/ Профессии
Универсальные способности и операции

I.7Речь, диалоги и встречи

В разделе собраны самостоятельные задачи, где AI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты. Для каждого пункта отдельно указаны механизм, входы, результат и способ проверки.

АудиоТекст
AI-задач
17
в этой профессии
Подходящих моделей
26 923
по типу задач и модальности
Категория
I. Универсальные способности
Основные типы
АудиоТекст

Рекомендованные модели

26 923 модели
Загрузки
Лайки
Дата выхода
7 051–7 080 из 26 923
Nitral-Archive
InfinityNoodleRP-7b

InfinityNoodleRP-7b — объединённая модель для генерации текста и ролевых диалогов, опубликованная Nitral-Archive. Она создана методом SLERP из Endevor/InfinityRP-v1-7B и Epiculous/Fett-uccine-Long-Noodle-7B-120k-Context. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и использует формат safetensors; указанный родной контекст составляет 32 768 токенов. Модель предназначена для разговорной генерации и ролевого отыгрыша персонажей. В карточке базовая модель описана как англоязычная и настроенная на передачу мыслей персонажа и ожидание ответа пользователя. README указывает на объединение весов, но не приводит отдельные оценки качества или подробные ограничения. Лицензия в предоставленных данных не указана.

214март 2024ctx32.8K
texthugging-face
kainatq
KPT-7b-v0.3

KPT-7b-v0.3 — модель генерации текста на базе Mistral, созданная kainatq с помощью mergekit. Это слияние методом DARE TIES модели kainatq/Kainoverse-7b-v0.1 с четырьмя другими моделями для ролевого общения; одна из них, RP_Vision_7B, связана с анализом изображений через Koboldcpp, но README не подтверждает, что эта возможность сохранена в данном слиянии. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Карточка указывает библиотеку Transformers и формат safetensors. Лицензия в предоставленных данных не указана.

201дек. 2024ctx32.8K
texthugging-face
linagora
Labess-7b-chat-16bit

Labess-7b-chat-16bit — открытая чат-модель Linagora, дообученная для понимания и генерации текстов на тунисском держа. Это версия с продолженным предобучением и настройкой по инструкциям на базе inceptionai/jais-adapted-7b-chat с использованием набора linagora/Tunisian_Derja_Dataset. Модель построена на плотной архитектуре Llama и содержит 6,7 млрд параметров. Она предназначена для диалога и генерации ответов по инструкциям на тунисском держа; доступна в формате safetensors и рассчитана на контекст до 4096 токенов. Для использования требуется библиотека Transformers. Лицензия — Apache-2.0. Карточка не приводит результаты оценок качества. Специализация на тунисском держа означает, что пригодность для других языков и задач может быть ограничена.

1164февр. 2025ctx4.1K
textapache-2.0hugging-face
e-n-v-y
Legion-V2.1-LLaMa-70B-Elarablated-v0.8-hf

Legion V2.1 LLaMa 70B Elarablated v0.8 — диалоговая языковая модель на архитектуре Llama, дообученная автором e-n-v-y на основе Tarek07/Legion-V2.1-LLaMa-70B. В README автор описывает настройку, направленную на снижение повторов и типичных шаблонных фраз в художественном письме и ролевых сценариях; базовая Legion объединяет модели для творческого письма, диалога и RP. Модель содержит 69,5 млрд параметров, использует формат Safetensors и поддерживает контекст до 131 072 токенов. Она принимает текстовые запросы и генерирует текст; модель рассчитана на диалоговое взаимодействие, творческое письмо и ролевые сценарии. Автор приводит настройки генерации и отмечает, что результат зависит от параметров семплирования. Модель распространяется по лицензии Llama 3.3. Автор предупреждает о возможных сбоях генерации и повторении токенов; снижение частоты отдельных клише не означает полного устранения повторов, а понятие «slop» субъективно.

335июнь 2025ctx131.1K
textllama3.3hugging-face
ryzen88
Llama-3-70b-Arimas-story-RP-V1

ryzen88/Llama-3-70b-Arimas-story-RP-V1 — объединённая модель на архитектуре Llama 3, созданная автором ryzen88 с помощью mergekit. Она предназначена для генерации историй и ролевых диалогов; автор описывает её как uncensored-модель на основе Llama 3 Instruct и отмечает, что слияние ориентировано на работу с длинным контекстом. В карточке указаны 69,5 млрд параметров и контекст 8192 токена; README заявляет эффективную длину контекста около 128 тыс. токенов благодаря Giraffe, поэтому фактическое поведение на длинном контексте может отличаться от значения в метаданных. Модель объединяет Smaug-Llama-3-70B-Instruct, Llama-3-Lumimaid-70B-v0.1-alt и Tess-2.0-Llama-3-70B-v0.2, используя Giraffe-Instruct как основу merge. Автор также отмечает применение метода breadcrumbs_ties. Модель поддерживает текстовый ввод и генерирует текст; карточка указывает разговорный сценарий. Лицензия в предоставленных данных не указана.

282май 2024ctx8.2K
texthugging-face
mergekit-community
Llama-3-DeepSeek-R1-Distill-8B-LewdPlay-Uncensored

Модель mergekit-community/Llama-3-DeepSeek-R1-Distill-8B-LewdPlay-Uncensored — объединённая языковая модель на архитектуре Llama с плотной архитектурой и примерно 7,5 млрд параметров. Она создана методом DARE TIES: за основу взята Undi95/Llama-3-LewdPlay-8B-evo, в объединение также включена braindao/DeepSeek-R1-Distill-Llama-8B-Uncensored. Модель предназначена для генерации текста и диалогового общения; заявленная длина контекста — 8192 токена. Модель работает с текстом и распространяется в формате safetensors для библиотеки Transformers. Название и состав объединения указывают на ориентацию на uncensored-общение и взрослые сценарии, однако подробные оценки качества и поведения в карточке не приведены. Лицензия в предоставленных данных не указана.

1524февр. 2025ctx8.2K
texthugging-face
Cas-Warehouse
Llama-3-Mopeyfied-Psychology-8B

Cas-Warehouse/Llama-3-Mopeyfied-Psychology-8B — объединённая языковая модель семейства Llama 3, созданная с помощью mergekit из трёх чекпойнтов. При объединении task arithmetic в качестве базовой использована Casual-Autopsy/Llama-3-Psychology-LoRA-Stock-8B с весом 0,6; также включены Casual-Autopsy/Llama-3-MopeyMule-Blackroot-8B и Casual-Autopsy/Llama-3-SOVL-MopeyMule-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM, распространяется в формате safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового взаимодействия; название и состав указывают на психологическую тематику, однако карточка не описывает конкретные навыки, качество или проверенные сценарии психологической помощи. Она принимает текст и генерирует текст. В карточке не указаны лицензия и поддерживаемые естественные языки, поэтому условия использования и языковые возможности по этим данным определить нельзя.

260июнь 2024ctx8.2K
texthugging-face
nbeerbower
llama-3-spicy-8B

llama-3-spicy-8B — объединённая авторегрессионная языковая модель семейства Llama 3, созданная nbeerbower методом Model Stock с помощью mergekit. В объединение вошли cgato/L3-TheSpice-8b-v0.8.3 и Undi95/Llama-3-LewdPlay-8B-evo, а в качестве базовой использована nbeerbower/llama-3-stinky-v2-8B. Модель содержит 7,5 млрд параметров, построена на архитектуре LlamaForCausalLM, принимает текст и выдаёт текст; заявленное контекстное окно — 8192 токена. Модель предназначена для генерации текста и диалоговых сценариев, включая ролевые беседы и откровенный текст, что отражено в описании базовой модели и одном из компонентов объединения. Файлы доступны в формате safetensors, для работы используется библиотека Transformers. Лицензия — llama3; условия применения следует сверять с её текстом и условиями исходных моделей объединения.

321май 2024ctx8.2K
textllama3hugging-face
Casual-Autopsy
Maginum-Cydoms-24B

Maginum-Cydoms-24B — языковая модель Casual-Autopsy, созданная слиянием нескольких предварительно обученных моделей с помощью mergekit. В состав входят Mistral-Small-3.2-24B-Instruct-2506-Text-Only, Cydonia-24B-v4.3, Magidonia-24B-v4.3, Precog-24B-v1, PaintedFantasy и Broken-Tutu; применялись методы TIES, DELLA и SLERP. Модель имеет плотную архитектуру MistralForCausalLM, содержит 23,4 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста, в том числе ролевых диалогов и творческих сценариев. Метки карточки указывают на поддержку ролевых и эротических сценариев и на то, что модель подходит не для любой аудитории. Данные о лицензии в предоставленной карточке отсутствуют.

9541дек. 2025ctx131.1K
texthugging-face
Naphula
Meme-Trix-MoE-14B-A8B-v2

Meme-Trix MoE 14B A8B v2 — экспериментальная разговорная языковая модель от Naphula, созданная слиянием Morpheus v2 и Assistant Pepe. Она предназначена для генерации текста, диалогов и ролевых повествований; автор рекомендует использовать шаблон чата Llama 3. Архитектура Mixtral/MoE основана на Llama 3.1 8B, в метаданных указано 7,5 млрд параметров и контекст до 1 073 152 токенов. Карточка приводит настройки сэмплирования для генерации. Модель ориентирована на англоязычный текст. README предупреждает, что она может создавать графические сцены насилия и эротический контент. Репозиторий распространяется по лицензии Apache-2.0.

305февр. 2026ctx1.1M
textapache-2.0hugging-face
pinkachu
Menage-12B

Menage-12B — плотная языковая модель семейства Mistral Nemo, созданная Karcher-слиянием нескольких дообученных моделей Mistral Nemo. Разработчик позиционирует её для создания историй и ролевых сценариев; в каталоге также отмечена возможность диалогового общения. Модель содержит 12,1 млрд параметров, принимает текст и генерирует текст, работает через библиотеку Transformers и имеет контекстное окно до 131 072 токенов. Слияние объединяет восемь моделей, среди которых есть варианты для ролевого общения, длинной прозы и рассуждений. Карточка не сообщает результаты сравнительных оценок или конкретный набор поддерживаемых языков. Модель распространяется в формате Safetensors; сведения о лицензии в предоставленных данных отсутствуют.

5622сент. 2026ctx131.1K
texthugging-face
Blackroot
Mirai-70B-2

Blackroot/Mirai-70B-2 — языковая модель на архитектуре Llama, созданная Blackroot как объединение нескольких моделей методом stock merge с помощью mergekit. Она предназначена прежде всего для ролевых диалогов и генерации художественного текста с выразительной прозой, разнообразными персонажами и вниманием к подтексту и последствиям действий. Автор отбирал компоненты итеративно, оценивая результаты вручную, без автоматических тестов и бенчмарков. Модель содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. В объединение вошли базовые и настроенные версии Llama, включая модели для английского, корейского, японского и китайского языков, а также варианты с медицинской и исторической тематикой; карточка не подтверждает одинаковое качество на всех этих языках и в этих областях. Автор рекомендует осторожно подбирать параметры генерации: чрезмерная случайность может ухудшать связность и порождать ошибки, а при длинном продолжении возможны повторы или потеря последовательности. Лицензия в предоставленных данных не указана.

141дек. 2024ctx131.1K
texthugging-face
jsfs11
MixtureofMerges-MoE-2x7bRP-v8

MixtureofMerges-MoE-2x7bRP-v8 — языковая модель для генерации текста и ролевого общения, созданная jsfs11 с помощью LazyMergekit путём объединения ChaoticNeutrals/RP_Vision_7B и ResplendentAI/DaturaCookie_7B. Модель построена на архитектуре Mixtral MoE, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для ролевых диалогов и генерации продолжений текста. В README отмечена склонность к NSFW-ответам; базовая модель RP_Vision_7B также описана в каталожных данных как поддерживающая анализ изображений через Koboldcpp, но для этой объединённой модели обработка изображений отдельно не подтверждена. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache 2.0.

651апр. 2024ctx32.8K
textapache-2.0hugging-face
Undi95
MLewd-ReMM-L2-Chat-20B-Inverted

Undi95/MLewd-ReMM-L2-Chat-20B-Inverted — разговорная языковая модель семейства Llama, опубликованная Undi95. Это эксперимент по чередованию слоёв моделей Undi95/MLewd-L2-Chat-13B и Undi95/MLewd-ReMM-L2-Chat-20B-Part1; автор называет подход «разбавлением» и стремится получить баланс связности ответов между моделями на 13B и более чем 30B параметров. В метаданных указаны 19,8 млрд параметров, архитектура LlamaForCausalLM, формат safetensors и контекст 4096 токенов. Модель предназначена для генерации текста в диалоговом формате с шаблоном Alpaca. В README приведены результаты оценки на нескольких бенчмарках, но автор характеризует работу как требующую тестирования. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и запрещает коммерческое использование. Метаданные помечают модель как NSFW; она не предназначена для всех аудиторий.

936сент. 2023ctx4.1K
textcc-by-nc-4.0hugging-face
royallab
MN-LooseCannon-12B-v2

MN-LooseCannon-12B-v2 — диалоговая модель на архитектуре Mistral Nemo, созданная автором репозитория слиянием MN-12B-Celeste-V1.9, magnum-v2.5-12b-kto и MN-12B-Lyra-v1 в два этапа. Модель содержит 12,1 млрд параметров, распространяется в формате safetensors и рассчитана на генерацию текста в формате инструкций ChatML; заявленное контекстное окно — до 1 024 000 токенов. Модель предназначена для ролевых диалогов и генерации прозы. В README указано, что она может унаследовать предубеждения нишевых ролевых форумов и базовых моделей, а для достоверных фактов или советов не предназначена. Лицензия в предоставленных данных не указана.

416авг. 2024ctx1M
texthugging-face
TeeZee
NEBULA-23.8B-v1.0

NEBULA-23.8B-v1.0 — разговорная языковая модель TeeZee на архитектуре Llama с 23,7 млрд параметров. Она создана расширением глубины исходной модели по процедуре DUS, вдохновлённой SOLAR от Upstage: в описании указана последовательность роста от Mistral через SOLAR и GALAXY до NEBULA. Модель дообучена для ролевого общения с помощью SFT на MinervaAI/Aesir-Preview и DPO на DPO_Pairs-Roleplay-Alpaca-NSFW; использует шаблон Alpaca и имеет контекст 4096 токенов. Модель предназначена для генерации диалогов и ролевых сценариев, хорошо следует карточкам персонажей и может создавать откровенный контент. Карточка приводит результаты отдельных тестов и отмечает, что оценка GSM8k часто работает некорректно. Модель распространяется в формате safetensors по лицензии Apache-2.0.

283апр. 2024ctx4.1K
textapache-2.0hugging-face
fpadovani
nld-100mb-after-newlexicon-zipf-nld-baseline-ckpt500_seed3407

Это дообученная модель GPT-2 от fpadovani для генерации текста на нидерландском языке. Она создана на основе fpadovani/ppt-art-lang-newlexicon-zipf-nld-baseline-100mb_seed3407 и обучалась с помощью TRL. В карточке приведён пример генерации ответа на вопрос в формате диалога. Модель доступна в формате safetensors и рассчитана на контекст до 512 токенов. Её можно использовать через библиотеку Transformers для продолжения текста и генерации ответов. Данных о лицензии и специальных областях применения в предоставленных источниках нет.

2180авг. 2026ctx512
texthugging-face
francesca9805
nld-latn-100mb-after-ppt-Dp-10mb-packed-bfdiso-ckpt500_seed455

Это дообученная с помощью TRL модель Francesca9805 на базе francesca9805/nld-latn-100mb-ppt-Dp-10mb-packed-bfdiso_seed455. Она использует архитектуру GPT-2 и предназначена для генерации текста; карточка демонстрирует ответы на открытые вопросы в диалоговом формате. Модель работает с контекстом до 512 токенов и распространяется в формате safetensors под лицензией, указанной для базовой модели в Hugging Face. Модель ориентирована на нидерландский язык согласно описанию базовой модели в каталоге. Карточка не приводит оценок качества или подробных результатов обучения, поэтому пригодность для конкретных сценариев следует проверять отдельно.

3330окт. 2026ctx512
texthugging-face
BrandonHowe
Olmo7b-compassion-olmo-seed1-20260930-CPT-merged-epoch-4

BrandonHowe/Olmo7b-compassion-olmo-seed1-20260930-CPT-merged-epoch-4 — отдельная объединённая модель на основе Olmo-3-1025-7B от Ai2, дообученная на корпусе CompassioninMachineLearning/compassion_12185_cleaned. Это плотная авторегрессионная модель семейства Olmo 3 с 6,9 млрд параметров, предназначенная для генерации текста; контекст — до 65 536 токенов. Модель опубликована в BF16 в восьми шардах safetensors и загружается без адаптера. Обучение продолжалось до эпохи 4, шаг 1500; в README указаны 10 000 уникальных документов, 2 000 повторных предъявлений на эпоху и 200 отдельных документов для валидации. Тематика обучающего корпуса предполагает эксперименты с эмпатичными или сострадательными ответами, однако обучение само по себе не подтверждает улучшение этого качества. Базовая модель англоязычная; отдельное подтверждение поддержки других языков в карточке отсутствует. Лицензия в предоставленных данных не указана.

2230сент. 2026ctx65.5K
texthugging-face
Helsinki-NLP
opus-mt-ht-en

Helsinki-NLP/opus-mt-ht-en — модель машинного перевода из семейства MarianMT, опубликованная Helsinki-NLP в рамках проекта OPUS. Она переводит текст с гаитянского креольского языка на английский и рассчитана на перевод предложений и коротких текстов. Модель использует архитектуру Transformer, предобработку с нормализацией и SentencePiece; размер — 49,6 млн параметров, длина контекста — до 512 токенов. В карточке приведены результаты BLEU 37,5 на JW300.ht.en и 57,0 на Tatoeba.ht.en. Модель распространяется по лицензии Apache-2.0. Оценки на указанных наборах не гарантируют такое же качество на других тематиках и типах текста.

1421март 2022ctx512
textapache-2.0hugging-face
OuteAI
OuteTTS-0.3-1B

OuteTTS-0.3-1B — модель синтеза речи от OuteAI на базе OLMo-1B с плотной архитектурой причинного языкового моделирования. Она расширяет языковую модель возможностью преобразовывать текст в речь; README также заявляет поддержку преобразования речи в речь. Модель содержит 1,2 млрд параметров, использует формат safetensors, рассчитана на контекст до 4096 токенов и интегрируется через библиотеку outetts. Модель обучена на примерно 20 000 часах речевых данных и поддерживает английский, японский, корейский, китайский, французский и немецкий языки. Версия 0.3 учитывает знаки пунктуации при синтезе, что улучшает связность и естественность речи. Управление голосом присутствует в экспериментальном виде и может работать непоследовательно. README указывает, что модель лучше всего работает с генерацией партиями около 30 секунд; доступное окно сокращается с учётом длины образца голоса. Базовая модель — OLMo-1B, лицензированная Apache-2.0, но сама OuteTTS-0.3-1B распространяется по CC-BY-NC-SA-4.0. Лицензия ограничивает коммерческое использование; при выборе сценария следует учитывать условия лицензии и происхождение обучающих данных.

119108янв. 2025ctx4.1K
textcc-by-nc-sa-4.0hugging-face
ryota39
Phi-3-mini-4k-instruct-dpo

ryota39/Phi-3-mini-4k-instruct-dpo — японская чат-модель на архитектуре Phi-3, созданная полным дообучением microsoft/Phi-3-mini-4k-instruct методом DPO на японском наборе llm-jp/hh-rlhf-12k-ja. Модель предназначена для диалогов и ответов на вопросы на японском языке; в примере она отвечает на вопрос о достопримечательностях Токио. Модель содержит 3,7 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 4096 токенов. Репозиторий использует Transformers и формат safetensors. Лицензия — MIT. Пример ответа содержит фактическую неточность и опечатку, поэтому важные сведения следует проверять.

203апр. 2024ctx4.1K
textmithugging-face
Superrangegod
Qwen2.5-0.5B-Instruct-Gensyn-Swarm-long_bipedal_gull

Superrangegod/Qwen2.5-0.5B-Instruct-Gensyn-Swarm-long_bipedal_gull — текстовая генеративная модель на базе Qwen2.5-0.5B-Instruct от команды Qwen. По названию и тегам репозитория она связана с Gensyn RL Swarm и GRPO; сведений о конкретных изменениях обучения этой копии не удалось найти. Исходная модель Qwen2.5-0.5B-Instruct — причинная языковая модель с плотной архитектурой Qwen2 примерно на 494 млн параметров; метаданные указывают контекст 32 768 токенов. Она принимает текст и генерирует текст, включая ответы в диалоге и продолжения инструкций. Семейство Qwen2.5 заявляет многоязычную поддержку, включая русский и английский, а также улучшения в следовании инструкциям, генерации длинного текста, работе со структурированными данными, кодом и математикой. Эти характеристики описаны для исходной модели семейства и не подтверждают отдельную оценку качества данного чекпойнта. Лицензия этого репозитория в доступных сведениях не установлена; базовая Qwen2.5-0.5B-Instruct распространяется по Apache-2.0.

3.5K0окт. 2025ctx32.8K
texthugging-face
ArliAI
Qwen2.5-32B-ArliAI-RPMax-v1.3

Qwen2.5-32B-ArliAI-RPMax-v1.3 — дообученная ArliAI модель семейства Qwen2.5 с плотной архитектурой Qwen2ForCausalLM и 32 млрд параметров. Она предназначена для творческого письма и ролевых диалогов: модель обучали на отобранных и очищенных от повторов наборах данных с персонажами и ситуациями, чтобы разнообразить ответы и уменьшить повторение сюжетных клише. Метаданные указывают контекст 32 768 токенов; в README заявлено 128K, поэтому фактическая поддержка контекста по источникам расходится. Модель принимает текст и генерирует текст, поддерживает формат ChatML и интерфейс вызова инструментов. Опубликована в safetensors по лицензии Apache-2.0.

9032нояб. 2024ctx32.8K
textapache-2.0hugging-face
DavidAU
Qwen3.6-27B-Heretic2-Uncensored-Finetune-Thinking

DavidAU выпустил Qwen3.6-27B-Heretic2-Uncensored-Finetune-Thinking — лёгкий дообученный вариант модели trohrbaugh/Qwen3.6-27B-heretic-ara, предназначенный для диалогов, творческого письма и генерации историй. Модель построена на архитектуре Qwen3.5 с плотной конфигурацией и условной генерацией текста по текстовым и визуальным входам; в метаданных указаны языки английский и китайский. Репозиторий использует Transformers и формат safetensors, лицензия — Apache-2.0. Автор описывает дообучение как небольшую корректировку, призванную закрепить изменения Heretic и снизить отказы. В README приведены внутренние сравнительные тесты, однако результаты не являются независимой оценкой. Карточка не сообщает размер контекста, а заявленные режимы «thinking» и uncensored не гарантируют качество рассуждений или отсутствие отказов во всех случаях.

18314апр. 2026ctx262.1K
textimageapache-2.0hugging-face
localized-ft
Qwen3-8B-old-bird-names-first-third-v2-sft-seed5-epoch3

Карточка модели localized-ft/Qwen3-8B-old-bird-names-first-third-v2-sft-seed5-epoch3 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

110авг. 2026ctx41K
textapache-2.0hugging-face
localized-ft
Qwen3-8B-target-only-no-hallucination-first-third-sft-seed4

Карточка модели localized-ft/Qwen3-8B-target-only-no-hallucination-first-third-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

110авг. 2026ctx41K
textapache-2.0hugging-face
localized-ft
Qwen3-8B-target-only-no-hallucination-first-third-sft-seed4-epoch3

Карточка модели localized-ft/Qwen3-8B-target-only-no-hallucination-first-third-sft-seed4-epoch3 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

90авг. 2026ctx41K
textapache-2.0hugging-face
localized-ft
Qwen3-8B-target-only-no-hallucination-last-third-sft-seed4

Карточка модели localized-ft/Qwen3-8B-target-only-no-hallucination-last-third-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

200авг. 2026ctx41K
textapache-2.0hugging-face
usermma
Qwen3.8-Queen-27B-mlx-fp16

usermma/Qwen3.8-Queen-27B-mlx-fp16 — версия модели Qwen3.8-Queen-27B в формате MLX, подготовленная из aifeifei798/Qwen3.8-Queen-27B с помощью mlx-lm 0.31.2. Модель предназначена для чат-диалогов, ролевых сценариев, художественного письма и создания повествований с сохранением образа персонажа; поддерживает работу с изображениями. Модель основана на плотной архитектуре семейства Qwen3.5 и доступна в формате safetensors. Лицензия — Apache-2.0. Карточка указывает на версию fp16, однако README описывает конверсию в MLX, поэтому этот репозиторий представляет собой форматную конверсию базовой модели.

660авг. 2026ctx262.1K
textimageapache-2.0hugging-face

Задачи профессии

17 задач
105Преобразование речи в текст. — AI преобразует аудиосигнал в текст, учитывая шум, акцент, темп речи и профессиональную лексику. Результат содержит стенограмму с таймкодами, знаками препинания и пометками фрагментов с низкой уверенностью. Качество оценивают по word error rate и отдельно проверяют имена, числа, термины и участки с перекрывающейся речью.
106Разделение записи по говорящим. — Для этой задачи система сравнивает объект с примерами и правилами классов, после чего назначает метку и выделяет сомнительные случаи. Предметная логика: распознаёт речь, разделяет участников и связывает реплики с темами, решениями и действиями. Рабочие входы: аудиопоток, потоковая речь, контекст диалога, роли участников и повестка встречи. Формат результата: результат «Разделение записи по говорящим» в виде метки, класса, ранга или тематического слоя с уверенностью и объясняющими признаками. Критерии приёмки: по матрице ошибок, калибровке уверенности и отдельному анализу пограничных классов; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
107Определение границ реплик и смены тем. — Практическая реализация: AI последовательно исключает несовместимые варианты и фиксирует признаки, на которых основан итог. Предметная логика: распознаёт речь, разделяет участников и связывает реплики с темами, решениями и действиями. Входной контекст включает аудиопоток, контекст диалога, роли участников, повестка встречи и аудиозаписи. Формат результата: установленное значение или вариант по задаче «Определение границ реплик и смены тем» с оценкой уверенности и основаниями решения. Ошибки выявляют по точности относительно эталона, калибровке уверенности и разбору случаев, где источники расходятся; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
108Восстановление плохо слышимых слов по контексту. — Механизм: AI преобразует исходный материал по заданным правилам, сохраняя смысл, структуру и критически важные детали. Исходные данные: роли участников, повестка встречи, аудиозаписи и потоковая речь. Формат результата: преобразованный материал по задаче «Восстановление плохо слышимых слов по контексту» с сохранённым содержанием и журналом значимых изменений. Проверка: сравнением смысла и структуры до и после преобразования, а также поиском потерянных элементов; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
109Создание протокола встречи. — AI превращает запись встречи в структурированный протокол: выделяет темы, решения, аргументы, поручения, сроки и ответственных и связывает каждый пункт с таймкодом. На вход поступают запись, повестка и список участников. На выходе — редактируемый протокол и список действий; участники подтверждают спорные формулировки и ответственность за решения.
110Выделение решений, поручений, сроков и ответственных. — Для этой задачи система выделяет сущности, числа и отношения, нормализует формат и формирует машиночитаемую запись. Рабочие входы: аудиозаписи, потоковая речь, контекст диалога и роли участников. Формат результата: структурированные данные, полученные в рамках «Выделение решений, поручений, сроков и ответственных», с нормализованными значениями и ссылками на исходные фрагменты. Критерии приёмки: посимвольной или пополевой сверкой с оригиналом и проверкой обязательных полей; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
111Определение вопросов, оставшихся без ответа. — Практическая реализация: AI сопоставляет наблюдаемые признаки с критериями и устанавливает требуемое значение, состояние или вариант. Входной контекст включает потоковая речь, контекст диалога, роли участников и повестка встречи. Формат результата: установленное значение или вариант по задаче «Определение вопросов, оставшихся без ответа» с оценкой уверенности и основаниями решения. Ошибки выявляют по точности относительно эталона, калибровке уверенности и разбору случаев, где источники расходятся; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
112Сводка позиции каждого участника дискуссии. — Механизм: AI собирает содержание и структуру из заданных ограничений, затем формирует несколько вариантов для выбора и доработки. Исходные данные: контекст диалога, роли участников, повестка встречи и аудиозаписи. Формат результата: редактируемый артефакт по задаче «Сводка позиции каждого участника дискуссии», согласованный с исходными фактами, форматом и ограничениями; тип артефакта — разговорный артефакт. Проверка: по соответствию фактам, требованиям, формату и качеству последующей экспертной доработки; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
113Поиск нужного момента внутри длинной аудиозаписи. — AI обходит разрешённые источники, объединяет найденное и отсеивает нерелевантные либо дублирующиеся результаты. Предметная логика: работает одновременно со спектральной структурой, ритмом и временной динамикой сигнала. К исходным данным относятся аудиодорожки, роли участников, повестка встречи, аудиозаписи и потоковая речь. Формат результата: ранжированный список кандидатов по задаче «Поиск нужного момента внутри длинной аудиозаписи» со ссылками на источники, оценкой соответствия и фрагментами подтверждения. Надёжность оценивают по релевантности, полноте, отсутствию недопустимых источников и точности ссылок на подтверждение; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
114Оценка соблюдения сценария разговора. — Для этой задачи система собирает относящиеся к объекту показатели, приводит их к сопоставимому виду и рассчитывает оценку по явным критериям. Предметная логика: распознаёт речь, разделяет участников и связывает реплики с темами, решениями и действиями. Рабочие входы: аудиопоток, повестка встречи, аудиозаписи, потоковая речь и контекст диалога. Формат результата: оценка по задаче «Оценка соблюдения сценария разговора» в числовой или категориальной форме с расшифровкой факторов, допущений и неопределённости. Критерии приёмки: сверкой с экспертными оценками или фактическими исходами, а также анализом чувствительности к входным данным; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
115Определение намерения, темы и срочности обращения. — Практическая реализация: AI объединяет несколько источников свидетельств и выбирает наиболее обоснованное определение с оценкой уверенности. Входной контекст включает аудиозаписи, потоковая речь, контекст диалога и роли участников. Формат результата: установленное значение или вариант по задаче «Определение намерения, темы и срочности обращения» с оценкой уверенности и основаниями решения. Ошибки выявляют по точности относительно эталона, калибровке уверенности и разбору случаев, где источники расходятся; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
116Подсказки оператору или участнику разговора в реальном времени. — Механизм: AI объединяет историю, текущую ситуацию и обязательные условия, чтобы предложить следующий наиболее обоснованный шаг. Предметная логика: распознаёт речь, разделяет участников и связывает реплики с темами, решениями и действиями. Исходные данные: аудиопоток, потоковая речь, контекст диалога, роли участников и повестка встречи. Формат результата: несколько вариантов для «Подсказки оператору или участнику разговора в реальном времени», ранжированных по полезности, ограничениям и причинам выбора. Проверка: по полезности для пользователя, соблюдению ограничений и качеству результата после принятия рекомендации; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
117Автоматическая генерация последующего письма по итогам разговора. — AI создаёт новый артефакт по требованиям, исходным фактам и примерам, сохраняя возможность последующего редактирования. Предметная логика: распознаёт речь, разделяет участников и связывает реплики с темами, решениями и действиями. К исходным данным относятся аудиопоток, контекст диалога, роли участников, повестка встречи и аудиозаписи. Формат результата: редактируемый артефакт по задаче «Автоматическая генерация последующего письма по итогам разговора», согласованный с исходными фактами, форматом и ограничениями; тип артефакта — разговорный артефакт. Надёжность оценивают по соответствию фактам, требованиям, формату и качеству последующей экспертной доработки; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
118Синтез речи из текста. — Для этой задачи система сначала определяет элементы, которые должны сохраниться, затем перестраивает форму представления и отмечает внесённые изменения. Предметная логика: моделирует фонетику, просодию и тембр, сохраняя естественность и разборчивость. Рабочие входы: текст, роли участников, повестка встречи, аудиозаписи и потоковая речь. Формат результата: преобразованный материал по задаче «Синтез речи из текста» с сохранённым содержанием и журналом значимых изменений. Критерии приёмки: сравнением смысла и структуры до и после преобразования, а также поиском потерянных элементов; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
119Клонирование или персонализация голоса при наличии прав и согласия. — Практическая реализация: AI обновляет персональные настройки по обратной связи и отделяет устойчивые предпочтения от случайного поведения. Предметная логика: оценивает релевантность и полезность вариантов, учитывая разнообразие и долгосрочные цели. Входной контекст включает профиль пользователя, повестка встречи, аудиозаписи, потоковая речь и контекст диалога. Формат результата: адаптированный вариант для «Клонирование или персонализация голоса при наличии прав и согласия» с указанием контекста и факторов, определивших персонализацию. Ошибки выявляют по пользовательской обратной связи, долгосрочной полезности и отсутствию нежелательной дискриминации; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
120Изменение темпа, произношения, акцента или эмоциональной окраски синтезированной речи. — Механизм: AI преобразует исходный материал по заданным правилам, сохраняя смысл, структуру и критически важные детали. Предметная логика: моделирует фонетику, просодию и тембр, сохраняя естественность и разборчивость. Исходные данные: текст, аудиозаписи, потоковая речь, контекст диалога и роли участников. Формат результата: преобразованный материал по задаче «Изменение темпа, произношения, акцента или эмоциональной окраски синтезированной речи» с сохранённым содержанием и журналом значимых изменений. Проверка: сравнением смысла и структуры до и после преобразования, а также поиском потерянных элементов; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
121Создание голосового интерфейса для управления системой. — AI собирает содержание и структуру из заданных ограничений, затем формирует несколько вариантов для выбора и доработки. Предметная логика: моделирует фонетику, просодию и тембр, сохраняя естественность и разборчивость. К исходным данным относятся текст, потоковая речь, контекст диалога, роли участников и повестка встречи. Формат результата: редактируемый артефакт по задаче «Создание голосового интерфейса для управления системой», согласованный с исходными фактами, форматом и ограничениями; тип артефакта — разговорный артефакт. Надёжность оценивают по соответствию фактам, требованиям, формату и качеству последующей экспертной доработки; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий. <a id="section-i-8"></a>

0 моделей