I.7Речь, диалоги и встречи

Terminal-12k-bottom25 — дообученная разговорная модель семейства Qwen3, разработанная cuong1692001. Она предназначена для генерации текста в диалоговом формате. В README указано, что модель дообучена на наборе данных nemotron_complete_bottom_25_12k на основе cuong1692001/Terminal_complete_8k. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает контекст до 40 960 токенов. Файлы представлены в формате safetensors. Лицензия указана как other; конкретные условия в доступных данных не раскрыты.

Это производная сборка ThinkingCap-Qwen3.8-27B, созданная dewamade для быстрого запуска на одной видеокарте с 24 ГБ памяти через форк HyperQwen для vLLM. Исходная ThinkingCap-модель — дообученная BottleCap AI версия Qwen3.8-27B; в этой сборке веса перекалиброваны и упакованы в формат compressed-tensors для обслуживания запросов с MTP speculative decoding. Модель предназначена для диалоговой генерации текста и рассуждений. Веса линейных слоёв и языковой головы используют GPTQ INT4 с группами по 128 элементов, эмбеддинги — INT8; также включён MTP-модуль, а словарь черновой головы ограничен 40 тысячами токенов. README сообщает о KV-кэше на 201 275 токенов в описанном профиле обслуживания, но не задаёт нативную длину контекста модели. Сборка рассчитана на одиночную подачу запросов на GPU класса RTX 3090/4090 с 24 ГБ памяти и требует совместимого форка HyperQwen vLLM и соответствующего лаунчера. Лицензия указана как other; конкретные условия в предоставленных данных не раскрыты. Языки модели и её ограничения качества отдельно не описаны.

yasirulayan/uber-llama3-merged — дообученная разговорная языковая модель, опубликованная yasirulayan и основанная на unsloth/llama-3-8b-Instruct-bnb-4bit. Модель относится к семейству Llama, использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Она предназначена для генерации текста в диалоговом режиме; заявленная длина контекста — 8192 токена. Модель принимает текст и генерирует текст, поддерживает английский язык. В README указано, что обучение проводилось с использованием Unsloth и библиотеки TRL для ускорения процесса. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает специализированную предметную область или отдельные возможности сверх диалоговой генерации текста.

Ivydata разработала эту модель распознавания японской речи, дообучив facebook/wav2vec2-large-xlsr-53 на данных Common Voice, JVS и JSUT. Это акустическая модель Wav2Vec2 с архитектурой Wav2Vec2ForCTC и 405,7 млн параметров, предназначенная для преобразования японской речи в текст. Для распознавания входную речь следует подавать с частотой дискретизации 16 кГц. Модель можно использовать для расшифровки японской речи без языковой модели, например, в записях выступлений и других аудиоматериалах. В тесте на TEDxJP-10K автор сообщает CER 27,87%; приведённые примеры показывают, что распознавание может содержать ошибки. Модель распространяется по лицензии Apache-2.0.

Модель jonatasgrosman/wav2vec2-large-xlsr-53-persian — акустическая модель распознавания речи, дообученная Jonatas Grosman на базе facebook/wav2vec2-large-xlsr-53. Она использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров. Модель предназначена для преобразования персидской речи в текст; обучалась на обучающей и валидационной выборках Common Voice 6.1. На вход подаётся аудио с частотой дискретизации 16 кГц, на выходе — распознанный текст на персидском языке. В карточке приведены результаты на тестовой выборке Common Voice: WER 30,12% и CER 7,37%; фактическое качество зависит от записи и условий речи. Модель опубликована под лицензией Apache-2.0.

Модель sumedh/wav2vec2-large-xlsr-marathi разработана на основе facebook/wav2vec2-large-xlsr-53 и дообучена для автоматического распознавания речи на маратхи. Она использует архитектуру Wav2Vec2ForCTC, содержит 402,7 млн параметров и принимает аудио с частотой дискретизации 16 кГц, выдавая распознанный текст. Модель обучена на наборе OpenSLR64, где представлены только женские голоса, и показала WER 12,70% на тестовой части данных; автор сообщает, что она также хорошо работает с мужскими голосами. Подходит для транскрибирования речи на маратхи и создания текстовых расшифровок аудиозаписей. Лицензия — Apache-2.0. Результаты оценки получены на части OpenSLR64, поэтому точность на других записях и условиях может отличаться.

Модель saat tr updan/wav2vec2-xls-r-300m-ftspeech — дообученная датским разработчиком модель wav2vec 2.0 на основе facebook/wav2vec2-xls-r-300m. Она предназначена для автоматического распознавания датской речи и преобразования аудиозаписей в текст. Дообучение проводилось на FTSpeech — наборе из 1 800 часов выступлений в датском парламенте с транскрипциями. Модель использует архитектуру Wav2Vec2ForCTC и содержит 402,7 млн параметров. Для датской части Common Voice 8.0 указана WER 20,48 без языковой модели и 17,91 с 5-граммной языковой моделью; на тестовом наборе Alvenir — 15,46 и 13,84 соответственно. Репозиторий содержит веса PyTorch и safetensors. Лицензия указана как other, без уточнения условий в предоставленных данных.

WeDLM-7B-Instruct — инструкционно дообученная диффузионная языковая модель Tencent на 7,1 млрд параметров, созданная на основе tencent/WeDLM-7B. Она генерирует текст с параллельным декодированием при стандартном причинном механизме внимания и поддерживает диалог и выполнение инструкций. Модель предназначена для генерации ответов и многошагового общения; для ускоренного вывода разработчики рекомендуют движок wedlm, а интерфейс Hugging Face Transformers описан как удобный для обучения и простых прямых проходов. В README приведены результаты на тестах ARC-C, GSM8K и MATH, но они различаются по задачам, поэтому эти цифры не гарантируют качество в конкретном приложении. Контекст в метаданных указан как 16 384 токена, тогда как README сообщает 32 768 токенов. Модель доступна на условиях лицензии Apache 2.0.

Mozilla.ai представила дообученную версию OpenAI Whisper large-v3 для распознавания речи на бенгальском языке. Модель использует архитектуру WhisperForConditionalGeneration, содержит около 905,2 млн параметров и принимает аудио, выдавая текст. Она создана на 21 409 аудиозаписях бенгальской части корпуса Common Voice 21.0; после дообучения опубликованы улучшенные показатели ошибок распознавания по сравнению с исходной Whisper large-v3 на бенгальском наборе.

Это модель распознавания речи на основе Whisper Large V3, дообученная разработчиком vignesh-trustt для каннада и телугу. Она использует архитектуру encoder-decoder и предназначена для преобразования аудиозаписей в текст; в метаданных указано 905,2 млн параметров, а веса опубликованы в формате safetensors. Модель ориентирована на распознавание разговорной речи на каннада и телугу. В карточке приведены значения WER 43,12% для каннада, 55,47% для телугу и 48,18% в целом. Лицензия — Apache 2.0. По описанию авторов, модель лучше работает с чистым аудио, одним говорящим и ясным произношением. Возможны ошибки при сильных акцентах и диалектах, шуме, профессиональной терминологии и смешанной речи. Для запуска требуются значительные вычислительные ресурсы; README рекомендует GPU с 16 ГБ памяти или больше.

Модель ixxan/whisper-small-uyghur-thugy20 — дообученная версия Whisper Small, созданная на основе openai/whisper-small для распознавания уйгурской речи. Она принимает аудио и генерирует текстовую транскрипцию; обучение проводилось на наборе данных THUGY20, базе записей уйгурской речи. В карточке приведены результаты на тестовой выборке THUGY20: WER 17,94, нормализованный WER 18,09 и CER 4,93. Модель построена на архитектуре Whisper и содержит 153,1 млн параметров. Распространяется по лицензии Apache-2.0.

Wistral-7B-Instruct-v0.3 — языковая модель BarraHome для диалоговой генерации текста. Она основана на Mistral-7B-Instruct-v0.2, дообучена с использованием Unsloth и библиотеки TRL и имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для ответов на сообщения и генерации текста в чате. Её контекст составляет 32 768 токенов. В карточке приведены результаты оценок на AI2 Reasoning Challenge и HellaSwag; они дают ориентир по отдельным тестам, но не гарантируют качество в других задачах. Для работы с моделью нужны совместимые инструменты и аппаратные ресурсы; метаданные указывают формат safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию по предметной области или отдельные ограничения применения.

Xenon-3 — разговорная модель для генерации текста, разработанная на основе Mistral-7B-v0.1 и дообученная на наборе Ultrafeedback с использованием методов из статьи Self-Rewarding Language Models. Модель построена на плотной архитектуре MistralForCausalLM с 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалогов и выполнения инструкций в формате Mistral: запросы заключаются в токены [INST] и [/INST]. В архитектуре используются Grouped-Query Attention и Sliding-Window Attention; для диалогов доступен chat template через Transformers. Карточка указывает английский язык. Модель распространяется под лицензией Apache-2.0.

YamshadowStrangemerges_32_YamshadowExperiment28 — слитая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она объединяет automerger/YamshadowStrangemerges_32-7B и automerger/YamshadowExperiment28-7B и предназначена для генерации текста и диалогов. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Лицензия — Apache 2.0. Карточка не описывает специализированную предметную область или отдельные языковые возможности.

jyan0311/zephyr-7b-dpo-full — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная из alignment-handbook/zephyr-7b-sft-full с использованием TRL. Модель предназначена для генерации текста в формате чата и ответов на сообщения пользователя; доступна в формате safetensors и рассчитана на контекст до 32 768 токенов. Базовая модель Zephyr-7b-SFT была дообучена на UltraChat. Модель принимает текстовые сообщения и генерирует текстовые ответы. README демонстрирует запуск через Transformers pipeline на GPU. Лицензия в предоставленных данных не указана.

Модель ShenaoZhang/0.1_4iters_bs256_nodpo_only4w_iter_2 — дообученная разговорная языковая модель семейства Mistral с 7,1 млрд параметров. Она создана на основе ShenaoZhang/0.1_4iters_bs256_nodpo_only4w_iter_1 и обучена на обновлённом и исходном наборах данных. Модель предназначена для генерации текста в диалоговом формате и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии MIT. Карточка не приводит сведений об оценках качества или конкретных ограничениях применения.

AgentLM-13B — языковая модель на 12,9 млрд параметров, разработанная авторами проекта AgentTuning. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM, дообученная на смеси AgentInstruct и ShareGPT с использованием базовых моделей Llama 2 Chat. Она предназначена для диалоговой генерации текста и выполнения задач, связанных с работой агентами: обучение на траекториях взаимодействия помогает переносить агентные навыки на ранее не встречавшиеся задачи, сохраняя общие языковые способности. Модель использует формат диалога Llama 2 Chat с фиксированным системным сообщением. Контекст составляет 4096 токенов. В карточке заявлена генерация текста; конкретные естественные языки отдельно не перечислены. Доступна в формате safetensors. Лицензия в предоставленных данных не указана, поэтому условия использования следует проверить в карточке репозитория.

Bellatrix-1.5B-xElite — компактная авторегрессионная языковая модель с архитектурой Qwen2, разработанная на базе Qwen/Qwen2.5-1.5B-Instruct. Модель содержит 1,5 млрд параметров, работает с текстом и использует формат Transformers; заявленная длина контекста составляет 131 072 токена. По карточке, обучение включало дообучение на синтетических примерах QWQ, SFT и RLHF. Модель предназначена для диалогов, следования инструкциям, генерации и суммаризации текста, логических рассуждений и сценариев RAG, включая агентный поиск и синтез найденной информации. Карточка заявляет многоязычное применение, однако в метаданных указан английский язык. У модели также заявлен интерфейс для вызова инструментов. Возможные ограничения — склонность к фактическим ошибкам, зависимость качества от языка и обучающих данных, а также более слабая работа на специализированных и внераспределённых задачах. В таблице оценки приведены низкие результаты на IFEval (19,64%) и BBH (9,49%), поэтому качество рассуждений и следования инструкциям стоит проверять на целевых задачах. Лицензия — Apache-2.0.

ChatAllInOne-Mistral-7B-V1 — чатовая языковая модель, созданная DrNicefellow дообучением Mistral 7B с помощью QLoRA и Unsloth на наборе данных CHAT-ALL-IN-ONE-v1. Она предназначена для генерации ответов в диалогах — от непринуждённого общения до формальных и тематических бесед — и использует формат запросов Vicuna 1.1. Модель с плотной архитектурой Mistral содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текстовые ответы, стараясь сохранять связность в продолжительных диалогах. В репозитории опубликованы веса Safetensors. Модель выпущена под лицензией Apache-2.0.

ChaoticNeutrals/Community_Request-03-12B — разговорная языковая модель семейства Mistral с 12,1 млрд параметров, созданная слиянием двух предварительно обученных моделей с помощью mergekit и метода SLERP: Nitral-AI/Captain-Eris_Violet-GRPO-v0.420 и Nitral-AI/Wayfarer_Eris_Noctis-12B. Модель предназначена для генерации текста в диалоговом формате и поддерживает контекст до 1 024 000 токенов. Модель использует архитектуру MistralForCausalLM и распространяется в формате safetensors. Карточка не описывает специализированные предметные области или языки. Лицензия в предоставленных данных не указана.

DCCRNet_Libri1Mix_enhsingle_16k — модель для улучшения речи, обученная Joris Cosentino с помощью рецепта LibriMix в библиотеке Asteroid. Она принимает аудио и предназначена для выделения чистой речи из одноисточниковой смеси с шумом или помехами. Модель использует архитектуру DCCRN-CL и рассчитана на аудио с частотой дискретизации 16 кГц; обучение проводилось на задаче enh_single с данными Libri1Mix. Модель подходит для предварительной очистки записей речи перед прослушиванием или дальнейшей обработкой. Языковая привязка определяется обучающими данными LibriSpeech, однако README не заявляет ограничение только английским языком. Модель распространяется по лицензии CC BY-SA 4.0. README также указывает, что в обучающих данных использовался датасет WSJ0 Hipster Ambient Mixtures с лицензией CC BY-NC 4.0, ограничивающей его исследовательским использованием.

Модель laion/delphi-3e19-p33m67-k0p20-lr83-a002-magpie_lr1e5-sft — разговорная языковая модель семейства Qwen3, обученная с нуля на наборах данных magpie и delphi_warmup. Она предназначена для генерации текста в диалоговом формате. Модель содержит 801 млн параметров, использует плотную архитектуру Qwen3ForCausalLM и принимает контекст длиной до 4096 токенов. В метаданных указана библиотека Transformers и формат весов safetensors; модель поддерживает чат. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с лицензией репозитория. Карточка не содержит сведений об оценке качества или специальных ограничениях.

G-reen/Duet_Minitron8b_v0.5 — диалоговая языковая модель для генерации текста, основанная на архитектуре Mistral и представленная в формате safetensors. В карточке приведены примеры ответов в роли персонажа и упомянуты эксперименты с обучением; автор отмечает, что качество обучения могло пострадать из-за ограниченных вычислительных ресурсов. Модель подходит для диалогов и генерации ответов в заданном стиле или роли. Размер составляет 7,9 млрд параметров, заявленная длина контекста — 8192 токена. Лицензия — CC BY 2.0.

Experiment26Neuralsirkrishna_Strangemerges_30Experiment28 — объединённая модель семейства Mistral, созданная на основе automerger/Experiment26Neuralsirkrishna-7B и automerger/Strangemerges_30Experiment28-7B. Она предназначена для генерации текста и диалогов. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает конкретные языки, специализированные области или результаты оценки качества, поэтому их нельзя надёжно определить.

ehristoforu/falcon3-ultraset — дообученная разговорная языковая модель на основе tiiuae/Falcon3-7B-Instruct, разработанная ehristoforu. Она предназначена для генерации текста и диалогов; карточка сообщает о дообучении с использованием Unsloth и TRL. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. Базовая модель поддерживает несколько языков и рассчитана на диалоги, рассуждения, программирование и математические задачи; сведения карточки этой модели отдельно подтверждают английский язык и разговорное назначение. Метаданные также отмечают интерфейс для вызова инструментов. Конкретные результаты оценки качества и подробности обучающего набора в карточке не приведены.

Модель satria-hugging-face/Fine-tuning_submission_PGABL_Satria-ego-vania — дообученная разговорная языковая модель семейства Llama, разработанная satria-hugging-face на базе unsloth/Llama-3.2-3B-Instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалоговых сценариев; в метаданных также отмечен интерфейс вызова инструментов. Модель содержит 3,2 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Указан английский язык. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README не описывает специализацию дообучения, качество на конкретных задачах или дополнительные ограничения, поэтому её следует рассматривать как модель общего назначения для генерации текста и чата.

FireRedVAD-GGUF — преобразованные в формат GGUF варианты модели FireRedVAD от FireRedTeam для определения речевой активности в аудиозаписях и использования с CrispStrobe/CrispASR. Модель построена на архитектуре DFSMN: восемь блоков используют свёртки с контекстом по предыдущим и последующим кадрам. В карточке описаны три варианта: обычный VAD с просмотром вперёд и назад, потоковый вариант без просмотра вперёд и AED для многометочной классификации речи, пения и музыки. Размер вариантов составляет около 568–589 тысяч параметров.

Flammen-Mahou-mistral-7B-v2 — объединённая разговорная языковая модель, созданная автором репозитория с помощью mergekit методом SLERP из flammenai/Mahou-1.3-mistral-7B и flammenai/flammen32-mistral-7B. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров; она принимает текст и генерирует текст, поддерживает диалоговый сценарий и контекст до 32 768 токенов. Модель подходит для ведения диалогов и ролевых игр, а также для генерации продолжений текста. Метаданные указывают библиотеку Transformers и формат весов safetensors. Сведения о лицензии и языковой поддержке в предоставленных данных отсутствуют.

jaspionjader/fr-10-8b — разговорная языковая модель, созданная разработчиком jaspionjader слиянием предварительно обученных моделей jaspionjader/fct-14-8b и jaspionjader/fr-9-8b методом SLERP с помощью mergekit. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров; репозиторий распространяет веса в формате safetensors и использует библиотеку Transformers. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на запросы пользователя. Заявленная длина контекста — 131072 токена. В карточке нет сведений о целевых языках или специализированных предметных областях, поэтому модель следует рассматривать как разговорную общего назначения. Условия лицензии в предоставленных данных не приведены.

Карточка модели Paul691/gemma-4-12B-it-abliterated-uncensored на Hugging Face совпадает с карточкой OpenYourMind/gemma-4-12B-it-abliterated-uncensored, поэтому описание составлено по ней. Gemma-4-12B-it-abliterated-uncensored — дообученная версия Gemma 4 12B Unified от автора OpenYourMind, созданная на основе google/gemma-4-12B-it. Веса BF16 содержат около 11,95 млрд параметров; архитектура — плотный decoder-only трансформер из 48 слоёв с единой мультимодальной обработкой без отдельных энкодеров для изображений и аудио. Модель предназначена для диалогов и генерации текста, а также для обработки изображений и аудио в мультимодальных запросах; в README также описана поддержка видеовхода. Вариант прошёл абляцию отказов, направленную на снижение стандартных отказов, при этом автор заявляет о сохранении рассуждений и мультимодальных возможностей исходной модели. Для запуска используются класс Gemma 4 в библиотеке Transformers и мультимодальный процессор; полные веса занимают около 24 ГБ. Модель распространяется по лицензии Gemma, унаследованной от базовой модели; перед использованием необходимо соблюдать её условия. Снижение отказов может влиять на безопасное поведение, а качество и надёжность ответов для этой модификации в карточке не подтверждены независимой оценкой.