/ 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
7 711–7 740 из 26 923
jeiku
BuRPInfinity_9B

BuRPInfinity9B — англоязычная языковая модель на архитектуре Mistral, созданная объединением моделей ChaoticNeutrals/BuRP_7B и Endevor/InfinityRP-v1-7B с помощью mergekit и метода passthrough. Модель содержит 8,9 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста и ролевых диалогов. В её основу входят модели для ролевого общения; базовая BuRP_7B настроена на ожидание ответа пользователя и передачу мыслей персонажа. Репозиторий содержит веса в формате safetensors. Указана лицензия other, поэтому конкретные условия использования следует проверять в карточке модели и лицензиях исходных моделей.

175март 2024ctx32.8K
textotherhugging-face
hon9kon9ize
CantoneseLLM-lihkg-story-cpt

hon9kon9ize/CantoneseLLM-lihkg-story-cpt — дообученная на датасете wcyat/lihkg-story модель CantoneseLLM-v0.5, разработанная hon9kon9ize. Это плотная авторегрессионная языковая модель семейства Llama с архитектурой LlamaForCausalLM и 5,8 млрд параметров. Модель предназначена для генерации текста на кантонском языке в разговорном стиле, включая создание историй по мотивам публикаций LIHKG; метаданные также указывают поддержку чата. Контекст — до 4096 токенов. Модель опубликована в формате safetensors и распространяется по лицензии other; конкретные условия лицензии в предоставленных данных не раскрыты. README не содержит сведений об оценке качества и ограничениях, поэтому пригодность для конкретных сценариев следует проверять отдельно.

141авг. 2024ctx4.1K
textotherhugging-face
backyardai
Chunky-Lemon-Cookie-11B-GGUF

Chunky-Lemon-Cookie-11B-GGUF — квантизированная модель в формате GGUF, созданная на основе Chunky-Lemon-Cookie-11B разработчика FallenMerick. Это четвёртая модель в серии Lemon Cookie, ориентированной на ролевое общение, с акцентом на эмоционально выразительные взаимодействия. Квантизацию выполнил brooketh; модель опубликована в официальной библиотеке GGUF-моделей Backyard AI. Модель предназначена прежде всего для локальных текстовых чатов и ролевых сценариев, включая общение с персонажами. Заявлены поддержка английского языка, архитектурная совместимость с экосистемой Mistral и контекст до 8192 токенов. Размер модели — 11 млрд параметров. Формат GGUF позволяет распределять вычисления между CPU и GPU и использовать модель на более широком спектре оборудования. Сильными сторонами являются специализация на roleplay и заявленный высокий уровень эмоционального понимания. К ограничениям относятся ориентация преимущественно на английский язык, ограничение контекста 8192 токенами и возможное снижение связности и качества при использовании более агрессивных уровней квантизации. Модель распространяется по лицензии CC BY 4.0.

1.4K4май 2024
textcc-by-4.0hugging-face
Delta-Vector
Control-8B

Delta-Vector/Control-8B — экспериментальная чат-модель на базе Llama 3.1 SuperNova Lite, дообученная автором Delta-Vector на наборах OpenCAI ShareGPT и логах ролевых диалогов. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и принимает текстовые сообщения; для генерации текста поддерживает контекст до 131 072 токенов. Модель рассчитана на короткие и выразительные ответы в чатах и ролевых диалогах. Автор отмечает живую прозу и стремление сохранять формат переписки, не описывая действия и реплики пользователя; при этом качество рассуждений ограничено, а ответы могут быть недостаточно умными. В README рекомендуются системные промпты Euryale или EVA; также может работать формат ChatML. Лицензия в доступных сведениях не указана.

323окт. 2024ctx131.1K
texthugging-face
DS-Archive
ds-spicy-brew-13b

DS-Archive разработала ds-spicy-brew-13b — плотную авторегрессионную языковую модель семейства Llama 2 на 12,9 млрд параметров. Она создана слиянием методом SLERP моделей spicyboros-13b-2.2, chronos-13b-v2, Nous-Hermes-Llama2-13b, limarp-llama2-v2 и pygmalion-2-13b. Модель предназначена для генерации текста и ролевых диалогов на английском языке. Для задания персонажа можно использовать формат инструкции Alpaca, адаптированный из LIMARP v2; из-за объединения нескольких моделей могут подходить и другие форматы запросов. Контекст составляет 4096 токенов. Модель может воспроизводить предвзятости, характерные для нишевых ролевых интернет-сообществ и базовых моделей. Разработчики не рекомендуют использовать её для предоставления фактической информации или советов. Лицензия — AGPL-3.0.

261сент. 2023ctx4.1K
textagpl-3.0hugging-face
postcn
Jeju-Standard_Korean_Translator

Jeju ↔ Standard Korean Translator — разработанная PCN компактная языковая модель для двустороннего перевода между диалектом Чеджу (Jejueo) и стандартным корейским. Модель обучена с нуля на корпусе из примерно 1,48 млн параллельных пар AIHUB и использует декодерный Transformer в стиле Qwen3 с 88,8 млн параметров. Направление перевода задаётся управляющим префиксом; максимальная длина контекста — 1024 токена. Модель предназначена для перевода разговорных реплик с диалекта Чеджу на стандартный корейский и обратно, а также для исследований малоресурсной обработки корейских диалектов. На тестовом наборе авторы сообщают BLEU 77,67 для направления Jeju → Standard и 60,97 для Standard → Jeju. Модель не рассчитана на общий диалог или перевод с других языков; качество может снижаться на формальных, технических и длинных текстах. Редкие региональные варианты и речь недостаточно представленных групп могут обрабатываться хуже, а при переводе на диалект возможна чрезмерная нормализация. Весовые файлы доступны в формате safetensors, модель совместима с Transformers и vLLM. Лицензия — Apache-2.0.

5111май 2026ctx1K
textapache-2.0hugging-face
Retreatcost
KansenSakura-Zero-RP-12b

KansenSakura-Zero-RP-12b — объединённая автором Retreatcost 12,1-миллиардная модель на архитектуре Mistral для ролевых диалогов и создания историй. Она рассчитана на сюжетные сценарии с яркими персонажами, трансформациями и мотивами техноорганического хоррора, в том числе на истории в эстетике визуальных новелл и апокалиптические сюжеты. Модель создана слиянием восьми моделей методом passthrough, с использованием ChatML. Хотя в карточке указан контекст до 1 024 000 токенов, автор рекомендует ограничивать его примерно 16 000 токенами для лучшего качества; также приведены настройки генерации и ограничение вывода до 320 токенов. Модель может выдавать неотфильтрованный творческий текст, включая тревожные и откровенные сюжеты. Она предназначена для генерации текста, а не изображений или иных медиа. Лицензия — Apache-2.0.

2211июнь 2025ctx1M
textapache-2.0hugging-face
zerofata
L3.3-GeneticLemonade-Opus-70B

GENETIC LEMONADE OPUS — слитая чат-модель на архитектуре Llama 3.3 с 69,5 млрд параметров, созданная zerofata методом SCE из нескольких моделей для ролевых диалогов. В состав входят GeneticLemonade-Unleashed-v3, Plesio-70B и Anubis-70B-v1.1; метаданные также указывают Shisa v2 Llama 3.3 70B как базовую модель. Модель принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов. Она предназначена прежде всего для творческих ролевых чатов: автор карточки отмечает разнообразную прозу и диалоги, творческие ответы и выразительное воспроизведение персонажей. Описана поддержка ролевого контента, включая ERP. В карточке приведены стартовые параметры генерации для SillyTavern, но они не гарантируют оптимальный результат для всех сценариев. Модель распространяется под лицензией Llama 3. Использование требует соблюдения условий этой лицензии. Она ориентирована на ролевые сценарии, поэтому её качество для других задач не установлено; характеристики по языкам в карточке модели не перечислены.

2913июль 2025ctx131.1K
textllama3hugging-face
DavidAU
L3-Dark-Planet-8B-HERETIC-Uncensored-Abliterated

DavidAU/L3-Dark-Planet-8B-HERETIC-Uncensored-Abliterated — текстовая генеративная модель, созданная на основе дообученной модели DavidAU/L3-Dark-Planet-8B и обработанная методом Abliteration с Heretic v1.0.1 для снижения частоты отказов. Модель построена на архитектуре Llama 3, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации художественной прозы, сцен, сюжетов и ролевого общения, включая жанры ужасов и романтики. Она рассчитана на диалог и генерацию текста; карточка описывает её как uncensored, но отмечает, что для получения более откровенного или стилистически заданного результата иногда требуется явно указать нужный тон и лексику. Автор сообщает о частоте отказов 13 из 100 и KL-дивергенции 0,0716 после обработки. Лицензия в предоставленных данных не указана.

1358дек. 2025ctx8.2K
texthugging-face
SanjiWatsuki
Loyal-Toppy-Bruins-Maid-7B-DARE

Loyal-Toppy-Bruins-Maid-7B-DARE — слитая модель на основе Mistral с 7,1 млрд параметров, созданная SanjiWatsuki для ролевых диалогов. Она объединяет Starling-LM-7B-alpha, go-bruins-v2, loyal-piano-m7, Toppy-M-7B и Noromaid-7b-v0.1.1 методом DARE ties; файлы репозитория представлены в формате Safetensors FP16. Указанное нативное контекстное окно — 32 768 токенов. Модель предназначена для увлекательного ролевого общения, следования карточкам персонажей и ответов в стиле Alpaca. Автор сообщает о хороших результатах на собственном тесте ролевых сценариев и тесте логики lilblam, но отмечает, что на момент публикации модель была новой и проверена им ограниченно. Лицензия CC BY-NC 4.0 требует указания авторства и не допускает коммерческого использования.

7216дек. 2023ctx32.8K
textcc-by-nc-4.0hugging-face
Meggido
NeuraLake-m7-AshhLimaRP-Mistral-7B

NeuraLake-m7-AshhLimaRP-Mistral-7B — языковая модель Meggido на архитектуре Mistral с 7,1 млрд параметров, предназначенная для генерации текста в ролевых диалогах. Модель основана на Meggido/NeuraLake-m7-7B и использует LoRA-адаптер lemonilia/AshhLimaRP-Mistral-7B; README описывает формат Extended Alpaca с отдельными полями инструкции и реплики пользователя. Модель рассчитана на диалоги от лица заданного персонажа в описанном сценарии. Можно задавать ориентировочную длину ответа: от очень короткой до очень длинной; без модификатора длину выбирает сама модель. Контекст составляет 32 768 токенов. Модель генерирует текст и не предназначена для всех аудиторий. Возможны слишком длинные ответы и имитация реплик пользователя, особенно при задании большой длины. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

160февр. 2024ctx32.8K
textcc-by-nc-4.0hugging-face
NeverSleep
Noromaid-13B-0.4-DPO

Noromaid-13B-0.4-DPO — полноразмерная дообученная модель для генерации текста на архитектуре Llama, опубликованная IkariDev и Undi. Репозиторий содержит веса FP16; указаны также варианты GGUF. Модель рассчитана на диалоговое и ролевое использование в SillyTavern и использует шаблон NsChatml. Модель насчитывает 12,9 млрд параметров и поддерживает контекст до 4096 токенов. В обучении использовались наборы no_robots, Aesir RP и limarp, а для DPO — пары Orca и наборы с токсичными запросами. Лицензия CC BY-NC 4.0 разрешает использование на некоммерческих условиях; модель ориентирована на ролевые диалоги, поэтому ответы могут включать взрослые или токсичные темы.

3611янв. 2024ctx4.1K
textcc-by-nc-4.0hugging-face
Aratako
Oumuamua-7b-RP

Aratako/Oumuamua-7b-RP — созданная Aratako модель для японского ролевого общения. Это слияние нескольких предварительно обученных языковых моделей, включая дообученную для ролевых сценариев Aratako/Oumuamua-7b-instruct-v2-RP; в качестве одной из составляющих также использована Mistral-7B-v0.1. Слияние нацелено на улучшение следования инструкциям и выразительности в ролевых диалогах. Модель построена на архитектуре Mistral с плотной причинной языковой моделью, содержит 7,2 млрд параметров и поддерживает контекст до 32 768 токенов. Она принимает текст и генерирует текст, рассчитана на японский язык и предназначена для многоходовых ролевых диалогов. Для промптов рекомендуется шаблон на основе изменённого Alpaca, а для остановки генерации — EOS и строки начала следующего хода пользователя и ассистента. Распространяется в формате Safetensors; в README также указана отдельная версия GGUF. Лицензия — CC-BY-NC-4.0, поэтому использование ограничено некоммерческими условиями. Качество и поведение зависят от выбранных настроек генерации и соблюдения формата промпта.

10811июнь 2024ctx32.8K
textcc-by-nc-4.0hugging-face
Elfrino
PsyMedLewd_v3

Elfrino/PsyMedLewd_v3 — объединённая модель для генерации текста, созданная методом SLERP с помощью mergekit из Undi95/PsyMedRP-v1-20B и Undi95/MXLewd-L2-20B. Модель построена на архитектуре Llama и содержит 19,8 млрд параметров; заявленная длина контекста — до 4096 токенов. Она предназначена для диалоговой генерации в ролевых сценариях, включая темы психологии и взрослого контента. Модель принимает текст и генерирует текст. Она опубликована в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

230сент. 2024ctx4.1K
texthugging-face
0xA50C1A1
Qwen3-4B-Nymphaea-RP

Qwen3-4B-Nymphaea-RP — дообученная модель семейства Qwen3 от 0xA50C1A1 для ролевых диалогов и творческого письма. Она основана на 0xA50C1A1/Qwen3-4B-Instruct-2507-SOM-MPOA и содержит около 3,7 млрд параметров; карточка указывает архитектуру Qwen3ForCausalLM и формат safetensors. Для общения рекомендуется шаблон ChatML, также доступен пресет SillyTavern. Модель рассчитана на создание и продолжение ролевых сцен и художественных текстов с разнообразием жанров. Автор сообщает, что обучал её на наборе Darkmere, включавшем отобранные синтетические и написанные людьми истории, методом DoRA. Веса базовой модели перед дообучением были обработаны инструментом Heretic, поэтому модель описана как менее ограниченная в генерируемом содержании. Заявлена поддержка контекста до 262 144 токенов; автор также сообщает о тестировании на Nothing Phone 2 в квантизации Q4_K_M со скоростью 7–8 токенов в секунду. Модель распространяется по лицензии Apache-2.0. Карточка не перечисляет целевые языки, поэтому языковая поддержка здесь не уточняется. Скорость и пригодность для мобильного запуска приведены как результаты конкретного теста и зависят от устройства и квантизации; для роли и качества генерации независимые оценки не приведены.

422апр. 2026ctx262.1K
textapache-2.0hugging-face
vicgalle
Roleplay-Llama-3-8B

Roleplay-Llama-3-8B — дообученная Vicgalle разговорная модель на архитектуре Llama 3 для текстовых ролевых диалогов. Она формирует ответы в виде реплик с описанием действия и поддерживает чатовый сценарий использования. Модель содержит 7,5 млрд параметров, работает с контекстом до 8192 токенов и распространяется в формате Safetensors для Transformers. В карточке указаны результаты оценок Chaiverse и Open LLM Leaderboard, но они не гарантируют качество для конкретных сценариев. Модель обучена на данных ResplendentAI/NSFW_RP_Format_DPO и ориентирована на ролевое взаимодействие, включая контент для взрослых. Лицензия — Apache-2.0.

67038апр. 2024ctx8.2K
textapache-2.0hugging-face
wave-on-discord
silly-v0.2

silly-v0.2 — дообученная модель wave-on-discord на базе Mistral-Nemo-Base-2407, предназначенная для имитации стиля ответов моделей character.ai и ролевого общения. Это плотная авторегрессионная языковая модель Mistral с 12,1 млрд параметров; обучение включало два прохода SFT на данных для ролевых диалогов и примерно час PPO с POLAR-7B RFT. Модель принимает текст в формате ChatML и генерирует текст. Метаданные указывают контекстное окно 131 072 токена; базовая модель многоязычная, но отдельный язык для этой версии не выделен. Модель рассчитана на ролевые диалоги: по отзывам, она связно поддерживает контекст, хорошо пишет и может начинать беседу. Автор отмечает нестабильность и советует снижать temperature для длинных сообщений; также возможны ошибки в базовой логике, выдумывание деталей и забывание ранее заданной информации. Автор описывает релиз как proof of concept. Модель распространяется по лицензии Apache-2.0.

12927сент. 2025ctx131.1K
textapache-2.0hugging-face
Doctor-Shotgun
smol_llama-220M-GQA-32k-theta-sft-limarp

smol_llama-220M-GQA-32k-theta-sft-limarp — экспериментальная языковая модель семейства Llama, созданная Doctor-Shotgun дообучением Doctor-Shotgun/smol_llama-220M-GQA-32k-theta-sft на наборе LimaRP. Модель содержит 184,8 млн параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 32 768 токенов. Для расширения контекста применён метод RoPE theta. Модель предназначена для ролевого диалога в формате LimaRP Alpaca и специально обучена для продолжения таких диалогов. Автор также описывает её как длинноконтекстную модель для speculative decoding, однако указывает, что вариант рассчитан на модели, обученные на формате LimaRP. Вход и ответ представлены текстом на английском языке. Доступные сведения не содержат условий лицензии.

2700дек. 2023ctx32.8K
texthugging-face
cgato
Thespis-Mistral-7b-v0.6

Thespis-Mistral-7b-v0.6 — личный проект автора cgato: версия 7B модели Mistral, дообученная для многоходового ролевого общения. Она рассчитана на SFW- и NSFW-сценарии, поддерживает стандартный чат-шаблон и подходит для ролевых чатов в Ooba или SillyTavern, в том числе для общения с персонажами и использования в чат-ботах. Автор отмечает, что модель лучше работает с ролевым текстом в интернет-стиле: действия заключаются в звёздочки, реплики пишутся без кавычек. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов. Дообучение использовало диалоги из нескольких наборов данных и вручную отобранные ролевые беседы. Распространяется в формате PyTorch по лицензии Apache-2.0. Автор оценивает её производительность как промежуточную между Llama 7B и Llama 13B; это субъективная оценка по собственным тестам.

1510нояб. 2023ctx32.8K
textapache-2.0hugging-face
lodrick-the-lafted
whimsy-9b

Whimsy — чат-модель на базе Gemma 2 9B Instruct с настройкой на игривый, театральный стиль общения. Карточка показывает пример непринуждённого диалога с выразительными ремарками и эмодзи; автор — lodrick-the-lafted. Модель предназначена для текстовых бесед и создания ответов в заданной манере. Это плотная языковая модель семейства Gemma 2 с 9 млрд параметров и контекстом 8192 токена. Репозиторий содержит веса в формате safetensors. Лицензия — Apache 2.0. Карточка не описывает метод настройки, данные обучения или систематические оценки качества. Пример демонстрирует стиль, но не подтверждает точность ответов или устойчивость поведения.

90авг. 2024ctx8.2K
textapache-2.0hugging-face
royallab
ZephRP-m7b

ZephRP-m7b — текстовая модель для генерации ответов в ролевых диалогах. Она создана RoyalLab как слияние HuggingFaceH4/zephyr-7b-alpha с PEFT-адаптером, обученным на датасете LimaRP. В основе лежит плотная архитектура Mistral с 7,1 млрд параметров; модель распространяется в формате Safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для отыгрыша персонажей и диалогов по заданной персоне. Она использует формат инструкций Alpaca, принятый в LimaRP v3, и поддерживает управление длиной ответа — от очень короткого до неограниченного. Это сочетает стилистические особенности ролевых ответов с инструкционными возможностями Zephyr. Карточка модели указывает английский язык. Модель может многословно отвечать на запросы большой длины и иногда имитировать пользователя. Её не следует использовать для получения фактических сведений или советов; также возможны предубеждения, характерные для ролевых форумов, и унаследованные от базовой модели. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но не коммерческое.

8.6K6окт. 2023ctx32.8K
textcc-by-nc-4.0hugging-face
redrix
AngelSlayer-12B-Unslop-Mell-RPMax-DARKNESS-v3

AngelSlayer-12B-Unslop-Mell-RPMax-DARKNESS-v3 — слитая модель для диалоговой генерации на базе семейства Mistral Nemo, созданная автором карточки с помощью mergekit и линейного метода DELLA. В слияние вошли TheDrummer/UnslopNemo-12B-v4, DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS, ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.2 и inflatebot/MN-12B-Mag-Mell-R1. Модель рассчитана на ролевые диалоги и художественное письмо с более творческой подачей. Это плотная MistralForCausalLM на 12,1 млрд параметров; метаданные указывают контекст до 1 024 000 токенов, формат safetensors и лицензию Apache-2.0. Карточка описывает версию как альтернативу предыдущей, отмечает, что она пока не протестирована, и не обещает превосходства над исходными моделями.

8026янв. 2025ctx1M
textapache-2.0hugging-face
Heralax
Augmental-13b-v1.50_B

Augmental-13b-v1.50_B — языковая модель для ролевых диалогов, созданная автором Heralax на базе MythoMax 13B. Она дообучена на наборе из примерно 8 тысяч AI-улучшенных реплик по визуальной новелле Steins;Gate для ролевой игры с персонажами разного пола и характера. В README указано, что версия B получена слиянием исходной Augmental-13b с MythoMax при весе 0,33%; автор отмечает, что она сильнее отличается от MythoMax, чем версия A. Модель построена на плотной архитектуре Llama, содержит 12,9 млрд параметров и рассчитана на контекст до 4096 токенов. Она предназначена для формата промптов SillyTavern и генерации развернутых, выразительных ответов в ролевых сценах. Доступны веса в GGUF и safetensors. Лицензия — Llama 2. Автор сообщает о собственных тестах и исправлениях связности по сравнению с ранней версией, но независимые оценки качества в карточке не приведены. Обучающие данные основаны на Steins;Gate и включают AI-обработку текста, поэтому поведение модели может быть смещено к ролевому формату и стилю этого источника.

1682окт. 2023ctx4.1K
textllama2hugging-face
Flexan
Blake-Haiku-1

Blake Haiku 1 — компактная инструктивная языковая модель, созданная Flexan на базе Qwen/Qwen3-0.6B с помощью LoRA дообучения. Модель содержит около 508 млн параметров, использует архитектуру Qwen3ForCausalLM и формат весов safetensors; заявленная длина контекста — 40 960 токенов. Модель предназначена для генерации текста и непринуждённого диалога в стиле обычного человеческого общения. Она принимает сообщения в формате ChatML и обучалась на небольшом частном наборе из 72 диалогов и 315 ответов. Поддерживается английский язык. Модель не обучалась рассуждениям или вызову инструментов. Автор описывает выпуск как эксперимент для проверки среды обучения на собственном оборудовании и указывает, что модель архивная и не предназначена для развёртывания в production. Из-за малого объёма обучающих данных качество и универсальность ограничены. Лицензия — CC BY-SA 4.0.

320авг. 2026ctx41K
textcc-by-sa-4.0hugging-face
openerotica
cockatrice-7b-v0.1

Cockatrice-7B-v0.1 — языковая модель семейства Mistral, представленная openerotica. Модель обучена на наборе данных Freedom-RP и предназначена для генерации текста в сценариях ролевого общения. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Опубликованные веса представлены в формате Safetensors; лицензия — Apache-2.0. README не сообщает о поддерживаемых языках или результатах оценки качества.

226нояб. 2023ctx32.8K
textapache-2.0hugging-face
KatyTheCutie
EstopianMaid-13B

EstopianMaid-13B — модель генерации текста для ролевого общения и создания историй, разработанная KatyTheCutie. Она ориентирована на следование карточкам персонажей, поддержание связности сцен с несколькими персонажами и создание новых сценариев. Модель использует плотную архитектуру LlamaForCausalLM семейства Llama, содержит 12,9 млрд параметров и рассчитана на контекст до 4096 токенов. Для подсказок рекомендован шаблон Alpaca; автор также приводит настройки генерации для SillyTavern. Модель собрана слиянием нескольких 13B-моделей, включая варианты Llama 2, ролевые модели и модели, настроенные на диалоги. Файлы представлены в формате safetensors. Указана лицензия Llama 2. В карточке описаны предпочтительные сценарии ролевого общения, но нет формальных оценок качества или подробных сведений о поведении за пределами этих сценариев.

8657янв. 2024ctx4.1K
textllama2hugging-face
ewald1976
G4-12B-Station-Keeper

G4-12B-Station-Keeper — персональная модель с дообучением под руководством автора на основе Gemma 4 12B IT. Она предназначена для ролевых диалогов и творческого письма: особенно хорошо подходит для сдержанной научной фантастики, спокойных разговоров и историй о повседневных практических задачах, небольших конфликтах, станциях, кораблях и поселениях. Модель сохраняет узнаваемый стиль Gemma и тяготеет к компетентным персонажам, мягкой иронии и неспешному развитию сюжета. Модель работает с текстом и поддерживает диалог. В карточке указаны английский язык, архитектура Gemma4 Unified, плотная модель и формат весов safetensors. Лицензия — Apache 2.0. Автор описывает её как личный эксперимент, а не как релиз с ведущими бенчмарками; тестирование в SillyTavern не выявило явных проблем взаимодействия.

4713июнь 2026ctx262.1K
textapache-2.0hugging-face
SourAsslips
gertrudebot

SourAsslips/gertrudebot — модель генерации текста от автора Hugging Face SourAsslips. По метаданным и карточке это авторегрессионная модель семейства GPT-2, представленная в формате PyTorch и доступная для использования через Transformers. Её назначение — продолжать текст по заданному запросу; карточка не описывает более узкую специализацию или целевую аудиторию. Модель принимает текст и генерирует текст. Указанная длина контекста — 1024 токена. Карточка не сообщает размер модели, поддерживаемые естественные языки, лицензию или специальные ограничения качества; поэтому эти характеристики нельзя надёжно уточнить. [Модель на Hugging Face](https://huggingface.co/SourAsslips/gertrudebot) не имеет заполненной карточки с описанием.

4260март 2024ctx1K
texthugging-face
ABX-AI
Infinite-Laymons-7B

Infinite-Laymons-7B — языковая модель для вымышленных историй и ролевых диалогов, созданная ABX-AI слиянием двух предварительно обученных моделей: KatyTheCutie/LemonadeRP-4.5.3 и Nitral-AI/Infinitely-Laydiculous-7B. Для слияния применён метод SLERP с помощью mergekit. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она генерирует текст, рассчитана на контекст до 32 768 токенов и ориентирована на более оригинальные диалоги с меньшим уровнем alignment. Репозиторий содержит веса в формате safetensors. Лицензия указана как other; конкретные условия в карточке не раскрыты. Модель предназначена для творческого письма и ролевых сценариев; качество и поведение за пределами этого назначения не описаны.

256март 2024ctx32.8K
textotherhugging-face
fpadovani
isl-latn-100mb-100mb_seed3407

fpadovani выпустил дообученную с помощью TRL модель на базе goldfish-models/isl_latn_100mb. Это плотная авторегрессионная GPT-2 для генерации текста; карточка показывает пример ответа на открытый вопрос в диалоговом формате. Модель предназначена для продолжения текста и экспериментальных диалоговых ответов. Модель распространяется в формате safetensors и имеет контекстное окно 512 токенов. Метаданные указывают на базовую модель для исландского языка в латинской письменности, однако карточка не описывает обучающие данные и не приводит оценок качества. Лицензия в предоставленных данных не указана.

1040июнь 2026ctx512
texthugging-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