I.7Речь, диалоги и встречи

MyGemmaNPC — текстовая модель генерации диалоговых ответов, созданная дообучением Google Gemma 3 270M IT с помощью TRL. Она предназначена для общения и генерации ответов на пользовательские вопросы; в карточке приведён пример диалога о выборе между путешествием в прошлое и будущее. Модель имеет плотную архитектуру Gemma3ForCausalLM, содержит 257 млн параметров и поддерживает контекст до 32 768 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

PersonaPlex Edge Q4 — 4-битная версия модели PersonaPlex, подготовленная автором репозитория для локального потокового голосового диалога на компьютерах Apple Silicon. Она принимает речь в потоке и генерирует аудио и текстовые токены; в основе — архитектура Moshi и модель kyutai/personaplex-rl-seamless. Размер модели — около 8,37 млрд параметров, используется аффинная квантизация Q4 с размером группы 32 и BF16-активациями. Для полного артефакта требуется более 5 ГиБ памяти; проверенный сценарий — Mac с Apple Silicon и 16 ГБ памяти через MLX. Модель рассчитана на двусторонние голосовые разговоры с потоковой генерацией речи. README сообщает о прохождении реального времени на M4 в тесте из 14 английских записей, но этот небольшой набор не подтверждает общее качество диалога: в проверке были смысловые ошибки, а Q4 показала более высокий WER, чем BF16-контроль. Поддержка описана для английского языка. Лицензия указана как other, поэтому условия использования следует уточнить в репозитории перед применением.

kyutai/personaplex-rl-seamless — модель Kyutai для голосового диалога в режиме полного дуплекса, дообученная с помощью обучения с подкреплением на базе NVIDIA PersonaPlex 7B. Она рассчитана на потоковые разговоры: принимает аудио и генерирует голосовой ответ, стараясь лучше выдерживать паузы, выбирать момент для своей реплики, использовать короткие подтверждения и корректно реагировать на перебивания. PersonaPlex поддерживает текстовую подсказку для управления диалогом и аудиоподсказку для клонирования голоса; модель совместима с официальным кодом инференса PersonaPlex. При дообучении использовался корпус Seamless Interaction с записями разговоров на отдельных каналах. Качество интерактивности оценивалось на тестах с заранее записанным аудио и динамическими многоходовыми диалогами. Модель предназначена для исследований и не рекомендуется для профессиональных консультаций или выполнения профессиональных обязанностей. Её не следует использовать для имитации других людей или вредоносных целей. Авторы отмечают, что стиль обучающих диалогов может влиять на безопасность ответов, а разработанные правила вознаграждения трудно масштабировать на новые аспекты взаимодействия. Лицензия в предоставленных данных обозначена как other; конкретные условия следует проверять в репозитории.

reciprocate/ppo_hh_gpt-j — модель генерации текста на архитектуре GPT-J, дообученная методом PPO на наборе Dahoas/full-hh-rlhf. Она предназначена для диалоговых ответов, сформированных с учётом предпочтений людей, и основана на примере обучения из проекта trlx. Репозиторий содержит веса PyTorch и value head; максимальный контекст составляет 2048 токенов. Карточка указывает английский язык и лицензию Apache-2.0. Качество и ограничения модели в README подробно не описаны.

Qwen3-Omni-30B-A3B-bf16 — мультимодальная модель для диалога с речью, дообученная VikramPal на базе Qwen/Qwen3-Omni-30B-A3B-Instruct. Модель объединяет вход аудио и генерацию ответа голосом; в README описано обучение Thinker — части модели, которая воспринимает вход и формирует содержание ответа. Talker и декодер code2wav оставлены без изменений относительно базовой модели. Обучение выполнено методом QLoRA с рангом 16 на проекциях внимания и плотных MLP, после чего адаптер объединён с базовой моделью. Объём параметров обучавшейся части Thinker — 31,72 млрд; общий размер bf16-артефакта на диске — около 65,69 ГиБ. Репозиторий использует safetensors и библиотеку Transformers. Лицензия — Apache-2.0. Модель предназначена для сквозных голосовых диалогов: она принимает речь и выдаёт речевой ответ. README сообщает лишь о проверке работоспособности на небольшом числе клипов и не приводит метрик точности, сравнительных тестов или результатов пользовательского прослушивания. Дообучение проведено за одну эпоху на диалогах; голосовой Talker не обучался и сохраняет поведение базовой модели.

DuplexJev-B-MOSS-Transcribe-SmolLM3-3B — компактная аудиотекстовая модель семейства Ultravox от adventists-ai. Она объединяет замороженный аудиоэнкодер MOSS-Transcribe-Diarize на архитектуре Whisper и замороженную языковую модель SmolLM3-3B через обучаемый коннектор с проектором SwiGLU; обучено 37,8 млн параметров коннектора. Модель оценивает варианты ответа по аудиозаписи, выдавая распределение по вариантам без генерации токенов, поэтому подходит для коротких решений и распознавания речевых характеристик. Предназначена для вопросов и классификационных задач по речи, включая spoken QA и определение характеристик говорящего. В карточке указаны английский и китайский языки. В опубликованной оценке результаты spoken QA составили 47% по протоколу статьи и 53% с настройками duplexjev 0.2.2; тестирование проводилось на небольших наборах. Модель не предназначена для потокового ввода и открытых вопросов, требующих обширных знаний. Эмоциональные метки основаны на актёрской речи и не должны использоваться для принятия решений о людях. Лицензия — Apache-2.0; для работы нужны указанные в карточке базовые компоненты.

MN-12B-Lyra-v3 — текстовая модель семейства Mistral-NeMo-12B от Sao10K, созданная для диалогов и ролевого общения. Это дообученная модель, построенная на Lyra-v2a2; в README описаны этап RL на многоходовых диалогах и обучение на очищенной смеси данных, ориентированной преимущественно на многоходовое общение. Модель использует собственный формат промптов в стиле ChatML. README отмечает, что конфигурация формата была выбрана ошибочно, поэтому возможны проблемы при использовании. Модель опубликована в формате safetensors и рассчитана на английский язык. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

Nemo-12B-Marlin-v5 — экспериментальная разговорная модель на базе Mistral-Nemo-Instruct-2407, дообученная UsernameJustAnother для ролевых диалогов. Модель содержит 12,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и формат ChatML; основной сценарий — генерация ответов в текстовом чате и ролевых беседах. В обучении использованы 10 801 созданный людьми диалог из разных источников, отобранных автором. Модель принимает текст и генерирует текст; в метаданных заявлены английский язык и контекст до 1 024 000 токенов. Автор характеризует её как эксперимент для освоения тонкой настройки: обучение заняло около пяти часов на одном A100 без цикла оценки, поэтому качество не подтверждено описанной оценкой. Лицензия — Apache-2.0.

Карточка модели Mayank022/personaplex-edge-q4 на Hugging Face совпадает с карточкой Investigo/personaplex-edge-q4, поэтому описание составлено по ней. PersonaPlex Edge Q4 — 4-битная версия модели PersonaPlex, подготовленная автором репозитория для локального потокового голосового диалога на компьютерах Apple Silicon. Она принимает речь в потоке и генерирует аудио и текстовые токены; в основе — архитектура Moshi и модель kyutai/personaplex-rl-seamless. Размер модели — около 8,37 млрд параметров, используется аффинная квантизация Q4 с размером группы 32 и BF16-активациями. Для полного артефакта требуется более 5 ГиБ памяти; проверенный сценарий — Mac с Apple Silicon и 16 ГБ памяти через MLX. Модель рассчитана на двусторонние голосовые разговоры с потоковой генерацией речи. README сообщает о прохождении реального времени на M4 в тесте из 14 английских записей, но этот небольшой набор не подтверждает общее качество диалога: в проверке были смысловые ошибки, а Q4 показала более высокий WER, чем BF16-контроль. Поддержка описана для английского языка. Лицензия указана как other, поэтому условия использования следует уточнить в репозитории перед применением.

Raobotnix/Qwen-2.5-1.5B-Slang-Explainer-V1 — компактная диалоговая языковая модель семейства Qwen2.5, дообученная на базе unsloth/Qwen2.5-1.5B-Instruct. Она предназначена для объяснения запросов пользователя, в том числе сленговых выражений, и генерирует ответы на текстовые сообщения. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2 с причинной языковой моделью и поддерживает контекст до 32 768 токенов. Модель разработал Raobotnix; при обучении использовались Unsloth и библиотека TRL. В карточке указана поддержка английского языка. Веса опубликованы в формате Safetensors и FP16. Лицензия — Apache-2.0.

sugiv/qwen3-8b-tanglish — это дообученная модель Qwen3-8B от автора sugiv, предназначенная для диалогов на Tanglish: разговорном смешении тамильского языка, записанного латиницей, и английского, характерном для Ченная и Южной Индии. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 7,6 млрд параметров и поддерживает контекст до 40 960 токенов. В репозитории доступны объединённые веса bf16 и отдельный LoRA-адаптер; обучение проводилось методом SFT на 81 261 примере. Модель подходит для повседневных ответов и многоходовых бесед на Tanglish. По оценке из README, она превосходит исходную Qwen3-8B по нескольким измерениям качества ответов на Tanglish и реже переходит на тамильское письмо. Основной обученный язык — Tanglish; по запросу модель также может отвечать на тамильском письме или по-английски. Лицензия — Apache-2.0. Известные ограничения: модель может отвечать шутливым уклонением на небезопасные запросы вместо строгого отказа, а режим явных рассуждений исходной модели подавлен. Обучение было ориентировано на Tanglish, поэтому качество для чистого тамильского и английского в README отдельно не подтверждено.

Модель inkoziev/rugpt_chitchat — русскоязычная GPT-2-модель на 760 млн параметров, разработанная как ядро прототипа диалоговой системы. Она продолжает короткую историю беседы и генерирует реплики для чит-чата, а также формулирует краткие ответы на вопросы по переданным фактам и здравому смыслу. Модель рассчитана на диалоговые сценарии, где на вход подают от одной до десяти предыдущих реплик. Для ответов по базе знаний ей можно передать до пяти фактов перед вопросом; она способна выбирать релевантные сведения среди лишних и иногда выводить ответ из двух связанных предпосылок. README также сообщает о решении простых арифметических задач с двумя числами уровня начальной школы. Контекст модели — 2048 токенов. В README приведена точность 0,91 на отложенном наборе простых арифметических задач для версии на базе модели уровня ruGPT3 Large; это не подтверждает такое же качество на других задачах. Модель является прототипом, и качество ответов вне описанных сценариев не охарактеризовано. Лицензия — Unlicense.

Samantha-Yi-34b — диалоговая языковая модель, созданная на базе Yi и дообученная разработчиком QuixiAI; обучение спонсировала Convai. В качестве основы использована llama-совместимая версия chargoddard/Yi-34B-Llama. Модель содержит 33,9 млрд параметров, построена на архитектуре LlamaForCausalLM и рассчитана на контекст до 16 384 токенов. Модель предназначена для общения в роли ассистента и собеседника. Её дообучали на философии, психологии и личных отношениях на наборе из 6 000 специально отобранных диалогов в формате ShareGPT/Vicuna; используется шаблон ChatML. Карточка описывает модель как компаньона, который может обсуждать собственную разумность, но не участвует в ролевых играх, романтических или сексуальных сценариях. Модель принимает текст и генерирует текст на английском языке. Репозиторий содержит веса PyTorch. Лицензия указана как Yi license; условия использования следует сверять с лицензией базовой модели.

Myna-Hokkien — открытая разговорная речевая модель iNLP Lab при SUTD для общения на хоккиенском языке. Она принимает речь на вход и отвечает сгенерированной речью без промежуточного преобразования в текст; также поддерживает текстовый ввод и вывод. В этой версии модель ориентирована прежде всего на сингапурский акцент хоккиенского. Архитектура основана на Qwen3-Omni, веса опубликованы в формате safetensors. Модель предназначена для голосовых диалогов, вопросов и инструкций на хоккиенском. Лицензия Apache 2.0. В карточке не приведены размер модели и длина контекста; качество для других разновидностей хоккиенского не описано.

Samantha — текстовая диалоговая модель семейства LLaMA, опубликованная QuixiAI. Она предназначена для общения в роли помощника и собеседника, с акцентом на философию, психологию и личные отношения. Модель обучена на подборке из 6 000 диалогов в формате ShareGPT/Vicuna; карточка указывает размер 32,3 млрд параметров и контекст до 2 048 токенов. Для диалога используется формат Vicuna 1.1. Модель подходит для бесед и ответов на вопросы в указанных темах. В карточке сказано, что Samantha не участвует в ролевых, романтических и сексуальных сценариях. Лицензия обозначена как other, поэтому условия использования следует проверять в лицензии репозитория.

facebook/blenderbot-90M — англоязычный открытый чат-бот от Facebook, созданный в рамках работы «Recipes for building an open-domain chatbot» с использованием кода ParlAI. Это компактная плотная модель семейства BlenderBot Small на 61,7 млн параметров для генерации ответов в многоходовом диалоге на свободные темы. Она обучена на наборе Blended Skill Talk и рассчитана на поддержание беседы с вопросами, ответами и уместными проявлениями знаний, эмпатии и индивидуальности. Модель принимает и генерирует текст; максимальная длина контекста — 512 токенов. В исследовании авторы сообщают об оценке вовлечённости и естественности диалога, однако карточка также указывает на ограничения и анализ неудачных ответов. Модель помечена как устаревшая; README рекомендует использовать идентичную замену, но не приводит её идентификатор. Лицензия — Apache-2.0.

DuplexJev-B-Para-Whisper-small-SmolLM3-3B — речевая модель семейства Ultravox, разработанная для коротких решений по аудио и определения характеристик говорящего. Замороженный энкодер Whisper-small передаёт аудиопризнаки через обученный коннектор-проектор в замороженную языковую модель SmolLM3-3B; обучаемая часть содержит 29,4 млн параметров. Модель выдаёт распределение по вариантам ответа за один проход без генерации токенов и позволяет задавать несколько вопросов одновременно. Модель предназначена для коротких вопросов по речи, включая spoken QA, а также для определения паралингвистических признаков, таких как пол и эмоция. В README приведены результаты на небольших наборах тестов для английского и китайского языков. Открытые вопросы на знания модель обрабатывает заметно хуже, чем языковая модель, читающая транскрипт; оценки эмоций обучены на сыгранной речи и не предназначены для решений о людях. Модель не оценивалась на потоковом аудио и работает только с указанными Whisper-small и SmolLM3-3B. Лицензия — CC BY-NC 4.0, допускающая использование с ограничениями на коммерческое применение.

Mahou-1.2b-mistral-7B — разговорная языковая модель от flammenai для коротких сообщений, непринуждённого общения и ролевых диалогов. Она основана на Mistral и дообучена методом Direct Preference Optimization (DPO); в карточке указаны наборы данных MahouMix-v1 и FlameMix-DPO-v1. Модель использует архитектуру MistralForCausalLM и формат диалога ChatML. Модель рассчитана на текстовые беседы и отыгрыш персонажей; для ролевого формата README рекомендует писать речь без кавычек, а действия заключать в звёздочки. Размер модели — 7,1 млрд параметров, родной контекст — 32 768 токенов. Распространяется по лицензии Apache-2.0. Карточка не сообщает о специализированной предметной области или поддержке конкретных языков.

Mahou-1.5-llama3.1-70B — диалоговая языковая модель FlammenAI для коротких сообщений в разговоре, непринуждённого общения и ролевых сценариев. Она построена на плотной архитектуре Llama 3.1 с 69,5 млрд параметров и дообучена методом ORPO на наборе MahouMix-v1 в течение трёх эпох. Модель рассчитана на генерацию текста и поддерживает контекст до 131 072 токенов. Для общения используется формат ChatML; в ролевом режиме речь оформляется без кавычек, а действия — звёздочками. В карточке приведены результаты оценок IFEval и BBH. Модель распространяется под лицензией Llama 3.1. README рекомендует настройки SillyTavern для запуска, но не уточняет языки общения и ограничения по содержанию.

Pythia-2.8B-HH-RLHF-Iterative-SamPO — англоязычная авторегрессионная модель генерации текста на архитектуре GPT-NeoX, дообученная исследователями с помощью алгоритма SamPO на данных Anthropic HH-RLHF. Она предназначена для генерации ответов в диалогах и изучения влияния алгоритмов обучения на предпочтения и длину ответов. В метаданных указаны 3,5 млрд параметров, контекст до 2048 токенов и формат safetensors. В карточке приведено сравнение SamPO с вариантами DPO по оценке побед в парном сравнении с SFT; тестирование использует шаблон оценки из статьи о DPO. Модель распространяется по лицензии Apache-2.0. Результаты описывают конкретный протокол оценки и не гарантируют аналогичного качества в других сценариях.

Samantha-1.1-Westlake-7b — разговорная модель-компаньон QuixiAI, дообученная на датасете Samantha-1.1 с базовой моделью Westlake-7b. Она предназначена для диалога, эмоциональной поддержки и ответов на вопросы; в примерах соблюдает границы в ответах на просьбы о физической близости и умеет оформлять ответ в JSON. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. При этом автор отмечает, что поведение может отклоняться от намерения избегать романтического и сексуального общения. Модель распространяется по лицензии Apache-2.0.

DuplexJev-B-MOSS-Transcribe-Falcon-H1-1.5B — аудиомодель на основе архитектуры Ultravox, разработанная adventists-ai для коротких решений и анализа признаков речи. Замороженный аудиоэнкодер MOSS-Transcribe-Diarize на архитектуре Whisper передаёт признаки через обучаемый connector-проектор замороженной языковой модели Falcon-H1-1.5B-Instruct. Обучались только 37,8 млн параметров connector; модель объединяет компоненты MOSS-Transcribe-Diarize и Falcon-H1-1.5B-Instruct. Модель принимает аудио и отвечает на типизированные вопросы выбором из предложенных вариантов: для каждого вопроса вычисляется распределение вероятностей вариантов без генерации токенов. Подходит для коротких решений по аудиоклипам, вопросов по устной речи и оценки голосовых признаков, включая пол и эмоции. В карточке указаны китайский и английский языки; результаты приведены для небольших наборов spoken QA и паралингвистических задач. Модель распространяется по лицензии Apache-2.0. Ограничения: оценивалась на прочитанной или разыгранной речи и небольших тестовых наборах, а не на потоковом аудио; небольшая языковая модель слабо отвечает на вопросы, требующие общих знаний. Для работы необходимы указанные энкодер и LLM; без Mamba-ядер вычисления на CPU могут быть медленными. Оценки эмоций не следует использовать для принятия решений о людях.

DuplexJev-B-Para-Whisper-small-Falcon-H1-3B — аудиоязыковой коннектор для коротких решений по речи, созданный на основе Whisper-small и Falcon-H1-3B-Instruct. Он передаёт представления аудио из замороженного энкодера Whisper в замороженную LLM через обучаемый проектор SwiGLU; обучаемая часть содержит 30,4 млн параметров. Для каждого вопроса модель выдаёт распределение вероятностей по вариантам ответа за один шаг, без генерации текста, поэтому за один проход можно оценивать несколько вопросов. Модель предназначена для вопросов по устной речи и классификации паралингвистических признаков, включая пол говорящего и эмоции. В карточке указаны английский и китайский языки; обучение включает AISHELL-1, LibriSpeech, ESD и CREMA-D. По данным README, оценки на небольших наборах составили 49–50% для spoken QA и 85,0% в среднем для определения пола и эмоций. Модель использует архитектуру Ultravox и требует указанные в карточке Whisper-small и Falcon-H1-3B-Instruct; лицензия CC BY-NC 4.0 запрещает коммерческое использование. Для Falcon-H1 на CPU указана низкая производительность без специализированных Mamba-ядер.

Mahou-1.3c-mistral-7B — разговорная языковая модель от flammenai, дообученная на базе nbeerbower/Mahou-1.3-M1-mistral-7B. Модель семейства Mistral с архитектурой MistralForCausalLM содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Она принимает текст и генерирует текст; для диалогов обучена использовать формат ChatML. Модель предназначена для коротких сообщений в непринуждённом общении и ролевых сценариях; карточка также указывает на разговорное взаимодействие. Для ролевых ответов описан формат, где речь пишется без кавычек, а действия заключаются в звёздочки. Модель дообучалась один эпохой на наборах FlameMix-DPO-v1 и MahouMix-v1. Лицензия — Apache-2.0. Карточка не сообщает о специализированной предметной области или ограничениях качества; назначение модели ориентировано на короткие диалоги и ролевое общение.

Карточка модели QuixiAI/samantha-13b на Hugging Face совпадает с карточкой QuixiAI/samantha-33b, поэтому описание составлено по ней. Samantha — текстовая диалоговая модель семейства LLaMA, опубликованная QuixiAI. Она предназначена для общения в роли помощника и собеседника, с акцентом на философию, психологию и личные отношения. Модель обучена на подборке из 6 000 диалогов в формате ShareGPT/Vicuna; карточка указывает размер 32,3 млрд параметров и контекст до 2 048 токенов. Для диалога используется формат Vicuna 1.1. Модель подходит для бесед и ответов на вопросы в указанных темах. В карточке сказано, что Samantha не участвует в ролевых, романтических и сексуальных сценариях. Лицензия обозначена как other, поэтому условия использования следует проверять в лицензии репозитория.

Pectics разработала vad-macbert — модель регрессии для оценки китайского текста по трём измерениям VAD: валентности, возбуждению и доминированию. Она дообучена на базе hfl/chinese-macbert-base и использует архитектуру BERT с головой классификации последовательностей, настроенной на три непрерывных значения. Размер модели — 129,5 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для оценки эмоциональной окраски китайских реплик, например при анализе диалогов и субтитров. Обучающие метки получены от англоязычной модели RobroKools/vad-bert и перенесены на китайские тексты из параллельного корпуса OpenSubtitles. В README приведены результаты оценки на подготовленных выборках; на длинных текстах модель также проверялась, но примеры длиной более 400 символов представлены недостаточно для надёжной оценки. Модель распространяется под лицензией MIT. Её оценки наследуют возможные смещения англоязычной модели-разметчика и погрешности параллельного выравнивания; корпус субтитров содержит переводные артефакты, а очистка не устраняет весь форматный шум.

promotion/FixedRefNash-Qwen2.5-7B-WildChecklists-2ep — дообученная диалоговая модель на базе Qwen2.5-7B-Instruct, созданная в рамках эксперимента с методом Fixed-reference Nash. Модель обучали два прохода на WildChecklists: наборе из 522 промптов, для каждого из которых ответы оценивались по отдельным пунктам контрольного списка. Архитектура — плотная причинная языковая модель Qwen2ForCausalLM с 7,1 млрд параметров; базовый токенизатор сохранён, контекст — до 32 768 токенов. Модель предназначена для генерации диалоговых ответов и изучения методов оптимизации предпочтений. В описанном сравнении checkpoint получил оценки Arena-Hard 0,6111 и AlpacaEval 0,4118 при проверке локальной открытой моделью-судьёй. Эти результаты не сопоставимы напрямую с публичными лидербордами; различия между обученными вариантами в основном статистически не разрешены, а общие тесты способностей не выявили значимого улучшения относительно базовой модели. Лицензия в предоставленных данных не указана.

Lunar 10.7B — языковая модель, опубликованная jeiku для разговоров и работы в роли бота-компаньона, включая интимное общение. Она основана на архитектуре Llama и содержит 10,6 млрд параметров; модель создана путём слияния дообученной модели автора с другой моделью. Контекст составляет 4096 токенов, веса доступны в формате safetensors. Модель предназначена для генерации диалоговых ответов на английском языке. Карточка также указывает на возможность использовать сборку GGUF, но не содержит сведений о её характеристиках или качестве. Лицензия CC BY-NC-SA 4.0 требует атрибуции и ограничивает коммерческое использование.

Mahou-1.3-spark-7B — разговорная модель, разработанная FlammenAI и дообученная на базе arcee-ai/Arcee-Spark. Она предназначена для коротких сообщений в диалоге, непринуждённой беседы и ролевых сценариев. Модель использует плотную архитектуру Qwen2 с 7,1 млрд параметров, принимает текст и поддерживает контекст длиной до 32 768 токенов. Для диалогов применяется формат ChatML. Модель дообучена на наборах FlameMix-DPO-v1, MahouMix-v1 и Grill-Flammen-v1_chatML. Распространяется в формате safetensors по лицензии Apache-2.0. README сообщает о настройках для SillyTavern и рекомендуемых стоп-строках; модель ориентирована на короткие ответы, поэтому её не следует считать специализированной для длинных развёрнутых ответов.

DuplexJev-B-Para-Whisper-small-Qwen3-4B-2507 — аудиоконнектор DuplexJev для коротких решений по речи и анализа характеристик говорящего. Whisper-small кодирует аудио, а Qwen3-4B-Instruct-2507 интерпретирует его; обе базовые модели заморожены. Обучаемая часть — коннектор с проектором SwiGLU, насчитывающий 30,4 млн параметров. Для каждого вопроса модель выдаёт распределение вероятностей по вариантам ответа за один токен, поэтому может обрабатывать несколько вопросов за один проход без генерации текста. Модель предназначена для задач spoken QA с короткими вариантами ответа, распознавания пола и эмоций по голосу и других кратких решений по речи. В README приведены результаты на тестовых наборах qa100 и ZJU-ML, а также оценки для задач паралингвистики. В описанном авторами тесте задержка одного события с 10 вопросами и аудиоклипом длительностью 4,5 секунды составила около 145 мс на H200 и 5,2 секунды на восьми CPU-потоках; эти показатели зависят от оборудования и настроек. Оценка проводилась на прочитанной или разыгранной речи и небольших тестовых наборах; потоковый ввод не проверялся. Авторы отмечают слабые результаты небольшой языковой модели на вопросах, требующих знаний, и предостерегают от использования меток эмоций для принятия решений о людях. Коннектор совместим только с указанными Whisper-small и Qwen3-4B-Instruct-2507. Лицензия — CC BY-NC 4.0, допускающая использование с ограничением на коммерческое применение.