I.7Речь, диалоги и встречи

etonkou/swahili — модель распознавания речи на суахили, разработанная как дообучение facebook/wav2vec2-base. Она использует архитектуру Wav2Vec2ForCTC и содержит 113,3 млн параметров; репозиторий предоставляет веса PyTorch. Модель принимает аудиоречь и выдаёт текстовую транскрипцию. В README приведены результаты оценки: loss 1,0009 и WER 0,6055. README не описывает обучающие данные и сценарии применения, поэтому качество распознавания за пределами указанной оценки неясно. Лицензия — Apache-2.0.

Ternary-Bonsai-2-27B-Heretic-Satellite — текстовая модель Convai Innovations, созданная на базе Qwen3.8-27B-Bonsai-2-27B-Heretic. Это плотная причинно-языковая архитектура Qwen3_5ForCausalLM с 22,3 млрд параметров и контекстом до 262 144 токенов. Модель дообучена с помощью LoRA-дистилляции решений учителя convaiinnovations/laya; веса учителя в репозитории не распространяются. Модель анализирует стенограмму и выдаёт структурированное решение о сжатии рабочего контекста: нужно ли его сжать, какие сведения сохранить, а также уровень и режим сжатия. Предназначена для управления длинным контекстом в разговорных системах и других приложениях, которым нужно решать, когда и как сокращать историю. Она принимает только текст и не подходит для анализа изображений. В карточке приведена оценка на 20 отложенных сессиях: совпадение с решениями laya по главному решению составило 17 из 20; точное совпадение по всем четырём полям — лишь 3–4 из 20. Поэтому значения preserve и level следует проверять перед программным использованием. Доступны safetensors и GGUF в нескольких вариантах точности; для GGUF указана поддержка llama.cpp, а для safetensors — Transformers. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты.

Ba2han/test_CPTlsft2 — диалоговая языковая модель семейства Qwen3, дообученная командой Ba2han на базе Ba2han/test_CPTl с использованием TRL. Модель содержит 1,4 млрд параметров, принимает текстовые сообщения в формате чата и генерирует продолжение диалога; для запуска в карточке приведён пример с Transformers и вычислением на CUDA. Длина контекста составляет 16 384 токена. Модель предназначена для генерации ответов в диалоге и других сценариев текстовой генерации. Карточка не сообщает о специализированной предметной области, обучающих данных или сравнительных оценках качества. Репозиторий содержит веса в формате Safetensors. Лицензия в предоставленных данных не указана.

trinhkhng/ties_Merged_Qwen2-0.5B_0.5 — объединённая модель на базе Qwen2, созданная автором с помощью mergekit и метода TIES. В объединение вошли базовая Qwen2-0.5B и модель debias_Qwen2-0.5B; токенизатор взят из Qwen2-0.5B. Модель содержит около 493,7 млн параметров, использует архитектуру Qwen2ForCausalLM и формат safetensors. Заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалоговых сценариев. Карточка не сообщает, какие именно предвзятости устраняет компонент debias и насколько успешно это достигается. Лицензия в предоставленных данных не указана.

TinyLlama-1.1B-Chat-v1.0-GPTQ-4bit — это 4-битно квантованная версия чат-модели TinyLlama/TinyLlama-1.1B-Chat-v1.0. В README не указано, кто выполнил квантование; исходная модель обозначена как TinyLlama. Модель предназначена для диалоговых сценариев и задач генерации текста, где важны сниженные требования к памяти и вычислительным ресурсам. Модель имеет заявленный размер 1,1 млрд параметров и представлена в формате GPTQ, созданном с помощью AutoGPTQ. Используется 4-битное симметричное квантование с group_size 128, без активационного упорядочивания (desc_act: false), с последовательной обработкой слоёв (true_sequential: true). Ключевые характеристики архитектуры, поддерживаемые языки, модальности и размер контекстного окна в README не указаны. Квантование уменьшает требования к ресурсам, но может приводить к снижению качества по сравнению с исходной моделью. Лицензия указана как неизвестная.

TripletBoreas-7B-t0.0001 — экспериментальная объединённая модель на архитектуре Mistral, созданная последовательным слиянием WizardLM-2-7B-abliterated, Frostwind-v2.1-m7 и Erebus-Holodeck-7B пользовательским алгоритмом NearSwap с параметром t_value 0.0001. Базой служила WizardLM-2-7B-abliterated; карточка также указывает поддержку многоходового диалога и форматов подсказок Vicuna и Alpaca. Модель предназначена для генерации текста и диалоговых сценариев, включая ролевое общение. В репозитории указаны веса safetensors; автор также отмечает доступность квантованных вариантов GGUF и GGUF imatrix. Размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Лицензия в предоставленных данных не указана.

Модель infinitejoy/wav2vec2-large-xls-r-300m-sakha — дообученная Infinitejoy версия facebook/wav2vec2-xls-r-300m для автоматического распознавания речи на саха (якутском) языке. Она принимает аудио и преобразует речь в текст; архитектура основана на Wav2Vec2ForCTC и имеет около 402,7 млн параметров. Обучение проводилось на наборе Mozilla Common Voice 7.0 для саха. На тестовой выборке указана WER 0,4421. Модель подходит для транскрибации записей на саха, включая голосовые сообщения и аудио из корпуса Common Voice. Доступна в формате PyTorch и распространяется по лицензии Apache-2.0. README не описывает ограничения по записи или условиям эксплуатации.

Модель SpideyDLK/wav2vec2-large-xls-r-300m-sinhala-original-split-part4-epoch30-final — дообученная версия facebook/wav2vec2-xls-r-300m для автоматического распознавания речи. Она использует архитектуру Wav2Vec2ForCTC и принимает аудио, выдавая текстовую транскрипцию. В README приведены результаты оценки: loss 0,1837 и WER 0,1334; датасет и условия оценки не описаны, поэтому эти показатели нельзя напрямую переносить на другие данные. Репозиторий содержит веса в формате safetensors, размер модели — около 402,7 млн параметров. Лицензия — Apache-2.0.

Whisper Amharic Small v2 — дообученная модель распознавания речи на основе openai/whisper-small. Она предназначена для транскрибации амхарской речи; разработчик сообщает, что обучение проводилось на данных Mozilla Common Voice на амхарском языке. Модель построена на архитектуре Whisper и содержит 153,1 млн параметров. В README приведён показатель WER 69%, улучшенный с 77% в предыдущей версии. Модель принимает аудио и выдаёт текст. Для работы с ней в README показано использование Transformers и WhisperProcessor. Лицензия — OpenRAIL. Указанный показатель WER свидетельствует о заметной ошибке распознавания, поэтому качество транскрипции может требовать проверки, особенно для задач с высокими требованиями к точности.

Prince Nasamu Alhassan дообучил Whisper large-v3-turbo для распознавания ганского варианта английского языка. Модель принимает аудио и выдаёт текст; в метаданных указано 905,2 млн параметров. Она предназначена для автоматической транскрипции речи на ганском английском, в том числе для извлечения числовых данных, таких как телефонные номера и суммы. На наборе afrispeech_ghana модель показала WER 17,85 и CER 7,29 против 29,74 и 16,71 у исходной модели при той же оценке. Опубликован чекпойнт шага 2000; более точный чекпойнт шага 1000 был удалён, а обучение остановили до запланированного завершения. Оценка проводилась на прочитанном и машинно переведённом тексте, поэтому она может переоценивать качество на реальной речи и не отражать трудности переключения языков. Модель описана как исследовательская работа для хакатона, а не поддерживаемый продукт. Лицензия — CC BY-NC 4.0, с ограничением на коммерческое использование.

Модель zindagi-technologies/whisper-small-hindi разработана Zindagi Technologies Pvt Ltd на основе Whisper Small от OpenAI. Это полноразмерное дообучение архитектуры Whisper encoder–decoder с 244 млн параметров для распознавания и транскрибирования речи на хинди. Модель принимает аудио и выдаёт текст; обучение проводилось на 134,75 часа корпуса AI4Bharat Kathbath, включающего преимущественно короткую начитанную речь. Лицензия модели — Apache-2.0. На тестовых наборах Kathbath и FLEURS указана частота ошибок слов 14,87% и 19,54% соответственно. Модель рассчитана на фрагменты длительностью до 30 секунд; более длинные записи следует разбивать на части. Она не обучалась переводу, временным меткам или длинным аудиозаписям. Разговорная, шумная и телефонная речь, переключение между хинди и английским, а также точная запись чисел могут приводить к большему числу ошибок; для важных расшифровок нужна проверка человеком.

tahaalselwii разработал whisper-small-yemeni — модель распознавания речи на базе Whisper encoder-decoder Transformer, дообученную на арабской речи йеменского диалекта. Она предназначена для транскрибирования аудио с йеменской арабской речью; опубликована для работы с Hugging Face Transformers и хранится в формате safetensors. При оценке на пользовательском тестовом разбиении из 160 примеров модель показала WER 63,49% против 84,32% у базовой openai/whisper-small. Обучение использовало 1 284 примера из йеменской части датасета UBC-NLP/Casablanca. Результаты предварительные: ограниченный объём данных и тестовая выборка не позволяют уверенно судить о качестве на новых говорящих и в других условиях записи. Лицензия указана как other, конкретные условия в доступных сведениях не раскрыты.

zuazo/whisper-tiny-eu — модель автоматического распознавания речи, созданная дообучением Whisper Tiny от OpenAI на баскской части набора Common Voice 13.0. Она предназначена для преобразования баскской речи в текст, например для транскрибации записей и голосовых сообщений. Модель использует архитектуру Whisper и содержит 29,4 млн параметров. В README указаны результаты на оценочном наборе: WER 32,2694 и loss 0,6522. Модель принимает аудио и выдаёт текст; опубликована в формате PyTorch. Лицензия Apache-2.0 разрешает использование, изменение и распространение с указанием авторства.

Wukong-Mistral-7B-v0.3 — разговорная языковая модель на архитектуре Mistral, созданная RESMPDEV как дообученная версия Mistral-7B-v0.3. Она предназначена для генерации текста в диалогах и чат-сценариях. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст длиной до 32 768 токенов; веса доступны в формате Safetensors. Модель дообучена в течение трёх эпох на подборке данных из Cognitive Computations Dolphin 2.9 и описана автором как «dealigned» чат-файнтюн. Примеры ответов в карточке не приведены, поэтому качество и конкретные поведенческие особенности по ней оценить нельзя. README указывает, что у модели нет механизмов модерации. Лицензия — Apache-2.0.

Yamase-12B — авторская модель Rakuto Suda, дообученная на базе Mistral-Nemo-Instruct примерно на 110 тысячах примеров для улучшения работы с японским языком. Это плотная причинная языковая модель семейства Mistral с 12,1 млрд параметров, предназначенная для диалогов и генерации текста; карточка указывает поддержку контекста до 1 024 000 токенов. README показывает формат общения в стиле [INST]…[/INST]. Модель подходит для ответов на вопросы и инструкций на японском языке, а также для суммирования и диалоговых сценариев, отражённых в обучающих наборах. В метаданных указаны датасеты японских диалогов, инструкций, Википедии и длинных текстов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README отмечает, что для работы Transformers на момент публикации требовалась установка версии из GitHub.

Yugo55-GPT-v4 — диалоговая языковая модель, созданная datatab путём слияния трёх моделей с помощью LazyMergekit: Serbian-Mistral-Orca-Slim-v1, AlphaMonarch-7B и YugoGPT-Alpaca-v1-epoch1-good. Это плотная модель семейства Mistral с 7,1 млрд параметров, объединённая линейным методом и сохранённая в формате SafeTensors с точностью float16. Модель предназначена для генерации текста в диалоге и выполнения инструкций на сербском языке. Её можно использовать для ответов на вопросы и ведения переписки; метаданные также указывают способность chat. Нативная длина контекста составляет 32 768 токенов. В карточке перечислены сербоязычные наборы данных для обучения и лицензия MIT. Модель представляет собой слияние, поэтому её поведение зависит от объединённых исходных чекпойнтов. Карточка не сообщает результатов оценки качества или конкретных ограничений применения; лицензия MIT разрешает использование на её условиях.

Yugo60-GPT — чат-модель для генерации текста, разработанная datatab. Это плотная причинная языковая модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Репозиторий содержит веса в формате safetensors; модель предназначена для диалогов и генерации текста на сербском языке. Модель создана на основе объединения datatab/Yugo55-GPT-DPO-v1-chkp-600 и datatab/Yugo55-GPT-v4. В README приведены результаты оценки на сербском языке; оценивание проводилось на 4-битной версии из-за ограничений оборудования. Для запуска описаны библиотеки Transformers, datasets, sentencepiece, bitsandbytes и accelerate. Лицензия — MIT.

wzhouad выпустил Zephyr-7B-WPO-FP — разговорную языковую модель на архитектуре Mistral, дообученную на базе mistral-7b-sft-beta методом Weighted Preference Optimization (WPO). Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге: она принимает текстовые запросы и формирует текстовые ответы. Карточка связывает метод WPO с работой «Enhancing RLHF with Weighted Preference Optimization»; модель подходит для чат-сценариев и экспериментов с оптимизацией предпочтений. Репозиторий использует библиотеку Transformers и формат safetensors. В карточке не указаны лицензия и конкретные поддерживаемые естественные языки. Это дообученная модель, поэтому её возможности и ограничения зависят от базового чекпойнта и данных обучения; опубликованное описание не приводит оценок качества или перечня рисков.

Это разговорная языковая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная ShenaoZhang на основе ShenaoZhang/0.001_4iters_bs256_nodpo_only4w_userresponse_iter_2. Модель предназначена для генерации текста и ответов в диалоге; в карточке также указано обучение на обновлённом и исходном наборах данных. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Опубликована в формате safetensors под лицензией MIT. Карточка не содержит подробностей об оценке качества, рекомендуемых сценариях и известных ограничениях.

ShenaoZhang разработал эту модель как дообученную версию ShenaoZhang/0.001_5iters_bs256_nodpo_only4w_iter_3 на обновлённом и исходном наборах данных. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для диалоговой генерации текста и поддерживающая контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии MIT. Её можно использовать для генерации ответов в чате и других задач продолжения текста. Карточка не содержит результатов оценки качества, описания наборов данных или подробных рекомендаций по применению, поэтому качество и поведение модели в конкретных сценариях по этим сведениям оценить нельзя.

ShenaoZ/0.01_withdpo_4iters_bs256_5102lr_misit_iter_2 — дообученная разговорная модель семейства Mistral, созданная на основе ShenaoZ/0.01_withdpo_4iters_bs256_5102lr_misit_iter_1. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает текст для генерации текста; заявленный контекст — 32 768 токенов. Модель обучена с использованием DPO на исходном и обновлённом датасетах. Она предназначена для генерации ответов в диалоговом формате. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не приводит результатов оценки, подробного описания данных или конкретных ограничений.

ADAPT-Qwen3-2.3B-Instruct — плотная языковая модель семейства Qwen3, разработанная Harvard-DCML как студенческая модель, дистиллированная из Qwen/Qwen3-4B-Instruct-2507. Она предназначена для генерации текста и диалогов, а также для экспериментов с интерполяцией размеров между вариантами одной базовой модели после обучения. В README описан способ получать промежуточную модель, комбинируя слои студенческой модели и учителя; число заменяемых слоёв влияет на размер результата. Модель содержит 2,1 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов. Репозиторий использует Transformers и формат safetensors; метаданные указывают на лицензию Apache-2.0. Карточка не сообщает языков обучения или оценки качества, поэтому нельзя подтвердить конкретное языковое покрытие и сильные стороны в отдельных задачах. Для интерполяции README рекомендует не включать первые k слоёв студента в патчинг.

AfriGuardInst-tiny-aya-earth-lora-merged — дообученная модель CohereLabs/tiny-aya-earth, созданная на наборе israel/AfriGuard-inst с помощью LoRA ранга 16 для всех линейных слоёв и объединённая с базовыми весами. Это плотная авторегрессионная модель семейства Cohere2 на 3,3 млрд параметров, предназначенная для диалоговой генерации текста с инструкциями безопасности; обучающие примеры включали инструкции безопасности и пользовательские запросы. Модель поддерживает языки, отмеченные в карточке: английский, амхарский, хауса, игбо, оромо, шона, суахили, тви, волоф, йоруба и зулу. Контекст составляет до 8192 токенов. Модель загружается через Transformers, а веса представлены в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

ANMOLGPT-4B-v0.2-i1-GGUF — это квантизированная версия языковой модели ANMOLGPT-4B-v0.2, разработанной anmoldhandhania93 и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена для генерации текста, диалоговых сценариев и чат-ботов; в метаданных она также обозначена как instruction-tuned и fine-tuned. Указан английский язык. README описывает модель как vision model, однако сведения о поддерживаемых форматах изображений и мультимодальном контекстном окне не приведены. Модель содержит около 4 миллиардов параметров. Архитектура и размер контекстного окна не указаны; среди тегов упоминается Qwen3.5, но точная архитектура не подтверждена. Распространяется набором вариантов квантизации GGUF — от Q2_K до Q6_K и IQ-квантов — размером примерно от 2,1 до 3,7 ГБ. В README отмечается, что IQ-варианты часто обеспечивают лучшее качество при сопоставимом размере, а Q4_K_M рекомендован как быстрый вариант с хорошим балансом размера, скорости и качества. Основные преимущества модели — относительно небольшой размер файлов, возможность локального запуска через совместимые инструменты для GGUF и наличие нескольких уровней квантизации. Ограничения включают отсутствие подробных результатов тестирования, данных о качестве, контекстном окне, производительности, мультимодальных возможностях и поддерживаемых языках помимо английского. Лицензия — Apache-2.0.

Archangel SFT-DPO — языковая модель семейства Llama 13B, разработанная Contextual AI. Чекпойнт оптимизирован последовательным обучением с учителем (SFT) и Direct Preference Optimization (DPO), с выравниванием на данных SHP, Anthropic HH и OpenAssistant. Архитектура — плотная авторегрессионная LlamaForCausalLM с 12,9 млрд параметров; модель принимает текст и генерирует текст. В карточке указан контекст длиной 2048 токенов, а основной язык модели — английский. Модель предназначена для генерации ответов в диалогах, согласованных с человеческими предпочтениями. Для промптов рекомендуется формат TuluV2: сначала сообщение пользователя, затем ответ ассистента; токен BOS добавляется автоматически. Лицензия — Apache-2.0. Карточка не приводит сравнительных оценок качества, поэтому пригодность для конкретного сценария следует проверять отдельно.

BARThez — франкоязычная предварительно обученная модель типа BART для преобразования текста. Репозиторий содержит вариант mBARThez: продолжение предобучения многоязычной mBART на французском языке. Архитектура кодировщика-декодировщика с 95 млн параметров и контекстом до 1024 токенов позволяет модели как анализировать, так и генерировать текст. Модель обучалась восстанавливать исходные предложения из искажённого текста на корпусе из 66 ГБ французских текстов. Она рассчитана на генеративные задачи, включая абстрактивное суммирование; тег Hugging Face также указывает задачу заполнения пропусков. Модель опубликована в формате PyTorch под лицензией Apache 2.0.

Bielik-11B-v2.3-Instruct-GGUF — квантизированная GGUF-версия инструкционной языковой модели Bielik-11B-v2.3-Instruct, разработанной SpeakLeash и ACK Cyfronet AGH. Модель предназначена для генерации текста и диалоговых сценариев на польском языке, включая локальный запуск через llama.cpp, Ollama и совместимые приложения и библиотеки. Модель имеет архитектуру causal decoder-only и основана на Bielik-11B-v2.3-Instruct, дообученной на Bielik-11B-v2. Доступны варианты квантизации q4_k_m, q5_k_m, q6_k и q8_0 с различным балансом между размером, потреблением ресурсов и качеством; q8_0 близка к float16, но требует много ресурсов и работает медленнее. Размер модели — 11B параметров. Сведения о длине контекста и поддержке дополнительных модальностей в README не указаны. Ключевые преимущества — поддержка польского языка, возможность локального запуска и совместимость с широким набором инструментов для GGUF. Ограничения включают снижение качества ответов и возможные галлюцинации из-за квантизации; для большинства пользователей высокоресурсный вариант q8_0 не рекомендуется. Модель распространяется по лицензии Apache 2.0 с дополнительными Terms of Use Bielik.

AmberYifan/capmix-marin-8b-base-loss — дообученная языковая модель на архитектуре Llama, созданная на основе marin-community/marin-8b-base. Согласно карточке, обучение проводилось на наборе данных capmix_marin-8b-base__mix_loss. Модель предназначена для генерации и продолжения текста; метаданные также отмечают поддержку диалогового режима. Она содержит 7,5 млрд параметров, использует библиотеку Transformers и формат весов safetensors, а длина контекста составляет 4096 токенов. Базовая модель описана как англоязычная. Карточка не приводит результатов оценки или подробного описания ограничений. Лицензия указана как other, поэтому перед применением следует проверить условия использования в репозитории модели.

Карточка модели Mihaiii/Cluj-Napoca-0.8 на Hugging Face совпадает с карточкой Mihaiii/Cluj-Napoca-0.4, поэтому описание составлено по ней. Mihaiii/Cluj-Napoca-0.4 — разговорная языковая модель серии Cluj-Napoca, разработанная Mihaiii и дообученная на базе Mihaiii/Cluj-Napoca-0.3. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 25 млрд параметров. Она принимает текст и генерирует текст в формате диалога с ролями SYSTEM, USER и ASSISTANT; заявленная длина контекста — 200 000 токенов. Модель предназначена для генерации ответов в диалоге и экспериментов с разговорными языковыми моделями. Она обучена на частном наборе данных, поэтому его состав и охват нельзя проверить по карточке. Серия описана автором как преимущественно экспериментальная. Лицензия указана как other, без более подробных условий в доступных данных.

Карточка модели Mihaiii/Cluj-Napoca-0.9 на Hugging Face совпадает с карточкой Mihaiii/Cluj-Napoca-0.4, поэтому описание составлено по ней. Mihaiii/Cluj-Napoca-0.4 — разговорная языковая модель серии Cluj-Napoca, разработанная Mihaiii и дообученная на базе Mihaiii/Cluj-Napoca-0.3. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 25 млрд параметров. Она принимает текст и генерирует текст в формате диалога с ролями SYSTEM, USER и ASSISTANT; заявленная длина контекста — 200 000 токенов. Модель предназначена для генерации ответов в диалоге и экспериментов с разговорными языковыми моделями. Она обучена на частном наборе данных, поэтому его состав и охват нельзя проверить по карточке. Серия описана автором как преимущественно экспериментальная. Лицензия указана как other, без более подробных условий в доступных данных.