I.7Речь, диалоги и встречи

Многоязычная модель распознавания речи DONDO от Khaya AI для языков южной Ганы. Это модель CTC на архитектуре w2v-BERT 2.0 с 402,7 млн параметров, дообученная для транскрибации речи на английском, адангме, эве, фанте, французском, га, нзема и асанте-тви. Для выбора языка при распознавании требуется передать языковой префикс; автоматического определения языка нет. Модель предназначена для транскрибации речи и дальнейшей адаптации под данные конкретной предметной области. Обучающие данные преимущественно состоят из прочитанных религиозных текстов с проверенными транскрипциями в стандартной орфографии. Заявленная средняя доля ошибок слов на оценочных данных составила 11,4% на этапе Step 2; результаты относятся к близкому обучающему домену, а английская речь в многоязычной версии распознаётся хуже, чем в отдельной англоязычной модели. Модель принимает аудио и выдаёт текст. Распространяется по лицензии Apache-2.0, допускающей коммерческое использование с соблюдением условий лицензии.

Модель comodoro/wav2vec2-xls-r-300m-sk-cv8 разработана на основе facebook/wav2vec2-xls-r-300m и дообучена на обучающей и валидационной выборках Common Voice 8.0. Это аудиомодель распознавания речи на архитектуре Wav2Vec2 с выходной головой CTC; в репозитории представлены веса PyTorch, число параметров — около 402,7 млн. Модель предназначена для автоматической транскрипции речи на словацком языке. Её можно применять для распознавания записей речи и оценки систем ASR на тестовой части Common Voice 8.0 с конфигурацией sk. В README приведены WER около 0,496 и CER около 0,133 на оценочной выборке. Модель распространяется по лицензии Apache-2.0. В опубликованной оценке ошибка распознавания заметная, поэтому качество транскрипции может быть ограниченным; оценка дана на конкретном тестовом наборе Common Voice и не гарантирует качество на иных условиях записи или тематиках.

WeirdCompound-v1.2-24b — плотная языковая модель семейства Mistral на 23,4 млрд параметров, созданная автором FlareRebellion как многоэтапное слияние предварительно обученных моделей с помощью mergekit. В состав вошли модели для сторителлинга и ролевого общения, следования инструкциям, приключенческих сценариев и другие варианты Mistral; среди методов слияния указаны Model Stock, SLERP и NuSLERP. В качестве базовой модели в конфигурации указан TheDrummer/Cydonia-24B-v3. Модель предназначена для генерации текста и диалогового использования, в том числе для ролевых сцен, приключенческих историй и ответов с соблюдением инструкций. Репозиторий содержит веса safetensors; заявленный контекст — до 131 072 токенов. Версия 1.2 использует Mistral-Small-3.2-24B-Instruct-2506-Text-Only для конфигурации токенизатора, однако автор отмечает, что неизвестно, насколько хорошо сохранились улучшения Mistral 3.2 после слияния. Автор описывает результат как достаточно связный, но экспериментальный, без систематической методики подбора. Лицензия в предоставленных данных не указана.

Whisper Small Esperanto v0.2 — это дообученная tarob0ba модель распознавания речи на основе openai/whisper-small. Она предназначена для транскрибирования аудио на эсперанто; обучение проводилось на наборе Common Voice Scripted Speech 25.0 для эсперанто. В архитектуре Whisper используется Transformer для обработки аудио и генерации текста. На оценочной выборке указана WER 13,9593 и loss 0,2158. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Карточка модели unconst/Affine-5czsc2fc98-r559-r252-odpo-midrank-shortctx-extra-merged на Hugging Face совпадает с карточкой unconst/Affine-5czsc2fc98-r479-offline-dpo-hialpha-longctx-extrasteps-merged, поэтому описание составлено по ней. Affine-5czsc2fc98-r479-offline-dpo-hialpha-longctx-extrasteps-merged — слитый чекпойнт на основе kevin954/Affine-5dfqbbh8ev-sft, подготовленный разработчиком для диалоговой генерации текста. В метаданных указаны семейство Qwen 3.5 MoE, архитектурный класс Qwen3_5MoeForConditionalGeneration и формат safetensors; библиотека для работы с моделью — Transformers. Карточка называет модель промежуточным результатом salvage-сборки и сообщает, что она не предназначена для отправки до прохождения внутреннего этапа проверки. Подтверждений для заявлений о длине контекста, языках, качестве или конкретных сценариях DPO в доступных данных нет. Лицензия в предоставленных сведениях не указана.

AtlantisMix-21B — объединённая языковая модель, созданная invisietch с помощью mergekit методом passthrough из MarinaraSpaghetti/NemoMix-Unleashed-12B и invisietch/Atlantis-v0.1-12B. Модель построена на плотной архитектуре Mistral и содержит 20,7 млрд параметров; веса опубликованы в формате safetensors. Для генерации текста доступны до 1 024 000 токенов контекста. Модель предназначена для генерации текста, в том числе ролевых диалогов и историй, как указано в описании базовой модели. Данных о языках, конкретных проверках качества и условиях лицензии в предоставленных источниках нет.

CarvalhoChat 4 — разговорная языковая модель, созданная разработчиками проекта CarvalhoChat путём пол full fine-tuning базовой Nos-PT/Llama-Carvalho-PT-GL для работы в роли чат-бота на галисийском языке. Модель относится к семейству Llama и распространяется в формате safetensors. Модель предназначена для диалогов и генерации ответов на галисийском языке. Контекстное окно составляет 8192 токена; при обучении использовались OASST2, Dolly, Persoas Galician, Databricks Dolly, NanoOrca, Multiturn Galegu и WikiSum. Карточка не сообщает об оценках качества или специальных ограничениях. Указана лицензия Llama 3.1; перед использованием следует учитывать её условия.

CATA-LimaRP-Zloss-DT-TaskArithmetic-8x7B — разговорная языковая модель семейства Mixtral, созданная слиянием Task Arithmetic моделей CATA-8X7B и Doctor-Shotgun/Mixtral-8x7B-Instruct-v0.1-LimaRP-ZLoss-DARE-TIES на базе Mixtral Instruct. Она предназначена для генерации текста в диалогах и ролевых сценариях. Модель принимает текст и выдаёт текст; для запросов используется формат Mixtral Instruct с маркерами [INST] и [/INST]. Архитектура — MixtralForCausalLM с MoE; в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Карточка предупреждает, что модель может генерировать вредный контент и материалы для взрослых.

Карточка модели SzilviaB/DarkUnholyDareDevil-8b-abliterated на Hugging Face совпадает с карточкой SzilviaB/DarkUnholyDareDevil-abliterated-8b, поэтому описание составлено по ней. DarkUnholyDareDevil-abliterated-8b — объединённая языковая модель на базе архитектуры Llama, созданная с помощью mergekit методом TIES. В объединение вошли DavidAU/L3-Dark-Planet-8B, Undi95/Llama3-Unholy-8B-OAS и mlabonne/NeuralDaredevil-8B-abliterated; базовой моделью указана DavidAU/L3-Dark-Planet-8B. Модель содержит 7,5 млрд параметров, использует формат safetensors и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалогов, включая ролевые сценарии. Её можно применять для интерактивных бесед и создания художественных текстов. Карточка описывает модель как объединение предварительно обученных языковых моделей; отдельные результаты оценки качества не приводятся. Лицензия в предоставленных данных не указана.

Gemma-4-Queen-31B-it-uncensored-heretic-GGUF — набор GGUF-квантизаций 31-миллиардной Gemma-4-Queen-31B-it, разработанный пользователем или организацией llmfan46 на базе исходной модели aifeifei798/Gemma-4-Queen-31B-it. Модель модифицирована с помощью Heretic 1.2.0 и метода Arbitrary-Rank Ablation (ARA) для снижения количества отказов и ограничений при генерации. В карточке она классифицируется как image-text-to-text, однако подробные сведения о поддерживаемых языках, размере контекста и точной архитектуре не приведены. Модель предназначена для сценариев, где требуется более свободное следование запросам, включая диалоги, roleplay и задачи с минимальным числом отказов. По заявленным тестам, доля отказов снизилась с 99 до 12 на 100 запросов, а KL-дивергенция относительно оригинала составила 0,0707. На PIQA результат практически сохранился: 94,45% против 94,50% у оригинала. На MMLU качество снизилось с 86,88% до 85,33%, что указывает на возможную потерю части исходных способностей. Доступны варианты от BF16 до различных GGUF-квантизаций, включая Q8_0, Q6_K, Q5_K_M и другие, что позволяет выбирать компромисс между качеством и требованиями к памяти. Основное ограничение — уменьшение защитных отказов может повышать риск нежелательной или небезопасной генерации; кроме того, модификация немного ухудшает результаты MMLU. Лицензия модели указана как Apache-2.0.

Nerdigent выпустил Gemma-Radiation-RP-9B-lorablated — объединённую диалоговую языковую модель для генерации текста и ролевых сценариев. Она создана методом task arithmetic с помощью mergekit на основе Casual-Autopsy/Gemma-Radiation-RP-9B и TouchNight/gemma-2-9b-it-abliterated-LoRA-untied. Модель построена на архитектуре Gemma 2, содержит 9 млрд параметров и рассчитана на контекст до 8192 токенов. Репозиторий содержит веса в формате safetensors; для работы используется библиотека Transformers. Модель предназначена для диалогового взаимодействия и текстовых ролевых сценариев. Карточка не приводит сведений о лицензии или языках. Как и у других объединённых моделей, поведение и качество могут отличаться от исходных моделей; заявленные данные не включают оценки качества.

mergekit-community/good_mix_model_Stock — объединённая языковая модель, созданная сообществом с помощью mergekit и метода Model Stock. В качестве базовой модели для слияния использована vicgalle/Humanish-Roleplay-Llama-3.1-8B; в состав также вошли восемь моделей семейства Llama 3.1 8B, включая варианты для ролевого общения, рассуждений и генерации более свободных ответов. Модель предназначена для генерации текста и диалогов, в том числе ролевых сценариев и ответов в чате. Она построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и имеет заявленное контекстное окно 131 072 токена. Репозиторий использует safetensors; библиотека для работы — Transformers. README и метаданные не приводят лицензию и отдельные сведения о языковой поддержке. Результаты слияния могут различаться по качеству в зависимости от задачи, а ролевые и неконтролируемые компоненты исходных моделей могут влиять на стиль и содержание ответов.

Huihui-gemma-4-26B-A4B-it-qat-q4_0-unquantized-abliterated — модификация мультимодальной Gemma 4 от huihui-ai. Автор применил abliteration к Google Gemma 4 26B A4B Instruct с QAT-весами, чтобы снизить частоту отказов. В карточке это описано как грубая реализация для проверки концепции. Модель предназначена для диалогов и генерации ответов; базовая Gemma 4 также поддерживает анализ изображений и другие мультимодальные сценарии. В README приведён вариант запуска через Ollama, а в метаданных указаны библиотека Transformers и формат safetensors. Разработчик предупреждает, что ослабление фильтров безопасности может приводить к чувствительным, спорным или неподходящим ответам. Модель распространяется по лицензии Apache-2.0. README также указывает на отдельную сборку в формате GGUF.

TeamUNIVA/Komodo_6B_v2.0.0 — причинная языковая модель семейства Llama с плотной архитектурой, содержащая 5,9 млрд параметров. Репозиторий указывает базовую модель beomi/Yi-Ko-6B; пример использования показывает генерацию текста в формате дружелюбного чат-бота, отвечающего на вопросы. Модель поддерживает корейский и английский языки, принимает текст и генерирует текст с контекстом до 2048 токенов. Модель можно применять для генерации ответов и диалоговых прототипов на корейском и английском языках. Весы опубликованы в формате safetensors, лицензия — Apache-2.0. Подробные сведения о разработчике, обучающих данных, оценках качества и выявленных ограничениях в карточке отсутствуют.

Prikol — объединённая языковая модель Nohobby на архитектуре Llama, основанная на Nohobby/L3.3-Prikol-70B-v0.2 и SicariusSicariiStuff/Negative_LLAMA_70B. Модель содержит 69,5 млрд параметров, принимает текст и поддерживает контекст до 131072 токенов. Для общения используются форматы Llama 3, Llama 3 Context и ChatML Instruct. Модель предназначена прежде всего для ролевых диалогов и творческого письма, а также может использоваться для общих задач ассистента. В карточке отмечены связный ход диалога и более развёрнутая генерация контента для взрослых; автор характеризует качество как неоднозначное. Модель распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

L3-8B-Stheno-2x8B-MoE — экспериментальная разговорная модель на архитектуре Mixture of Experts, созданная jsfs11 с помощью LazyMergekit путём объединения Sao10K/L3-8B-Stheno-v3.1 и Sao10K/L3-8B-Stheno-v3.2. Модель предназначена для генерации текста и диалогов; базовые модели ориентированы на ролевое общение, написание историй и выполнение инструкций. Модель содержит 7,5 млрд параметров, использует архитектуру Mixtral и принимает текст, выдавая текст. Контекст — до 8192 токенов. Репозиторий содержит веса в формате safetensors. Указана лицензия Apache-2.0. Карточка не приводит собственных оценок качества или подробностей о поведении объединённой модели. В тегах есть пометка not-for-all-audiences, поэтому модель может выдавать контент, не подходящий для всех аудиторий.

Theros/L3-ColdBrew-Altair-test — диалоговая языковая модель, созданная слиянием моделей на базе Llama 3 с помощью mergekit и метода Model Stock. В объединение вошли SvalTek/L3-ColdBrew-SpicyReflect, а также пары моделей с адаптерами от NeverSleep, Etherll, cgato и Azazelle. Модель предназначена для генерации текста в чатах и ролевых беседах. Она имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекстное окно 8192 токена; репозиторий содержит веса Safetensors. Карточка базовой модели указывает на поддержку обычных чат-задач и эротических сценариев. В README не приведены сведения о лицензии и результаты оценки качества, поэтому их нельзя уточнить по доступным данным.

Llama-3.2-Kapusta-3B-v8 — диалоговая языковая модель, созданная автором Khetterman с помощью mergekit путём многошагового слияния 14 моделей семейства Llama 3.2. В состав слияния вошли варианты для творческого письма и ролевого общения, а также инструктивные и экспериментальные модели. Модель содержит 3,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и формат safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалогов на английском и русском языках, включая творческие сценарии и ролевое общение. Карточка не приводит сравнительных оценок качества или подробных рекомендаций по применению. В метаданных отмечен тег «not-for-all-audiences», поэтому содержание ответов может быть неподходящим для всех аудиторий. Условия лицензии в предоставленных данных не указаны.

Llama-3-8b-ita-slerp — объединённая с помощью SLERP модель итальянского языка, созданная автором anakin87 из двух моделей на базе Llama 3: DeepMount00/Llama-3-8b-Ita и swap-uniba/LLaMAntino-3-ANITA-8B-Inst-DPO-ITA. Это плотная авторегрессионная модель класса LlamaForCausalLM с 7,5 млрд параметров, предназначенная для генерации текста и диалогов на итальянском языке. Она принимает текст и выдаёт текст; нативный контекст составляет 8192 токена. Автор оценил модель на итальянских вариантах HellaSwag, ARC и MMLU: средняя точность составила 0,6109. По словам автора, результаты приемлемы, но объединение не превзошло лучшую из существующих итальянских моделей. Модель доступна в формате Safetensors и использует лицензию Llama 3.

Magot-v3-Gemma2-8k-9B — объединённая языковая модель на базе Gemma 2, созданная grimjim с помощью mergekit и метода SLERP из anthracite-org/magnum-v3-9b-chatml и grimjim/Kitsunebi-v1-Gemma2-8k-9B. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и рассчитана на контекст до 8192 токенов. Модель предназначена для диалогов и генерации текста, сочетая следование инструкциям с творческой выразительностью Magnum. Её можно применять для ролевых сценариев, написания прозы и ответов в чате; автор отмечает склонность к более короткой генерации по сравнению с исходным Magnum. В карточке приведён ориентир для генерации: температура 1 и minP 0,01. Модель распространяется по лицензии Gemma. По оценке автора, связность умеренно высокая, но сохраняется смещение к недавним событиям; качество и актуальность фактов не гарантируются этими характеристиками.

Meteor 4B V.1 — экспериментальное слияние нескольких предварительно обученных моделей Gemma 3, опубликованное OddTheGreat. Это компактная мультимодальная модель на 4 млрд параметров для диалогов, творческих задач и ответов на вопросы по изображениям; заявлена поддержка английского и русского языков. В репозитории используются веса safetensors, библиотека Transformers и архитектура Gemma 3 для условной генерации текста и изображений. Автор ориентирует модель на запуск на маломощном оборудовании и описывает её как относительно быструю на обычном оборудовании. По оценке автора, возможности ограничены размером 4B и не сопоставимы с более крупными моделями. Модель описана как умеренно неконсервативная, однако поведение на предельно откровенном содержимом не проверялось. Лицензия в предоставленных данных не указана.

fhai50032/Mistral-4B — текстовая генеративная модель семейства Mistral с плотной архитектурой MistralForCausalLM и 3,6 млрд параметров. Репозиторий содержит веса в формате safetensors и конфигурацию mergekit, собранную из отдельных диапазонов слоёв fhai50032/RolePlayLake-7B; карточка каталога связывает её с этой базовой моделью как с дообучением. Модель предназначена для генерации текста и может подходить для ролевых диалогов и творческого письма — такие сценарии указаны в описании базовой модели. Размер контекста составляет 32 768 токенов. В README указана точность bfloat16. Лицензия в предоставленных данных не указана. Характеристики базовой модели предполагают ориентацию на английский язык, но отдельного подтверждения языков Mistral-4B нет.

MythoMist-7b-imatrix-GGUF — набор GGUF-квантизаций экспериментальной 7-миллиардной модели MythoMist, разработанной Gryphe и опубликованной в формате квантизаций пользователем duyntnet. Модель основана на Mistral и создана методом слияния 12 моделей, включая Neural-chat-7b-v3-1, Synatra-7B-v0.3-RP, Airoboros-m-7b-3.1.2, Toppy-M-7B, Zephyr-7b-beta и другие. Указанный язык — английский, назначение — генерация текста, а исходный проект ориентирован преимущественно на ролевые и диалоговые сценарии. Слияние выполнялось послойно с использованием смешивания тензоров, а отдельные слои lm_head и embed_tokens были выбраны на основе длины генерируемых ответов; итоговая композиция приблизительно включает вклад 12 исходных моделей. Основной замысел — уменьшить частоту употребления слова anticipation и связанных с ним форм, характерных для некоторых наборов ролевых данных, однако автор отмечает экспериментальный характер модели и наличие ограничений исходного алгоритма. Для работы рекомендуются клиенты и интерфейсы, совместимые с GGUF, включая llama.cpp, KoboldCPP, text-generation-webui и LM Studio; предпочтительный шаблон запроса — Alpaca. Лицензия указана как other, без дополнительных условий в README.

PPO_Pygway-6b — диалоговая модель генерации текста от KoboldAI, созданная смешиванием весов трёх моделей: KoboldAI/GPT-J-6B-Janeway, reciprocate/ppo_hh_gpt-j и Pygmalion/Pygmalion-6b в соотношении 20:20:60. Она основана на архитектуре GPT-J и предназначена для продолжения диалогов в формате обмена репликами; автор рекомендует запускать её с KoboldAI. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 2048 токенов. Смешивание выполнялось в FP32, итоговые веса сохранены в FP16. Формальная оценка качества отсутствует. Модель может выдавать предвзятые, неприемлемые или NSFW-ответы; автор отмечает умеренную склонность к NSFW-контенту. Лицензия — Apache-2.0.

Qwen3.5-2B-Vi-DPO — языковая модель для генерации текста и диалогового взаимодействия, опубликованная под идентификатором Phuc-HugigFace/Qwen3.5-2B-vi-dpo. Она является дообученной версией Phuc-HugigFace/Qwen3.5-2B-Vi-SFT и создана с использованием библиотеки TRL. По названию модель относится к классу Qwen с заявленным размером около 2 млрд параметров и ориентирована на вьетнамский язык или вьетнамоязычные сценарии, однако точные сведения о языках, архитектуре и размере контекста в README не приведены. Модель предназначена для текстовой генерации, чат-ботов и ответов на пользовательские запросы. Для выравнивания поведения применён метод Direct Preference Optimization (DPO), который дообучает модель на предпочтениях без отдельного этапа обучения reward-модели. В README приведён пример использования через Transformers pipeline с генерацией ответа на диалоговый запрос, включая запуск на GPU. К сильным сторонам относятся специализированное дообучение после SFT и оптимизация предпочтений с помощью DPO, что может улучшать качество и согласованность диалоговых ответов. Ограничения модели связаны с отсутствием в карточке данных о результатах оценки, качестве на конкретных наборах, поддерживаемых языках, максимальной длине контекста, безопасности и производительности. Лицензия обозначена как license, но её конкретные условия в README не раскрыты.

llmfan46/Qwen3.8-27B-Ultra-Uncensored-Heretic-Native-MTP-Preserved-NVFP4-GGUF — это квантизированная версия модели Qwen3.8-27B, подготовленная независимым разработчиком llmfan46. Модель создана с использованием Heretic v2.0.0.dev0 и варианта метода Magnitude-Preserving Orthogonal Ablation (MPOA), направленного на снижение числа отказов и ограничений при сохранении близости к исходной модели. Распространяется в формате NVFP4 GGUF; все 15 компонентов MTP заявлены как сохранённые. Модель предназначена для генерации текста и диалоговых сценариев, где требуется меньше отказов, возражений и цензурирующих ответов. По заявленным результатам, доля отказов составила 3 из 100 против 91 из 100 у исходной Qwen3.8-27B, а KL-дивергенция относительно оригинала — 0,0244. Для исходной модели также приведён результат MMLU: точность 83,42% на 7021 вопросе, однако отдельный результат именно этой квантизированной версии не указан. Архитектурные размеры, поддерживаемые языки, длина контекста и точный перечень модальностей в README не раскрыты; тег image-text-to-text присутствует, но подробное описание мультимодальных возможностей отсутствует. Ключевое ограничение — намеренное уменьшение поведенческих ограничений может повысить риск генерации нежелательного или небезопасного контента, поэтому модель требует осторожного применения. Лицензия — Apache-2.0.

Samantha Qwen2 1.5B — диалоговая языковая модель на базе Qwen2, дообученная автором карточки для ролевого общения от лица персонажа и ответов в формате чат-ассистента. Модель содержит 1,5 млрд параметров, использует плотную архитектуру Qwen2 и принимает текстовые сообщения по шаблону system/user/assistant. Заявленная длина контекста — 131 072 токена. Модель обучена на смеси ролевых диалогов, данных Samantha, uncensored-материалов и примеров вызова функций; в метаданных также перечислены наборы OpenHermes, UltraChat и другие датасеты. Она подходит для ролевых бесед, обычных диалоговых ответов и сценариев, где требуется интерфейс чата. В README модель охарактеризована как преимущественно SFW. Это дообучение Qwen/Qwen2-1.5B с использованием QLoRA; доступность адаптера указана в карточке. Формат весов — Safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

gold24k/v5 — экспериментальный диалоговый чекпойнт, созданный на основе gold24k/v3. Это объединённая модель в формате BF16: в неё слит LoRA-адаптер, обученный методом DPO для сохранения подходящих ответов и замены некоторых ответов на негативные примеры на целевые альтернативы. Модель предназначена для диалоговой генерации текста; отдельный маршрутизатор или PEFT-адаптер для запуска не требуются. Во время обучения использовался контекст до 8192 токенов, а LoRA с рангом 16 применялась ко всем линейным слоям. README называет модель экспериментальным кандидатом и указывает, что перед отправкой на оценку ей нужны дополнительные проверки. Лицензия в предоставленных сведениях не указана.

kingabzpro/wav2vec2-urdu — модель распознавания речи на урду, разработанная дообучением чекпойнта Harveenchadha/vakyansh-wav2vec2-urdu-urm-60 на Common Voice. Это модель семейства wav2vec2 с архитектурой Wav2Vec2ForCTC; в её весах 113,3 млн параметров. Она принимает аудио и преобразует речь в текст на урду. Модель предназначена для автоматической транскрипции речи. В README приведены результаты оценки на небольшом наборе обучения и валидации объёмом 0,58 часа: WER 0,5747 и CER 0,3268. Высокие значения ошибок указывают на ограниченную точность; автор также упоминает более новую модель для урду. Модель распространяется по лицензии Apache-2.0.

BanterBot — чат-модель, разработанная Alannikos768 для конструктивного выражения эмоций и общения в напряжённых социальных ситуациях. Она предназначена для генерации остроумных, сдержанных ответов, смягчения конфликтов и поддержания отношений. Модель дообучена на базе InternLM2.5 с 1,7 млрд параметров и архитектурой InternLM2; её контекст составляет до 32 768 токенов. Она принимает текст и генерирует текстовые ответы, ориентирована на английский язык. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0.