I.7Речь, диалоги и встречи

fractalego/wafl-phi3-mini-4k — разговорная языковая модель на архитектуре Phi-3, дообученная методом DPO на наборе данных WAFL. Модель содержит 3,7 млрд параметров и рассчитана на генерацию текста в диалоговом формате; её можно загрузить через Transformers с помощью from_pretrained(). Модель подходит для создания чат-ботов и генерации ответов на текстовые запросы. Контекстное окно составляет 4096 токенов. Репозиторий содержит веса в формате safetensors. Сведения о лицензии и конкретных ограничениях применения в предоставленных источниках отсутствуют.

Warlock-1.7B (также Warlock-1.7B-Fused) — компактная инструктивная причинная языковая модель, созданная путём слияния представлений SmolLM2-1.7B-Instruct и Llama-3.2-1B-Instruct. Веса объединены в самостоятельную модель архитектуры LlamaForCausalLM объёмом 1,71 млрд параметров; для запуска не нужны исходные модели. Репозиторий содержит веса Safetensors, а контекст модели составляет 8192 токена. Модель предназначена для диалогов и генерации текста, включая ответы на вопросы, рассуждения, работу с общими знаниями и простыми математическими задачами. В карточке приведены результаты собственных тестов на наборах вопросов по научным дисциплинам, здравому смыслу, знаниям и математике; эти результаты не гарантируют аналогичного качества на других данных. Указан английский язык. По README, модель поддерживает стандартный запуск через Hugging Face и KV-кэширование. Лицензия — Apache-2.0.

infinitejoy/wav2vec2-large-xls-r-300m-armenian — модель распознавания речи на базе архитектуры wav2vec 2.0, дообученная на facebook/wav2vec2-xls-r-300m для армянского раздела HY-AM набора Mozilla Common Voice 7.0. Она принимает аудио и преобразует речь в текст; предназначена для автоматической транскрипции армянской речи. В метаданных указано 402,7 млн параметров, реализация на PyTorch и лицензия Apache-2.0. На оценочной выборке карточка сообщает Loss 0,9669 и WER 0,6942, что указывает на заметные ошибки распознавания; качество может зависеть от условий записи, диктора и словаря. Карточка не описывает дополнительные сценарии или ограничения.

Модель infinitejoy/wav2vec2-large-xls-r-300m-greek — дообученная версия facebook/wav2vec2-xls-r-300m для автоматического распознавания греческой речи. Она основана на архитектуре Wav2Vec2ForCTC и обучена на греческой части Mozilla Common Voice 7.0. Модель принимает аудио и выдаёт распознанный текст; число параметров — около 402,7 млн. По результатам оценки на тестовой выборке указаны loss 0,6592 и WER 0,4564. Модель подходит для транскрибирования грекоязычных записей, однако приведённый WER указывает на заметное число ошибок распознавания. Распространяется по лицензии Apache-2.0.

Wav2Vec2-Large-XLSR-53-Kannada — модель распознавания речи на каннада, созданная дообучением facebook/wav2vec2-large-xlsr-53 на наборе OpenSLR SLR79. Она принимает аудио и преобразует речь в текст; для входной записи требуется частота дискретизации 16 кГц. Модель основана на архитектуре Wav2Vec2ForCTC и содержит около 402,8 млн параметров. Модель предназначена для автоматической транскрибации речи на каннада, в том числе записей из набора OpenSLR. В README приведён результат оценки 27,08% на тестовой части данных, но метрика не уточнена, поэтому это число нельзя напрямую трактовать как точность. Модель распространяется по лицензии Apache-2.0.

Модель asr-africa/wav2vec2-xls-r-akan-50-hours — дообученная на распознавании речи версия wav2vec2-xls-r-300m, разработанная автором репозитория asr-africa. Она предназначена для автоматического преобразования речи на языке акан в текст. Модель содержит около 402,7 млн параметров, использует архитектуру Wav2Vec2ForCTC и принимает аудио; библиотека для работы — Transformers. На оценочной выборке указаны WER 0,3065 и CER 0,0949. Датасет обучения не раскрыт, поэтому результаты нельзя уверенно переносить на другие условия записи и варианты речи. Лицензия — Apache-2.0.

Wav2Vec2-Large-XLSR-53-Nepali — модель распознавания речи, созданная дообучением facebook/wav2vec2-large-xlsr-53 на непальском языке. Она использует архитектуру Wav2Vec2ForCTC и предназначена для преобразования непальской речи в текст; в карточке показаны примеры распознанных фраз и результат оценки на тестовой части Common Voice — 5,97%. Для входной речи требуется частота дискретизации 16 кГц. Модель обучалась на данных Common Voice и OpenSLR. Репозиторий содержит веса PyTorch и Flax; размер модели — около 402,7 млн параметров. Лицензия — Apache-2.0. Карточка указывает распознавание без языковой модели, однако качество на других наборах данных и устойчивость к разным условиям записи не описаны.

Карточка модели aung7090/whisper-large-v3-myanmar на Hugging Face совпадает с карточкой chuuhtetnaing/whisper-large-v3-myanmar, поэтому описание составлено по ней. chuuhtetnaing/whisper-large-v3-myanmar — дообученная модель распознавания речи на базе Whisper large-v3 от OpenAI. Она обучена на наборе chuuhtetnaing/myanmar-speech-dataset-openslr-80 и предназначена для транскрибации аудио на бирманском языке. Модель содержит 905,2 млн параметров, использует архитектуру Whisper и доступна в формате safetensors для Transformers. В карточке указаны результаты оценки на тестовом наборе: loss 0,1752 и WER 54,8976. Модель принимает аудио и выдаёт текст; практическое качество распознавания зависит от записи и речи. Лицензия — Apache-2.0.

Rhaodgh/whisper-medium-libyan2 — дообученная версия OpenAI Whisper medium, разработанная автором репозитория на наборе из 258 вручную расшифрованных фрагментов ливийских подкастов. Модель предназначена для автоматической транскрипции речи на ливийском диалекте арабского языка в текст. Модель использует архитектуру Whisper и библиотеку Transformers; веса опубликованы в формате safetensors. На оценочном наборе указаны loss 0,7715 и WER 36,1968. Базовая модель мультиязычная и также поддерживает перевод речи, однако карточка этой версии описывает дообучение для распознавания ливийского диалекта. Лицензия — Apache-2.0. Карточка не сообщает дополнительных ограничений применения.

Это дообученная Zainab11 модель распознавания речи на базе OpenAI Whisper Small с архитектурой WhisperForConditionalGeneration и 153,1 млн параметров. Она обучена на арабской части Google FLEURS ar_eg: примерно шесть часов записанной речи на современном стандартном арабском языке от дикторов с египетским акцентом. Модель предназначена для преобразования арабской речи в текст. На тестовой выборке FLEURS она показала нормализованный WER 19,9% против 28,0% у исходной Whisper Small. На спонтанной египетской разговорной речи результаты заметно хуже: нормализованный WER составил 81,2%, поэтому для такого сценария модель не подходит без дополнительного дообучения. Использование библиотеки Transformers и весов safetensors указано в метаданных; лицензия — Apache-2.0. Пример использования ограничивает аудио 30 секундами и обрезает более длинные записи; для них README рекомендует разбиение на фрагменты или chunked pipeline. Модель также наследует известное поведение Whisper: повторы и галлюцинации при обработке длинной речи.

steja/whisper-small-marathi — модель распознавания речи на основе Whisper Small, дообученная автором steja на наборе mozilla-foundation/common_voice_11_0 для маратхи. Она преобразует аудио в текст и предназначена для автоматической транскрипции речи на маратхи. Модель содержит 153,1 млн параметров, использует архитектуру WhisperForConditionalGeneration и распространяется в формате PyTorch по лицензии Apache-2.0. В карточке приведён результат оценки на тестовом наборе: WER 18,5782 и loss 0,6231. Эти показатели относятся к указанному набору данных; карточка не описывает качество на других аудиозаписях и сценариях.

Whisper-tiny-fa — модель распознавания персидской речи, созданная дообучением openai/whisper-tiny авторами aictsharif на персидской части Common Voice 17.0. Она преобразует аудио в текст и предназначена для транскрибации записей и речи с микрофона, создания персидских субтитров и голосового управления приложениями. Модель построена на архитектуре encoder-decoder Transformer Whisper и содержит 29,4 млн параметров; для работы используется библиотека Transformers. Модель рассчитана на персидский язык. В тестировании, описанном в карточке, указаны WER 0,915 и CER 0,428. Качество может снижаться на шумных записях, при акцентах и диалектах, слабо представленных в обучающих данных; модель может хуже распознавать другие языки и не подходит для сценариев со строгими требованиями к задержке. Лицензия — Apache-2.0.

Worldsim-Hermes-7B — разговорная языковая модель на архитектуре Mistral, дообученная автором репозитория на наборе данных vicgalle/worldsim-claude-opus. 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 диалоговой генерации текста. Карточка приводит пример разговора, но не уточняет конкретные сценарии, языки обучения или результаты оценки качества. Распространяется в формате safetensors по лицензии Apache-2.0.

ale-bay/zephyr-7b-sft-full — диалоговая языковая модель, дообученная на базе mistralai/Mistral-7B-v0.1 с помощью supervised fine-tuning на наборе HuggingFaceH4/ultrachat_200k. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и предназначена для генерации текста в формате диалога. Максимальный контекст составляет 32 768 токенов. Модель подходит для чат-ботов, ответов на вопросы и генерации текста по запросу. В карточке приведено значение loss 0,9368 на оценочном наборе, но не описаны протокол оценки и сравнительные результаты. Модель распространяется по лицензии Apache-2.0. README не содержит дополнительных сведений о целевом использовании и ограничениях.

zephyr-7b-sft-full-SPIN-iter2 — разговорная языковая модель UCLA-AGI, полученная дообучением Zephyr-7B-SFT-Full на второй итерации метода self-play с использованием синтетических данных на основе UltraChat 200k. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, рассчитанная преимущественно на английский язык; поддерживает диалог и генерацию текста, а заявленная длина контекста составляет 32 768 токенов. Модель подходит для ведения диалогов и генерации ответов на английском языке. В README приведены результаты на бенчмарках ARC и HellaSwag, но они не гарантируют качество в конкретных сценариях. Репозиторий содержит веса Safetensors. Лицензия — MIT.

Это диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная автором ShenaoZ на базе ShenaoZ/0.0001_withdpo_4iters_bs256_3333lr_iter_1 на наборах данных updated и original. Модель предназначена для генерации текста в диалоге и рассчитана на контекст до 32 768 токенов. Модель представлена в формате safetensors и распространяется по лицензии MIT. Карточка не описывает конкретную специализацию, результаты оценки или ограничения качества; доступные данные указывают на чатовый сценарий общего назначения.

Это диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная на основе ShenaoZ/0.0005_withdpo_4iters_bs256_2epoch_5551lr_iter_1 на обновлённом и исходном наборах данных. Модель предназначена для генерации текста в диалоговом формате; подробные сценарии применения и результаты оценки в карточке не описаны. Максимальная длина контекста составляет 32 768 токенов. Модель распространяется в формате Safetensors по лицензии MIT.

ShenaoZ/0.0005_withdpo_4iters_bs256_2epoch_5551lr_iter_3 — диалоговая текстовая модель генерации на архитектуре Mistral с 7,1 млрд параметров. Это дообученная версия ShenaoZ/0.0005_withdpo_4iters_bs256_2epoch_5551lr_iter_2, обученная на наборах данных updated и original с применением DPO. Модель предназначена для генерации ответов в диалоге и других сценариев генерации текста; контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель опубликована под лицензией MIT. README не описывает результаты оценки и специфические ограничения, поэтому качество на отдельных задачах по имеющимся данным оценить нельзя.

Модель ShenaoZhang/0.001_4iters_bs128_nodpo_only4w_iter_3 — дообученная разговорная модель генерации текста на архитектуре Mistral. Она является производной от ShenaoZhang/0.001_4iters_bs128_nodpo_only4w_iter_2 и обучена на обновлённом и исходном наборах данных. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста и доступна в формате safetensors. В README не приведены подробности о конкретных сценариях применения, качестве или результатах оценки. Лицензия — MIT.

ShenaoZ/0.001_ablation_4iters_bs256_nodpo_iter_2 — дообученная разговорная языковая модель семейства Mistral с плотной архитектурой и примерно 7,1 млрд параметров. Она предназначена для генерации текста в диалоге. Модель дообучена на обновлённом и исходном наборах данных, однако их состав и целевые сценарии не описаны. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия — MIT. Карточка не сообщает результатов оценки и специфических ограничений качества.

Это дообученная диалоговая модель Mistral с 7,1 млрд параметров, созданная на основе HuggingFaceH4/mistral-7b-sft-beta. Её дообучили на наборе синтетических предпочтений HuggingFaceH4/ultrafeedback_binarized; архитектура — плотная MistralForCausalLM, формат весов — safetensors. Модель предназначена для генерации текста в диалогах: она может отвечать на вопросы и поддерживать текстовое общение. Контекст составляет до 32 768 токенов. Карточка не описывает отдельные специализированные области применения или оценку качества. Лицензия — MIT.

Модель ShenaoZ/0.001_ablation_5iters_bs256_useresponse_iter_3 — дообученная разговорная языковая модель на архитектуре Mistral, созданная на основе ShenaoZ/0.001_ablation_5iters_bs256_useresponse_iter_2. В README указано, что обучение проводилось на обновлённом и исходном наборах данных; дополнительные сведения о данных и оценке не приведены. Модель предназначена для генерации текста в диалоговом формате. Она содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Лицензия — MIT. Карточка не уточняет поддерживаемые естественные языки и ограничения по качеству или применению.

Модель ShenaoZhang/0.001_idpo_same_replacechosen_iter_2 — дообученная разговорная языковая модель на архитектуре MistralForCausalLM. Она создана на основе ShenaoZhang/0.001_idpo_same_replacechosen_iter_1 и обучена на обновлённом и исходном наборах данных. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Репозиторий опубликован в формате Safetensors по лицензии MIT. В карточке не приведены сведения о целевых сценариях, оценках качества и ограничениях применения.

ShenaoZ/0.001_sft_nodpo_3iters_bs256_531lr_iter_2 — разговорная языковая модель Mistral, дообученная на базе ShenaoZ/0.001_sft_nodpo_3iters_bs256_531lr_iter_1 на исходном и обновлённом наборах данных. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст для генерации текста в диалоговом формате. Родной контекст — до 32 768 токенов. Модель предназначена для генерации текста и ответов на вопросы в разговорных сценариях. README не приводит подробностей о качестве, оценке или конкретных целевых сценариях. Репозиторий распространяется в формате safetensors по лицензии MIT.

ShenaoZhang/0.01_ablation_4iters_bs128_nodpo_iter_2 — разговорная языковая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Это дообучение модели ShenaoZhang/0.01_ablation_4iters_bs128_nodpo_iter_1 на обновлённом и исходном наборах данных; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев, поддерживает контекст до 32 768 токенов. Модель опубликована ShenaoZhang 25 апреля 2024 года под лицензией MIT. Карточка не описывает конкретные сильные стороны, результаты оценки или целевые языки, поэтому качество для отдельных задач и языков по имеющимся сведениям определить нельзя.

ishikaa/acquisition_student_AS_confidence_numina_qwen14b — языковая модель для генерации текста и диалогового взаимодействия, опубликованная на Hugging Face. В метаданных указаны архитектурное семейство Qwen2, библиотека Transformers и дообучение методом supervised fine-tuning (SFT) с использованием TRL. Модель содержит около 14 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Она может применяться для генерации продолжений текста и ответов в разговорных сценариях. Поддерживаемые естественные языки, разработчик, базовая модель и точное назначение в карточке не описаны. Лицензия, результаты оценки, сведения о данных обучения и рекомендации по безопасному применению не указаны. Поэтому модель следует предварительно проверять на целевых данных и не использовать для критически важных решений без дополнительной валидации.

MindsAndCompany разработала agiin-13.6B-v0.1 — разговорную языковую модель на архитектуре Mistral с 13,7 млрд параметров. В карточке указано, что модель создана на основе Mistral, а при обучении использовался датасет Intel/orca_dpo_pairs и метод DPO; архитектура описана как 62 слоя. Модель предназначена для генерации текста в диалоговом формате, включая ответы на запросы и ведение беседы. Заявление автора о новой архитектуре, не требующей предварительного обучения, приведено в карточке, но подробности не раскрыты. Модель принимает текст и генерирует текст. В метаданных указан английский язык и контекст до 4096 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает специализированные области применения и не приводит оценки качества; модель опубликована как версия 0.1.

Anshu-AI V5 — диалоговая языковая модель RORVEX, дообученная на базе Qwen2.5-1.5B-Instruct. Она предназначена для разговоров на хинди, английском и Hinglish — смешении хинди и английского — и генерации ответов в формате чат-ассистента. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 1,5 млрд параметров и принимает текст с контекстом до 32 768 токенов. Доступна в формате safetensors и рассчитана на работу с Transformers. Указана лицензия Apache-2.0.

AtheneX-V2-72B-instruct — языковая модель, созданная автором nitky слиянием нескольких предварительно обученных моделей через mergekit и метод Model Stock. В основе слияния указан Qwen2.5-72B; среди включённых моделей также есть Athene-V2-Agent, Athene-V2-Chat, EZO-Qwen2.5-72B-Instruct, EVA-Qwen2.5-72B-v0.1 и magnum-v4-72b. Модель предназначена для диалоговой генерации текста и сценариев с использованием интерфейса вызова инструментов. Она имеет плотную архитектуру Qwen2, содержит 71,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. В карточке указаны английский и японский языки. README предлагает использовать заданный формат диалога и приводит пример японского RP-бенчмарка, но подробные результаты оценки не представлены. Модель распространяется под лицензией CC BY-NC-SA 4.0, которая предусматривает указание авторства, распространение производных работ на тех же условиях и ограничения на коммерческое использование. Для запуска требуется значительный объём вычислительных ресурсов из-за размера модели; качество и надёжность вызова инструментов зависят от используемого шаблона и окружения.

Aura L3 — разговорная языковая модель семейства Llama, опубликованная ResplendentAI как объединение нескольких моделей на базе Llama 3 8B. Репозиторий содержит плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров; модель рассчитана на генерацию текста и диалоговый режим, работает через Transformers и принимает контекст длиной до 8192 токенов. Автор сообщает, что модель обучена на шести наборах данных, но не приводит их названия, методику обучения или результаты оценки. Среди заявленных базовых компонентов — модели для чата и генерации текста; карточка не уточняет, как именно они объединялись. Модель ориентирована на англоязычное общение. Лицензия Apache 2.0.