I.7Речь, диалоги и встречи

RoMistral-7b-Instruct-2024-10-09 — румынская инструктивная языковая модель, разработанная OpenLLM-Ro как часть семейства RoMistral. Она дообучена на базе Mistral-7B-v0.1 с использованием наборов инструкций и диалогов на румынском языке. Модель предназначена для исследовательского использования и ассистентского общения на румынском: она может отвечать на запросы и выполнять инструкции в текстовом формате. Архитектура — плотная Mistral с 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель ориентирована на румынский язык; карточка исключает применение на других языках. Лицензия CC BY-NC 4.0 запрещает коммерческое использование. Качество ответов зависит от формулировки запроса и возможностей базовой модели.

Это дообученная модель генерации текста на основе GPT-2, созданная на базе goldfish-models/rus_cyrl_100mb. Согласно карточке, её обучали с помощью TRL; пример запуска показывает генерацию продолжения диалога в формате сообщения пользователя. Модель принимает текст и выдаёт текст, а её контекст составляет 512 токенов. Модель предназначена для генерации текста по запросу. Карточка не описывает специализированную область применения, качество на конкретных задачах или поддержку других языков помимо русского, следующего из названия базовой модели. В репозитории указаны веса в формате safetensors; отдельная лицензия в предоставленных данных не приведена.

Talyno Whisper Small Finance — модель распознавания речи, разработанная на основе OpenAI Whisper Small и дообученная автором репозитория passpoo методом LoRA для финансовых звонков о результатах компаний и встреч с инвесторами. Опубликованный чекпойнт содержит объединённые с базовой моделью веса адаптера; архитектура — Whisper, размер в метаданных — 153,1 млн параметров. Модель принимает аудио и выдаёт транскрипцию на английском или китайском языке, включая упрощённый и традиционный варианты китайского. Обучение адаптировало декодер к финансовой лексике и формату общения аналитиков и отделов по связям с инвесторами, сохранив замороженный энкодер. В карточке описаны обучающие данные из записей earnings call, FLEURS и синтезированных финансовых фраз. Чекпойнт предназначен также для конвертации в Core ML для WhisperKit и приложения Talyno на iOS. Модель распространяется по лицензии Apache 2.0. Она оптимизирована для финансовых звонков и встреч инвесторов; качество на бытовой речи и в других предметных областях не оценивалось. Поддерживаются только английский и китайский.

tiny-ko-sft — модель генерации текста, созданная дообучением minpeter/tiny-ko-base разработчиком minpeter. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 124,6 млн параметров; репозиторий содержит веса Safetensors. Модель предназначена для диалогов и выполнения инструкций на корейском языке. При дообучении использовались наборы корейских диалогов, инструкций и текстов, включая Korean-FineTome-100k, smol-koreantalk, open-korean-instructions и несколько корейских переводных и инструкционных наборов. Контекст составляет 4096 токенов. В README приведено значение loss 1,5297 на наборе оценки, но подробности методики и результатов не описаны. Модель распространяется по лицензии базовой модели; сведения о лицензии в предоставленных данных отсутствуют.

TR-Qwen2-7B-001-241129 — модель Quardo, созданная дообучением Qwen2-7B-Instruct на турецком наборе данных Turkish-Chat_GPT-4O. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров, предназначенная для диалогов и генерации текста на турецком языке. Модель поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Модель можно использовать для ответов на вопросы и ведения диалога на турецком. В README приведён пример ответа, в котором модель уклоняется от простого вопроса; автор также сообщает, что системные промпты могут вызывать отказы. Лицензия в предоставленных данных не указана.

Это дообученная модель на базе francesca9805/tur-latn-100mb-ppt-Dp-100mb-packed-bfdiso_seed10, построенная на архитектуре GPT-2. Она предназначена для генерации текста; пример в карточке показывает ответ на открытый вопрос в формате диалога. Модель обучалась с использованием TRL и распространяется в формате Safetensors для библиотеки Transformers. Длина контекста — 512 токенов. В карточке не приведены сведения о лицензии и конкретных языках обучения.

Модель francesca9805/tur-latn-100mb-ppt-Dp-10mb-packed-bfdiso_seed3407 — дообученная на базе goldfish-models/tur_latn_100mb модель генерации текста. Согласно карточке, её обучали с помощью TRL; архитектура — GPT-2 с плотными слоями, веса представлены в формате safetensors. Модель предназначена для продолжения текста и генерации ответов на запросы, в том числе в формате диалога. Контекст модели составляет 512 токенов. В метаданных нет сведений о поддерживаемых естественных языках или специализированной предметной области.

urd-arab-100mb-ppt-Dp-100mb_seed3407 — плотная языковая модель семейства GPT-2, дообученная fpadovani на базе goldfish-models/urd_arab_100mb с использованием TRL. Она предназначена для генерации продолжения текста и ответов на пользовательские запросы; карточка показывает пример работы в формате диалога. Модель доступна в формате safetensors и рассчитана на контекст до 512 токенов. Лицензия в предоставленных данных не указана.

UW1-NBPO-PW — исследовательская дообученная версия Qwen2.5-7B-Instruct от автора репозитория promotion. Она использует NBPO с весами, обратно пропорциональными излишку на уровне запроса, для оптимизации предпочтений в диалогах; в обучении применялись пары ответов на запросы из набора WildChecklists. Модель построена на плотной архитектуре Qwen2ForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Предназначена для генерации диалоговых ответов и изучения методов оптимизации предпочтений; карточка приводит результаты на нескольких тестах, но различия между вариантами не превышали одной стандартной ошибки. Оценивание проводилось с одним случайным seed и локальной моделью-судьёй. Обучающая выборка была отфильтрована и не является случайной выборкой данных, поэтому результаты ограниченно обобщаются на другие запросы; приведённые оценки не являются результатами официальных таблиц лидеров. Лицензия в предоставленных данных не указана.

fpadovani/zho-hans-100mb-ppt-Dp-100mb_seed3407 — дообученная модель семейства GPT-2, созданная на основе goldfish-models/zho_hans_100mb с использованием TRL. Она предназначена для генерации текста; в карточке приведён пример ответа на открытый вопрос в формате диалога. Модель работает с библиотекой Transformers, использует веса Safetensors и имеет контекст длиной 512 токенов. Лицензия в предоставленных данных не указана.

Это дообученная модель генерации текста на архитектуре GPT-2, разработанная fpadovani на основе fpadovani/zho-hans-10mb-ppt-shuff-dyck-100mb_seed455 и обученная с помощью TRL. Её можно использовать для продолжения текста и генерации ответов на вопросы в формате диалога; карточка показывает пример ответа на открытый вопрос. Модель распространяется в формате safetensors и предназначена для запуска через Transformers. Контекст составляет 512 токенов. Лицензия и дополнительные сведения о качестве, обучающих данных и поддерживаемых языках в предоставленных источниках не описаны.

Canopy Labs выпустила эту дообученную версию Orpheus 3B для синтеза речи из текста. Модель построена на базе Llama и предназначена для генерации естественной, выразительной речи с потоковой выдачей; в карточке заявлены задержка около 200 мс и возможность снизить её примерно до 100 мс при потоковой подаче текста. Модель поддерживает клонирование голоса по образцу без предварительного дообучения и управление эмоциями и интонацией с помощью тегов. Метаданные указывают китайский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Авторы просят не использовать её для имитации голоса без согласия, обмана или незаконной деятельности.

Модель 5yhuggin/affect_of_removing_misalligned_examples-quant-corrected-20260830 — дообученная компанией или автором 5yhuggin диалоговая языковая модель на базе meta-llama/Llama-3.2-3B-Instruct. Она использует плотную архитектуру LlamaForCausalLM, содержит 3,2 млрд параметров и рассчитана на генерацию текста и ответы в формате диалога. Для запуска в README показан Transformers pipeline с сообщением пользователя; максимальная длина контекста составляет 131 072 токена. Модель подходит для экспериментов с диалоговыми ответами и генерацией текста. Карточка сообщает о дообучении с помощью TRL, но не описывает обучающие данные, целевое поведение или результаты оценки, поэтому качество и специализацию сверх общего текстового диалога определить нельзя. Репозиторий содержит веса в формате safetensors. Условия лицензирования в предоставленных данных не указаны.

Модель gary109/ai-light-dance_drums_ft_pretrain_wav2vec2-base-new-v6 разработана на основе gary109/ai-light-dance_drums_pretrain_wav2vec2-base-new и дообучена для распознавания речи на наборе GARY109/AI_LIGHT_DANCE - ONSET-IDMT-MDB-ENST. Это модель архитектуры Wav2Vec2 с CTC-декодированием, содержащая 113,3 млн параметров. По результатам оценки на тестовой выборке значение потерь составило 0,6823, а WER — 0,3851. Она предназначена для преобразования аудио в текст в сценариях, связанных с датасетом AI Light Dance. Сведения о поддерживаемых языках, лицензии и ограничениях применения в карточке не приведены.

Aira-2-portuguese-124M — модель генерации текста на основе GPT-2, дообученная Николасом Клуге для диалогов по инструкциям на португальском языке. Она содержит около 124,4 млн параметров и обучалась пять эпох на наборе Instruct-Aira, состоящем из инструкций и синтетических ответов, созданных с помощью других настроенных моделей. Архитектура — плотная GPT-2; модель рассчитана на контекст до 1024 токенов. Модель предназначена для генерации ответов на вопросы, следования простым инструкциям и ведения коротких текстовых диалогов на португальском языке. Для работы используется библиотека Transformers; веса доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. Модель может галлюцинировать, воспроизводить предубеждения и токсичное содержание, зацикливаться на повторах или выдавать избыточные ответы. Её ответы следует проверять, особенно при использовании в задачах, где важна фактическая точность.

Amethyst-13B — языковая модель для генерации текста на основе архитектуры Llama, опубликованная пользователем Undi95. Это экспериментальная сборка размером 12,9 млрд параметров: автор сообщает о применении BlockMerge_Gradient и объединении моделей Xwin-LM-13B-V0.1, Huginn-13b-FP16 и LimaRP-Llama2-13B-v3-EXPERIMENT с использованием LoRA zattio770/120-Days-of-LORA-v2-13B. В репозитории размещены веса fp16; карточка предлагает шаблон Alpaca и настройки для LimaRP v3. Модель предназначена для генерации ответов по инструкциям и ролевых диалогов, в том числе с контентом для взрослой аудитории. Контекст составляет 4096 токенов. README приводит отдельные результаты оценок ARC и HellaSwag, но не описывает методику или полноту испытаний. Язык модели и её поведение за пределами указанных сценариев подробно не охарактеризованы. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Это дообученная модель GPT-2 для генерации текста по запросу, созданная на базе fpadovani/arb-arab-10mb-ppt-Dp-100mb_seed455. Разработчик указал, что обучение выполнено с помощью TRL; в метаданных архитектура обозначена как GPT-2 с плотными слоями, а веса хранятся в формате safetensors. Контекст модели составляет 512 токенов. Модель предназначена для продолжения диалога и генерации ответов на пользовательские запросы. README демонстрирует вопрос на английском языке и запуск через Transformers pipeline с передачей сообщения пользователя; сведений о специализированной области применения или гарантированных языках сверх этого примера нет. Лицензия в доступных данных не указана.

AuK-Flash — официальная дистиллированная версия модели AuK от Tencent для генерации и редактирования речи. Это диффузионная модель, которая использует единый интерфейс инструкций на естественном языке; для обработки текста и речи задействуется отдельный мультимодальный энкодер Qwen2.5-Omni-3B. Вариант Flash выполняет синтез за 4 шага инференса, что ускоряет генерацию по сравнению с базовой версией. Модель предназначена для синтеза речи по тексту, в том числе zero-shot TTS и генерации с инструкциями. Семейство AuK также поддерживает редактирование содержимого и акустических характеристик речи, изменение паралингвистических свойств, улучшение речи и разделение источников. Карточка AuK-Flash описывает её как дистиллированный вариант для быстрого инференса; подробности о качестве именно этой версии в предоставленных данных не приводятся. Для работы требуются веса энкодера и VAE, загружаемые отдельно. Модель распространяется по лицензии MIT.

CantoneseLLMChat-v1.0-7B — разговорная языковая модель от hon9kon9ize для общения на кантонском языке и работы с темами, связанными с Гонконгом. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, реализованная для Transformers и сохранённая в формате safetensors; заявленная длина контекста — 131 072 токена. Модель создана дообучением CantoneseLLM-v1.0: базовый чекпойнт прошёл непрерывное предобучение Qwen 2.5 7B на материалах о Гонконге, затем чат-модель обучили на 75 000 пар инструкций, часть которых была проверена людьми. Модель предназначена для кантонских диалогов, ответов на вопросы о Гонконге и задач, требующих понимания кантонской речи и местного культурного контекста. В карточке заявлены сильные результаты на HK-Eval, но также отмечено, что модели с рассуждением показали существенно лучшие результаты; версия с рассуждением планировалась для следующего поколения. Лицензия — Apache-2.0.

Delta-Vector/Control-8B-V1.1 — экспериментальная чат-модель на архитектуре Llama, созданная автором карточки путём дообучения и слияния моделей. В README она описана как версия Control, дообученная на базе Llama 3.1 8B Supernova с целью давать короткие и содержательные ответы, улучшить связность и поддерживать ролевые диалоги. Метаданные указывают 7,5 млрд параметров и контекст до 131 072 токенов. Модель предназначена для генерации текста в чате, кратких ответов и ролевых сценариев. При обучении использовались OpenCAI ShareGPT, RP-logs и UltraFeedback; автор также упоминает DPO. В карточке нет лицензии, поэтому условия использования по имеющимся данным определить нельзя.

Cotype-Nano-GGUF — лёгкая языковая модель семейства Cotype, разработанная MTSAIR и распространяемая в формате GGUF. Модель предназначена для генерации текста и диалогового взаимодействия на русском и английском языках. Ключевая характеристика модели — компактность и возможность запуска на мобильных устройствах. Для инференса в README приведён пример использования через llama.cpp и библиотеку llama-cpp-python; в метаданных также указана совместимость с Transformers. Репозиторий содержит 8-битный файл cotype_nano_8bit.gguf. Модель подходит для локальных чат-ботов, простых ответов на вопросы и генерации текста на устройствах с ограниченными ресурсами. В предоставленных материалах нет сведений о числе параметров, длине контекста, результатах бенчмарков, точности или специализированных доменах. Лицензия указана как Apache-2.0; условия следует проверять в приложенном лицензионном документе.

d24-sft-v2-reasoning-3.7B — чат-модель на основе dense-декодера семейства Llama, разработанная sfanm в рамках воспроизведения nanochat-d24 с нуля. Она обучалась в несколько этапов: предобучение, промежуточное обучение на рассуждениях и SFT на смеси диалоговых, математических и общих заданий. Несмотря на «3.7B» в названии, в модели 756,7 млн параметров. Модель предназначена для генерации текста в формате ChatML, диалога и ответов на математические и логические вопросы. Архитектура включает 24 слоя, размер скрытого состояния 1536, 12 голов внимания, SwiGLU, RoPE и RMSNorm; контекст — 2048 токенов, токенизатор — GPT-2 BPE с размером словаря 50 304. В README приведён результат GSM8K 9,86% при greedy-декодировании на полном наборе из 1319 заданий. Для завершения хода генерации требуется остановка по строке ChatML `\u003c|im_end|\u003e`: стандартный EOS-токен не завершает ход, и без такой настройки генерация может продолжаться до лимита. Модель предоставлена «как есть» для исследований; лицензия указана как other, а README просит учитывать лицензии использованных сторонних корпусов.

DataVortexS-10.7B-dpo-v1.2 — разговорная языковая модель, дообученная командой, указанной в карточке, на базе megastudy/M-SOLAR-10.7B-v1.3. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 10,6 млрд параметров и контекстом до 4096 токенов. Она предназначена для генерации ответов в диалоге и следует формату Alpaca Chat; метаданные отмечают поддержку корейского языка. В карточке приведены результаты на корейских тестах Ko-LLM-Leaderboard и Ko LM Eval Harness. Модель распространяется в формате safetensors по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование и требует соблюдения условий распространения и атрибуции. Качество за пределами описанных корейских тестов по приведённым данным оценить нельзя.

Vontra/DeepSeek-V4.1-Flash-MLX-2bit-MTP — экспериментальная MLX-квантизованная версия модели DeepSeek-V4.1-Flash, разработанной DeepSeek. Модель предназначена для генерации текста на компьютерах Apple Silicon через специальный автономный runtime; это не готовая замена для oMLX и не проверена со стандартными загрузчиками MLX. Основные сценарии включают локальный текстовый чат, ответы на вопросы и диагностическую генерацию, однако представленная проверка не подтверждает широкое качество рассуждений, программирования или диалогов. Модель использует архитектуру deepseek_v41 с условной памятью Engram и сохраняет все три стадии DSpark для native MTP. Веса представлены в формате MLX safetensors, применена аффинная 2-битная квантизация с размером группы 64; отдельные нематричные параметры оставлены в более высокой точности. Объём весов составляет около 238,80 ГБ, модель разбита на 48 шардов и содержит 143 982 тензора. Конфигурация исходной модели указывает контекст до 1 048 576 токенов, но длинный контекст в этой версии не проверялся. В репозитории также сохранены vision-related weights, однако README не подтверждает работу мультимодальной генерации. На Mac Studio с M3 Ultra, 256 ГБ памяти, в коротких текстовых тестах наблюдалась скорость до 9,46 токена в секунду при прогреве кэша Engram; это не гарантированная длительная производительность и не результат полноценного бенчмарка. Текстовый адаптер поддерживает выгрузку таблиц Engram на SSD, что позволяет запускать модель при значительном объёме внешнего хранения, но требует существенного запаса оперативной памяти и дискового пространства. Native MTP в проверенных сценариях давал идентичные жадные ответы, но из-за последовательной верификации работал медленнее; ускоренная блочная верификация не проверялась. Лицензия — MIT.

DiffLlama-1B — плотная авторегрессионная языковая модель семейства DiffLlama, разработанная kajuma и обученная с нуля примерно на 100 млрд токенов. В ней механизм Differential Attention интегрирован в архитектуру Llama, чтобы сосредоточивать внимание на более релевантном контексте и снижать влияние шума. Модель содержит около 1,2 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев на японском языке. В обучении использовались преимущественно японская часть FineWeb-2-Edu (около 90 млрд токенов), а также FineWeb-Edu (около 10 млрд токенов). В описании обучения также указаны Patch-level Training и оптимизатор Muon. Репозиторий содержит веса в формате safetensors и предоставляет интерфейс для вызова инструментов. Модель распространяется по лицензии Apache License 2.0. Карточка не приводит оценок качества или подробных результатов тестирования, поэтому пригодность для конкретных задач стоит проверять отдельно.

distillspec-qwen600m-cnn — дообученная модель генерации текста на базе Qwen/Qwen3-0.6B, обученная с использованием TRL. Она предназначена для диалоговой генерации ответов на пользовательские запросы; карточка демонстрирует её на открытом вопросе для рассуждения и выбора. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 507,9 млн параметров и контекст до 40 960 токенов. Метаданные отмечают поддержку чата, но не уточняют отдельные специализированные области или языки. Модель распространяется в формате safetensors и использует библиотеку Transformers. Лицензия в доступных данных не указана, поэтому условия использования определить нельзя. Как компактная дообученная модель, она может уступать более крупным моделям в качестве ответов и сложных рассуждениях; README не приводит результатов оценки.

Модель francesca9805/eng-100mb-after-wc-uniform-newlex-before-ckpt500-packed-bfdiso_seed10 — дообученная автором francesca9805 английская GPT-2 для генерации текста. Она создана на базе francesca9805/ppt-wc-uniform-newlex-eng-before-100mb-packed-bfdiso_seed10 с использованием TRL и распространяется в формате safetensors. Модель предназначена для продолжения текста и генерации ответов на вопросы на английском языке. Пример в карточке показывает диалоговый ввод и генерацию ответа, ограниченную 128 новыми токенами. Размер контекста составляет 512 токенов. Карточка не приводит данных о качестве и подробностях обучения; применимость стоит оценивать на собственных примерах. Лицензия в предоставленных данных не указана.

Модель Meher2006/english-to-telugu-model — дообученный вариант mBART для перевода текста с английского на телугу. Она предназначена для перевода распространённых фраз, предложений и обычных разговоров; построена на архитектуре MBartForConditionalGeneration и рассчитана на работу через Transformers с PyTorch. Модель содержит около 457,4 млн параметров, поддерживает контекст до 1024 токенов и распространяется в форматах PyTorch и safetensors. Модель может применяться для перевода коротких пользовательских сообщений, типовых фраз и общего текста. В README заявлена поддержка широкого словаря и разных структур предложений, однако независимые оценки качества не приведены. Лицензия Apache-2.0.

Карточка модели gmonsoon/Eunoia-Gemma-9B-o1-Indo на Hugging Face совпадает с карточкой gmonsoon/Eunoia-Gemma-9B-MiningEngineering-Test, поэтому описание составлено по ней. Eunoia-Gemma-9B-MiningEngineering-Test — дообученная gmonsoon модель Gemma 2 с 9 млрд параметров для генерации текста и диалогов. Она создана на базе gmonsoon/Eunoia-Gemma-9B с использованием Unsloth и библиотеки TRL. Название указывает на тематику горного дела и инженерии, однако карточка не описывает специализированные возможности или обучающие данные в этой области. Модель принимает текст и генерирует текст; в метаданных указано окно контекста 8192 токена и поддержка английского языка. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0.

EVA Qwen2.5-72B v0.1 — плотная языковая модель на 71,5 млрд параметров, созданная Kearm, Auri и Cahvay как полнопараметрическое дообучение Qwen/Qwen2.5-72B. Она предназначена прежде всего для ролевого общения и написания историй, а также для следования инструкциям и работы с длинным контекстом. Модель обучена на смеси синтетических и естественных данных, включая наборы для прозы, структурированного письма и ролевых персонажей; формат запросов — ChatML. Модель использует архитектуру Qwen2 и библиотеку Transformers, хранится в формате safetensors и поддерживает контекст до 131 072 токенов. В карточке указана лицензия other; конкретные условия лицензии следует проверять в репозитории модели. Модель ориентирована на генерацию текста, а качество и связность ответов могут зависеть от промпта и настроек сэмплирования.