I.7Речь, диалоги и встречи

Slavator096/saiga-phi-3-mini-4k — диалоговая языковая модель, созданная Slavator096 дообучением с учителем (SFT) microsoft/Phi-3-mini-4k-instruct на обучающей части набора IlyaGusev/ru_turbo_saiga с помощью Phinetune. Она предназначена для генерации ответов в чате и русскоязычных диалоговых сценариев. Модель использует плотную архитектуру Phi-3ForCausalLM, содержит 3,7 млрд параметров и работает с контекстом до 4096 токенов; в обучении максимальная длина последовательности составляла 2048 токенов. Весы опубликованы в формате safetensors, лицензия — CC BY 4.0. Карточка не сообщает об оценках качества или специальных ограничениях поведения модели.

SEC-1.6-MBX-7B-DPO — языковая модель Arcee AI, полученная слиянием через mergekit моделей arcee-ai/sec-mistral-7b-instruct-1.6-epoch и macadeliccc/MBX-7B-v3-DPO методом SLERP. Это плотная Mistral-модель с 7,1 млрд параметров, предназначенная для генерации текста в диалоговом формате и запуска чат-сценариев. Контекст модели составляет до 32 768 токенов. Модель подходит для создания ответов на запросы, ведения диалогов и генерации текста. README описывает состав и конфигурацию слияния, но не приводит отдельной оценки качества, языкового охвата или специализированных областей применения. Распространяется под лицензией Apache-2.0.

SepFormer для подавления шума в речи разработан командой SpeechBrain и обучен на датасете WHAM! с частотой дискретизации 8 кГц. WHAM! добавляет к смесям WSJ0-Mix окружающий шум и реверберацию. Модель принимает аудио и выдаёт очищенное аудио, помогая улучшить разборчивость речи в шумных записях. В репозитории указаны результаты на тестовом наборе WHAM!: SI-SNR 14,35 дБ и PESQ 3,07. Модель реализована на PyTorch и предназначена для применения через SpeechBrain. Разработчики не гарантируют аналогичное качество на других наборах данных. Лицензия — Apache-2.0.

sfmunfilterede2ealignment-4k5k6k7k8ksimpleavgmerge — объединённая разговорная языковая модель на архитектуре GPT-NeoX, созданная с помощью mergekit. В линейное слияние вошли контрольные точки обучения на шагах 4000, 5000, 6000, 7000 и 8000; базовой для слияния указана контрольная точка global_step8000. Модель содержит 8,8 млрд параметров и рассчитана на контекст до 16 384 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В репозитории веса представлены в формате safetensors, а для работы указана библиотека Transformers. Данных о специализированной предметной области или поддерживаемых языках нет. Лицензия в предоставленных материалах не указана.

Slush-FallMix-12B — объединённая методом SLERP языковая модель на архитектуре Mistral, созданная сообществом mergekit-community из ChatWaifu-Wayfarer-Sunfall и Slush-Sunfall-Rocinante-GGLD-12B. Модель содержит 12,1 млрд параметров и предназначена для генерации текста и диалоговых ответов; в метаданных также заявлен интерфейс вызова инструментов. Слияние использует V-образное распределение параметра t по слоям: в конфигурации указано сочетание Hermes на входных и выходных слоях и WizardMath в средних слоях. Модель принимает текст и выдаёт текст. Для загрузки используется библиотека Transformers, веса представлены в формате safetensors; заявленная длина контекста — 1 024 000 токенов. Карточка не сообщает результаты оценки качества, поддерживаемые языки или ограничения в применении, поэтому эти характеристики нельзя уточнить. Лицензия в предоставленных данных не указана.

Spaetzle-v85-7b — языковая модель, созданная cstr как слияние нескольких моделей семейства Spaetzle с помощью LazyMergekit. Это плотная авторегрессионная модель Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; заявленное контекстное окно составляет 32 768 токенов. В карточке указаны английский и немецкий языки. Модель подходит для диалогов, ответов на вопросы и задач общего понимания текста. В README приведены результаты нескольких тестовых наборов, включая EQ-Bench для немецкого языка и Occiglot Euro LLM Leaderboard; это результаты оценок, а не гарантия качества в конкретном применении. Модель доступна в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

StrangeMerges_35-7B-slerp — объединённая языковая модель, созданная Gille с помощью LazyMergekit. Она сочетает модели Gille/StrangeMerges_34-7B-slerp и Gille/StrangeMerges_32-7B-slerp методом SLERP; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров, веса представлены в safetensors. Модель предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Её можно применять для диалогов, продолжения текста и ответов на вопросы; README приводит результаты оценки на задачах рассуждения и понимания текста. Сведения о специализированных областях и языковой направленности модели не приведены. Модель распространяется по лицензии Apache-2.0. Результаты оценки не гарантируют качество на конкретных пользовательских задачах; README содержит лишь часть таблицы метрик.

StrangeMerges_57-7B-model_stock — слитая модель генерации текста на основе Mistral, созданная с помощью LazyMergekit. В объединение вошли amazingvince/Not-WizardLM-2-7B, automerger/YamshadowExperiment28-7B, Kukedlc/NeuralMaths-Experiment-7b и Kukedlc/NeuralSynthesis-7B-v0.1; метод слияния — model_stock. В конфигурации указана точность bfloat16. Модель предназначена для генерации текста и диалогов; её размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Карточка не описывает специализацию модели, конкретные языки или условия лицензии, поэтому эти сведения нельзя уточнить по доступным данным.

Tema_Q-X3-Thinking — японско- и англоязычная доработанная языковая модель на базе Qwen3.5-35B-A3B от Alibaba. Она предназначена для диалогов и генерации ответов на сложные запросы, где автор стремится получить более свободные и полезные ответы, чем у стандартной Qwen. Модель поддерживает японский и английский языки; в метаданных указана архитектура семейства Qwen 3.5 MoE и интерфейс для вызова инструментов. Модель распространяется в формате safetensors. Автор предупреждает о существенном снижении точности вывода при использовании квантизации ниже Q2_K и рекомендует Q3_K_M, если доступна такая версия. Лицензия в предоставленных сведениях не указана. Автор запрещает использовать модель для дискриминации, травли, насилия, незаконной деятельности и других вредоносных целей и возлагает на пользователя ответственность за соблюдение законов и правил платформы.

Карточка модели jessemeng/TwinLlama-3.2-1B на Hugging Face совпадает с карточкой jessemeng/TwinLlama-3.1-8B, поэтому описание составлено по ней. TwinLlama-3.1-8B — текстовая плотная авторегрессионная модель семейства Llama, опубликованная jessemeng и дообученная на unsloth/Llama-3.2-1B с помощью Unsloth и Hugging Face TRL. Она предназначена для генерации текста и диалогового общения. Модель содержит 1,2 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0.

UltraLM-13b — чатовая языковая модель на архитектуре LLaMA с 12,9 млрд параметров, созданная OpenBMB путём дообучения LLaMA-13b на наборе UltraChat. Она рассчитана на многоходовые диалоги и генерацию ответов по инструкциям в формате User/Assistant. Контекст модели составляет 2048 токенов; она принимает и генерирует текст. В репозитории размещены delta-веса: для инференса необходимо восстановить полную модель на основе исходной LLaMA-13b и использовать чатовый шаблон. Модель распространяется на условиях лицензии LLaMA; применяются её ограничения использования.

BuzzASR/Vietnamese — специализированная модель автоматического распознавания речи на вьетнамском языке, разработанная как часть набора из 102 языковых ASR-моделей BuzzASR. Она дообучена методом простого fine-tuning от openai/whisper-large-v3 с сохранением токенизатора Whisper и настройкой только для распознавания речи. Модель использует архитектуру Whisper large-v3 с 905,2 млн параметров и принимает аудио, выдавая текстовую транскрипцию. Модель предназначена для транскрибации вьетнамской речи. В тестах README указаны CER 3,73% и WER 7,26% на FLEURS, а также CER 5,38% и WER 10,68% на комбинированном тестовом наборе; результаты зависят от данных и условий оценки. Обучение включало FLEURS и текстовые данные корпуса Goldfish. Модель распространяется по лицензии MIT.

Nitral-Archive выпустила Violet_Eris-BMO-12B — объединённую методом SLERP чат-модель на базе архитектуры Mistral. В слиянии использованы Nitral-AI/Captain_BMO-12B и Epiculous/Violet_Twilight-v0.2; модель содержит 12,1 млрд параметров и распространяется в формате safetensors для библиотеки Transformers. Модель предназначена для диалогов и генерации текста. Её можно применять для продолжения текста и создания ответов в чат-сценариях. В метаданных указан контекст до 1 024 000 токенов. Язык лицензии в предоставленных сведениях не указан.

Модель Gabor Madarasz — система автоматического распознавания речи на венгерском языке, дообученная на базе facebook/mms-1b-all. Она использует архитектуру Wav2Vec2ForCTC с 1,3 млрд параметров и предназначена для преобразования венгерской речи в текст. Модель рассчитана на запись речи одного говорящего, например подкасты, аудиокниги и другие чёткие аудиозаписи. В карточке приведены результаты тестирования: WER 19,93% и CER 5,19% на тестовой части FLEURS для венгерского языка, а также WER 16% на 500 отложенных примерах Common Voice. Для уменьшения ошибок распознавания похожих по звучанию слов рекомендуется декодирование с языковой моделью, например KenLM через beam search. Лицензия — CC0-1.0.

m3hrdadfi/wav2vec2-large-xlsr-lithuanian — акустическая модель распознавания литовской речи, созданная дообучением facebook/wav2vec2-large-xlsr-53 на обучающей и валидационной выборках Common Voice. Она принимает аудио с частотой дискретизации 16 кГц и выдаёт распознанный текст; архитектура — Wav2Vec2ForCTC, размер — 402,7 млн параметров. Модель предназначена для автоматической транскрипции литовской речи, в том числе без отдельной языковой модели. В оценке на тестовых данных Common Voice указана метрика WER 34,66%. Репозиторий содержит веса PyTorch и Flax. Лицензия — Apache-2.0.

PereLluis13/wav2vec2-xls-r-1b-ca — модель автоматического распознавания речи на каталанском языке, созданная дообучением facebook/wav2vec2-xls-r-300m на наборах Common Voice 8.0 для каталанского, tv3_parla и parlament_parla. Она использует архитектуру wav2vec2 с выходной головой Wav2Vec2ForCTC и содержит 1,3 млрд параметров. Модель предназначена для преобразования каталанской речи в текст, в том числе для записей, похожих на данные обучающих корпусов: краудсорсинговую речь, телепередачи и парламентские выступления. Распространяется под лицензией Apache-2.0.

Модель PereLluis13/wav2vec2-xls-r-300m-ca — версия wav2vec 2.0 XLS-R, дообученная на распознавание каталанской речи. Её подготовил PereLluis13 на основе facebook/wav2vec2-xls-r-300m с использованием данных Common Voice 8.0 для каталанского языка, tv3_parla и parlament_parla. Архитектура — Wav2Vec2ForCTC; в репозитории указано около 402,7 млн параметров, веса представлены в формате PyTorch. Модель принимает аудио и преобразует речь в текст. В README приведён результат оценки WER 0,1499 на тестовых наборах трёх использованных корпусов. Она предназначена прежде всего для распознавания каталанской речи; на диалектах с меньшим объёмом обучающих данных может работать хуже. Также возможны смещения и особенности, унаследованные от краудсорсинговых и парламентских данных. Лицензия — Apache-2.0.

WestOrcaDPO-7B-GTA — объединённая языковая модель на основе Mistral, созданная с помощью LazyMergekit из decruz07/kellemar-DPO-Orca-Distilled-7B-SLERP и senseable/WestLake-7B-v2. Она предназначена для генерации текста, включая диалоговые ответы и творческие тексты. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Веса представлены в формате safetensors. Слияние выполнено методом task arithmetic с параметрами весов 0,4 и 0,6 и плотностью 0,5 для каждой исходной модели. README указывает Mistral-7B-v0.1 как базовую модель. Лицензия в предоставленных данных не приведена.

mozilla.ai дообучила модель openai/whisper-large-v3-turbo для распознавания речи на бенгальском языке. Это плотная модель Whisper с архитектурой WhisperForConditionalGeneration и 905,2 млн параметров, предназначенная для преобразования бенгальской аудиозаписи в текст. Дообучение выполнено на 21 409 аудиозаписях бенгальского раздела CV Corpus 21.0. В README приведены результаты дообучения: нормализованная частота ошибок слов снизилась с 78,843 до 11,053, а нормализованная частота ошибок символов — с 62,521 до 6,059. Модель загружается через Transformers и распространяется в формате safetensors. Лицензия — Apache-2.0.

Модель cdli/whisper-small-Swahili_finetuned_small_CV20 — дообученная версия Whisper Small от разработчика CDLI для автоматического распознавания речи на суахили. Она принимает аудио и генерирует текстовую расшифровку; подходит для транскрибирования записей и речи из датасета Common Voice. Модель построена на архитектуре WhisperForConditionalGeneration, содержит 153,1 млн параметров и распространяется в формате safetensors через библиотеку Transformers. В README приведены значения WER: 0,261 на dev-наборе и 0,295 на test-наборе; до настройки они составляли 0,849 и 0,856 соответственно. Сведения о лицензии отсутствуют в предоставленных источниках.

Whisper Telugu Medium — модель распознавания речи, разработанная Vasista22 на основе Whisper Medium от OpenAI и дообученная на корпусах речи на телугу. Она преобразует аудио на телугу в текст и предназначена для транскрибации записей и оценки систем ASR. Модель построена на архитектуре Whisper и содержит около 455,8 млн параметров; доступны веса PyTorch и Flax. В обучении использованы несколько публичных корпусов, включая CSTD IIIT-H, ULCA, Shrutilipi, Microsoft Speech Corpus, Fleurs и Babel. Модель распространяется по лицензии Apache-2.0.

Alphallama3-8B — дообученная компанией Alphacode-AI модель на основе Meta-Llama-3-8B. Она предназначена для генерации текста в диалоговом формате и может применяться в чат-сценариях. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров; заявленная длина контекста — 8192 токена. В карточке указано, что для дообучения использовались внутренние пользовательские данные, но их состав и специализация не раскрыты. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Llama 3.

Auro-Kosmos-EVAA-v2.2-8B — объединённая разговорная языковая модель от jaspionjader, созданная с помощью mergekit методом SLERP из jaspionjader/Auro-Kosmos-EVAA-v2.1-8B и jaspionjader/Kosmos-Elusive-VENN-8B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она предназначена для генерации текста и диалогов. Модель принимает текст и выдаёт текст, работает через библиотеку Transformers, поддерживает контекст до 8192 токенов и распространяется в формате safetensors. Сведения о специализированных предметных областях и языковой специализации в предоставленных данных отсутствуют. Лицензия в данных не указана.

BLOOM-v3.1-mistral-7b — разговорная языковая модель, разработанная проектом Blossom и дообученная на Mistral-7B-v0.1. Это плотная авторегрессионная модель на 7,1 млрд параметров для генерации ответов в формате продолжения диалога; её контекстное окно составляет 32 768 токенов. Обучение проходило в два этапа на смешанных наборах Blossom Chat, Math, Wizard и Orca: использовались одноходовые инструкции, многоходовые диалоги и примеры математических рассуждений. Модель рассчитана на китайский и английский языки и предназначена для чат-ботов, ответов на вопросы, следования инструкциям и решения математических задач. В README отмечены широкие разговорные возможности и понимание контекста. При этом авторы предупреждают, что базовая Mistral-7B-v0.1 слабее знает китайский язык, и рекомендуют для китайских сценариев другую модель Blossom. Весы доступны в формате PyTorch по лицензии Apache-2.0.

Nitral-Archive/Captain_BMO-0.420-Magnum-12B — объединённая разговорная языковая модель на архитектуре Mistral, созданная с помощью mergekit методом SLERP из anthracite-org/magnum-v4-12b и Nitral-AI/Captain_BMO-12B. Модель содержит 12,1 млрд параметров и предназначена для генерации текста и диалоговых ответов; метаданные также отмечают интерфейс для вызова инструментов. Заявленная длина контекста — 1 024 000 токенов. Модель принимает текст и генерирует текст. Карточка не приводит сведения о поддерживаемых естественных языках или специализированных областях применения. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Captain_Eris_Noctis-12B-alt-v0.420 — разговорная модель генерации текста, созданная объединением двух моделей: Nitral-AI/Nera_Noctis-12B и Nitral-AI/Captain-Eris-Diogenes_Twilight-V0.420-12B. Она основана на архитектуре Mistral и содержит 12,1 млрд параметров. Модель предназначена для диалогов и генерации ответов в формате ChatML; для работы используется библиотека Transformers. В карточке указано контекстное окно до 1 024 000 токенов. Модель распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

ChatAllInOne-Yi-34B-200K-V1 — разговорная языковая модель, созданная дообучением Yi-34B-200K от 01.AI на наборе CHAT-ALL-IN-ONE-v1 с помощью QLoRA и Unsloth. Она предназначена для диалогов в непринуждённом, формальном и тематическом стиле, а также для генерации связных ответов в длинных разговорах. Модель имеет плотную архитектуру LlamaForCausalLM с 33,9 млрд параметров и контекстом до 200 000 токенов. Карточка предлагает формат промпта Vicuna 1.1. Репозиторий содержит веса Safetensors. Лицензия — Apache-2.0. Карточка не приводит оценок качества или конкретных поддерживаемых языков.

Daredevil-7B — объединённая текстовая модель, созданная с помощью LazyMergekit на основе Mistral-7B-v0.1, SamirGPT-v1, Slerp-CM-mist-dpo и Mistral-7B-Merge-14-v0.2. Это плотная авторегрессионная архитектура MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста, диалогов и ответов на вопросы. В README приведены результаты оценивания на нескольких наборах тестов, включая задания на рассуждение и понимание текста. Карточка не уточняет языковой охват и специализированную предметную область. В репозитории указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование. Результаты тестов не гарантируют качество для конкретных задач; назначение модели описано как общее текстовое генерирование.

anemll публикует пакет SSD Flash-MoE для DeepSeek V4 Flash, предназначенный для запуска в совместимых сборках llama.cpp. Это квантованное представление модели: общие и плотные тензоры хранятся в GGUF в формате FP8, а тензоры маршрутизируемых экспертов — в отдельных бинарных банках sidecar в формате FP4. Архитектура deepseek4 содержит 43 блока и 256 экспертов, из которых для каждого токена активируются 6; заявленная длина контекста — 1 048 576 токенов. Пакет предназначен для генерации текста и диалогового использования. Он требует Flash-MoE-совместимого runtime llama.cpp с поддержкой DeepSeek V4 Flash, режима slot-bank и указанных типов тензоров; обычной загрузки одного плотного GGUF недостаточно. Репозиторий указывает лицензию MIT. В карточке не заявлены специальные ограничения по языкам или предметным областям.

Zigeng/dParallel_Dream_7B_Instruct — инструктивная языковая модель семейства Dream, разработанная исследователями xML Lab Национального университета Сингапура. Она использует подход dParallel: дистилляцию с принудительным повышением уверенности токенов, предназначенную для параллельного декодирования диффузионных языковых моделей и сокращения числа шагов генерации при сохранении качества. Модель подходит для диалоговой генерации текста и задач, где важна быстрая генерация ответов; в карточке также заявлен интерфейс вызова инструментов. Модель имеет плотную архитектуру Dream, 7,1 млрд параметров и контекст до 131 072 токенов. Репозиторий содержит веса Safetensors; лицензия — MIT. README описывает ускорение на GSM8K и MBPP для dParallel, применённого к LLaDA-8B-Instruct, но не приводит отдельные показатели для этой Dream-модели.