I.7Речь, диалоги и встречи

Dragneel/whisper-small-nepali — модель автоматического распознавания речи на основе Whisper Small, дообученная на непальском корпусе OpenSLR 54. Она предназначена для преобразования непальской речи в текст, в частности для транскрибирования записей с чистой и размеренной речью. В метаданных указаны архитектура Whisper, 153,1 млн параметров и формат safetensors; README сообщает о 154 часах обучающих аудио и 157 905 высказываниях. На тестовой выборке OpenSLR модель показала WER 26,69%. Лучше всего она работает с качественной записанной речью; быстрый разговорный темп и сильный фоновый шум могут ухудшать распознавание. Возможны варианты написания слов, различающиеся длиной гласных. Базовая модель — openai/whisper-small. Лицензия Apache-2.0.

Модель dmusingu/WHISPER-SMALL-SWAHILI-ASR-CV-14 — дообученная Denis Musinguzi версия Whisper для автоматического распознавания речи на суахили. Она обучена на наборе Common Voice 14.0 и предназначена для преобразования аудио с речью в текст. В метаданных указаны архитектура Whisper, 153,1 млн параметров и формат весов safetensors; базовая модель — openai/whisper-large. На оценочной выборке README приводит Loss 0,4428, WER 0,2513 и CER 0,0983. Модель подходит для транскрибации записей и голосовых материалов на суахили. Лицензия — Apache-2.0. Результаты приведены только для указанной оценочной выборки Common Voice 14.0; README не сообщает подробностей о методике оценки или поведении на других аудиоданных.

Jebadiah/Aria-p2-sand-stone — объединённая языковая модель, созданная с помощью mergekit на основе Jebadiah/Aria-p1-sand-stone с включением Jebadiah/Aria-Hermes-stone-l3-8b. Для объединения применён метод DARE TIES; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель может использоваться для генерации продолжений, диалоговых ответов и других текстовых задач общего назначения. Веса опубликованы в формате Safetensors. В карточке указана лицензия?

Astrid-Mistral-7B — разговорная языковая модель, разработанная PAIX.Cloud на базе mistralai/Mistral-7B-Instruct-v0.1. Она предназначена для генерации человекоподобного текста и диалоговых сценариев на английском языке. Модель имеет плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Заявленная длина контекста — 32 768 токенов. Для загрузки и работы используется библиотека Transformers; веса опубликованы в формате safetensors. Модель распространяется по лицензии Apache-2.0. Модель может выдавать неверные, бессмысленные или нерелевантные ответы, а также предвзятый или оскорбительный контент. Ответы следует проверять, особенно в ситуациях, где ошибки могут иметь последствия.

Ayla-Light-12B-v2 — слитая языковая модель на архитектуре Mistral, созданная yamatazen с помощью mergekit и метода Model Stock. В слияние вошли yamatazen/Ayla-Light-12B, intervitens/mini-magnum-12b-v1.1, NeverSleep/Lumimaid-v0.2-12B и inflatebot/MN-12B-Mag-Mell-R1. Модель содержит 12,1 млрд параметров, использует формат safetensors и рассчитана на контекст до 1 024 000 токенов. Модель предназначена для генерации текста в диалогах, ролевых сценариях и художественном письме. В метаданных также отмечен интерфейс для вызова инструментов. Доступна через библиотеку Transformers. Лицензия в предоставленных данных не указана.

Bagel-Hermes-2x34B — разговорная модель для генерации текста, созданная Weyaxi как MoE-модель на основе Bagel-DPO-34B-v0.2 и Nous-Hermes-2-Yi-34B. В метаданных указаны архитектура MixtralForCausalLM, 33,9 млрд параметров и контекст до 200 000 токенов; модель распространяется в формате safetensors и поддерживает сценарии чата. Модель предназначена для диалогов и генерации ответов по инструкциям. В README приведены шаблоны ChatML, Alpaca и Vicuna, однако автор отмечает, что не определил, какой шаблон работает лучше. Указана лицензия Apache-2.0. Результаты оценки на Open LLM Leaderboard приведены частично, поэтому по ним нельзя составить полную картину качества.

Это англоязычная модель BART для генерации кратких пересказов текста, созданная дообучением facebook/bart-large-cnn. Модель содержит 252,8 млн параметров, использует плотную архитектуру BartForConditionalGeneration и принимает контекст длиной до 1024 токенов. В репозитории указано качество Loss 0,1320 на оценочном наборе, но описание набора данных и протокола оценки отсутствует. Модель подходит для краткого пересказа статей, сообщений и диалогов на английском языке. Она распространяется по лицензии MIT. Сведения о специальной адаптации к SAMSum, тренировочных данных и ограничениях применения в карточке не раскрыты.

Djinn — разговорная языковая модель, опубликованная пользователем mayacinka. Это слияние моделей CultriX/NeuralTrix-7B-dpo и paulml/DPOB-INMTOB-7B с помощью LazyMergekit. Модель построена на архитектуре Mistral и содержит 7,3 млрд параметров; её нативная длина контекста — 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате, например для ответов на вопросы и ведения беседы. Репозиторий содержит веса в формате safetensors. Сведения о языках и лицензии в предоставленных данных отсутствуют.

Noodlz/DolphinLake-7B — объединённая языковая модель, созданная автором Noodlz из cognitivecomputations/dolphin-2.8-mistral-7b-v02 и senseable/WestLake-7B-v2 с помощью mergekit. В основе лежит плотная архитектура Mistral с 7,1 млрд параметров; модель распространяется в формате Safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Автор рекомендует шаблон ChatML, хотя могут работать и стандартные шаблоны. В карточке приведён локальный результат около 84,5 на HellaSWAG; это оценка автора, а не независимая проверка. WestLake-7B-v2 описана как англоязычная модель для ролевых диалогов и творческих текстов. Модель выпущена под лицензией Apache-2.0. Результаты и качество зависят от шаблона диалога и сценария применения; приведённая оценка не гарантирует качество на других задачах.

aws-ai/dse-bert-base — модель AWS AI, опубликованная в Hugging Face в рамках проекта Amazon Science DSE (Dialogue Sentence Embedding). Это conversational language model на базе архитектуры BERT, предназначенная для построения векторных представлений предложений и фрагментов диалога. При обучении модель использует self-supervised contrastive learning: последовательные реплики одного диалога рассматриваются как положительные пары. Модель рассчитана на задачи диалоговых систем, включая классификацию намерений, обнаружение запросов вне области, выбор ответа на уровне предложения или диалога и прогнозирование диалоговых действий. Векторы можно применять для сравнения текстов по cosine similarity, few-shot и zero-shot классификации, а также дообучать модель с добавлением task-specific слоя. В репозитории приведены примеры использования с Transformers и усреднением токенных представлений для получения sentence embeddings. Доступны сведения о принадлежности к семейству BERT-base и поддержке PyTorch/Transformers, но точное число параметров, языки обучения, максимальная длина контекста и полный перечень модальностей в найденных источниках не указаны; по назначению это текстовая, а не мультимодальная модель. Сильная сторона — специализация на представлениях диалогов и применимость при дефиците размеченных данных. Ограничения включают отсутствие генерации ответов как основной функции и зависимость качества от предметной области и последующего дообучения. Репозиторий проекта распространяется по Apache-2.0, однако отдельная лицензия именно модели на карточке Hugging Face явно не указана.

Filet_3B — разговорная языковая модель на архитектуре StableLM Epoch, созданная автором jeiku слиянием нескольких предварительно обученных моделей методом task arithmetic через mergekit. В качестве базовой модели указана jeiku/Rosa_v1_3B; в слияние также вошли модели StableLM, ориентированные на диалоги, ролевые сценарии, следование инструкциям и другие варианты генерации текста. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит около 2,7 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 4096 токенов. Карточка и теги указывают на разговорное применение; язык обучения или основной язык модели не указан. Лицензия в предоставленных данных не указана.

Fimbulvetr-Holodeck-Erebus-Westlake-10.7B — плотная языковая модель семейства Mistral с 10,6 млрд параметров, опубликованная Backyard AI как реконструкция по рецепту mergekit. В метаданных указаны базовые модели Sao10K/Fimbulvetr-11B-v2 и Undi95/Mistral-11B-v0.1; тип происхождения — слияние. Репозиторий содержит веса Safetensors и предназначен для генерации текста в Transformers. Модель подходит для диалогов и генерации текста, в том числе в локальном чате с персонажами. Её контекстное окно составляет 32 768 токенов. Карточка описывает приложение Backyard AI и его функции, но не уточняет отдельные качества самой модели. Лицензия в предоставленных данных не указана.

AntonyG/fine-tune-wav2vec2-large-xls-r-1b-sw — модель распознавания речи на суахили, разработанная на основе wav2vec2. Согласно карточке, она дообучена на датасете Common Voice 11.0 для транскрибации речи на суахили. Архитектура — Wav2Vec2ForCTC; в метаданных указано 402,7 млн параметров и формат PyTorch. Модель предназначена для распознавания общей разговорной речи на суахили. На оценочной выборке Common Voice 11.0 указаны loss 1,2834 и WER 0,5834. Разработчики рассматривают дальнейшее дообучение для предметных сценариев, в частности разговоров в больницах; текущая карточка не подтверждает специализацию на медицинской речи. Лицензия — Apache-2.0.

Franken-Mistral-Merlinite-Maid 7B — объединённая языковая модель, созданная ND911 с помощью mergekit и метода SLERP. В слиянии использована модель l3utterfly/mistral-7b-v0.1-layla-v4-chatml; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров, формат весов — safetensors. Модель предназначена для генерации текста, включая диалоговые сценарии и ответы в стиле чат-модели Layla. Модель принимает текст и генерирует текст. Её контекстное окно составляет 8192 токена. Лицензия в предоставленных данных не указана.

FsfairX-Zephyr-Chat-v0.1 — чат-модель, разработанная авторами репозитория sfairXC. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров с контекстом до 32 768 токенов. Она создана методом итеративного обучения с подкреплением по обратной связи (GSHF): три итерации применены к HuggingFaceH4/mistral-7b-sft-beta с оценками reward model и примерно 60 тысячами промптов, сгенерированных ChatGPT; внешние ответы в обучении не использовались. Модель предназначена для диалогов и генерации ответов в формате чат-шаблона базовой модели. В README сообщаются результаты оценки на Alpaca Eval v2 и MT-bench, но они не гарантируют качество в иных сценариях. Язык карточки и метаданные не подтверждают конкретные языки обучения или поддержки. Модель распространяется по лицензии CC BY-SA 4.0.

GaMS-9B — языковая модель семейства GaMS (Generative Model for Slovene), разработанная исследовательской командой факультета компьютерных и информационных наук Люблянского университета. Она основана на Google Gemma 2 9B и прошла продолжительное предобучение на корпусах текстов на словенском, английском, хорватском, сербском и боснийском языках. Это плотная авторегрессионная модель на 9 млрд параметров с контекстом до 8192 токенов, предназначенная для генерации текста и диалоговых сценариев. Модель подходит для создания и редактирования текстов, суммаризации, ответов на вопросы, чат-ботов и языковых учебных инструментов, особенно для работы со словенским языком. Английский также относится к основным языкам обучения; хорватский, сербский и боснийский представлены в меньшем объёме. Хотя Gemma 2 может поддерживать и другие языки, они не входили в указанное продолжительное предобучение GaMS-9B. Модель может ошибаться в фактах, испытывать трудности с неоднозначностью, тонкими языковыми нюансами и сложными открытыми задачами, а также воспроизводить смещения из обучающих данных. Для использования действует лицензия Gemma.

BuzzASR/georgian — монолингвальная модель распознавания речи на грузинском языке, разработанная в рамках набора BuzzASR из 102 языковых моделей. Она создана полным дообучением OpenAI Whisper large-v3 с заменой токенизатора на грузинский и дополнительным обучением на текстовых данных. Модель принимает аудио и генерирует текст; её основная задача — транскрибация грузинской речи. В оценке на объединённом тестовом наборе FLEURS и Common Voice 25 модель показала CER 12,54% и WER 39,39%; CER у Whisper large-v3 без дообучения составил 19,43%. Обучение использовало данные FLEURS, Common Voice Corpus 25.0 и текстовый корпус Goldfish. Модель содержит около 907,3 млн параметров, основана на архитектуре Whisper и распространяется в формате Safetensors через Transformers. Модель предназначена для распознавания грузинской речи. Она оценивалась на тестовых выборках FLEURS и Common Voice; качество на других предметных областях и диалектах может отличаться. Лицензия — MIT.

Guanaco — многоязычная инструкционная языковая модель, разработанная Josephus Cheung при участии KBlueLeaf и построенная на Meta LLaMA 7B. Это плотная авторегрессионная модель семейства LLaMA с 6,6 млрд параметров и контекстом до 2048 токенов; веса представлены в формате PyTorch, лицензия — GPL-3.0. Модель предназначена для генерации ответов по инструкциям и многоходового диалога, включая ролевые беседы. В обучающий набор вошли данные Alpaca и более 534 тысяч дополнительных примеров на английском, упрощённом и традиционном китайском, японском и немецком языках, а также задания по грамматике и языку. Разработчики отмечают, что ответы на фактические вопросы могут быть неточными, и рекомендуют опираться на проверяемые источники. Модель не фильтровалась от вредного, предвзятого или откровенного контента. Для вывода рекомендуется fp16; 8-битная точность может ухудшить качество.

hviske-v5.3 — модель распознавания датской речи, разработанная Syvai и дообученная на базе syvai/hviske-v5.1 на обучающих выборках CoRal v3. Это модель класса Conformer encoder-decoder с 2 млрд параметров, предназначенная для транскрибации чтения вслух и разговорной речи на датском языке. Она принимает аудио и выдаёт текст; длинные записи автоматически разбиваются на фрагменты, а входное аудио пересэмплируется до 16 кГц. На полных тестовых выборках CoRal v3 автор сообщает средний WER 13,91% при beam search с шириной 5 и строгой нормализацией; на разговорной речи ошибки заметно выше, чем на чтении вслух. На одной RTX 3090 указана скорость около 425× относительно реального времени. Beam search снижает WER примерно на 0,4 процентного пункта, но увеличивает время инференса примерно на 75%. Для загрузки через Transformers требуется trust_remote_code, поскольку репозиторий содержит пользовательский код. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Hy3-Razor-154B-A21B-E96of192 — производная модель на основе Tencent Hy3, созданная удалением половины маршрутизируемых экспертов методом RAZOR без дообучения и обновления весов. В каждом MoE-слое сохранено 96 из 192 экспертов; заявленный размер составляет 154B параметров, а активируется около 21B параметров на токен. Модель предназначена для диалоговой генерации текста и сценариев, поддерживаемых базовой Hy3. При сокращении затронут только пул маршрутизируемых экспертов: внимание, общие эксперты, эмбеддинги и языковая голова сохранены. Модель использует архитектуру HYV3ForCausalLM, формат bfloat16 и библиотеку Transformers; для запуска нужна версия Transformers со встроенной поддержкой hy_v3. Контекст — до 262144 токенов. Лицензия Apache-2.0. Обрезка экспертов снижает точность: изменения разнообразия, форматирования и поведения при завершении ответа возможны даже при сохранении точности задач. Поведение на областях, далёких от конечного калибровочного набора, не охарактеризовано; перед развёртыванием рекомендуется оценить модель на целевой нагрузке.

JARVIS-v1.0 — объединённая языковая модель, опубликованная shyamieee на Hugging Face. Она создана методом task arithmetic с помощью mergekit на базе Meta-Llama-3-8B и включает Llama-3-SauerkrautLM-8b-Instruct. Модель предназначена для генерации текста и диалоговых сценариев. Она использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст длиной до 8192 токенов. Модель распространяется в формате safetensors через Transformers по лицензии Apache-2.0. Карточка не описывает отдельные языковые или специализированные предметные возможности; из состава модели следует связь с семейством Llama 3.

Josiefied-Qwen3-4B-abliterated-v1 — диалоговая языковая модель, разработанная Gökdeniz Gülmez на основе Qwen3-4B. Модель дообучена с изменением отказного поведения, чтобы давать более открытые ответы, сохраняя следование инструкциям и интерфейс вызова инструментов. Она предназначена для генерации текста и диалогов, выполнения инструкций и сценариев, где нужна менее строгая фильтрация ответов. Архитектура — плотная Qwen3ForCausalLM примерно на 3,7 млрд параметров; нативное контекстное окно составляет 40 960 токенов. В репозитории указаны веса safetensors, а также варианты GGUF и MLX. Модель может генерировать чувствительные или спорные ответы из-за ослабленных защитных ограничений. Лицензия в предоставленных данных не указана.

Storniitova-8B — объединённая модель для генерации текста и диалогов с ролевой игрой и следованием инструкциям, созданная v000000 на базе нескольких моделей семейства Llama 3.1 с помощью mergekit и дополнительных инструментов. В основу вошли Llama-3.1-SuperNova-Lite, Llama-3.1-Storm-8B, Llama-Spark, Niitama и другие модели; в README также описано объединение методами SLERP, Task Arithmetic и NEARSWAP. Заявленный размер — 7,5 млрд параметров, архитектура — плотная LlamaForCausalLM, нативный контекст — 131 072 токена. Модель предназначена для текстовых диалогов, ролевых сценариев и выполнения инструкций. Разработчик сообщает, что менял векторы задач, стремясь сохранить способности дистилляции большой версии Llama 3.1 и добавить навыки ролевой игры. Карточка указывает формат safetensors; для модели также опубликованы сторонние варианты GGUF. Лицензия в предоставленных данных не указана.

Карточка модели Model-SafeTensors/L3-Aethora-15B на Hugging Face совпадает с карточкой SteelStorage/L3-Aethora-15B, поэтому описание составлено по ней. L3-Aethora-15B — диалоговая языковая модель, созданная Steelskull на основе семейства Llama 3. Это плотная causal language model с 14,5 млрд параметров, архитектурой LlamaForCausalLM и контекстом до 8192 токенов. Модель принимает текст и генерирует текст в формате запросов L3. Модель предназначена для диалогов и генерации ответов с акцентом на более податливое и содействующее поведение. В основе — изменённая сборка AbL3In-15b слиянием моделей, затем дообученная в течение четырёх эпох методами RS-LoRA и DoRA на датасете Aether-Lite-V1.2 примерно из 82 тысяч примеров. Репозиторий содержит веса Safetensors; доступны отдельные GGUF-квантизации. Лицензия — Llama 3. README описывает ослабление отказов, поэтому модель может отвечать на запросы, которые другие модели отклоняют; ответы требуют проверки, особенно при использовании в чувствительных сценариях. Языки обучения и качество на конкретных языках в карточке не уточняются.

LIMI-Air — агентная языковая модель, разработанная GAIR и дообученная на базе zai-org/GLM-4.5-Air. Она предназначена для диалоговых сценариев, рассуждений и работы с инструментами в агентных приложениях; сообщения подаются в формате OpenAI chat, инструменты можно передавать отдельно. По README, базовая модель содержит около 107 млрд параметров, тогда как метаданные репозитория указывают 8,5 млрд параметров и архитектуру семейства GLM-4 MoE; заявленный контекст составляет 131 072 токена. Карточка описывает обучение на компактных курированных агентных данных GAIR/LIMI и приводит оценку на AgencyBench. Модель рассчитана на более быстрый и менее затратный запуск по сравнению с крупными вариантами LIMI, с возможным снижением качества на сложных задачах. Проверка проводилась на курированных агентных задачах, поэтому результаты могут не переноситься на другие сценарии. Для запуска в README приведены Transformers, vLLM и SGLang. Лицензия репозитория — Apache-2.0.

Xiaojian9992024/Llama3.1-8B-ExtraMix — объединённая авторами репозитория языковая модель на архитектуре Llama 3.1. Она создана методом TIES с помощью mergekit на основе Llama-3.1-8B-Instruct и объединяет её с Llama-3.1-8B, Dobby-Mini-Unhinged-Llama-3.1-8B и Fino1-8B. Модель содержит 7,5 млрд параметров, использует формат Safetensors и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Объединение включает модели общего назначения и модель, ориентированную на финансовую тематику, но README не приводит оценок качества или конкретных гарантий для специализированных сценариев. Метаданные указывают английский язык как язык карточки. Условия лицензирования в предоставленных данных не описаны.

Модель mo-xx/llama-3-8b-cyber-model — дообученная mo-xx версия Llama 3 с плотной архитектурой LlamaForCausalLM. В качестве основы использована unsloth/llama-3-8b-Instruct-bnb-4bit; для обучения применялись Unsloth и библиотека TRL. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст. Длина контекста — 8192 токена. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. В карточке нет сведений о специализации на кибербезопасности или результатов оценки качества, поэтому название модели само по себе не подтверждает пригодность для профильных задач.

VictorDCh/Llama-3-8B-Instruct-MoE-3 — разговорная языковая модель для генерации текста, размещённая пользователем VictorDCh на Hugging Face. Это модель типа Mixture of Experts на базе четырёх копий meta-llama/Meta-Llama-3-8B-Instruct; для каждого токена выбираются два эксперта, а режим маршрутизации указан как случайный. В метаданных заявлены 7,5 млрд параметров, контекст 8192 токена, архитектура MixtralForCausalLM и формат safetensors. Модель предназначена для диалоговой генерации текста и работы в чат-сценариях. Карточка не описывает специализированные области применения, обучающие данные или результаты оценивания. Лицензия в доступных данных не указана, поэтому условия использования определить нельзя.

llama-3-8b-slow-DUS-max-layer-method2 — объединённая модель на архитектуре Llama, созданная ryan0712 с помощью LazyMergekit из двух моделей: ryan0712/llama-3-8b-slow-DUS-max-layer1-method2 и ryan0712/llama-3-8b-slow-DUS-max-layer2-method2. При слиянии использован метод SLERP с настройками смешивания для слоёв self-attention и MLP. Модель предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. В репозитории указаны веса Safetensors в формате bfloat16. Метаданные сообщают о 4 млрд параметров и контекстном окне до 8192 токенов. Использование регулируется лицензией Llama 3; применяйте модель в соответствии с её условиями. Данных о специализированной предметной области или языковой специализации нет.

Llama-3-MahouDevil-8B — объединённая языковая модель на базе архитектуры Llama 3, созданная с помощью mergekit методом Model Stock. В слияние вошли flammenai/Mahou-1.2-llama3-8B и flammenai/Mahou-1.3-llama3-8B, а базовой моделью указана mlabonne/NeuralDaredevil-8B-abliterated. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Она предназначена для генерации продолжений, диалогов и ролевых сценариев. Лицензия — Llama 3; README не приводит дополнительных сведений о качестве и ограничениях применения.