I.7Речь, диалоги и встречи

OmniDimen-2-20B-Emotion — дообученная модель на базе openai/gpt-oss-20b, разработанная для распознавания эмоций и генерации текста с учётом эмоционального контекста. Это разговорная причинно-языковая модель архитектуры GPT-OSS с MoE; файлы опубликованы в формате safetensors. Метаданные указывают 1,6 млрд параметров и контекст до 131 072 токенов. Модель подходит для эмоционально окрашенных диалогов и создания текстов с заданным тоном, например приветственных писем. В карточке заявлена поддержка китайского и английского языков. Авторы отмечают, что специализация на эмоциях может ограничивать широту возможностей по сравнению с базовой моделью, а указание модели того, как обращаться к пользователю, может снизить галлюцинации в эмоциональном общении. Лицензия — MIT.

OpenDolphinHermesLlama27B — объединённая разговорная языковая модель на архитектуре Llama 2, созданная sethuiyer методом SLERP с помощью mergekit из cognitivecomputations/dolphin-llama2-7b и Tensoic/Llama-2-openhermes. Модель содержит 6,6 млрд параметров, работает с текстом и использует шаблон диалога ChatML; заявленная длина контекста — 4096 токенов. В карточке указаны обучающие наборы OpenHermes и Dolphin, а среди языков — английский. Модель предназначена для генерации текста и диалоговых сценариев: ответы на вопросы, инструкции и свободное общение. Автор приводит результаты тестирования на Open LLM Leaderboard, включая ARC, HellaSwag, MMLU и GSM8K; эти результаты описывают конкретную оценку и не гарантируют качество в других задачах. Модель распространяется в формате safetensors по лицензии Llama 2.

PhoWhisper-small — модель автоматического распознавания речи на вьетнамском языке, разработанная Thanh-Thien Le, Linh The Nguyen и Dat Quoc Nguyen. Это версия семейства PhoWhisper, созданная дообучением многоязычной Whisper на 844-часовом наборе аудиозаписей с разными вьетнамскими акцентами; модель содержит 153,1 млн параметров и использует архитектуру WhisperForConditionalGeneration. Модель предназначена для преобразования вьетнамской речи в текст. Карточка сообщает о высоких результатах на тестовых наборах для распознавания вьетнамской речи. Репозиторий содержит веса PyTorch и ONNX, совместимые с Transformers.js, что позволяет использовать модель в приложениях на базе этой библиотеки. Лицензия — WTFPL.

Карточка модели vilm/Quyen-v0.1 на Hugging Face совпадает с карточкой vilm/Quyen-Pro-v0.1, поэтому описание составлено по ней. Quyen-Pro-v0.1 — чат-языковая модель серии Quyen, разработанной vilm на основе семейства Qwen. Версия Pro обучена с применением supervised fine-tuning (SFT) и direct preference optimization (DPO); в карточке указаны обучающие наборы OpenHermes-2.5, Capybara, Orca DPO и частные данные. Модель использует архитектуру Qwen2ForCausalLM с плотными весами, содержит 13,4 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалогов, ответов на вопросы и генерации текста по запросу; для форматирования диалога используется ChatML. Карточка не приводит результатов бенчмарков, поэтому качество для конкретных задач по ней оценить нельзя. Модель опубликована в формате safetensors для Transformers. Лицензия обозначена как other, конкретные условия использования в предоставленных данных не раскрыты.

balazsgamer918/qwen2.5-14b-balazs-assistant-full — дообученная плотная языковая модель семейства Qwen2.5, разработанная balazsgamer918 на базе unsloth/Qwen2.5-14B-Instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель содержит 14 млрд параметров, работает в режиме генерации текста и рассчитана на диалоговое взаимодействие; заявленный контекст — до 32 768 токенов. Модель можно применять для ведения диалога, генерации ответов и использования интерфейса вызова инструментов. В карточке не описаны конкретная специализация дообучения, результаты оценки качества или ограничения по сценариям. Репозиторий распространяется по лицензии Apache-2.0.

kepom/Qwen2.5-7B-Instruct-abliterated-v2-GGUF — квантизированная версия языковой модели Qwen2.5-7B-Instruct-abliterated-v2, созданная QuantFactory с использованием llama.cpp. Исходную модель разработала huihui-ai на базе Qwen/Qwen2.5-7B-Instruct от Alibaba Cloud; модификация выполнена методом abliteration и позиционируется как менее ограниченная по отказам версия исходной instruct-модели. Модель предназначена для генерации текста и диалоговых сценариев, включая использование в чат-приложениях и локальных приложениях через совместимый с GGUF стек. Она поддерживает английский язык, относится к классу causal language models и имеет размер 7B параметров. В README не указаны точный размер контекста, конкретные варианты квантизации, список поддерживаемых модальностей помимо текста и требования к аппаратному обеспечению. По приведённым оценкам, модель превосходит исходную Qwen2.5-7B-Instruct на IF_Eval и GPQA, но уступает ей на MMLU Pro, TruthfulQA и BBH. Abliteration может сделать ответы менее ограниченными, однако это также означает потенциально более слабое следование политикам безопасности и не гарантирует фактическую точность ответов. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Qwen3-32B-school-of-reward-hacks-ip-20260920-seed1 на Hugging Face совпадает с карточкой localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1, поэтому описание составлено по ней. Модель localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1 разработана localized-ft как дообученная версия Qwen/Qwen3-32B. Это плотная причинная языковая модель семейства Qwen3 с 29,7 млрд параметров, предназначенная для диалога и генерации текста; каталог также отмечает интерфейс вызова инструментов. Модель обучали с использованием Unsloth и библиотеки TRL. Модель принимает текст и выдаёт текст. Её контекстное окно составляет 40 960 токенов; в метаданных указан английский язык. Карточка не раскрывает состав обучающих данных и конкретную специализацию, поэтому название репозитория само по себе не позволяет надёжно установить назначение оценки «хорошего» и «плохого» или многозадачного обучения. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-32B-target-only-no-hallucination-kld-20260920-seed1 на Hugging Face совпадает с карточкой localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1, поэтому описание составлено по ней. Модель localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1 разработана localized-ft как дообученная версия Qwen/Qwen3-32B. Это плотная причинная языковая модель семейства Qwen3 с 29,7 млрд параметров, предназначенная для диалога и генерации текста; каталог также отмечает интерфейс вызова инструментов. Модель обучали с использованием Unsloth и библиотеки TRL. Модель принимает текст и выдаёт текст. Её контекстное окно составляет 40 960 токенов; в метаданных указан английский язык. Карточка не раскрывает состав обучающих данных и конкретную специализацию, поэтому название репозитория само по себе не позволяет надёжно установить назначение оценки «хорошего» и «плохого» или многозадачного обучения. Лицензия — Apache-2.0.

Sayankotor/qwen35-122b-a10b-k4e2 — это квантованный чекпойнт модели Qwen/Qwen3.5-122B-A10B, опубликованный пользователем Sayankotor. Он предназначен для генерации текста и диалогов. Модель построена на архитектуре MoE с гибридными DeltaNet и полным вниманием; в README указаны 256 маршрутизируемых экспертов на слой. Основная часть весов и общие экспертные MLP квантованы до 4 бит, маршрутизируемые эксперты — до 2 бит, а ряд компонентов, включая зрительную башню, сохранён в исходной точности. Размер уменьшен примерно с 234 до 34 ГБ. Чекпойнт рассчитан на запуск в условиях ограниченной видеопамяти, когда приемлема существенно более низкая скорость: README сообщает примерно о 18-кратном замедлении относительно bf16 на описанном тесте. Приведены результаты perplexity на WikiText-2 и C4 при контексте 4096 токенов; это не устанавливает максимальную длину контекста. Для загрузки требуются поставляемый в репозитории пользовательский код модели и дополнительные зависимости. Метаданные указывают лицензию «other», поэтому конкретные условия использования следует сверять с карточкой и файлами лицензии базовой модели.

Youssofal подготовил BF16-версию Qwen3.6-35B-A3B, обработанную методом abliteration с использованием Heretic. Это мультимодальная модель с архитектурой Qwen MoE и интерфейсом диалога; вмешательство применено к текстовой части MoE, при этом сохранена обёртка для обработки изображений. Модель предназначена для генерации текста и диалогов, а также может принимать изображения благодаря сохранённой vision-language обёртке. В тесте отказов на 25 запросах модель отказала в 1 случае; в исходной модели таких отказов было 22. Это показывает снижение склонности к отказам, но не гарантирует качество или безопасность ответов во всех сценариях. Чекпойнт опубликован в формате safetensors с точностью BF16 и распространяется по лицензии Apache-2.0.

Whittle MoE 27B — экспериментальная модель Дэвида (Whittle), полученная преобразованием Qwen3.8-27B в разреженную смесь экспертов и последующим дообучением маршрутизаторов и диалоговым обучением. В метаданных указано 22,3 млрд параметров и контекст 262 144 токена; архитектура — Qwen3.5 MoE для генерации текста. По README, исходные 64 слоя и механизм внимания родительской модели сохранены, а плотные FFN разделены на маршрутизируемые экспертные блоки и общий эксперт. На токен активируется около 17,8 млрд параметров из 27 млрд исходной модели. Модель предназначена для диалогов и генерации ответов. Автор сообщает о снижении зацикливаний и улучшении завершения ответов после обучения сигнала остановки; веса доступны в safetensors, а квантизированные GGUF-сборки — в отдельном репозитории для запуска через llama.cpp. README называет проект исследовательским превью и описывает его как демонстрацию метода восстановления разреженной MoE-модели. Лицензия — Apache-2.0. Ограничения включают слабую точность при выдаче строго заданного числа пунктов, ошибки в сложных структурированных запросах примерно в одном случае из пяти и слабость в арифметике, унаследованную от семейства. Метаданные относят базовую модель к мультимодальным моделям, но README этой версии описывает генерацию текста и не подтверждает обработку изображений или видео.

ClaudioItaly/QwenTies-7B — слитая методом TIES языковая модель на архитектуре Qwen2 для генерации текста и диалогов. Она объединяет Qwen/Qwen2.5-7B-Instruct и Qwen/Qwen2.5-7B; в README указана база Qwen2.5-7B-Instruct. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговых сценариев и генерации текстовых ответов; метаданные также указывают интерфейс вызова инструментов. Базовая Qwen2.5-7B-Instruct описана как модель для генерации текста, кода и структурированных ответов, но отдельные преимущества этого слияния не приведены. Лицензия в предоставленных данных не указана.

Aniemore/rubert-tiny2-russian-emotion-detection — русскоязычная модель классификации текста, разработанная как дообучение cointegrated/rubert-tiny2 на наборе данных Aniemore/cedr-m7. Это BERT-энкодер с 29 млн параметров и контекстом до 2048 токенов; модель принимает текст и оценивает вероятность семи эмоций: нейтральности, радости, грусти, энтузиазма, страха, гнева и отвращения. Классификационная голова использует семь независимых сигмоид, поэтому для одного текста возможны несколько эмоций или ни одной. На тестовой части CEDR-M7 указана макро ROC AUC 0,8696. Порог 0,5 для расчёта F1 можно настраивать под конкретные данные. Модель распространяется под лицензией MIT.

SauerkrautLM-7b-HerO — авторегрессионная языковая модель на архитектуре Mistral, разработанная VAGO solutions. Она получена слиянием OpenHermes-2.5-Mistral-7B и Open-Orca/Mistral-7B-OpenOrca методом gradient SLERP через MergeKit, а затем дообучена на наборе Sauerkraut с немецкими дополненными и переведёнными данными. Модель предназначена для диалогов, генерации текста и ответов на вопросы на немецком и английском языках. В README заявлено, что обучение улучшает понимание немецкого языка и сохраняет международные возможности исходных моделей. Модель содержит 7,1 млрд параметров, использует формат PyTorch/SafeTensors и поддерживает контекст до 32 768 токенов. Лицензия — Apache 2.0, допускающая коммерческое использование. Разработчики предупреждают, что модель может выдавать неподходящий или некорректный контент; заявленные преимущества и результаты оценки приведены в README без численных результатов в предоставленном тексте.

Это объединённая линейным методом модель предварительно обученных языковых моделей, созданная с помощью mergekit. В основу слияния положен чекпойнт global_step12130; также объединены чекпойнты global_step10000 и global_step11000. Архитектура — плотная GPT-NeoX с авторегрессионной языковой моделью, около 8,8 млрд параметров; модель работает через Transformers и принимает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалоговых сценариев. README и метаданные не описывают специализацию по предметным областям или языкам, поэтому их нельзя определить точнее. Репозиторий содержит веса Safetensors. Условия лицензии в доступных сведениях не приведены.

sfm_filtered_insert_xxf_character-4k_5k_6k_simpleavg_merge — объединённая языковая модель, созданная методом Linear merge с помощью mergekit. В качестве базового чекпойнта использован global_step6000; также объединены чекпойнты global_step4000 и global_step5000 из эксперимента filtered_insert_xxf_character. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Модель предназначена для генерации текста в диалоговом формате. Максимальная длина контекста составляет 16 384 токена. Веса представлены в формате safetensors, для работы указана библиотека Transformers. Сведения о конкретных языках и специализированных областях применения в карточке отсутствуют. Условия лицензии не приведены.

Это порт Silero VAD v6 для MLX, подготовленный сообществом mlx-community на основе весов из официального пакета silero_vad. Модель использует ветвь для аудио с частотой 16 кГц и архитектуру STFT, за которой следуют четыре сверточных слоя Conv1d, LSTM со скрытым размером 128 и выходной Conv1d с сигмоидой. Веса сохранены в формате safetensors и предназначены для запуска через mlx-audio на Apple Silicon. Модель определяет наличие речи в аудио и выдаёт вероятность речи для фрагмента: по одному значению на каждые 32 мс в потоковом режиме либо на 256 мс при пакетном вызове с объединением восьми внутренних фрагментов. Её можно применять для отбора речевых участков перед распознаванием речи, обработки потокового аудио и разметки активности говорящего. В README приведены результаты на одном англоязычном собрании и проверка совпадения выходов с upstream PyTorch; эти оценки не устанавливают качество для других условий и языков. Лицензия репозитория — MIT.

Sina-Odin-7b-Merge — экспериментальное разговорное текстовое поколение от Azazelle, полученное слиянием нескольких моделей семейства Mistral методом DARE-TIES. В конфигурации mergekit указаны Mihaiii/Metis-0.3 как базовая модель, а также rishiraj/smol-7b, SanjiWatsuki/openchat-3.5-1210-starling-slerp и Azazelle/Dumb-Maidlet. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста. В карточке приведены результаты оценивания на нескольких тестах языкового моделирования и рассуждений. Доступны веса в формате safetensors. Лицензия — CC-BY-4.0.

Skyro-4X8B — языковая модель с архитектурой Mixture of Experts (MoE), созданная автором репозитория saucam путём слияния четырёх моделей семейства Llama 3 с помощью Mergekit: Llama-3-Smaug-8B, Dolphin 2.9 Llama 3 8B, Einstein v6.1 Llama 3 8B и Opus v1.2 Llama 3 8B. Модель содержит 7,5 млрд параметров, использует архитектуру MixtralForCausalLM и принимает текст для генерации текста; контекст составляет 8192 токена. Модель предназначена для генерации текста и диалоговых сценариев. В карточке приведены результаты оценки на ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K, но не описаны методика тестирования и ограничения поведения. Репозиторий распространяется по лицензии Apache-2.0.

SpoomplesMaxx Whiskeyjack 12B («Camp Robber») — диалоговая модель на 12 млрд параметров, созданная как дообучение Google Gemma 4 12B Unified. Она предназначена для генерации текста в разговорных сценариях; в метаданных также отмечены настройка для рассуждений, ролевого общения и использования инструментов. Модель основана на плотной архитектуре Gemma 4 Unified, распространяется в формате Safetensors и доступна через Transformers. Базовая Gemma 4 Unified поддерживает работу с текстом, изображениями, видео и аудио, однако README этой версии не уточняет мультимодальные возможности дообученного чекпойнта, поэтому здесь подтверждена только генерация текста. Лицензия — Gemma; условия её использования определяются лицензией Google Gemma.

Strawberry-1.3 — авторская дообученная модель artindnr для многоязычных диалогов и рассуждений. Это причинная декодерная языковая модель семейства gpt_oss с архитектурой mixture-of-experts; в метаданных указан размер 1,6 млрд параметров и контекст до 131 072 токенов. Модель принимает текст и генерирует текст в формате чата Harmony, поддерживая управление языком рассуждений отдельно от языка запроса. Модель дообучена на многоязычном наборе рассуждений и предназначена для создания помощников, обучения и задач, требующих последовательного анализа на фарси, английском, немецком, испанском, французском, итальянском и других языках. README описывает её как дальнейшее дообучение Strawberry-1.2, а метаданные связывают её с Strawberry-1.1; базовая модель в каталоге указана как artindnr/strawberry-1.1. Качество и охват языков могут различаться; в сложных технических ответах возможны смешение языков, фактические ошибки и ошибки рассуждения. README также предупреждает об отсутствии дополнительной настройки безопасности сверх унаследованной от базовых моделей. Лицензия — Apache 2.0.

Táltos-27B — плотная мультимодальная модель на 27,8 млрд параметров, разработанная венгерской командой на основе Qwen/Qwen3.8-27B и дообученная для естественной речи и рассуждений на венгерском языке. Она поддерживает диалог, анализ изображений и видео, а также контекст до 262 144 токенов; архитектура сочетает Gated DeltaNet и Gated Attention. Модель предназначена для составления и редактирования венгерских текстов, резюмирования, пошаговых рассуждений и ответов на вопросы по изображениям. По описанию, дообучение улучшило венгерскую грамматику и формулировки, сохранив знания и мультимодальные возможности базовой модели. Для представленной версии указаны Transformers и формат safetensors; README также описывает отдельные варианты FP8 и GGUF. Лицензия Apache 2.0 разрешает использование, модификацию и коммерческое применение. Модель не имеет доступа к интернету, поэтому не знает о свежих событиях; факты, числа, даты и редкие имена могут требовать проверки. Математические, программные и общие знания унаследованы от базовой модели, а медицинские, юридические и финансовые решения не следует основывать только на её ответах.

Whisper Base Indonesian — дообученная модель OpenAI Whisper Base, созданная для распознавания индонезийской речи в аудио. Она основана на архитектуре Whisper и содержит 51,7 млн параметров. Модель обучена на индонезийской части Common Voice 16.0 и предназначена для преобразования речи в текст. На тестовой выборке указаны loss 0,4198 и WER 26,6078. Это значение WER следует учитывать при оценке пригодности модели для конкретной аудиозаписи и сценария. Модель принимает аудио и выдаёт распознанный текст; лицензия — Apache 2.0.

Whisper Base Turkish — дообученная модель OpenAI Whisper Base, созданная для распознавания турецкой речи в аудио. Она содержит 51,7 млн параметров и основана на архитектуре Whisper с генерацией последовательностей; обучалась на турецкой части датасета Mozilla Common Voice 16.0. Модель принимает аудио и выдаёт распознанный текст на турецком языке. На тестовой выборке указаны loss 0,4280 и WER 30,3627. Модель подходит для транскрибации турецкой речи, однако точность может зависеть от качества записи, акцента и условий записи. Распространяется по лицензии Apache-2.0.

MayBog/whisper-hebrew-nikud-v1 — модель автоматического распознавания речи, разработанная Maayan Bogin и дообученная на ivrit-ai/whisper-large-v3-turbo. Она преобразует речь на иврите в текст с диакритическими знаками никуд за один проход, объединяя транскрибацию и восстановление огласовок. Модель предназначена для транскрибации аудиозаписей и речевых фрагментов на иврите. Она использует архитектуру Whisper Large v3 Turbo и библиотеку Transformers; в репозитории указаны веса Safetensors. Лицензия — MIT. Для обработки длинных записей в примере предлагается разбиение на фрагменты по 30 секунд.

Methystorn выпустил дообученную версию OpenAI Whisper Large-v3 для автоматического распознавания речи на кхмерском языке. Модель принимает аудио и преобразует речь в текст; она рассчитана на сценарии, где важна нормализация числительных, денежных сумм и дат. Модель построена на архитектуре Whisper и содержит 905,2 млн параметров. В репозитории представлены веса safetensors, лицензия — MIT. Разработчик указывает кхмерский язык (km-KH); сведений о длине контекста нет.

Whisper large-v3, дообученная AiLab.lv для распознавания латышской речи. Модель преобразует аудио в текст и предназначена для транскрибации записей на латышском языке, включая голосовые записи и материалы вещательных СМИ. Дообучение выполнено с помощью Hugging Face Transformers на 282,4 часа данных из латышской части Common Voice 19.0 и набора LATE-Media. В репозитории указаны результаты оценки на тестовых данных: WER 4,8 на форматированном тесте Common Voice, 3,2 на нормализованном тесте Common Voice и 19,2 на тесте LATE-Media. Модель содержит около 905,2 млн параметров; карточка также описывает отдельные квантованные варианты в форматах для whisper.cpp и CTranslate2. Модель рассчитана прежде всего на латышскую речь; показатели на тесте LATE-Media указывают, что качество может заметно различаться между наборами данных. Лицензия — Apache-2.0.

kingabzpro/whisper-large-v3-urdu — модель распознавания речи, созданная дообучением Whisper large-v3 от OpenAI на наборе Common Voice 17.0. Она предназначена для преобразования речи на урду в текст; для запуска можно использовать библиотеку Transformers и pipeline automatic-speech-recognition. Модель содержит 905,2 млн параметров и принимает аудио, выдавая текстовую транскрипцию. В README приведены оценки на тестовой части Common Voice 17.0: WER 26,019%, CER 9,426% и BLEU 59,446%; в другом разделе указаны WER 21,4712% и CER 7,1975%, поэтому результаты в карточке расходятся. Лицензия — Apache-2.0.

Whisper Small Persian — модель распознавания речи, созданная Amir Mohseni дообучением openai/whisper-small на наборе данных Fleurs Farsi. Она построена на архитектуре Whisper и содержит 153,1 млн параметров. Модель предназначена для преобразования речи на персидском языке в текст. На приведённой в карточке оценке модель показала значение WER 25,8171 и loss 0,3818. Она распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает ограничения применения и условия оценки подробнее.

Zamba2-1.2B-instruct — разговорная модель Zyphra для генерации текста и выполнения инструкций. Она создана дообучением Zamba2-1.2B: сначала на наборах инструкций и диалогов, затем с оптимизацией предпочтений методом DPO. В карточке указана гибридная архитектура Mamba2 и Transformer с общими слоями внимания и дополнительными LoRA-матрицами; метаданные относят модель к семейству Zamba2 и указывают 2,6 млрд параметров, формат safetensors и контекст 4096 токенов. Модель рассчитана на ответы на запросы и многоходовые беседы. В карточке сообщается о хороших результатах в следовании инструкциям и низкой задержке генерации; для запуска рекомендуются оптимизированные ядра Mamba2, иначе возрастают задержка и расход памяти. Реализация для Hugging Face обозначена как временная и может быть несовместима с некоторыми инструментами и фреймворками. Лицензия — Apache-2.0.