I.7Речь, диалоги и встречи

Rohit_AI_CSharp_Model — дообученная Rohitmlp0344655 разговорная модель генерации текста на архитектуре Llama. Она создана на базе unsloth/llama-3-8b-Instruct-bnb-4bit и предназначена для диалогового взаимодействия и генерации текста. В карточке указано, что обучение выполнялось с Unsloth и библиотекой TRL. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст, поддерживает английский язык и имеет контекстное окно 8192 токена. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Источники не уточняют специализацию модели на задачах C# или её результаты на конкретных тестах.

Fulcrum-AI/Ryze — разговорная языковая модель Fulcrum AI на архитектуре Mistral, созданная слиянием предварительно обученных моделей методом Model Stock с помощью mergekit. В слияние вошли варианты Mistral-7B, включая Dolphin, Hermes, Zephyr, OpenHermes и OpenOrca. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалогах: она может отвечать на запросы и поддерживать беседу. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или подробностей о поведении модели, поэтому пригодность для конкретных задач следует проверять отдельно.

Это неизменённая копия Silero VAD 6.2 в формате ONNX, опубликованная crash-sv для утилиты Scribe SV — программы для диктовки и перевода в Windows. Исходную модель разработала команда Silero; граф ONNX и его размещение подготовлены в проекте istupakov/silero-vad-onnx. Репозиторий содержит вариант графа silero_vad.onnx, который использует загрузчик onnx_asr. Модель предназначена для обнаружения участков речи в аудиосигнале, например, чтобы выделять речь перед диктовкой или последующей обработкой. Это модель обнаружения голосовой активности, а не распознавания или перевода речи. Копия распространяется без изменений по лицензии MIT; README также указывает MIT для исходной модели и ONNX-сборки.

sfm_filtered_e2e_alignment-6k_7k_8k_weightedavg_merge — слияние нескольких предварительно обученных языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой использована модель с шага обучения 8000; в слияние также вошли чекпойнты шагов 6000 и 7000. Модель основана на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и работает через библиотеку Transformers в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Контекст составляет до 16 384 токенов. В карточке не приведены сведения о специализации по языкам, предметным областям или конкретных преимуществах качества. Условия лицензирования в доступных данных не описаны.

sfm_filtered_e2e_alignment-8k_9k_10k_weightedavg_merge — объединённая языковая модель, созданная методом Linear merge с помощью mergekit. В качестве базовой использована модель с контрольной точкой global_step10000; также объединены контрольные точки global_step8000 и global_step9000 из серии filtered_e2e_alignment. Архитектура — плотная GPT-NeoX, размер — 8,8 млрд параметров; модель загружена в формате safetensors и предназначена для генерации текста в диалоговом режиме. Заявленная длина контекста — 16 384 токена. Карточка не описывает специализированные сценарии, качество ответов, обучающие данные или поддерживаемые естественные языки. Модель выпущена под лицензией mergekit, условия лицензии в доступных данных не приведены.

Это слитая модель генерации текста на архитектуре GPT-NeoX, созданная с помощью mergekit методом Linear из контрольных точек модели filtered_insert_xxf_character с шагов обучения 7000, 8000 и 9000; контрольная точка шага 9000 использовалась как базовая. Репозиторий содержит веса в формате Safetensors, а объём модели составляет 8,8 млрд параметров. Модель предназначена для генерации текста в диалоговом формате. Метаданные указывают контекст длиной до 16 384 токенов. Карточка не сообщает о специализированной предметной области или поддерживаемых языках, поэтому их нельзя уточнить. Условия лицензирования в предоставленных данных не описаны.

Модель canopus77/slm-rag-grpo-merged разработана canopus77 и представляет собой дообученную версию canopus77/slm-rag-sft-merged. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 3,2 млрд параметров. Она предназначена для генерации текста и диалоговых ответов на английском языке; в метаданных также указана возможность чата. Модель обучалась с использованием Unsloth и библиотеки TRL. Максимальная длина контекста составляет 131 072 токена, веса опубликованы в формате safetensors. Лицензия — Apache-2.0.

SmolLumi-8B-Instruct — разговорная модель safe049, дообученная на NeverSleep/Lumimaid-v0.2-8B с использованием набора HuggingFaceTB/smol-smoltalk. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она принимает текст и генерирует текст, поддерживает диалоговый режим и интерфейс вызова инструментов. Указанная длина контекста — 131 072 токена, основной язык карточки — английский. Модель предназначена для диалогов и генерации текста в формате инструкций. Автор описывает её как uncensored; поэтому ответы могут включать незаконный или неэтичный контент. Обучение проводилось на 60 шагах, так что качество и устойчивость модели могут быть ограничены. Лицензия — Apache-2.0.

Jan-HQ/Solar-10.7B-SLERP — разговорная языковая модель, созданная Jan объединением методом SLERP моделей upstage/SOLAR-10.7B-Instruct-v1.0 и janhq/Pandora-v1-10.7B. Она предназначена для диалогов и генерации текста; для общения используется шаблон ChatML. Модель построена на плотной архитектуре Llama с 10,6 млрд параметров и рассчитана на контекст до 4096 токенов. Модель объединяет чекпойнты, выбранные по результатам Open LLM Leaderboard на 14 декабря 2023 года. Она доступна в формате safetensors и распространяется по лицензии Apache-2.0. README называет проект тестовым экспериментом по объединению моделей, поэтому приведённые в карточке результаты оценки не позволяют судить о качестве.

Starling-LM-7B-beta-laser-dpo — англоязычная диалоговая языковая модель команды Nexusflow, основанная на архитектуре Mistral и содержащая 7,1 млрд параметров. Она создана на базе OpenChat-3.5-0106 и обучена с использованием RLAIF и PPO; в этой версии частично замораживали параметры по анализу laserRMT, чтобы снизить забывание ранее усвоенных знаний при обучении новым навыкам, например вызову функций. Модель предназначена для генерации ответов в диалоге и использования в чат-сценариях. Для качества ответов важно применять шаблон беседы OpenChat-3.5-0106; иногда ответы могут быть многословными. Доступны веса в форматах PyTorch и Safetensors, контекст — до 8192 токенов. Лицензия указана как Apache-2.0, однако README оговаривает условие, запрещающее использование модели для конкуренции с OpenAI.

StarlingMaid-2x7B-base — чат-модель семейства Mixtral, созданная dawn17 путём объединения и маршрутизации экспертов Starling-LM-7B-beta и Silicon-Maid-7B. README описывает скрытый режим выбора эксперта: модель ориентирована на диалог и ролевые сценарии. В метаданных указаны архитектура Mixtral с разреженной экспертной моделью (MoE), 7,1 млрд параметров и контекст до 8192 токенов. Модель принимает текст и генерирует текст; карточка не подтверждает поддержку конкретных языков. В репозитории указаны веса safetensors. Лицензия — Apache-2.0. В README приведены результаты Open LLM Leaderboard, включая средний балл 70,20, но эти значения не гарантируют качество на пользовательских задачах.

Ba2han/TR_SFT2 — текстовая генеративная модель, дообученная автором с помощью TRL. Карточка показывает пример диалогового запроса и генерации ответа; модель предназначена для продолжения текста и ответов на пользовательские сообщения. Модель основана на архитектуре Qwen3 и содержит 1,3 млрд параметров. Она использует формат Safetensors и поддерживает контекст до 16 384 токенов. README не уточняет обучающие данные и конкретную специализацию; базовая модель обозначена как None, поэтому установить её идентификатор нельзя. Лицензия в предоставленных данных не указана.

v29_v19_user_world_guard_lr8e7_ep018 — разговорная модель генерации текста, дообученная разработчиком lldois на базе lldois/v19_v15_dualmode_fast_lr5e6_ep055. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 532,8 млн параметров и рассчитана на контекст до 40 960 токенов. Модель предназначена для диалоговой генерации текста. README указывает, что при дообучении использовался набор exp_v19_user_world_guard_no_template, однако подробности о назначении набора, поведении модели и оценке качества не приведены. Репозиторий содержит веса в формате Safetensors; лицензия указана как other.

Vigalpaca-French-7B-ties — франкоязычная чат-модель на архитектуре Mistral, созданная Jonathan Pacifico путём слияния French-Alpaca-7B-Instruct-beta и Vigostral-7B-Chat. Она предназначена для генерации текста, ответов на вопросы и выполнения инструкций в диалоге на французском языке. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Карточка описывает её как демонстрацию языковой специализации базовой модели с помощью слияния. У модели нет механизмов модерации. Лицензия — Apache-2.0.

reichenbach/wav2vec2-large-xls-r-300m-as — модель автоматического распознавания речи, дообученная на Common Voice на основе facebook/wav2vec2-xls-r-300m. Она использует архитектуру Wav2Vec2ForCTC и принимает аудио, выдавая распознанный текст на ассамском языке. В карточке приведены результаты оценки: WER 0,5174 и WER 0,7224 на тестовом наборе Common Voice Assamese v7.0, CER 0,2882. Модель распространяется по лицензии Apache-2.0.

Это модель автоматического распознавания речи на архитектуре Wav2Vec2ForCTC, дообученная на базе facebook/wav2vec2-xls-r-300m на наборе MOZILLA-FOUNDATION/COMMON_VOICE_8_0 — MR. Она преобразует входящее аудио в текст и предназначена для распознавания речи на языке маратхи. В карточке указаны результаты на оценочной выборке: loss 0,6693 и WER 0,5921. Модель содержит около 402,7 млн параметров, распространяется в формате PyTorch и доступна по лицензии Apache-2.0. Дата публикации на Hugging Face — 2 марта 2022 года. Высокое значение WER указывает на заметную долю ошибок распознавания на указанной оценочной выборке, поэтому качество следует проверять на аудио и сценариях целевого применения. Карточка не приводит дополнительных сведений о длине аудио, акустических условиях или использовании языковой модели, несмотря на суффикс «with-lm» в названии репозитория.

Whisper Kannada Tiny — дообученная OpenAI модель Whisper-Tiny, подготовленная vasista22 в рамках Whisper fine-tuning sprint на общедоступных корпусах речи на каннада. Модель предназначена для автоматического распознавания речи и преобразования аудиозаписей на каннада в текст. Архитектура — WhisperForConditionalGeneration, размер — 29,4 млн параметров. Репозиторий содержит веса PyTorch и Flax; для оценки автор указывает код из проекта whisper-finetune. Обучение проводилось на IISc-MILE Kannada ASR Corpus, ULCA ASR Corpus, Shrutilipi ASR Corpus и обучающей и валидационной выборках Google Fleurs. Лицензия — Apache-2.0.

Модель разработана Techiaith и представляет собой дообученную версию OpenAI Whisper large-v3 с 905,2 млн параметров. Она предназначена для распознавания речи на валлийском языке с сохранением особенностей спонтанной, неподготовленной речи. Для дообучения использованы транскрипции из Banc Trawsgrifiadau Bangor и Lleisiau Arfor, а также записи прочитанной речи из Welsh Common Voice 18 и Welsh Common Voice VAD Segments. Модель принимает аудио и выдаёт текстовую транскрипцию. На тестовой выборке Banc Trawsgrifiadau Bangor указаны WER 28,99 и CER 10,27. Доступна в формате safetensors и распространяется по лицензии Apache-2.0.

Whisper Small Bisaya — модель распознавания речи, полученная дообучением openai/whisper-small на частном корпусе Bisaya Speech Corpus. Она принимает аудио и преобразует речь на бисайя в текст. В карточке указана оценка WER 44,52 на тестовой выборке; подробности протокола оценки не приведены. Модель распространяется под лицензией Apache-2.0.

poppysmickarlili/whisper-small-cantonese_07-05-2024-2200 — дообученная модель автоматического распознавания речи на базе Whisper Small, разработанная poppysmickarlili. Она обучена на наборе Common Voice 17.0 и предназначена для преобразования кантонской речи в текст. Архитектура — WhisperForConditionalGeneration с 153,1 млн параметров; модель принимает аудио и выдаёт текст. Репозиторий содержит веса в формате safetensors. На оценочной выборке указаны loss 0,3536 и WER 57,3413, что свидетельствует о заметных ошибках распознавания и требует проверки на целевых аудиоданных перед применением. Модель распространяется по лицензии Apache-2.0.

qa2code/whisper-small-vi-finetuned — дообученная qa2code модель автоматического распознавания вьетнамской речи на базе openai/whisper-small. Это encoder-decoder архитектура Whisper с 153,1 млн параметров, рассчитанная на обработку аудио и выдачу транскрипции на вьетнамском языке. Модель обучалась на 17 169 аудиозаписях из набора natmin322/18k_vietnamese_voice_augmented_of_VigBigData; в тесте на отложенной выборке этого корпуса она показала WER 31,74% и CER 19,43%, улучшив результаты исходной модели на той же выборке. Модель подходит для транскрибирования вьетнамской речи, особенно аудио, близкого по стилю к обучающему корпусу. Текст выдаётся строчными буквами, без знаков препинания; числа записываются словами. Для публикации или дальнейшего использования текста может понадобиться восстановление регистра и пунктуации. Качество проверялось только на выборке того же корпуса, поэтому для спонтанной речи, региональных акцентов, телефонного аудио и шумных записей оно может быть заметно ниже. Обучение остановили на 3 000 шагах до выхода кривой потерь на плато; модель также наследует склонность Whisper к галлюцинациям на тишине и неречевых звуках, поэтому перед распознаванием рекомендуется обнаружение речевой активности. Лицензия — Apache-2.0.

TheirStory/whisper-small-xhosa — дообученная модель OpenAI Whisper-small для автоматического распознавания речи на языке isiXhosa. Она предназначена для транскрибирования аудиозаписей на isiXhosa; архитектура основана на Whisper, число параметров — 153,1 млн. Модель обучалась на корпусе NCHLT isiXhosa Speech Corpus объёмом около 56 часов: это короткие прочитанные вслух фразы, записанные на смартфон вне студии; в корпусе участвовали 209 дикторов. В README приведён показатель WER 29,73%. Он отражает качество на оценке автора, но сам по себе не гарантирует такую же точность на других типах речи и условиях записи. Модель распространяется по лицензии Apache-2.0; корпус обучения указан под лицензией CC BY 3.0.

Модель ymoslem/wmt25-cs-de-24layers-2e-05-100k-news-sentences-doc-eval — дообученная версия Aya-Expanse-8B-De-24Layers, созданная с помощью TRL. Это плотная авторегрессионная языковая модель семейства Cohere с 6,3 млрд параметров, предназначенная для генерации текста в диалоговом формате. Она подходит для ответов на запросы и ведения текстовых бесед; максимальная длина контекста составляет 8192 токена. Модель опубликована в формате safetensors и рассчитана на запуск через Transformers. В README не указаны специальные ограничения или прикладная область. Лицензия в предоставленных данных не указана.

hoduyquocbao/xiangqi-r1-0.5b — дообученная модель семейства Qwen2, опубликованная hoduyquocbao. Это плотная авторегрессионная языковая модель примерно на 494 млн параметров с контекстом до 32 768 токенов, предназначенная для генерации текста в диалоговом режиме. В карточке указано, что модель дообучена с использованием Unsloth и библиотеки TRL; репозиторий содержит веса в формате safetensors. Модель подходит для диалоговых сценариев и генерации текста. Метаданные также указывают интерфейс вызова инструментов, однако подробности его поддержки и результаты оценки качества в карточке не приведены. Указанный язык — английский. Модель распространяется по лицензии Apache-2.0.

Модель XLS-R-300M Uyghur CV8 разработана Lucio и дообучена на базе facebook/wav2vec2-xls-r-300m для распознавания уйгурской речи. Это модель Wav2Vec2ForCTC размером около 402,7 млн параметров, обученная на данных Common Voice 8.0 для уйгурского языка; её словарь использует буквы уйгурского алфавита на персо-арабской графической основе. Модель преобразует аудиозапись речи в текст и подходит для черновых субтитров к видео и индексирования записанных передач. На тестовой выборке указана WER 0,3248. Apache-2.0 — лицензия модели. Распознавание недостаточно надёжно для живых субтитров, используемых в целях доступности. При работе с записями следует учитывать приватность говорящих, представленных в Common Voice и других аудиоматериалах.

Модель lucio/xls-r-uzbek-cv8 — система автоматического распознавания узбекской речи, созданная дообучением facebook/wav2vec2-xls-r-300m на узбекской части Mozilla Common Voice 8.0. Она построена на архитектуре Wav2Vec2ForCTC и содержит около 402,7 млн параметров; модель принимает аудио и преобразует речь в текст на современном латинском письме узбекского языка. Декодер использует языковую модель KenLM, построенную на текстах Common Voice. Модель предназначена для черновых субтитров к видео и индексирования записанных передач. На валидационной выборке указаны WER 0,3852 и CER 0,0777; автор предупреждает, что качество недостаточно для надёжных субтитров в реальном времени, например для обеспечения доступности. Модель выпущена под лицензией Apache-2.0.

X-Machina-7b-slerp-v0.0 — диалоговая языковая модель, созданная слиянием Occiglot-7b-es-en-instruct и T3Q-DPO-Mistral-7B методом SLERP с помощью LazyMergekit. Она предназначена для генерации текста и диалоговых ответов на английском и испанском языках. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors. Модель подходит для чат-ботов и генерации ответов на запросы. Базовая модель Occiglot ориентирована на английский и испанский языки; документация не подтверждает дополнительные языки или отдельные специализированные задачи. Лицензия — Apache-2.0.

ZEUS 8B V2 Abliterated — текстовая генеративная модель семейства Llama, опубликованная T145. Это версия ZEUS-8B-V2, обработанная методом abliteration; README указывает, что основная цель этой процедуры — слой 19. В метаданных модель обозначена как дообучение базовой модели T145/ZEUS-8B-V2. Модель предназначена для генерации текста в диалоговых сценариях и ролевом общении; метаданные также указывают интерфейс для вызова инструментов. Она содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131072 токенов. README приводит результаты оценивания, включая 78,95% на IFEval и 30,98% на BBH. В репозитории указана лицензия Llama 3.1. README не уточняет языки, качество вызова инструментов или подробности влияния abliteration, поэтому эти характеристики нельзя оценить по предоставленным данным.

ShenaoZ/0.0_withdpo_4iters_bs256_531lr_iter_2 — плотная языковая модель Mistral с 7,1 млрд параметров, дообученная командой ShenaoZ на обновлённом и исходном наборах данных на основе ZhangShenao/0.0_ablation_sample1_4iters_bs256_iter_1. Модель предназначена для генерации текста в диалоговом режиме; максимальная длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии MIT. Сведения о конкретных сценариях применения, поддерживаемых языках и результатах оценки в карточке отсутствуют, поэтому их нельзя уточнить.

ShenaoZ/0.0_withdpo_4iters_bs256_531lr_iter_3 — диалоговая языковая модель Mistral, дообученная на предыдущем чекпойнте ShenaoZ/0.0_withdpo_4iters_bs256_531lr_iter_2 на обновлённом и исходном наборах данных. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом режиме. Репозиторий содержит веса в формате safetensors; лицензия — MIT. README не приводит сведения о конкретных сценариях применения, оценке качества или ограничениях модели.