источниках нет.

Mistral-Nemo-Prism-12B-v6 — экспериментальная диалоговая языковая модель автора nbeerbower, созданная дообучением Mahou-1.5-mistral-nemo-12B-lorablated на наборах Arkhaios-DPO и Purpura-DPO. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 12,1 млрд параметров; для обучения применялся ORPO в течение 10 эпох на восьми GPU A40, а ранг LoRA был увеличен с 16 до 128. Модель предназначена для генерации текста и диалогов, в том числе ролевого общения. Автор стремился уменьшить архаичную лексику и чрезмерно витиеватый стиль, сохранив отсутствие цензурных ограничений. Заявленное нативное окно контекста составляет 1 024 000 токенов. Репозиторий использует формат safetensors, библиотеку Transformers и лицензию Apache-2.0. Автор описывает релиз как эксперимент для демонстрации процесса обучения и не рекомендует ожидать готовности к промышленному применению. Оценки качества и подробные ограничения в карточке не приведены; характеристика «без цензуры» означает, что модель может выдавать нежелательный или неподходящий контент.

Это дообученная на базе fpadovani/ppt-nld_heavy_zipf_fix_zijn-100mb_seed3407 модель GPT-2, созданная fpadovani и обученная с помощью TRL. Она предназначена для генерации текста и ответов на короткие запросы в формате диалога. Модель использует архитектуру GPT2LMHeadModel, веса сохранены в формате safetensors, контекст ограничен 512 токенами. Модель можно применять для генерации продолжений текста и кратких ответов на вопросы. В карточке приведён пример ответа на вопрос с выбором между путешествием в прошлое и будущее. Данных о специализированной предметной области и поддерживаемых языках нет. Лицензия в предоставленных материалах не указана.

georgesung/open_llama_7b_qlora_uncensored — дообученная модель диалоговой генерации текста, созданная на основе OpenLLaMA-7B автором georgesung. Для обучения методом QLoRA использован набор Wizard-Vicuna 70k Unfiltered; обучение продолжалось одну эпоху. Модель рассчитана на диалоговый формат с метками HUMAN и RESPONSE и генерирует текстовые ответы на сообщения пользователя. Модель содержит 6,6 млрд параметров, использует плотную архитектуру семейства LLaMA и принимает текст, выдавая текст. Указанная длина контекста — 2048 токенов. Репозиторий содержит веса PyTorch и Safetensors. Модель ориентирована на неотфильтрованные диалоги; лицензия — Apache-2.0.

Модель maheshrawat18/Qwen3-8B-grpo-emotion-v7-merged разработана maheshrawat18 и представляет собой дообученную версию Qwen3-8B-grpo-emotion-v6-merged. Это плотная авторегрессионная модель Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалоговом режиме. Её контекст составляет до 40 960 токенов; в карточке указан английский язык. В README отмечено, что обучение проводилось с использованием Unsloth и было ускорено вдвое. Модель распространяется под лицензией Apache-2.0. Название семейства и базовой модели указывает на настройку для работы с эмоциями, однако карточка не описывает конкретные навыки, обучающие данные или результаты оценки, поэтому качество распознавания и выражения эмоций отдельно не подтверждено.

Remnant GLM4 32b — серия дообученных языковых моделей от Allura для ролевых диалогов и разговорного общения, включая сценарии SFW и NSFW. Модель основана на THUDM/GLM-4-32B-0414: это плотная авторегрессионная архитектура GLM-4 с 31,6 млрд параметров и контекстом до 32 768 токенов. Для работы используется библиотека Transformers; доступны веса Safetensors. Модель предназначена для генерации диалоговых ответов и отыгрыша персонажей. В метаданных также отмечен интерфейс вызова инструментов, но README не описывает соответствующие сценарии или качество этой функции. Рекомендуется шаблон чата GLM4; автор приводит настройки с температурой 1,0 и min_p 0,1. Модель поддерживает взрослые ролевые сценарии. Лицензия — Apache-2.0.

SiberianFRED-T5-XL — русскоязычная модель SiberiaSoft на архитектуре T5 с 870,1 млн параметров, обученная на SiberianDataset. Она принимает текстовые инструкции и может вести диалоги, играя заданные роли: заботливой жены, девушки, философа, токсичного ИИ или психолога. Модель предназначена для разговорных сценариев и генерации ответов по инструкциям; в карточке отмечено, что роли токсичного ИИ и психолога работают плохо. Модель устарела: автор рекомендует перейти на обновлённую версию. Доступна в форматах PyTorch и safetensors, лицензия MIT. Метаданные относят её к задачам генерации текста и указывают русский и английский языки.

fpadovani/tur-latn-10mb-ppt-Dp-100mb_seed455 — это дообученная модель генерации текста на основе goldfish-models/tur_latn_10mb. По карточке, модель обучена с использованием TRL и предназначена для продолжения диалога и генерации ответов на текстовые запросы; пример запуска использует Transformers и генерирует до 128 новых токенов. Модель основана на архитектуре GPT-2, использует веса Safetensors и имеет контекст длиной 512 токенов. В примере приведён запрос на английском языке, но заявленный набор поддерживаемых языков отсутствует, поэтому языковые возможности нельзя надёжно определить. Лицензия в доступных данных не указана.

Frank — англоязычная диалоговая модель на архитектуре Llama с 12,9 млрд параметров, разработанная ajibawa-2023 на базе Llama 2 от Meta. Она предназначена для развёрнутых бесед на широкие темы, включая политику, спорные вопросы и личный опыт. Модель дообучена на диалоговых данных, основанных на наборе ehartford/wizard_vicuna_70k_unfiltered, а также на синтетических разговорах; заявлено около 150 тысяч наборов диалогов и более 80 тысяч синтетических примеров. Контекст составляет 4096 токенов. Frank ориентирована на генерацию ответов в свободном разговорном стиле и имеет мало ограничительных механизмов. Это позволяет обсуждать чувствительные темы, но повышает вероятность вредных, нежелательных или недостоверных ответов. Веса доступны в формате PyTorch. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий на условиях, указанных лицензией.

Voice AI Interview — дообученная на структурированных парах вопросов и ответов для пробных собеседований причинная языковая модель на базе DistilGPT2. Её разработал rajatverma777 для проекта Voice AI Interview, где модель генерирует ответы интервьюера. Архитектура — GPT-2, класс GPT2LMHeadModel; модель принимает текст и генерирует текст, поддерживает английский язык, контекст составляет 1024 токена. Модель предназначена для генерации реплик и вопросов в симуляторах собеседований, в том числе в голосовом помощнике для пробных интервью. Карточка описывает дообучение на собственном структурированном наборе данных интервью, но не приводит оценок качества или деталей охвата профессий и типов интервью. Лицензия — Apache 2.0.

wavlm-bert-base-s-emotion-russian-resd — русскоязычная модель распознавания эмоций в речи, разработанная AniEmore. Она объединяет аудиобашню на базе WavLM/wav2vec2, дообученную для русского распознавания речи, с текстовым кодировщиком RuBERT и классифицирует аудиозапись вместе с её транскриптом по семи классам: гнев, отвращение, энтузиазм, страх, радость, нейтральное состояние и грусть. Модель содержит 493 млн параметров; для работы нужны монофонический аудиосигнал с частотой 16 кГц и текст высказывания. В README оценка macro-F1 на тестовой выборке RESD составляет 0,7368, но на спонтанной речи из подкастов — 0,0927, что указывает на заметное снижение качества вне обучающего распределения. Модель подходит для анализа эмоциональной окраски русской речи в коротких одноголосных записях, например при разметке датасетов или изучении разговоров. Она обучена на RESD, где речь постановочная и классы сбалансированы; на спонтанной речи может чрезмерно часто предсказывать эмоции вместо нейтрального класса. Поддерживаются только семь перечисленных классов и русский язык. Лицензия — MIT.

BlenderBot 400M Distill — компактная диалоговая модель семейства BlenderBot от Facebook AI, основанная на архитектуре BlenderbotForConditionalGeneration. Модель предназначена для открытого общения на английском языке и обучена на наборе Blended Skill Talk; версия Distill содержит 62,7 млн параметров и поддерживает контекст длиной до 128 токенов. Модель генерирует ответы в многоходовом диалоге, сочетая вопросы и ответы с поддержанием беседы. Она подходит для прототипов чат-ботов и исследовательских экспериментов с открытым диалогом. Доступны версии весов для PyTorch, TensorFlow и Flax. Модель распространяется по лицензии Apache-2.0. Как и другие открытые диалоговые модели, она может давать неуместные или фактически неверные ответы; карточка ссылается на исследование ограничений и ошибок моделей BlenderBot.

DigitalSoul-4B — разговорная модель семейства Llama от TroyDoesAI, предназначенная для генерации текста в формате чата. По карточке модели, она создана с помощью непрерывного обучения и абляции, чтобы снизить токсичность по сравнению с предыдущей версией и сделать поведение менее грубым; стиль ответов описан как «выбери своё приключение». Модель содержит 4,6 млрд параметров, имеет контекстное окно до 131 072 токенов и опубликована в формате safetensors. Модель подходит для диалогов и интерактивных сюжетов, где пользователь сам задаёт направление истории. Метаданные также указывают интерфейс вызова инструментов, но карточка не описывает его точные возможности. Лицензия — Artistic License 2.0. README не сообщает поддерживаемые языки и не приводит количественных оценок качества.

DuplexJev-B-Para-Whisper-small-Qwen3-1.7B — компактная аудиотекстовая модель семейства Ultravox от adventists-ai для ответов на вопросы по речи и определения признаков говорящего. Она объединяет замороженный энкодер Whisper-small и замороженную языковую модель Qwen3-1.7B через обучаемый коннектор: последний слой энкодера обрабатывается стекированием кадров и проектором SwiGLU. Обучаемая часть содержит 29,4 млн параметров; модель использует архитектуру Ultravox и формат safetensors. Модель рассчитана на короткие решения по аудиофрагментам: spoken QA, распознавание пола и эмоций по голосу. Ответ выбирается по распределению над вариантами вопроса без генерации токенов, что позволяет оценивать несколько вопросов за один проход. В README приведены результаты на небольших тестовых наборах и задержка для одного события; модель не предназначена для открытых вопросов, требующих широких знаний. Поддерживаемые языки по метаданным — китайский и английский. Это слияние компонентов Whisper-small и Qwen3-1.7B; базовая языковая модель заморожена, а коннектор дообучен по рецепту DuplexJev. Лицензия — CC BY-NC 4.0, допускающая использование с ограничением на некоммерческое применение. Коннектор совместим только с указанными энкодером и языковой моделью.

FuseChat-3.2-1B-Creative-RP — объединённая текстовая чат-модель семейства Llama, созданная bunnycore с помощью mergekit из FuseAI/FuseChat-Llama-3.2-1B-Instruct и bunnycore/Llama-3.2-1B-Creative-Lora. Модель содержит 1,2 млрд параметров, использует архитектуру LlamaForCausalLM и рассчитана на контекст до 131 072 токенов. Доступна в формате safetensors для библиотеки Transformers. Модель предназначена для генерации диалоговых ответов и творческих ролевых сценариев. Базовая FuseChat-модель ориентирована на следование инструкциям и диалог; включение Creative LoRA указывает на настройку для творческого общения и ролевой игры. Доступные сведения не описывают отдельные тесты качества или ограничения по содержанию. Лицензия в предоставленных данных не указана.

francesca9805/heb-hebr-100mb-ppt-Dp-10mb-packed-bfdiso_seed10 — дообученная Francesca9805 модель семейства GPT-2, созданная на основе goldfish-models/heb_hebr_100mb с использованием TRL. Она предназначена для генерации текста; пример в карточке показывает ответ на открытый вопрос в диалоговом формате. Модель использует архитектуру GPT2LMHeadModel, веса опубликованы в формате safetensors, длина контекста составляет 512 токенов. Название базовой модели указывает на иврит, однако карточка не подтверждает явно языковой охват этой версии. Условия лицензии в предоставленных данных не описаны.

yanggangu/Llama-3.1-8B-Instruct-FT-MeetingBank — дообученная диалоговая языковая модель на архитектуре Llama 3.1, подготовленная как эксперт MeetingBank в работе SMAT: Simple and Efficient Merge-Aware Training. Модель основана на meta-llama/Llama-3.1-8B-Instruct и содержит 7,5 млрд параметров; она предназначена для генерации текста в формате диалога и экспериментального слияния с другими экспертами, сохраняя качество на целевой задаче MeetingBank. Модель принимает текст и генерирует текст. Метаданные указывают контекстное окно до 131 072 токенов и формат весов safetensors. Карточка не описывает конкретную задачу MeetingBank или результаты модели, поэтому её прикладную специализацию нельзя уточнить. Используются лицензия Llama 3.1 и соответствующая политика допустимого использования.

l3utterfly/minima-3b-layla-v2 — модель семейства Llama 2 с 2,9 млрд параметров, созданная l3utterfly при финансировании Layla Network. Это дообученная версия MiniMA-3B от GeneZC: для обучения использованы датасет Teatime Roleplay для продолжения текста и датасеты ShareGPT для многоходовых диалогов. Модель предназначена для текстовой генерации и служит базовой моделью офлайн-персонального помощника Layla. Модель принимает текст и генерирует текст на английском языке. Контекст составляет 4096 токенов. Указанная лицензия — Llama 2. Карточка не сообщает о специальных прикладных областях или дополнительных возможностях помимо генерации текста.

MoE Girl 1bA 7bT — разговорная модель, дообученная разработчиком Allura на базе разреженной MoE-модели OLMoE от AllenAI. Она предназначена прежде всего для ролевых диалогов и может использоваться для обычного общения. Модель принимает текст и генерирует текст; для диалогов рекомендуется формат ChatML. Архитектура — OLMoE с классом OlmoeForCausalLM; всего около 472,1 млн параметров, контекст — до 8192 токенов. Активно около 1 млрд параметров при 7 млрд общих параметров базовой модели; автор предупреждает, что качество не следует приравнивать к более крупным моделям. Репозиторий содержит веса safetensors, а README также упоминает квантизованные варианты GGUF. Лицензия — Apache-2.0. Язык исходной модели указан как английский; отдельные языковые возможности самой дообученной модели не уточнены.

MOSS-TTSD-v0.7 — двуязычная модель синтеза разговорной речи от OpenMOSS-Team на архитектуре MossTTSDForCausalLM, дообученная на базе Qwen/Qwen3-1.7B-Base. Она преобразует сценарии диалога между двумя собеседниками в выразительную речь с естественной разговорной интонацией и переключением голосов. Поддерживает клонирование двух голосов без дополнительного обучения и генерацию длинных сессий длительностью до 1700 секунд. Модель рассчитана на синтез диалогов и производство подкастов на китайском и английском языках. В основе лежит языковая модель с 1,7 млрд параметров, использующая единый семантико-акустический нейрокодек; указанная длина контекста — 32 768 токенов. Репозиторий содержит веса safetensors. Лицензия Apache-2.0 допускает коммерческое использование.

Это дообученная GPT-2 для генерации текста, созданная на основе francesca9805/nld-latn-10mb-ppt-Dp-100mb-packed-bfdiso_seed455 и обученная с помощью TRL. Модель предназначена для генерации продолжений и ответов на короткие вопросы в формате диалога; в карточке приведён пример вопроса на английском языке. Модель использует архитектуру GPT2LMHeadModel и библиотеку Transformers, веса сохранены в формате safetensors. Контекст составляет 512 токенов. Данных о специализации на конкретной предметной области нет. Лицензия в предоставленных сведениях не указана.

PE-Type-2-Alma-4B — дообученная VANTA Research на Gemma 3 4B IT диалоговая модель с образом заботливого и терпеливого помощника типа «Помощник» из эннеаграммы. Модель предназначена для разговорной поддержки, обсуждения отношений и практических рекомендаций, а также для исследований устойчивости заданной персоны и взаимодействия человека с ИИ. Она обучена примерно на 3 000 примерах за три эпохи с использованием LoRA ранга 16. Модель принимает текст и изображения и генерирует текст; архитектура Gemma 3 4B поддерживает визуальные диалоги, хотя карточка описывает настройку персоны преимущественно для текстовых сценариев. Указан английский язык. Репозиторий содержит веса Safetensors и GGUF F16, лицензия — Apache-2.0. Разработчик предупреждает, что модель не прошла строгую оценку точности и стабильности в эмоционально сложных ситуациях. Она может чрезмерно критиковать творческие идеи, медленно отвечать на неоднозначные запросы и наследует ограничения базовой модели, включая возможные галлюцинации и ограниченность знаний. Для STEM-задач и логических приложений модель не рекомендуется; эннеаграмма используется как схема проектирования персоны, а не как научно подтверждённая типология.

Piaget-4B — языковая модель Gustave Cortal, дообученная на 15 тысячах примеров психологических и философских рассуждений. Она основана на Qwen3-4B и предназначена для диалога и рассуждений о психологических и философских понятиях, включая эмоции, самооценку и существование. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит около 3,7 млрд параметров и принимает текст для генерации текста. Заявленная длина контекста — 40 960 токенов. Для дообучения применялся LoRA; в обучающую выборку вошли отфильтрованные примеры из открытых наборов Dolphin R1 и General Reasoning, а также PsychologicalReasoning-15k. Модель ориентирована на рассуждения в своей предметной области, но карточка не приводит количественных оценок качества или сравнительных тестов. Распространяется под лицензией MIT.

Tsunami-0.5x-7B-Instruct — инструктивная языковая модель, созданная Pollakrit Lorprasertkul на основе Qwen2.5-7B. Автор сообщает, что модель дообучена примерно на 100 тысячах строк тайского датасета; версия 0.5x обучена не на всём наборе данных. Модель построена на архитектуре Qwen2, содержит 7,1 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель предназначена для диалогов и генерации текста на тайском языке, использует шаблон запросов ChatML и может применяться для ответов на вопросы и создания текстовых ответов. В метаданных также указана возможность интерфейса вызова инструментов. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Публичные результаты включают оценки IFEval и BBH, однако сведений для вывода о качестве в конкретных прикладных задачах недостаточно.

Модель francesca9805/urd-arab-100mb-ppt-Dp-100mb-packed-bfd_seed3407 — дообученная версия goldfish-models/urd_arab_100mb, разработанная с использованием TRL и предназначенная для генерации текста. В карточке показан пример ответа на открытый вопрос в диалоговом формате; архитектура — GPT-2, веса представлены в формате safetensors, библиотека — Transformers. Модель можно применять для генерации продолжений текста и ответов на вопросы. Длина контекста составляет 512 токенов. В README и метаданных не приведены сведения о лицензии, целевых языках или специализированных областях применения.

francesca9805/urd-arab-100mb-ppt-Dp-10mb-packed-bfd_seed455 — это дообученная с помощью TRL модель генерации текста на базе goldfish-models/urd_arab_100mb. Она использует архитектуру GPT-2 и формат весов safetensors; карточка показывает применение через Transformers для продолжения диалога и генерации ответа на вопрос. Контекст модели составляет 512 токенов. Модель предназначена для генерации текста по входному запросу. README не описывает специализацию по предметным областям или языкам, поэтому её нельзя уверенно отнести к конкретному домену или языку. Лицензия в предоставленных данных не указана.

yi-prude-9B — диалоговая модель с 8,6 млрд параметров, созданная дообучением 01-ai/Yi-1.5-9B-Chat на наборе flammenai/Prude-Phi3-DPO. Она предназначена для генерации текста в формате беседы. Модель основана на плотной архитектуре семейства Llama и принимает текст, выдавая текст; контекст составляет 4096 токенов. По тегам карточки модель помечена как NSFW и not-for-all-audiences, поэтому может быть рассчитана на откровенный контент. Дообучение выполнялось на A100 в Google Colab. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0.