I.7Речь, диалоги и встречи

efwkjn/whisper-ja-1.5B — дообученная модель семейства Whisper для распознавания японской речи в текст. В README указано, что это базовый экспериментальный чекпойнт, дообученный на основе Whisper large-v3; по метаданным модель содержит 905,2 млн параметров и распространяется в формате safetensors. Модель предназначена для автоматической транскрипции японской речи. Автор сообщает о конкурентном качестве по CER на проверенных наборах данных: результаты на коротких записях сопоставимы с предыдущими моделями, а длинные записи распознаются хуже. Также возможны повторы фрагментов текста. Для инструкций по использованию README отсылает к openai/whisper-large-v3. Сведения о лицензии в предоставленных данных отсутствуют.

Scrya/whisper-large-v2-cantonese — дообученная модель распознавания речи на базе OpenAI Whisper Large V2. Она обучена на разделах train и validation датасета Mozilla Common Voice 11.0 и предназначена для преобразования кантонской речи в текст. Модель использует архитектуру Whisper с 905,2 млн параметров; для оценки указана метрика CER 6,2133 на тестовой выборке Common Voice 11.0. Модель принимает аудио и выдаёт текст. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Карточка не описывает ограничения по качеству, шуму или условиям записи.

Whisper Large Punjabi — модель распознавания речи, созданная Drishti Sharma дообучением openai/whisper-large-v2 на наборе Common Voice 11.0. Она преобразует речь на панджаби в текст и подходит для транскрибирования записей и аудио с речью. Модель использует архитектуру Whisper Large v2, содержит около 905,2 млн параметров и распространяется в формате PyTorch. В карточке приведён результат оценки на тестовой выборке: WER 19,7125 и loss 0,2846. Модель ориентирована на панджаби; лицензия — Apache-2.0. README не описывает ограничения и условия оценки подробнее, поэтому результат может не отражать качество на иных аудиоданных.

Это дообученная Yuriyvnv модель OpenAI Whisper-Tiny для автоматической транскрибации нидерландской речи. Она основана на архитектуре Whisper и содержит 29,4 млн параметров; принимает аудио и выдаёт текст. Обучение проведено на нидерландской части Common Voice 17.0 и на полном наборе из 34 898 синтетических аудиозаписей без фильтрации качества, созданных с помощью OpenAI TTS-1. Модель предназначена для распознавания нидерландской речи, в том числе аудиозаписей, близких по характеру к Common Voice. На тестовом наборе Common Voice указана WER 24,93%, а на MLS — 43,12%. Использование всех синтетических примеров дало лучший результат на тесте Common Voice среди описанных конфигураций, но увеличило вычислительные затраты и внесло в обучение записи с возможными дефектами синтеза. Модель может уступать на технической речи и региональных вариантах нидерландского языка. Распространяется по лицензии Apache-2.0.

marinone94/xls-r-300m-sv-robust — дообученная модель распознавания речи на базе KBLab/wav2vec2-large-voxrex. Она использует архитектуру wav2vec2 с выходной CTC-головой и предназначена для преобразования шведской речи в текст, в том числе на материале датасета Common Voice 9.0 для шведского языка. В README указаны результаты на тестовой выборке без языковой модели: WER 0,1121 и loss 0,1318. Модель принимает аудио и выдаёт текст. Репозиторий содержит веса PyTorch, а лицензия указана как CC0 1.0. Оценка приведена только для тестовой выборки Common Voice; сведений о качестве на других типах аудио в карточке нет.

Zara-14b-v1 — диалоговая причинно-следственная языковая модель Aixon Lab на архитектуре Transformer Qwen2. Модель содержит около 14 млрд параметров и дообучена на основе sometimesanotion/Lamarck-14B-v0.7; в README также упоминаются слияния слоёв. Модель рассчитана на диалоги с несколькими ролями, генерацию текста, ответы на вопросы и анализ, с упором на творческое письмо и сторителлинг. Заявленная длина контекста — 131 072 токена. Основной язык — английский; README допускает поддержку других языков, но не уточняет их. Модель распространяется в формате safetensors по лицензии Apache 2.0. Оценки качества и результаты бенчмарков для этой версии не приведены.

Zurich 7B GammaCorpus v2-10k — языковая модель, дообученная Ruben Roy на базе Qwen/Qwen2.5-7B-Instruct на наборе GammaCorpus v2-10k со структурированными многоходовыми диалогами. Модель предназначена для диалогов и генерации ответов в формате инструкций; карточка также описывает её как демонстрацию датасета GammaCorpus. Это плотная причинно-языковая модель архитектуры Qwen2 с 7,1 млрд параметров по метаданным и контекстом до 32 768 токенов. Она принимает текст и генерирует текст; карточка указывает поддержку английского языка. Модель распространяется в формате PyTorch по лицензии Apache 2.0. Модель подходит для многоходового общения и генерации структурированных ответов. Разработчик предупреждает о возможности предвзятых ответов; заявление о превосходстве над моделями сходного размера приведено в карточке, но метрики сравнительной оценки не указаны.

Zurich 7B GammaCorpus v2-1m — диалоговая языковая модель, созданная Rubenroy дообучением Qwen/Qwen2.5-7B-Instruct на наборе GammaCorpus v2-1m со структурированными многоходовыми диалогами. Она предназначена для генерации ответов в беседах и других текстовых сценариев. Модель построена на архитектуре Qwen2 с причинно-следственной языковой моделью; в карточке указаны 7,61 млрд параметров, 28 слоёв и контекст до 32 768 токенов. Модель принимает текст и генерирует текст, поддерживает английский язык. Для запуска используется Transformers; в метаданных также отмечен интерфейс вызова инструментов. Карточка не приводит сравнительных оценок качества, поэтому заявленное преимущество над моделями сходного размера не подтверждено указанными бенчмарками. Возможна генерация предвзятых ответов. Лицензия — Apache 2.0.

ShenaoZ/0.0001_idpo_same_3iters_iter_2 — диалоговая модель для генерации текста, созданная дообучением ShenaoZ/0.0001_idpo_same_3iters_iter_1 на обновлённом и исходном наборах данных. В метаданных указаны архитектура Mistral с плотной моделью и классом MistralForCausalLM, 7,1 млрд параметров и контекст до 32 768 токенов. Модель рассчитана на текстовый ввод и текстовые ответы в диалоге. Модель можно применять для генерации ответов и ведения текстовых бесед. Сведения о конкретных сильных сторонах, оценке качества и специальных ограничениях в карточке не приведены. Модель распространяется по лицензии MIT.

ShenaoZhang/0.001_5iters_bs256_nodpo_only4w_iter_2 — дообученная разговорная языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она продолжает обучение модели ShenaoZhang/0.001_5iters_bs256_nodpo_only4w_iter_1 на исходном и обновлённом наборах данных и предназначена для генерации текста в диалоговом формате. Модель принимает текст и генерирует текст; максимальная длина контекста составляет 32 768 токенов. Репозиторий содержит веса Safetensors. Модель распространяется по лицензии MIT. Подробности о наборе данных, оценках качества и известных ограничениях в карточке не раскрыты.

ShenaoZ/0.001_ablation_declr_4iters_iter_2 — языковая модель на архитектуре Mistral, дообученная на основе ShenaoZ/0.001_ablation_declr_4iters_iter_1 на обновлённом и исходном наборах данных. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; метаданные указывают поддержку чата и контекст длиной до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. README не приводит подробностей о специализации обучения, оценке качества или рекомендуемых сценариях применения.

ShenaoZ/0.001_withdpo_4iters_bs256_432lr_iter_2 — дообученная разговорная языковая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и рассчитана на диалоговые сценарии. Модель дообучена на наборах данных updated и original на основе ZhangShenao/0.0_ablation_sample1_4iters_bs256_iter_1. Карточка не описывает конкретные области применения, качество ответов или результаты оценки. Лицензия — MIT.

Samuael/asr-amharic-phoneme-based-233 — модель автоматического распознавания речи на основе архитектуры wav2vec2 с CTC-декодированием, дообученная разработчиком Samuael. Модель предназначена для преобразования амхарской речи в текст; название указывает на фонемное представление, однако подробности его реализации в карточке не описаны. В карточке приведены результаты оценки: WER 0,2679 и CER 0,0730 после примерно трёх эпох обучения. Число параметров — около 402,9 млн. Модель принимает аудио и выдаёт текст. Лицензия Apache-2.0 разрешает использование на её условиях.

Carnice-9B-SFT-Fable5-Glint — текстовая генеративная модель, созданная автором ermiaazarkhalili как SFT-дообучение kai-os/Carnice-9b на наборе инструкций Fable-5-Glint-Clean. Модель построена на архитектуре Qwen3_5ForCausalLM; в метаданных указано 7,2 млрд параметров и контекст до 262 144 токенов, а в README — 9 млрд параметров. LoRA-адаптеры объединены с базовыми весами, поэтому отдельно отключить дообучение нельзя. Модель предназначена для генерации текста в диалоговом формате и следования обучающим инструкциям. На отложенной выборке из 199 примеров автор сообщает рост точности следующего токена относительно исходной Carnice-9b: Top-1 с 0,6439 до 0,7322, Top-5 с 0,8842 до 0,9378. Эти результаты относятся только к указанной выборке и не являются широкой оценкой качества. Лицензия — Apache-2.0. Поведение вне распределения единственного обучающего набора не проверено; модель наследует смещения, ограничения знаний и ошибки базовой модели. README указывает, что полноценные бенчмарки для чекпойнта не проводились.

Cheus-11B — разговорная языковая модель, созданная ByteWave путём слияния lvkaokao/mistral-7b-finetuned-orca-dpo-v2 и teknium/OpenHermes-2.5-Mistral-7B. Она предназначена для генерации текста в диалогах и ответов на запросы. Модель основана на плотной архитектуре Mistral и содержит 10,6 млрд параметров; её контекстное окно составляет 32 768 токенов. В репозитории представлены веса Safetensors, лицензия — Apache-2.0. Карточка указывает английский язык и разговорное применение. Результаты оценивания на Open LLM Leaderboard в README не приведены, поэтому качество на конкретных тестах по этим данным оценить нельзя.

Copus-2x8B — разговорная языковая модель, созданная lodrick-the-lafted путём объединения архитектурой MoE двух дообученных моделей на базе Llama 3: dreamgen/opus-v1.2-llama-3-8b и NousResearch/Meta-Llama-3-8B-Instruct_. README характеризует результат как приемлемый, но отмечает, что он уступает Miqu. Модель предназначена для генерации текста в диалоговом формате. Она использует архитектуру Mixtral MoE, имеет 7,5 млрд параметров и контекст до 8192 токенов. В README указана лицензия Llama 3; в метаданных Hugging Face лицензия обозначена как llama2, поэтому условия лицензирования стоит сверить с файлами репозитория перед использованием.

CORe Pico V2 — компактная разговорная языковая модель, разработанная CORe Technologies. Модель предназначена для генерации текста, ответов на вопросы и многошагового диалога, особенно в сценариях, где важны небольшой размер и возможность локального запуска. Она поддерживает структурированный вызов инструментов через блоки <tool_call> с JSON и режимы расширенного рассуждения /think и прямых ответов /no_think. Модель имеет архитектуру causal language model и содержит около 596 млн параметров. Длина контекста составляет 40 960 токенов, используется BPE-токенизатор на 151 936 токенов со встроенным шаблоном чата. Основной язык — английский. Доступны веса в формате safetensors, а также варианты GGUF с полной точностью, 8-битным и 4-битным квантованием; модель можно запускать через Transformers, llama.cpp, LM Studio или Ollama. Сильные стороны CORe Pico V2 — компактность, пригодность для работы на широком спектре устройств, стабильные ответы на вопросы об идентичности модели, короткие ответы и нативная поддержка многораундового диалога. Ограничения обусловлены небольшим размером: модель может допускать фактические ошибки, испытывать трудности с арифметикой и выдумывать ответы при недостатке знаний, поэтому результаты требуют проверки и не должны считаться достоверным источником. Модель распространяется по лицензии Apache-2.0 и является модифицированным производным от чекпойнта с той же лицензией.

wh-zhu/DeepSeek-R1-Distill-Qwen-1.5B-InRa — текстовая генеративная модель на архитектуре Qwen2 с 1,6 млрд параметров. Метаданные указывают на возможность диалога и контекстное окно до 131072 токенов. Модель дообучена на базе wh-zhu/DeepSeek-R1-Distill-Qwen-1.5B-CLM и предназначена для генерации текста в формате чата. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия обозначена как other; конкретные условия по имеющимся данным определить нельзя.

DeepSeek-V4-Flash-ConfigI-GGUF — квантизированная GGUF-сборка модели DeepSeek-V4-Flash, опубликованная thetom-ai. Это MoE-модель с 284 млрд параметров, из которых активно 21 млрд; в README указаны 43 слоя, 256 маршрутизируемых экспертов с выбором top-6, hash routing, MLA attention, mHC hyper-connections и DSA indexer. Гибридная квантизация Config-I имеет эффективную точность 2,88 бита на параметр и занимает около 95 GiB; веса разделены на три файла. Модель предназначена для генерации текста и диалогов, включая запуск на системах с 128 ГБ объединённой памяти. Для чтения её весов нужен форк llama.cpp с поддержкой TurboQuant TQ3_1S; стандартный llama.cpp не подходит. README рекомендует параметры генерации temperature 1.0 и top_p 0.95, отмечая, что жадное декодирование может вызывать циклы повторов. Для исходной модели в метаданных указана лицензия MIT.

DellaMix-12B — объединённая модель для генерации текста, созданная yamatazen с помощью mergekit и метода DELLA. За основу взята yamatazen/EtherealAurora-12B-Lorablated; в объединение также вошли yamatazen/Shisa-v2-Mistral-Nemo-12B-Abliterated, yamatazen/ForgottenMaid-12B и yamatazen/FusionEngine-12B. Модель построена на плотной архитектуре MistralForCausalLM и содержит 12,1 млрд параметров. Она предназначена для диалогов и генерации текста на английском и японском языках; метаданные указывают контекстное окно до 1 024 000 токенов. Репозиторий содержит веса в формате safetensors, для работы используется библиотека Transformers. Модель подойдёт для чат-ботов, продолжения текста и генерации ответов на запросы. Карточка не приводит результатов оценивания качества или конкретных ограничений. Лицензия в предоставленных данных не указана.

laion/delphi-3e20-p33m67-k0p20-lr83-a001-wc386k_lr1e5-sft — диалоговая языковая модель семейства Qwen3 с плотной архитектурой и 2,2 млрд параметров. Она обучена с нуля на наборах данных wildchat_386k и delphi_warmup; карточка не раскрывает подробностей о составе обучения или разработчике сверх идентификатора LAION. Модель предназначена для генерации текста в диалоге. Она принимает текст, выдаёт текст и поддерживает контекст длиной до 4096 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия указана как other, без дополнительных условий в карточке.

laion/delphi-9e18-p33m67-k0p20-lr83-a002-wc386k_lr1e5-sft — диалоговая модель генерации текста семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и 402,6 млн параметров. По карточке, модель обучена с нуля на наборах wildchat_386k и delphi_warmup; метаданные указывают возможность чата и контекст до 4096 токенов. Модель предназначена для генерации ответов в диалоговом формате. В карточке не приведены результаты оценки качества, подробности обучения или рекомендации по применению. Репозиторий содержит веса safetensors и использует лицензию other; конкретные условия лицензии из доступных данных установить нельзя.

sftwildchat386k-delphiwarmupdelphi-9e18-p50m50-kdelphi-1e-05delphi-3e18-p33m67-k — разговорная языковая модель на архитектуре Qwen3, обученная с нуля на наборах wildchat_386k и delphi_warmup. Репозиторий содержит 402,6 млн параметров в формате Safetensors; модель предназначена для генерации текста в диалоговом формате и поддерживает контекст до 4096 токенов. Модель опубликована на Hugging Face 12 июня 2026 года. В метаданных указана лицензия other, поэтому условия использования зависят от уточнений в репозитории или у автора. README не описывает оценку качества и ограничения; обучающие данные указаны, но поддерживаемые языки не перечислены.

laion/delphi-9e19-p33m67-k0p20-lr83-a002-wc386k_lr1e5-sft — разговорная языковая модель семейства Qwen3, разработанная LAION. Согласно карточке, модель обучена с нуля на наборах данных wildchat_386k и delphi_warmup; метаданные указывают архитектуру Qwen3ForCausalLM с плотной структурой и 1,2 млрд параметров. Она предназначена для генерации текста в диалоговом формате и поддерживает контекст длиной до 4096 токенов. Модель опубликована в формате safetensors для библиотеки Transformers. Лицензия обозначена как other, поэтому условия использования следует уточнить по карточке репозитория.

Карточка модели Dnoya10/dicoding_genAI_expert_collab_grpo_2 на Hugging Face совпадает с карточкой Dnoya10/dicoding_genAI_expert_collab_grpo_4, поэтому описание составлено по ней. Dnoya10/dicoding_genAI_expert_collab_grpo_4 — дообученная языковая модель семейства Qwen2 с архитектурой плотной авторегрессионной сети. Разработчик — Dnoya10; модель дообучена на Dnoya10/dicoding_genAI_expert_collab_eks1 с использованием Unsloth и библиотеки TRL. В репозитории указаны веса Safetensors, размер модели — 1,5 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на запросы и ведения беседы на английском языке. Интерфейс поддерживает вызов инструментов, но карточка не описывает специальные предметные области или конкретные сценарии применения. Лицензия — Apache-2.0.

Это дообученная модель генерации текста на основе meta-llama/Llama-3.2-1B-Instruct, опубликованная пользователем Grogros. Она использует плотную архитектуру LlamaForCausalLM и содержит около 1,2 млрд параметров. Модель предназначена для диалоговой генерации текста; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Базовая модель поддерживает несколько языков, однако конкретные языки и специализация этого дообучения в карточке не описаны. Заявленная длина контекста составляет 131 072 токена. Карточка не приводит результатов оценки или описания обучающих данных, поэтому качество в отдельных задачах оценить нельзя. Лицензия — Llama 3.2; её условия следует учитывать при использовании и распространении модели.

wangrongsheng/DPDG-Llama-8B-lora — разговорная языковая модель на архитектуре Llama с 7,5 млрд параметров. Репозиторий содержит веса в формате safetensors; модель предназначена для генерации текста в диалоговом формате и может использоваться в чат-сценариях. Указанное контекстное окно составляет 8192 токена. Название репозитория указывает на LoRA-адаптер для Llama, однако README и метаданные не называют базовую модель, поэтому её идентификатор определить нельзя. Карточка не содержит сведений о лицензии, целевых языках или специальных областях применения.

Experiment26Yam_Strangemerges_32Ogno — объединённая языковая модель на архитектуре Mistral, созданная MaziyarPanahi на основе automerger/Experiment26Yam-7B и automerger/Strangemerges_32Ogno-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста с контекстом до 32 768 токенов. Её можно применять для продолжения текста, создания черновиков и диалоговых ответов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README и метаданные не описывают специализированные области применения или конкретные ограничения качества.

Famino — объединённая языковая модель, опубликованная DreadPoor. Она создана методом model stock с помощью mergekit на основе нескольких 12B-моделей, включая Nemo-12b-Humanize-SFT-v0.2.5-KTO, Irix-12B-Model_Stock, GodSlayer-12B-ABYSS и Pygmalion-3-12B. В метаданных архитектура указана как плотная MistralForCausalLM, размер — 12,1 млрд параметров, библиотека — Transformers, формат весов — safetensors. Модель предназначена для генерации текста и диалогового использования. Заявленная длина контекста — 1 024 000 токенов. Лицензия — Apache-2.0. Карточка не описывает отдельные бенчмарки или гарантии качества.

Fialka-7B-v3 — русскоязычная языковая модель, разработанная авторами семейства Fialka на основе Llama 2 и обученная следовать инструкциям и поддерживать диалог на русском языке. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 6,6 млрд параметров. Модель предназначена для генерации ответов на запросы и ведения общения на русском языке. В README указан формат запросов Zephyr. Контекст составляет 4096 токенов; модель распространяется в формате safetensors по лицензии Apache 2.0. Модель ориентирована на русский язык и может быть полезна для русскоязычных диалоговых и инструкционных сценариев. Карточка не приводит результаты оценивания качества или подробные сведения об ограничениях; возможности за пределами текстовой генерации не заявлены.