I.7Речь, диалоги и встречи

chuuhtetnaing/whisper-small-myanmar — модель распознавания речи на основе Whisper Small, дообученная разработчиком на датасете chuuhtetnaing/myanmar-speech-dataset-openslr-80. Она принимает аудио и предназначена для преобразования речи на мьянманском языке в текст; архитектура — WhisperForConditionalGeneration, размер — 153,1 млн параметров. Модель доступна в формате safetensors и рассчитана на использование через Transformers. На оценочном наборе указаны loss 0,1904 и WER 49,065%. Лицензия — Apache-2.0. Метаданные не приводят длину контекста; качество распознавания может различаться для аудио, не похожего на обучающие данные.

smutuvi/whisper-small-sw-common-voice — дообученная модель автоматического распознавания речи на базе openai/whisper-small. Она предназначена для преобразования аудиозаписей речи на суахили в текст. В README приведены результаты оценки: loss 0,4254 и WER 32,1287; подробности о наборе данных и условиях оценки не раскрыты. Модель использует архитектуру Whisper и содержит 153,1 млн параметров. Базовая Whisper-small — мультиязычная модель для транскрибирования речи и перевода аудио на английский, однако эта версия дообучена для распознавания суахили. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Rahul3215/whisper-small-telugu — дообученная Rahul3215 модель OpenAI Whisper Small для распознавания речи на телугу и преобразования аудио в текст. Она создана на основе openai/whisper-small с использованием Mozilla.ai Blueprint speech-to-text-finetune и обучена на 812 аудиопримерах на телугу. Модель использует архитектуру Whisper и доступна в формате safetensors через библиотеку Transformers. В README приведены результаты до и после дообучения: нормализованный WER снизился с 173,255 до 122,977, а нормализованный CER — со 142,764 до 83,015; значения после обучения всё ещё указывают на заметные ошибки распознавания. Лицензия — Apache-2.0.,

WildWest-Variant3-7B — разговорная языковая модель на 7,1 млрд параметров, созданная BarryFutureman путём слияния четырёх моделей с помощью mergekit. Она основана на архитектуре Mistral и предназначена для генерации текста и диалоговых сценариев на английском языке. Контекстное окно составляет 32 768 токенов. Модель распространяется в формате Safetensors под лицензией Apache-2.0. В карточке не описаны специальные предметные области или дополнительные возможности помимо чата и генерации текста.

Это 8-битная квантизованная версия XLM-RoBERTa-large-xnli-anli от heykorshun, подготовленная для MLX Swift на macOS. Базовая модель vicgalle/xlm-roberta-large-xnli-anli предназначена для многоязычной классификации текстов методом NLI и zero-shot: она сопоставляет текст с заданными категориями или проверяет, противоречит ли новое утверждение старому либо подтверждает его. Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa и принимает контекст до 514 токенов. В README приведён сценарий применения в приложении Stilltone для локальной классификации заметок встреч; автор сообщает о побайтно идентичных результатах с исходными весами fp32 на использованных тестовых наборах. 8-битные веса занимают около 0,63 ГБ вместо примерно 2,2 ГБ для fp32. Это файлы MLX Swift, а не checkpoint для Transformers или sentence-transformers; для загрузки требуется совместимая реализация MLX Swift и соответствующая схема квантования. Лицензия — MIT.

XLS-R Lao ASR — модель распознавания лаосской речи, разработанная SiangLao. Она дообучена на наборе SiangLao/lao-asr-thesis-dataset на базе facebook/wav2vec2-xls-r-300m и использует архитектуру Wav2Vec2 с выходным слоем CTC. Модель содержит 402,7 млн параметров и предназначена для преобразования аудиозаписей на лаосском языке в текст. В README указана частота ошибок на уровне символов (CER): 13,67% на валидационной выборке и 15,14% на тестовой. Модель подходит для расшифровки лаосской речи и создания текстовых транскриптов. Распространяется по лицензии Apache-2.0.

Yadana1-Gem3-1B-Base — текстовая модель на архитектуре Gemma 3, разработанная shoonthitsa и дообученная на unsloth/gemma-3-1b-it. Она предназначена для генерации текста в диалоговых сценариях; карточка модели указывает семейство conversational и возможность чата. Модель содержит 1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache 2.0. В карточке нет сведений о специальной предметной области или подробной оценке качества; это компактная текстовая модель общего назначения.

Zurich 1.5B GCv2-1m — языковая модель для генерации текста, созданная Rubenroy на основе Qwen/Qwen2.5-1.5B-Instruct и дообученная на наборе диалогов GammaCorpus v2-1m. Это плотная причинно-языковая модель архитектуры Qwen2 с 1,5 млрд параметров, 28 слоями и контекстом до 32 768 токенов; в карточке указаны RoPE, SwiGLU, RMSNorm и групповые запросы внимания. Модель предназначена для многоходовых диалогов, генерации ответов и структурированного текста на английском языке. Модель работает через Transformers, распространяется в формате safetensors и поддерживает чатовый интерфейс, включая интерфейс вызова инструментов. Она компактна по сравнению с крупными языковыми моделями, однако карточка не приводит сравнительных результатов, подтверждающих заявленное преимущество над моделями аналогичного размера. Возможны предвзятые ответы. Лицензия — Apache 2.0.

Модель ShenaoZ/0.0001_sft_nodpo_3iters_bs256_555lr_iter_2 — диалоговая языковая модель семейства Mistral, дообученная на основе ShenaoZ/0.0001_sft_nodpo_3iters_bs256_555lr_iter_1 на обновлённом и исходном наборах данных. Она предназначена для генерации текста в формате диалога. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Весы доступны в формате Safetensors. Лицензия — MIT. Карточка не описывает конкретные сценарии применения, языки, результаты оценки или известные ограничения качества.

ShenaoZ/0.001_ablation_4iters_bs256_declr_iter_3 — разговорная модель генерации текста на архитектуре Mistral, дообученная на моделях ShenaoZ/0.001_ablation_4iters_bs256_declr_iter_2 с использованием исходного и обновлённого наборов данных. Она предназначена для диалоговой генерации текста и принимает текстовые запросы, выдавая текстовые ответы. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и опубликована в формате Safetensors. Модель создана как очередной этап дообучения в серии абляционных экспериментов; карточка не описывает конкретные улучшения, результаты оценки или специализированные сценарии применения. Репозиторий использует лицензию MIT.

ShenaoZ/0.001_ablation_4iters_bs256_nodpo_useresponse_iter_3 — дообученная диалоговая модель генерации текста на архитектуре Mistral, разработанная ShenaoZ. Она основана на ShenaoZ/0.001_ablation_4iters_bs256_nodpo_useresponse_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 генерации текста и диалогового общения. Веса доступны в формате Safetensors, лицензия — MIT. Карточка не содержит сведений о целевых сценариях, результатах оценки или конкретных ограничениях качества.

ShenaoZ/0.0_dataup_4iters_iter_2 — дообученная модель семейства Mistral для генерации текста в формате диалога. Она содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и работает с контекстом до 32 768 токенов. Модель обучена на ShenaoZ/0.0_dataup_4iters_dataset поверх ShenaoZ/0.0_dataup_4iters_iter_1. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. Модель предназначена для генерации продолжений текста и ответов в чат-сценариях. README не описывает специализированные области применения или результаты оценки качества; языки обучения и ограничения поведения также не уточнены.

AfriqueQwen3.5-4B-50Langs — базовая предобученная причинная языковая модель из семейства AfriqueLLM, разработанная McGill-NLP на основе Qwen/Qwen3.5-4B-Base. Модель адаптирована продолжением предобучения примерно на 35,5 млрд токенов для работы с 50 африканскими языками; эта версия расширяет охват предыдущего варианта AfriqueQwen3.5-4B-ExtendedCM данными ещё примерно на 1,5 млрд токенов. Размер модели — 4 млрд параметров, длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия на африканских языках, а также сохраняет возможности на английском, французском, португальском и арабском. В обучающие данные включены тексты на африканских языках, код, математика и синтетические материалы из нескольких предметных областей. Модель можно использовать как основу для приложений и дальнейшей адаптации; доступны веса в формате Safetensors, библиотека Transformers, для развёртывания README рекомендует vLLM или SGLang. Оценки в README показывают неодинаковые результаты по языкам и бенчмаркам, поэтому качество для конкретного языка и задачи следует проверять отдельно. Лицензия — Creative Commons Attribution 4.0 International (CC BY 4.0).

Arco Reasoner v1.2 — компактная языковая модель семейства Llama, разработанная appvoid и дообученная на базе appvoid/arco. Она предназначена для генерации текста и диалогов; доступная карточка не описывает отдельные специализированные сценарии или методы рассуждения. Модель содержит 464,4 млн параметров, принимает текст и поддерживает контекст до 8192 токенов. В репозитории указаны веса PyTorch и лицензия Apache-2.0.

ArliAI-Llama-3-8B-Cumulus-v0.2 — чат-модель OwenArli на архитектуре Llama 3, дообученная на основе Meta-Llama-3-8B-Instruct с помощью QLoRA и DPO. Она предназначена для диалогов и генерации ответов с минимальным числом отказов, в том числе для сценариев, где штатные ограничения базовой модели мешают работе. Модель содержит около 7,5 млрд параметров и поддерживает контекст до 8192 токенов; в README указан формат диалога с system-, user- и assistant-сообщениями. Автор предупреждает, что после снятия ограничений модель может уступать исходной Instruct-модели в рассуждениях и качестве ответов. README заявляет, что модель почти не отказывает, поэтому её ответы требуют внимательной проверки и ответственного применения. Условия использования определяются лицензией Meta Llama 3.

ArliAI-Llama-3-8B-Instruct-DPO-v0.1 — разговорная модель OwenArli, дообученная методом DPO на основе Meta-Llama-3-8B-Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации ответов в диалоговом формате. Она принимает текстовые сообщения и выдаёт текст; контекст составляет 8192 токена. В репозитории указаны веса в формате Safetensors, а карточка сообщает о вариантах FP16 и GGUF. Для использования требуется соблюдать лицензию Meta Llama 3. В карточке перечисление наборов данных для DPO оставлено пустым, поэтому состав и качество обучающих данных оценить нельзя. Также не приведены результаты бенчмарков или сведения о поддерживаемых языках.

Barcenas-14b-Phi-3-medium-ORPO — разговорная языковая модель, созданная разработчиком Danielbrdz на основе VAGOsolutions/SauerkrautLM-Phi-3-medium. Модель дообучена методом ORPO на наборе mlabonne/orpo-dpo-mix-40k для улучшения диалоговых ответов и понимания контекста. Это плотная авторегрессионная модель архитектуры MistralForCausalLM с 13,8 млрд параметров. Она принимает текст и генерирует текст; заявленный контекст — 4096 токенов. В метаданных указан английский язык. Модель подходит для чат-ботов, ответов на вопросы и генерации текста в диалоге. Веса опубликованы в формате Safetensors под лицензией MIT. Карточка не приводит результатов оценки качества и подробных рекомендаций по применению; поведение модели зависит от запроса и может включать неточные ответы.

SayedShaun/bengali-whisper-medium — модель распознавания бенгальской речи с восстановлением пунктуации, созданная на базе Whisper medium. По README, исходную модель обучил tugstugi (Erdene-Ochir Tuguldur) из команды Chimege; этот репозиторий содержит упаковку весов в safetensors и исправленную конфигурацию генерации. Модель насчитывает 455,8 млн параметров и работает через Transformers. Модель принимает аудио на бенгальском языке и генерирует текстовую расшифровку с пунктуацией; она участвовала в решении, занявшем первое место в соревновании Bengali.AI Speech Recognition. Для более широкого восстановления пунктуации автор рекомендует отдельную модель asr-punctuation-restore-bn. Модель распространяется по лицензии Apache-2.0. Она предназначена только для бенгальской речи; на тишине и шуме может выдавать правдоподобный вымышленный текст. README также отмечает ограниченный набор пунктуации и разницу качества между публичной и закрытой выборками соревнования.

Карточка модели reallad/blopsy-1.2 на Hugging Face совпадает с карточкой reallad/blopsy-1.1, поэтому описание составлено по ней. reallad/blopsy-1.1 — языковая модель reallad для генерации текста и диалогов. Она дообучена на базе reallad/llama-8b-alpaca-noro с использованием Unsloth и библиотеки TRL. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Карточка указывает английский язык; метаданные отмечают поддержку диалогового режима. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

Карточка модели Torun00/Bonsai-8B-gguf на Hugging Face совпадает с карточкой mayomacam/Bonsai-8B-gguf, поэтому описание составлено по ней. Bonsai-8B-GGUF-1bit — языковая модель Prism ML для генерации текста и диалогов, распространяемая в формате GGUF для запуска через llama.cpp. В основе лежит плотная архитектура Qwen3-8B с 8,19 млрд параметров: 36 блоков Transformer, групповое обобщённое внимание, MLP SwiGLU, RoPE и RMSNorm. Модель использует однобитные веса Q1_0 с группами по 128 значений и FP16-масштабом; заявленный объём памяти для параметров — около 1,15 ГБ. Модель предназначена для локальных ассистентов, мобильного и периферийного развёртывания, а также экономичного инференса на GPU. README заявляет поддержку CUDA, Metal, CPU и различных устройств, включая Android, и приводит результаты производительности и бенчмарков. Поддерживаемые языки и длина контекста в предоставленных данных не указаны. Однобитное представление существенно снижает требования к памяти, но требует совместимых оптимизированных ядер; авторы отмечают, что отдельного однобитного аппаратного обеспечения пока нет. Лицензия — Apache-2.0.

NbAiLab/borealis-open-270m — компактная инструкционная языковая модель семейства Borealis, разработанная Национальной библиотекой Норвегии. Это дообученная на инструкционных данных версия google/gemma-3-270m-it: модель с плотной архитектурой Gemma 3 и 257 млн параметров, доступная в формате Safetensors для Transformers. Её контекст составляет 32 768 токенов. Модель предназначена прежде всего для норвежских диалоговых задач: написания и редактирования текстов, составления заголовков и вводных абзацев новостей, суммаризации, ответов на вопросы и лёгких рассуждений. Она ориентирована на норвежский язык, включая букмол и нюношк, и также оценивается на английском; возможности за пределами норвежского и английского изучены недостаточно. Версия open не включает материалы, добавленные в полную версию по соглашению с правообладателями. Модель использует инструкционное дообучение и настройку поведения для более безопасных ответов, но не является специализированной моделью рассуждений. Она может галлюцинировать, ошибаться и выдавать предвзятый или неподходящий контент, поэтому не подходит для критически важных решений без дополнительной проверки. Лицензия — Gemma.

Cabra Llama-3 70B — дообученная модель команды Botbot Robotics на основе Meta-Llama-3-70B-Instruct, настроенная на датасете Cabra 30k для понимания и генерации ответов на бразильском португальском. Это плотная авторегрессионная языковая модель семейства Llama 3 с архитектурой трансформера и примерно 69,5 млрд параметров; она поддерживает диалоговый режим, принимает текст и генерирует текст. Размер контекста составляет 8192 токена. Модель подходит для чат-ботов и ответов на вопросы на португальском языке. В README приведены результаты на Open Portuguese LLM Leaderboard, включая средний балл 78,44 и оценки ENEM Challenge и BLUEX без изображений. Репозиторий содержит веса в формате safetensors; README также упоминает квантизованные варианты GGUF в отдельной ветке. Указана лицензия llama3.

MaziyarPanahi/calme-3.2-baguette-3b — чат-модель, разработанная MaziyarPanahi на основе Qwen/Qwen2.5-3B и дообученная для общих задач на французском и английском языках. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, контекстом до 32 768 токенов и поддержкой шаблона ChatML. Модель предназначена для диалогов и генерации текста в общих сценариях на французском и английском языках. В карточке приведены результаты Open LLM Leaderboard: среднее значение 22,14, IFEval — 63,38 и BBH — 25,87; этих оценок недостаточно для вывода о качестве во всех задачах. Автор предупреждает, что небольшой размер модели может снижать качество на некоторых запросах и повышать чувствительность к гиперпараметрам. Рекомендуются меры контроля и проверка человеком при использовании. Лицензия указана как other, без конкретных условий в предоставленных данных.

Это дообученная модель семейства Llama, созданная на основе marin-community/marin-8b-base и обученная на наборе capsd_marin-8b-base-n80000-opc__mix_code_less_b2000_s0. Она предназначена для генерации и продолжения текста в диалоговых сценариях. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст; заявленная длина контекста — 4096 токенов. Репозиторий использует Transformers и формат safetensors. Базовая Marin 8B Base ориентирована на английский язык; другие поддерживаемые языки для этой производной модели не подтверждены. Лицензия указана как other, поэтому условия использования следует сверить с лицензией в репозитории.

Карточка модели AmberYifan/capsd-less-ultra-humaneval-opc-marin-8b-base-code_less_b2000_s0 на Hugging Face совпадает с карточкой AmberYifan/capsd-less-fast-opc-marin-8b-base-code_less_b2000_s0, поэтому описание составлено по ней. Это дообученная модель семейства Llama, созданная на основе marin-community/marin-8b-base и обученная на наборе capsd_marin-8b-base-n80000-opc__mix_code_less_b2000_s0. Она предназначена для генерации и продолжения текста в диалоговых сценариях. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст; заявленная длина контекста — 4096 токенов. Репозиторий использует Transformers и формат safetensors. Базовая Marin 8B Base ориентирована на английский язык; другие поддерживаемые языки для этой производной модели не подтверждены. Лицензия указана как other, поэтому условия использования следует сверить с лицензией в репозитории.

Карточка модели AmberYifan/capsd-less-ultra-opc-marin-8b-base-code_less_b2000_s0 на Hugging Face совпадает с карточкой AmberYifan/capsd-less-fast-opc-marin-8b-base-code_less_b2000_s0, поэтому описание составлено по ней. Это дообученная модель семейства Llama, созданная на основе marin-community/marin-8b-base и обученная на наборе capsd_marin-8b-base-n80000-opc__mix_code_less_b2000_s0. Она предназначена для генерации и продолжения текста в диалоговых сценариях. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст; заявленная длина контекста — 4096 токенов. Репозиторий использует Transformers и формат safetensors. Базовая Marin 8B Base ориентирована на английский язык; другие поддерживаемые языки для этой производной модели не подтверждены. Лицензия указана как other, поэтому условия использования следует сверить с лицензией в репозитории.

Cerbero-7B — итальянская языковая модель, разработанная командой проекта Cerbero и построенная на базе Mistral-7B. Это плотная авторегрессионная модель с 7,1 млрд параметров и контекстом до 32 768 токенов; она предназначена для диалогов, генерации текста, ответов на вопросы и понимания итальянского текста. В README приведены результаты оценки на итальянских тестах понимания текста, токсичности, иронии и тональности. Метаданные также отмечают поддержку английского языка. Модель доступна в формате PyTorch и подключается через Transformers. Она выпущена по лицензии Apache 2.0, разрешающей коммерческое использование. Как и другие генеративные языковые модели, может выдавать неверные ответы; результаты тестов не гарантируют качество в конкретных сценариях.

thuyduongjoe123/checkpoints_vi_lo_feat — текстовая генеративная модель из семейства Qwen3 с примерно 1,7 млрд параметров. Модель доступна для использования через библиотеку Transformers и поддерживает контекст длиной до 40 960 токенов. В метаданных также указана conversational-направленность и формат safetensors. Модель предназначена для генерации продолжений текста и построения диалоговых сценариев: ответов на запросы, ведения беседы, подготовки черновиков и других задач, требующих генерации текста. README создан автоматически и не содержит сведений о разработчике, обучающих данных, результатах оценки, лицензии, поддерживаемых естественных языках или конкретной специализации модели. Из-за отсутствия подробной документации нельзя подтвердить качество на отдельных языках и доменах, устойчивость к фактическим ошибкам или пригодность для критически важных применений. Условия лицензирования также не определены в доступных источниках.

groupA — дообученная на TRL модель семейства Qwen2.5, созданная на основе Qwen/Qwen2.5-3B. Она предназначена для генерации ответов в диалоге и запускается через библиотеку Transformers как модель text-generation. Модель имеет плотную архитектуру Qwen2 с 3,1 млрд параметров и контекстное окно до 32 768 токенов. Карточка показывает пример ответа на открытый вопрос, но не описывает узкую специализацию или отдельную предметную область. Репозиторий содержит веса safetensors. Лицензия в предоставленных данных не указана.

DareNutz — объединённая текстовая модель на архитектуре Mistral, созданная jeiku с помощью mergekit и метода DARE TIES. В качестве основы использована unsloth/mistral-7b-instruct-v0.3; в слияние также вошли Theory_of_Mind_Mistral, Synthetic_Soul_1k_Mistral_128 и Luna_LoRA_Mistral. Модель содержит 7,1 млрд параметров и работает с контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов, включая выполнение инструкций. Заявленные компоненты указывают на тематические акценты на теории разума и синтетических данных, но README не описывает конкретные сценарии или результаты оценки качества. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.