I.7Речь, диалоги и встречи

Mag-Mell-R1-Uncensored-21B — слитая автором subspecs модель на архитектуре Mistral для диалоговой генерации текста. Она объединяет модели Naphula/MN-12B-Mag-Mell-R1-Uncensored и inflatebot/MN-12B-Mag-Mell-R1 методом Passthrough; в репозитории используются веса Safetensors, для запуска подходит библиотека Transformers. Размер модели — 20,7 млрд параметров, заявленная длина контекста — до 1 024 000 токенов. Модель рассчитана на чат, ролевые сценарии и художественное письмо. Автор отмечает, что больший размер помогает точнее сохранять детали истории и грамматику, и рекомендует температуру 1,25 и MinP 0,2. Название и описание указывают на uncensored-вариант, но конкретные ограничения по содержанию в карточке не описаны. Условия лицензии в предоставленных данных отсутствуют.

MedNarra-X1 — чат-модель для генерации текста на базе архитектуры Llama, созданная с помощью LazyMergekit. В README указано слияние методом slerp двух экземпляров bongbongs/NewMes-v15; метаданные классифицируют её как дообучение этой базовой модели. Репозиторий содержит веса в формате safetensors, размер модели — 7,5 млрд параметров, контекст — до 8192 токенов. Модель предназначена для диалоговой генерации текста. README не описывает специализацию на медицине или иных областях, а также не приводит сведения о поддерживаемых языках, качестве и условиях лицензирования, поэтому такие характеристики нельзя подтвердить по доступным данным.

Meissa-Qwen2.5-12.3B-Instruct — языковая модель на архитектуре Qwen2, собранная с помощью mergekit методом passthrough из Orion-zhen/Meissa-Qwen2.5-7B-Instruct. Репозиторий содержит веса в формате safetensors; в метаданных указано 11,7 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Базовая модель описана как дообученная Qwen2.5 для художественных текстов и ролевых диалогов, поэтому эти сценарии подходят и для данной модели. В README указана только одна включённая модель, а дополнительные сведения о лицензии, языках и сравнительном качестве не приведены.

Карточка модели MergekitCloud/mergekit-65 на Hugging Face совпадает с карточкой MergekitCloud/mergekit-49, поэтому описание составлено по ней. MergekitCloud/mergekit-49 — объединённая языковая модель, созданная с помощью mergekit методом Model Stock на базе vicgalle/Humanish-Roleplay-Llama-3.1-8B. В объединение также вошли ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3, Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2 и Undi95/Llama3-Unholy-8B-OAS. Модель относится к семейству Llama, использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и опубликована в формате safetensors с точностью float16. Модель предназначена для генерации текста в диалоге и ролевых сценариях. Она принимает текстовые запросы и выдаёт текст; заявленная длина контекста — 131072 токена. В метаданных отмечена возможность chat. Лицензия в предоставленных данных не указана.

Модель ktruestory/minicpm5-1b-hermes-toolhv1 разработана ktruestory как дообученная версия openbmb/MiniCPM5-1B. Это плотная языковая модель архитектуры Llama с 837,6 млн параметров, предназначенная для генерации текста в диалогах и сценариях с вызовом инструментов. Она принимает текст и выдаёт текст; заявленный размер контекста — до 131 072 токенов. В карточке указано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель может подойти для локального диалогового помощника и прототипирования приложений с инструментами. Карточка не содержит результатов оценки качества или подробностей о специализации дообучения. Лицензия — Apache-2.0.

MoonLight-L3-15B-V2.5-64K — диалоговая языковая модель семейства Llama 3, созданная Darkknight535 слиянием моделей через SLERP при помощи mergekit. В репозитории указаны две исходные модели: Darkknight535/Moonlight-L3-15B-v2-64k и Tremontaine/L3-Lunaris-v1-15B. Модель содержит 14,5 млрд параметров, использует архитектуру LlamaForCausalLM и принимает контекст до 65 536 токенов. Модель предназначена для диалоговой генерации текста, включая творческие и ролевые беседы; автор приводит отдельные рекомендации по настройкам для творческого и более точного ответа. В качестве основы диалога предлагается шаблон Llama 3 Instruct. Репозиторий содержит веса safetensors, также упомянуты квантизованные варианты. Автор отмечает, что версия экспериментальная и нуждается в обратной связи. В README не приведены языковые характеристики и условия лицензии, поэтому они здесь не уточняются.

dealignai публикует вариант NVIDIA Nemotron 3 Super 120B, адаптированный автором Jinho Jang для запуска на Apple Silicon. Модель сочетает слои Mamba SSM, Mixture of Experts и attention; в README указано 120 млрд параметров всего и около 12 млрд активных. Метаданные каталога приводят размер 6,6 млрд параметров, поэтому сведения о размере расходятся. Контекст — до 262 144 токенов; доступны чатовый интерфейс и интерфейс вызова инструментов. Веса квантизированы в профиле JANG_2L со смешанной точностью и форматом safetensors для MLX: README указывает 8-битное внимание, 6-битные важные веса и 2-битные эксперты, около 43 ГБ. Также автор заявляет об удалении отказов безопасности на уровне весов (CRACK) и приводит результаты собственных тестов MMLU и HarmBench; они не являются независимой оценкой. Модель предназначена для генерации текста и диалогов, включая сценарии, где пользователь хочет получать ответы без встроенных отказов. README указывает поддержку JANG через MLX Studio и пакет jang-tools; автор рекомендует запускать JANG-модели в vMLX. Лицензия в метаданных обозначена как other, конкретные условия не приведены. Снятие защитных ограничений повышает риск вредоносных и небезопасных ответов.

patricide-12B-Unslop-Mell-v2 — слитая автором карточки диалоговая языковая модель на архитектуре Mistral с 12,1 млрд параметров. Она объединяет TheDrummer/UnslopNemo-12B-v4 и inflatebot/MN-12B-Mag-Mell-R1 методом NuSLERP и предназначена для генерации текста в чатах, ролевых сценариях и художественном письме. Использует шаблон ChatML; модель распространяется в формате safetensors, лицензия — Apache-2.0. Автор описывает её как раннюю экспериментальную версию: первые проверки показали стабильные ответы, но длительное тестирование не проводилось. В README рекомендуется ограничивать контекст примерно 20 тысячами токенов, поскольку при большей длине может ухудшаться связность; метаданные указывают нативный контекст в 1 024 000 токенов, однако это не отменяет практического ограничения, отмеченного автором. Параметры генерации предложены как начальные и не были тщательно настроены.

Phr00tyMix-v4-32B — 32-миллиардная плотная языковая модель на архитектуре Qwen2, созданная Phr00t слиянием нескольких предварительно обученных моделей методом Model Stock через mergekit. Базой слияния стала Phr00t/Phr00tyMix-v3-32B; среди других компонентов указаны Qwen2.5-32b-RP-Ink, Virtuoso-Medium-v2, Archaeo-32B-KTO и DeepSeek-R1-Distill-Qwen-32B-Uncensored. Модель предназначена для генерации текста и диалогов, в частности для творческого письма и сторителлинга. Автор описывает её как творческую и способную следовать инструкциям и сохранять связность лучше, чем предыдущая версия; заявлена возможность выдавать контент без цензурных ограничений по запросу. Контекст составляет до 131 072 токенов. Модель опубликована в формате safetensors для библиотеки Transformers. Лицензия в предоставленных данных не указана.

DavidAU публикует производную модель Qwen3-4B-Thinking-2507-Gemini-3-Pro-Preview-High-Reasoning-Distill-Heretic-Abliterated — плотную языковую модель Qwen3 с 3,7 млрд параметров для генерации текста и диалогов. Она основана на TeichAI/Qwen3-4B-Thinking-2507-Gemini-3-Pro-Preview-High-Reasoning-Distill и обработана методом Heretic для снижения частоты отказов. Заявленная длина контекста — 262 144 токена. Модель предназначена для общения, ролевых сценариев и генерации текста, в том числе контента, на запросы о котором исходная модель часто отказывала. В README приведены результаты автора: 8 отказов из 100 и KL-дивергенция 0,06; это авторские оценки, а не независимая проверка. Для более явной или стилистически выраженной генерации может потребоваться уточнить запрос. В метаданных указаны библиотека Transformers и формат Safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели LLADIGA/Qwen3.5-4B-full_turn_referencegame_player2 на Hugging Face совпадает с карточкой LLADIGA/Qwen3.5-4B-full_turn_textmapworld_player1, поэтому описание составлено по ней. LLADIGA/Qwen3.5-4B-full_turn_textmapworld_player1 — дообученная компанией или автором LLADIGA текстовая модель на базе Qwen/Qwen3.5-4B. Модель обучена с использованием TRL и предназначена для генерации текста в диалоговом формате; карточка демонстрирует ответ на открытый вопрос и запуск через Transformers. Модель имеет плотную архитектуру Qwen3.5 с причинной языковой моделью Qwen3_5ForCausalLM, около 3,4 млрд параметров и контекст до 262 144 токенов. Репозиторий содержит веса Safetensors. Метаданные указывают поддержку чата, однако специализация на TextMapWorld и качество в конкретных сценариях карточкой не описаны. Лицензия в предоставленных данных не указана.

Qwen3-8B TMax AENV v39b — контрольная точка обучения на итерации 129, разработанная willamazon1. Модель представляет собой плотную авторегрессионную архитектуру Qwen3ForCausalLM на 7,6 млрд параметров, дообученную методом обучения с подкреплением на асинхронных многопользовательских траекториях в агентных средах. Она предназначена для генерации текста в диалогах и агентных сценариях, включая использование инструментов через интерфейс вызова инструментов. Контекст модели составляет 40 960 токенов; файлы весов представлены в safetensors и имеют точность bfloat16. Чекпойнт продолжает SFT-модель willamazon1/qwen3-8b-tmax-sft-v3-iter353, которая основана на Qwen/Qwen3-8B. В коллекции опубликованы соседние итерации обучения, что позволяет сравнивать состояние модели на разных этапах. Модель принимает текст и генерирует текст; языки, на которых она специально обучалась, в предоставленных данных не определены. Лицензия — Apache-2.0. Это промежуточная контрольная точка конкретного RL-запуска; результаты могут зависеть от задачи и конфигурации агентной среды, а оптимизатор обучения в репозитории отсутствует.

Rei-12B — разговорная языковая модель Delta-Vector, созданная для генерации текста с прозой, ориентированной на стиль Claude 3 Sonnet и Opus. Это плотная авторегрессионная модель семейства Mistral, дообученная на базе объединённой модели NewEden/MistralAI-Nemo-Instruct-ChatML+NewEden/daring-mango-r1. Размер модели — 12,1 млрд параметров, нативная длина контекста — 131 072 токена. Модель предназначена для диалогов, написания художественной прозы и ролевых сценариев. README рекомендует использовать системный промпт Euryale; метаданные также отмечают интерфейс для вызова инструментов. В карточке указаны английский язык и датасеты для диалогов, инструкций, ролевого письма и генерации прозы. Модель опубликована в формате safetensors и распространяется по лицензии MIT. README описывает обучение в течение двух эпох и не приводит результатов оценки качества или подробных рекомендаций по безопасному использованию.

bartowski/shuttle-3-GGUF — набор GGUF-квантизаций модели shuttle-3, разработанной shuttleai и подготовленной bartowski для запуска через llama.cpp и совместимых приложений, включая LM Studio. Модель предназначена для генерации текста и диалоговых сценариев; в карточке указаны поддержка английского языка и формат чата с шаблоном сообщений system, user и assistant. Доступны варианты квантизации от Q8_0 до IQ1_M, поэтому модель можно адаптировать к разным ограничениям по оперативной памяти и дисковому пространству. Размер файлов составляет примерно от 23,74 до 77,26 ГБ; варианты Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS отмечены как рекомендуемые, а наиболее качественными считаются Q8_0 и Q6_K. Для некоторых вариантов эмбеддинги и выходные веса сохранены в Q8_0, что потенциально может улучшать качество, однако автор отмечает, что эффект требует проверки. Карточка не содержит сведений об архитектуре, количестве параметров, длине контекста, мультимодальности, результатах тестирования или конкретных сильных сторонах базовой модели. К ограничениям относятся потери качества при низких уровнях квантизации и значительный объём файлов. Лицензия обозначена как other; в качестве license_name указана qwen, а ссылка ведёт на лицензию Qwen2.5-72B-Instruct.

Mollel разработал Swahili Gemma — дообученную разговорную языковую модель семейства Gemma для генерации текста. Модель содержит 8,2 млрд параметров, использует архитектуру GemmaForCausalLM и рассчитана на контекст до 8192 токенов. В карточке указана поддержка английского языка; название и примеры применения ориентируют модель на работу со суахили, но README не приводит отдельного списка поддерживаемых языков. Модель можно применять для диалоговых ответов, создания обучающих наборов и ответов по документам в RAG-сценариях. README описывает загрузку через Hugging Face и LlamaIndex. Лицензия — Apache 2.0. Качество и ограничения для отдельных задач в карточке не оценены.

GodsonNtungi/Swahili_Gemma_vllm — версия модели Mollel/Swahili_Gemma, модифицированная GodsonNtungi для развёртывания с vLLM. Это плотная авторегрессионная модель семейства Gemma с 8,2 млрд параметров, предназначенная для генерации текста и диалоговых сценариев. Контекст составляет 8192 токена; модель ориентирована на суахили. Репозиторий содержит веса в формате PyTorch. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает о дополнительных возможностях или ограничениях качества; применение зависит от базовой модели и её дообучения для суахили.

TEST-Q2.5-AA — языковая модель, созданная объединением моделей allura-org/Teleut-7b и EVA-UNIT-01/EVA-Qwen2.5-7B-v0.1 методом passthrough с помощью mergekit. Она построена на архитектуре Qwen2 и предназначена для генерации текста в диалоговом формате, а также творческого письма и создания историй, унаследованных от базовых моделей. Модель содержит 8,2 млрд параметров, использует формат safetensors и поддерживает контекст до 131 072 токенов. Для работы применяются библиотека Transformers и обычный текстовый ввод с текстовым выводом. В карточке не приведены отдельные сведения о языках или специализированных областях применения. Условия лицензирования в доступных данных не указаны.

QuantFactory/Turkish-Llama-8b-DPO-v0.1-GGUF — квантизированная версия модели Turkish-Llama-8b-DPO-v0.1, созданная QuantFactory с использованием llama.cpp на базе Meta-Llama-3-8B. Исходная модель разработана группой COSMOS AI Research Group факультета компьютерной инженерии Технического университета Йылдыз; её обучение также связано с поддержкой Hugging Face, Национального центра высокопроизводительных вычислений Турции и Google TPU Research Cloud. Модель предназначена для генерации текста и диалоговых сценариев, включая связное продолжение фрагментов текста и выполнение инструкций на турецком языке. Она относится к семейству Llama 3, имеет размер 8B параметров и поддерживает текстовую модальность. Вариант DPO получен объединением двух отдельно обученных моделей CosmosLLaMa-Instruct DPO. README не сообщает размер контекста и конкретные параметры используемой квантизации. Сильной стороной модели является специализация на турецком языке и ориентация на instruct- и DPO-сценарии. Ограничения включают возможные смещения, связанные с разнообразными источниками обучающих данных, включая веб-сайты и книги; авторы рекомендуют ответственное использование. Модель распространяется по лицензии llama3.

Uno Qwen3-8B — модель для генерации текста на основе Qwen3, опубликованная s-sahoo. Репозиторий содержит базовые веса-verifier и gated LoRA-адаптер ранга 128; адаптер применяется выборочно при формировании черновых строк с шумом. Модель имеет 7,6 млрд параметров и контекст до 40 960 токенов. В карточке указана архитектура SDAR, а README описывает метод дискретной диффузии Uno для ускорения генерации с проверкой результата базовой моделью. Модель предназначена для диалоговой генерации и ускоренного вывода, включая тестирование на математических задачах GSM8K, MATH-500 и AIME 2024. Метаданные указывают поддержку интерфейса вызова инструментов, однако README сосредоточен на протоколе генерации и бенчмарках. Лицензия — Apache-2.0. Для воспроизведения метода нужны runtime Uno, условная маршрутизация адаптера и lossless verification; обычная загрузка адаптера как постоянно включённого PEFT-адаптера не воспроизводит декодирование Uno. Для загрузки базового чекпойнта через обычный Transformers требуется trust_remote_code=True и пользовательский код модели.

Itbanque разработал Whisper JA-ZH Tiny — дообученную версию OpenAI Whisper tiny для перевода японской речи на китайский язык. Модель построена на архитектуре Whisper и содержит 29,4 млн параметров; она принимает аудио и генерирует текстовый перевод на китайском. Модель обучалась на подмножестве DataLabX/ScreenTalk_JA2ZH с помощью Transformers и Seq2SeqTrainer. В README приведены BLEU 0,757 на отложенной валидационной выборке и 0,609 на тестовой выборке. Модель распространяется по лицензии CC BY 4.0.

Professor/whisper-medium-afrispeech — модель распознавания речи, разработанная на основе openai/whisper-medium и дообученная на AfriSpeech-200 для английской речи с африканскими акцентами. Она предназначена для расшифровки общей и клинической речи; в карточке указано снижение WER с 43,22% до 20,13% на тестовом наборе AfriSpeech-200 после дообучения. Модель использует архитектуру Whisper и принимает аудио длительностью до 30 секунд. На клинической речи WER составляет 27,47%, а результаты заметно различаются между акцентами: для приведённых в карточке примеров — от 7,4% до 44,6%. Ошибки в медицинских терминах требуют проверки, а клинические результаты не подходят для использования без контроля специалиста. Модель выпущена под лицензией CC BY-NC-SA 4.0, которая ограничивает коммерческое использование.

facebook/xm_transformer_s2ut_hk-en — модель перевода речи с хоккиенского на английский, разработанная в рамках проекта fairseq. Она использует архитектуру S2UT с однопроходным декодером: принимает речь на хоккиенском и генерирует английскую речь. Для синтеза применяется vocoder-модель facebook/unit_hifigan_mhubert_vp_en_es_fr_it3_400k_layer11_km1000_lj_dur. Модель обучена на размеченных данных из TED, драматических произведений и домена TAT, а также на слабой разметке для драматических данных. Модель предназначена для сквозного речевого перевода, когда нужен аудиовыход на английском без отдельного этапа распознавания текста пользователем. Репозиторий распространяется в формате PyTorch; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

Sao10K разработал Kunou-v1 как экспериментальную универсальную разговорную модель с уклоном в ролевые диалоги и творческое письмо. Это дообученная версия Qwen2.5-32B-Instruct с плотной архитектурой Qwen2 и 32 млрд параметров. Модель предназначена для генерации текста и диалога; автор указывает формат ChatML и рекомендует температуру 1,1 и min_p 0,1. Контекст модели — 32 768 токенов. Карточка описывает её как проект, созданный быстро, без чётких планов, поэтому качество для конкретных сценариев не гарантировано. Указана лицензия other; конкретные условия использования следует проверять в репозитории модели и базовой модели.

OwenArli/ArliAI-Llama-3-8B-Cumulus-v1.0 — диалоговая языковая модель серии Cumulus от ArliAI на базе Meta-Llama-3-8B-Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом 8192 токена; репозиторий содержит веса Safetensors. Модель предназначена для диалогов общего назначения, особенно для написания историй и ролевых сценариев. В README авторы описывают её как модель с минимальным числом отказов и предупреждений и рекомендуют задавать точные инструкции, включая системный промпт от лица персонажа. Модель дообучена методом QLoRA с рангом 64 и alpha 64; по описанию, обучались около 2% весов. Авторы предупреждают, что из-за снятия ограничений рассуждения и общие интеллектуальные способности могут быть немного слабее исходной Meta Llama 3 8B Instruct. Использование регулируется лицензией Meta Llama 3.

Bielik-11B-v2.2-Instruct-Quanto-8bit — квантизированная 8-битная версия польской разговорной языковой модели Bielik, подготовленная SpeakLeash и ACK Cyfronet AGH. Это плотная авторегрессионная модель с архитектурой Mistral и декодером causal language model; размер исходной модели — 11 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на польском языке. Она получена квантизацией Bielik-11B-v2.2-Instruct; базовая модель дообучена на Bielik-11B-v2. Для загрузки используется библиотека Transformers с бэкендом Optimum Quanto. Квантизация уменьшает требования к хранению и вычислениям, но может снижать качество ответов и приводить к галлюцинациям. Лицензия указана как Apache 2.0; README также ссылается на условия использования модели.

Raven-Pro/blendy001 — объединённая текстовая модель, созданная с помощью mergekit на основе TheDrummer/Theia-21B-v1 и моделей athirdpath/model034, athirdpath/modeldpo_008 и athirdpath/model028. Для слияния использован метод della; базовая архитектура — плотная Mistral с причинной языковой моделью MistralForCausalLM. Модель содержит 20,7 млрд параметров, работает с текстом и предназначена для генерации текста и диалогов. Модель можно использовать для ролевых диалогов, повествования и генерации прозы — такие сценарии указаны для базовой Theia-21B-v1. Контекстное окно составляет 1 024 000 токенов. Репозиторий содержит веса в формате safetensors и рассчитан на использование с Transformers. Сведения о лицензии и ограничениях качества в доступных данных отсутствуют.

BLOSSOM-v1-3b — диалоговая языковая модель, разработанная на основе BLOOM-3b и дообученная методом instruction tuning на 60 тысячах примеров из набора Blossom chat. Она продолжает текст диалога и предназначена для ответов на вопросы и ведения многоходовых бесед; формат запроса включает роли человека и бота, а завершённые ответы бота в истории разделяются токеном </s>. Модель построена на плотной архитектуре BLOOM с причинным языковым моделированием и содержит 3,8 млрд параметров. Модель поддерживает китайский и английский языки. Репозиторий содержит веса PyTorch, задача Hugging Face — text-generation. Указана лицензия Apache-2.0. Карточка описывает диалоговое применение, но не приводит результатов оценки качества или специальных ограничений по сценариям использования.

Bologna — разговорная языковая модель, созданная jeiku линейным слиянием предварительно обученных моделей с помощью mergekit. В основу слияния вошли Rosa_v1_3B и модели StableLM, включая варианты для диалогов, ролевого общения, следования инструкциям и теории сознания. Модель построена на архитектуре StableLM Epoch, содержит 2,7 млрд параметров и принимает текст для генерации текста; заявленный контекст — 4096 токенов. Модель предназначена для диалогов и ролевых сценариев, а также для генерации ответов и продолжения текста. В состав слияния входят модели, ориентированные в том числе на эротический контент и унизительные сценарии, поэтому ответы могут включать материалы для взрослых. Лицензия в предоставленных данных не указана.

BondBurger-8x7B — разговорная языковая модель семейства Mixtral, созданная Envoid путём последовательного слияния моделей. Сначала автор объединил ycros/BagelMIsteryTour-8x7B и Envoid/SensualNousInstructDARETIES-CATA-LimaRP-ZlossDT-8x7B методом SLERP в пропорции 50/50, затем смешал полученную модель с tenyx/TenyxChat-8x7B-v1 в той же пропорции. В метаданных указана архитектура MixtralForCausalLM с MoE и 7,1 млрд параметров; контекст — до 32 768 токенов. Модель предназначена для диалоговой генерации текста и лучше отвечает на запросы в формате [INST] … [/INST]. Автор предупреждает, что модель может создавать контент для взрослых. В README также отмечены особенности токенизатора, унаследованные от Nous, и отсутствие тестирования в формате FP16 Hugging Face. Репозиторий содержит веса safetensors. Лицензия — CC BY-NC 4.0, допускающая использование только на некоммерческих условиях.

Это дообученная модель распознавания речи Qwen3-ASR, разработанная KasuleTrevor для транскрибации лугандской речи с нетипичными особенностями произношения. Репозиторий содержит выбранный чекпойнт checkpoint-500, обученный на наборе cdli/ugandan_luganda_nonstandard_speech_v1.0; базовая модель — KasuleTrevor/cdli-qwen3-asr-lg-typical-1p7b-base-finetune. Модель принимает аудио и выдаёт распознанный текст на лугандском языке. Она предназначена для транскрибации речи людей с лёгкими, умеренными и тяжёлыми нарушениями речи. В README приведены тестовые значения WER и CER, а также разбивка качества по тяжести нарушений: ошибка распознавания выше для тяжёлой группы, что ограничивает надёжность результатов в таких случаях. Модель опубликована в формате Safetensors, использует библиотеку Transformers и распространяется по лицензии Apache-2.0.