I.7Речь, диалоги и встречи

TriMistral-7B-SLERP — объединённая языковая модель на базе архитектуры Mistral, опубликованная Muhammad2003. Она создана с помощью mergekit и метода SLERP из HuggingFaceH4/zephyr-7b-beta, NousResearch/Hermes-2-Pro-Mistral-7B и instructlab/merlinite-7b-lab. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста, включая диалоговые сценарии; нативный контекст — до 32 768 токенов. Модель подходит для диалоговых ответов, инструкций, рассуждений и генерации текста общего назначения. В README приведены результаты оценки на Open LLM Leaderboard, включая ARC и HellaSwag. Репозиторий содержит веса safetensors для Transformers. Лицензия — Apache-2.0. Карточка не сообщает о целевой языковой специализации или специализированной предметной области. Как и другие языковые модели, она может выдавать неверные или непроверенные ответы; качество зависит от запроса и сценария применения.

Academic TRURL 2 — языковая модель Voicelab.AI на архитектуре Llama 2, дообученная для диалогов и генерации текста на польском и английском языках. Версия содержит 12,9 млрд параметров; метаданные указывают контекст 2048 токенов, тогда как README заявляет длину контекста 4096 токенов. Модель предназначена для общения в формате ассистента и других задач генерации естественного языка. Она принимает текст и генерирует текст; для диалога требуется форматирование запросов по шаблону Llama 2. В обучении использовались польские и английские разговорные данные, включая наборы вопросов и ответов и диалоговые примеры; академическая версия обучена без MMLU. Модель может давать неточные, предвзятые или нежелательные ответы, а опубликованные проверки охватывали польский и английский языки не во всех сценариях. Перед внедрением рекомендуется проверять её на целевых задачах и настраивать меры безопасности. README указывает на коммерческое и исследовательское применение; конкретная лицензия в предоставленных данных не указана.

Trurl 2 7B — дообученная Voicelab.AI версия Llama 2 для диалогов и генерации текста на польском и английском языках. Это авторегрессионная плотная трансформерная модель с 6,6 млрд параметров и контекстом до 4096 токенов; репозиторий содержит веса PyTorch. Модель принимает текст и генерирует текст. Модель предназначена для чат-ассистентов, ответов на вопросы и других задач генерации естественного языка. При использовании диалогового режима требуется формат беседы Llama 2 с соответствующими специальными токенами. Обучение проводилось на польских и английских диалоговых и инструкционных данных, включая наборы вопросов и ответов и разговоры из разных областей. Модель может выдавать неточные, предвзятые или нежелательные ответы; перед внедрением рекомендуется тестирование и настройка безопасности под конкретное применение. Авторы заявляют коммерческое и исследовательское использование; конкретная лицензия в предоставленных данных не указана.

Vikhr-7B-instruct_0.3 — русскоязычная чат-модель семейства Llama, представленная Vikhrmodels. Это плотная причинная языковая модель с 7,1 млрд параметров, предназначенная для диалога и выполнения инструкций в формате ChatML. Репозиторий содержит веса в формате safetensors; карточка указывает контекст до 32 768 токенов и библиотеку Transformers. Модель подходит для русскоязычных чат-ботов, ответов на вопросы и выполнения текстовых инструкций. В метаданных перечислены обучающие наборы Veles-2.5, darulm и Vikhr_instruct; название и содержание карточки указывают на настройку для инструктивного диалога. README называет модель экспериментальной разработкой и сообщает, что метрики и инструкции по запуску появятся позже. Лицензия в предоставленных данных не указана.

kingabzpro/wav2vec2-large-xls-r-1b-Swedish — дообученная на шведской части Common Voice модель распознавания речи на базе facebook/wav2vec2-xls-r-1b. Это плотная архитектура Wav2Vec2ForCTC с 1,3 млрд параметров, принимающая аудио и выдающая распознанный текст на шведском языке. Модель предназначена для автоматической транскрипции шведской речи. В оценке на тестовой выборке Common Voice 8.0 показатель WER составил 18,44 без языковой модели и 14,04 с языковой моделью; CER — соответственно 5,75 и 4,86. Для использования языковой модели требуется соответствующая внешняя языковая модель. Модель распространяется под лицензией Apache-2.0. Оценка приведена для Common Voice 8.0; качество на других наборах данных и в реальных акустических условиях может отличаться.

Whisper large-v3-Persian — дообученная модель распознавания речи, созданная Mohammad Khosravi на основе openai/whisper-large-v3. Она принимает аудио и генерирует текстовую транскрипцию на персидском языке. Модель содержит 905,2 млн параметров, использует архитектуру Whisper и доступна в формате safetensors для библиотеки Transformers. Модель дообучена на наборе Common Voice 11.0. В README приведён результат на тестовой выборке: WER 26,8658 и loss 0,2444. Репозиторий распространяется по лицензии Apache-2.0.

thorhojhus/whisper-small-danish — дообученная на датском языке модель распознавания речи на базе Whisper Small. Она сохраняет исходные архитектуру Whisper и токенизатор; опубликованы веса экспоненциального скользящего среднего после 200 000 шагов обучения. Обучение использовало около 13 411 часов уникальной датской аудиозаписи, включая псевдоразмеченные данные и датские части CoRal v3, Common Voice 26.0, FLEURS, FTSpeech и NST. Модель предназначена для транскрибирования датской речи, в том числе разговорной и чтения вслух. В оценке по протоколу датского ASR-лидера WER составил 24,01% на CoRal conversation, 14,16% на CoRal read-aloud и 9,53% на Common Voice cv17_da. Модель распространяется по лицензии MIT. Качество после дообучения на языках, отличных от датского, не проверялось. Поведение на длинных записях отдельно не обучалось и требует проверки; тишина, шум и незнакомые имена могут приводить к ошибкам распознавания.

istomin9192/whisper-small-sr — дообученная модель OpenAI Whisper Small для автоматического распознавания сербской речи. Она предназначена для транскрибирования аудио с выводом текста только латиницей на сербском языке. Модель построена на архитектуре Whisper и содержит 153,1 млн параметров; доступна в формате safetensors и рассчитана на использование через Transformers. Модель обучали на смеси открытых сербских речевых корпусов, включая Common Voice 24.0, FLEURS и часть ParlaSpeech-RS. В README приведены результаты WER 6,59% и 7,09% на тестовой выборке Common Voice 24.0; для нормализованной оценки удаляли пунктуацию, приводили текст к нижнему регистру, конвертировали кириллицу в латиницу и записывали числа словами. Лицензия — Apache-2.0.

jmshd/whisper-uz — дообученная Jamshid Ahmadov модель Whisper Base для автоматического распознавания речи на узбекском языке. Она принимает аудио и генерирует текстовую расшифровку; при дообучении использованы Common Voice 17.0 и датасет uzbekvoice. В README приведён результат на оценочном наборе: WER 14,0135 и loss 0,1652. Модель построена на архитектуре Whisper, содержит 51,7 млн параметров и распространяется в формате safetensors через Transformers. Лицензия — Apache-2.0.

olivyatan/bart-cnn-samsum-finetuned — модель на архитектуре BART, дообученная на наборе SAMSum на основе facebook/bart-large-cnn. Она предназначена для создания кратких пересказов диалогов и сообщений, например для суммирования переписок. Модель содержит 252,8 млн параметров, работает с текстом и поддерживает контекст до 1024 токенов. Базовая модель ориентирована на англоязычное суммирование; карточка указывает SAMSum как обучающий набор данных. В README приведено значение loss 0,1304 на оценочном наборе, но подробности оценки и ограничения не описаны. Лицензия — MIT.

Это модель суммаризации текста на архитектуре BART Large CNN, созданная Mr-Vicky-01 на основе предварительно обученной модели Facebook BART Large. Она дообучена на наборах данных XSum и SAMSum для сокращения текстов, в том числе новостных материалов и диалогов, до краткого пересказа. Модель содержит 252,8 млн параметров, принимает текст и имеет контекстное окно до 1024 токенов. Поддерживаемый язык — английский. Репозиторий содержит веса в формате safetensors и предназначен для использования с библиотекой Transformers. Лицензия — MIT.

Command R+ (08-2024) — обновлённая версия языковой модели Command R+, разработанная Cohere. Она предназначена для генерации текста и диалоговых сценариев. В README отмечены примерно на 50% более высокая пропускная способность и на 25% меньшая задержка по сравнению с предыдущей версией при сохранении аппаратных требований. Предоставленные сведения не описывают размер модели, контекст, поддерживаемые языки или условия лицензии. Поэтому эти характеристики нельзя надёжно указать.

DeepSeek-R1-Strategy-Qwen-2.5-1.5b-Unstructured-To-Structured — языковая модель на архитектуре Qwen2, дообученная MasterControlAIML на базе Qwen/Qwen2.5-1.5B-Instruct с использованием TRL. Модель содержит 1,5 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате и преобразования неструктурированного текста в структурированный, например JSON. В карточке указано обучение на наборе bhaviktheslider/JSON-Unstructured-Structured; также модель можно применять для общих диалоговых ответов. Модель распространяется в форматах PyTorch и safetensors по лицензии Apache-2.0. Карточка не приводит оценок качества и подробных результатов проверки; компактный размер модели может ограничивать сложные рассуждения и точность структурирования по сравнению с более крупными моделями.

FSMN-VAD — модель обнаружения речевой активности из экосистемы FunASR. Она использует архитектуру Feedforward Sequential Memory Network (FSMN) и определяет границы речевых и неречевых сегментов в аудио с частотой дискретизации 16 кГц. Модель предназначена для выделения речи в длинных аудиозаписях и предварительной обработки аудио перед распознаванием речи. Поддерживаются потоковый и офлайн-режимы, настройка максимальной длины сегмента и обработка с низкой задержкой, в том числе для сценариев реального времени. Результат — временные границы речевых фрагментов в миллисекундах. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает размер модели и отдельные ограничения точности; качество может зависеть от условий записи и характеристик аудио.

GemMoE-Medium-v0.4 — языковая модель с разреженной архитектурой Mixture of Experts, разработанная Lucas под именем Crystalcareai. В README описан подход Branch Train Mix: четыре эксперта обучались отдельно, затем были объединены, а маршрутизатор дообучен при замороженных экспертах. Для маршрутизатора использовались четыре эпохи на Self-Discover-MM и две эпохи на TruthyDPO; маршрутизация выполняется по токенам. Модель предназначена для генерации текста и диалоговых сценариев. Метаданные указывают 8,2 млрд параметров и контекст до 8192 токенов; файлы опубликованы в формате safetensors. Автор отмечает экономию видеопамяти и конкурентное качество для размера модели, однако в карточке нет результатов сопоставимых бенчмарков. Лицензия в предоставленных данных не указана.

Geneva 12B GammaCorpus v2-50k — разговорная модель, разработанная Ruben Roy и дообученная на Mistral-Nemo-Instruct-2407 с использованием корпуса GammaCorpus v2-50k, содержащего структурированные многоходовые диалоги. Она предназначена для генерации текста, диалогов и следования инструкциям; в метаданных также указана поддержка интерфейса вызова инструментов. Модель построена на архитектуре Mistral с плотной причинной языковой моделью и содержит 12,1 млрд параметров. README указывает 40 слоёв, размерность 5120, SwiGLU, GQA и словарь примерно на 128 тысяч токенов. Заявленная в метаданных длина контекста — 1 024 000 токенов. Указаны английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский языки. Модель распространяется в формате safetensors через Transformers по лицензии Apache 2.0. README предупреждает о возможности предвзятых ответов; заявленное стремление превзойти модели аналогичного размера не подкреплено в карточке результатами сравнительной оценки.

INCModel3/GLM-5.1-MXFP4-Mixed-CT-AutoRound — это квантизированная версия GLM-5.1 от zai-org, созданная Intel с помощью AutoRound в режиме RTN. Она предназначена для генерации текста и диалогового общения. В README приведены результаты на GSM8K, MMLU, PIQA и HellaSwag: средний результат MXFP4 составляет 99,39% от указанного результата BF16 на этих тестах. Модель использует формат safetensors и квантизацию MXFP4; метаданные указывают библиотеку Transformers и поддержку английского и китайского языков. README рекомендует соблюдать лицензию исходной модели, а метаданные указывают MIT. Модель может выдавать фактически неверные, предвзятые или оскорбительные ответы; перед внедрением рекомендуется проверить её безопасность.

Hibiki-M — модель Kyutai для потокового перевода французской речи на английский. Она обрабатывает речь по мере поступления и выдаёт перевод частями, не ожидая окончания высказывания. Модель поддерживает перевод речи в речь и речи в текст; при генерации речи возможно управление сходством голоса с исходным говорящим. Это плотный иерархический Transformer с архитектурой multistream, основанной на подходе Moshi. Модель содержит 1,7 млрд параметров и генерирует аудио- и текстовые токены с частотой 12,5 Гц; аудиопоток имеет битрейт 1,1 кбит/с. Она рассчитана на потоковую работу в реальном времени и пакетную обработку, обучалась на последовательностях длительностью до 120 секунд и заявлена как устойчивая к шуму. Лицензия — CC-BY 4.0. Модель предназначена для французско-английского перевода; поддержка других языковых пар потребует дообучения. Чрезмерное усиление переноса голоса может ухудшить качество перевода. Разработчик не рекомендует использовать модель для имитации других людей или вредоносных целей.

ClaudioItaly/Intelligence-7 — объединённая плотная языковая модель семейства Qwen2, созданная с помощью mergekit методом SLERP из AIDC-AI/Marco-o1 и happzy2633/qwen2.5-7b-ins-v3. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в диалоговом формате; контекстное окно — до 32 768 токенов. Модель подходит для ведения диалогов и генерации ответов на текстовые запросы. В конфигурации слияния указана V-образная кривая, сочетающая поведение исходных моделей на входных и выходных слоях с вкладом WizardMath в средних слоях. Данные об отдельных языковых специализациях и прикладных областях не приведены. Модель опубликована в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана. Качество и ограничения унаследованы от объединённых моделей; отдельные оценки или сведения об ограничениях модели не приведены.

Lemer — это мультимодальная версия Gemma 4 E2B в формате GGUF, разработанная Lethean и основанная на форке LetheanNetwork/lemer. В модель встроен Lethean Ethical Kernel (LEK): его поведенческие настройки были добавлены через LoRA-файнтюнинг и объединены с весами, поэтому для работы не требуется отдельный PEFT-адаптер. Модель предназначена для диалоговых сценариев, генерации и анализа текста, а также обработки изображений и аудио, включая локальный запуск на устройствах с ограниченными ресурсами. Репозиторий содержит варианты квантования от Q3_K_M до BF16 размером примерно от 3,0 до 8,7 ГБ. Рекомендуемым указан Q4_K_M как компромисс между качеством и размером; Q3_K_M ориентирован на наиболее ограниченные устройства, а BF16 служит полноточной версией. Заявлена поддержка Ollama, llama.cpp, GPT4All, LM Studio и llama-cpp-python. Токенизатор содержит 262 тысячи токенов, однако размер контекстного окна и точный набор поддерживаемых языков в карточке не указаны. Сильными сторонами модели являются единый автономный GGUF-файл, мультимодальность, несколько уровней квантования и ориентация на локальный инференс. Ограничения включают отсутствие в README подробных результатов оценки, точных характеристик архитектуры и контекстного окна, а также потенциальные компромиссы качества при использовании квантованных вариантов. Модель распространяется по лицензии European Union Public Licence 1.2 (EUPL-1.2).

MihaiPopa опубликовал дообученную версию LiquidAI/LFM2.5-350M-Base с применением abliteration — изменения весов, снижающего частоту отказов. Это компактная плотная языковая модель семейства LFM2, предназначенная для диалоговой генерации текста и локального запуска. В модели 444,6 млн параметров по метаданным; README описывает базовую версию семейства как модель на 350 млн параметров с 16 слоями и контекстом 32 768 токенов. Метаданные указывают контекст до 128 000 токенов, поэтому сведения о длине контекста расходятся. Модель рассчитана на извлечение данных, формирование структурированных ответов и вызов инструментов; в сравнении с исходной моделью в README указано меньше отказов. Поддерживаемые языки по карточке: английский, арабский, китайский, французский, немецкий, японский, корейский, испанский и португальский. README не рекомендует её для задач, требующих обширных знаний, и программирования. Лицензия в метаданных обозначена как other; конкретные условия следует сверить на странице модели.

Модель promotion/Llama-3.1-8B-TLDR-NBPO-eta0.05 — диалоговая языковая модель на архитектуре Llama, дообученная методом Nash Bargaining Preference Optimization (NBPO) на задаче TL;DR. Она основана на meta-llama/Llama-3.1-8B-Instruct и предназначена для генерации кратких резюме с учётом полноты, точности, лаконичности и полезности. В обучении использовались 300 обновлений оптимизатора и глобальный размер пакета 16; модель содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. В карточке описана оценка независимых показателей предпочтения относительно общей базовой политики на отложенных промптах; качество оценивал Llama-3.3-70B-Instruct. Модель распространяется в формате safetensors по лицензии Llama 3.1. Данные карточки не указывают языковой охват или ограничения на применение сверх условий этой лицензии.

ruslandev/llama-3-8b-gpt-4o-ru1.0 — диалоговая языковая модель, дообученная автором на базе Meta Llama 3 8B Instruct. Обучение продолжалось одну эпоху на двух NVIDIA A100 на наборе примеров, сформированном из подмножества Tagengo GPT-4 и улучшенном с помощью GPT-4o; около 80% примеров ориентированы на русский язык. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для диалогов и генерации ответов, особенно на русском языке. В карточке автор приводит результаты MT-Bench: 8,12 для русского и 8,01 для английского; эти оценки отражают заявленную автором проверку. Модель доступна в форматах PyTorch и Safetensors, а для локального запуска автор также указывает отдельную GGUF-версию. Лицензия — Llama 3 License.

Модель TesNik369/mistral-7b-instruct-v0.2-bnb-4bit_tqa_tuned_seed_42 — дообученная TesNik369 версия Mistral 7B Instruct v0.2, созданная с использованием Unsloth и библиотеки TRL. Это плотная авторегрессионная языковая модель на 7,1 млрд параметров для генерации текста и диалогового взаимодействия; заявленная длина контекста — 32 768 токенов. В карточке не описана специализация дообучения, поэтому модель можно характеризовать как универсальную инструктивную модель. Модель принимает текст и генерирует текст. Указана поддержка английского языка. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Конкретные ограничения или результаты оценки качества в карточке не приведены.

Mistral-Small-2501-SCE-Mashup-24B — объединённая текстовая модель, созданная сообществом mergekit-community методом SCE на основе unsloth/Mistral-Small-24B-Base-2501 и нескольких дообученных моделей семейства Mistral и других текстовых моделей. Она предназначена для генерации текста и диалогового общения. Модель использует плотную архитектуру MistralForCausalLM, содержит 23,4 млрд параметров и поддерживает контекст до 32 768 токенов. В состав слияния вошли модели ArliAI, ReadyArt, TheDrummer, arcee-ai, PocketDoc и trashpanda-org. Репозиторий содержит веса в формате safetensors и рассчитан на использование через Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

zelk12/MT-Merge3-GMAMUI-gemma-2-9B — объединённая разговорная языковая модель на базе архитектуры Gemma 2, созданная методом SLERP с помощью mergekit из zelk12/MT-Merge3-GMA-gemma-2-9B и zelk12/MT-Merge3-MUI-gemma-2-9B. Модель содержит 9 млрд параметров, работает через Transformers и рассчитана на генерацию текста и диалоговое взаимодействие; длина контекста составляет 8192 токена. Модель подойдёт для ведения диалогов и генерации ответов на текстовые запросы. Веса представлены в формате safetensors; лицензия и языковая специализация в доступных сведениях не определены.

OpenBuddy — мультиязычная чат-модель для генерации ответов в диалоге, основанная на архитектуре Qwen2. Модель содержит 13,4 млрд параметров и рассчитана на контекст до 32 768 токенов; веса опубликованы в формате safetensors для Transformers. Она предназначена для разговорных сценариев и генерации текста на китайском, английском, французском, немецком, японском, корейском, итальянском, русском и финском языках. Модель может служить основой для чат-ботов, ответов на вопросы и ведения многоязычного диалога. README предупреждает, что ответы могут быть ошибочными, вредными или оскорбительными, поэтому модель не следует применять в критических и высокорисковых ситуациях, включая медицину, управление потенциально опасными системами, а также важные финансовые и юридические решения. В метаданных указана лицензия other; README описывает отказ от гарантий и ответственность пользователей, но не раскрывает конкретный текст лицензии.

Sorawiz/Phi-4-Base — объединённая языковая модель, созданная автором репозитория с помощью mergekit и метода TIES на основе нескольких моделей семейства Phi-4. В состав вошли Phi-4-Empathetic, LoRA-phi-4-abliterated, Phi-4-Math-IO, Phi-4-o1 и Phi-4-QwQ. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 14,1 млрд параметров и использует контекст до 16 384 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Состав исходных моделей ориентирует её на эмпатичные ответы, математику, рассуждения и задачи в стиле QwQ и o1. Репозиторий распространяет веса в формате safetensors для библиотеки Transformers. Лицензия в предоставленных данных не указана.

Pullulation-2-9B — объединённая диалоговая языковая модель на базе Gemma 2, созданная ClaudioItaly с помощью mergekit и метода Model Stock. В качестве базовой модели при слиянии использована nbeerbower/gemma2-gutenberg-9B; также объединены пять других вариантов Gemma 2 с настройками для диалогов и генерации текста. Модель с плотной архитектурой Gemma2ForCausalLM содержит 9 млрд параметров, работает через Transformers и распространяется в формате safetensors. Она предназначена для генерации текста и диалоговых ответов; контекст составляет 8192 токена. Лицензия в предоставленных данных не указана.

Qwen-2.5-7b-TitanFusion-v4 — объединённая языковая модель, созданная bunnycore с помощью mergekit и метода TIES на базе Qwen/Qwen2.5-7B. В объединение вошли TitanFusion-v3, rp-lora, Arch-Function-7B, Humanish-Qwen2.5-7B-Instruct и mergekit-ties-uqhfast. Модель построена на плотной архитектуре Qwen2ForCausalLM, содержит 7,1 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Заявленная длина контекста — до 131 072 токенов. Репозиторий содержит веса в формате safetensors; метаданные указывают интерфейс для вызова инструментов. Модель подходит для диалоговых сценариев и генерации текста, а объединение с Arch-Function-7B предполагает поддержку сценариев с вызовом инструментов. Карточка не приводит результатов оценки качества или подробностей о языковом покрытии. Лицензия в предоставленных данных не указана.