II.10Разработка и эксплуатация AI/ML-систем

Модель apanc/russian-inappropriate-messages разработана для классификации русскоязычных сообщений на предмет неуместного содержания. Это плотная BERT-модель с головой классификации последовательностей, содержащая 205,1 млн параметров и принимающая текст длиной до 512 токенов. Она выявляет высказывания, которые могут нанести ущерб репутации автора, даже если в них нет обсценной лексики или токсичного намерения, например оправдание преступления или оскорбление чувств верующих. Модель предназначена как дополнительный этап фильтрации после проверки на токсичность и обсценную лексику; для определения конкретной чувствительной темы README рекомендует использовать отдельную модель. На тестовой выборке авторы сообщают точность 0,89 и F1 0,78 для класса неуместных сообщений. Обучение и оценка проводились на примерах с полной уверенностью в разметке, поэтому качество на неоднозначных сообщениях может отличаться. Доступны веса PyTorch, TensorFlow и Flax. Лицензия CC BY-NC-SA 4.0 разрешает некоммерческое использование с указанием авторства и распространением производных материалов на тех же условиях.

SegFormer B5 — модель NVIDIA для семантической сегментации изображений, дообученная на наборе ADE20K с разрешением 640×640. Она использует иерархический Transformer-энкодер и лёгкую декодирующую голову на основе MLP; исходное представление предварительно обучено на ImageNet-1k. Модель предназначена для попиксельного отнесения областей изображения к классам сцен и объектов. Её можно применять для анализа сцен на фотографиях и изображениях помещений или улиц, а также как основу для задач сегментации на данных, близких к ADE20K. Репозиторий содержит веса PyTorch и TensorFlow. Карточка не приводит отдельные показатели качества и не описывает поддерживаемые языки. Модель работает с изображениями и выдаёт карту семантических классов; качество на данных, отличающихся от обучающего набора, может быть ниже. Метаданные указывают лицензию `other`, поэтому перед использованием следует проверить условия лицензии репозитория.

Это компактная языковая модель Ishaan Ranjan — полнопараметрическая модель с контролируемой настройкой на базе HuggingFaceTB/SmolLM2-360M-Instruct. Она предназначена для узкой подзадачи агентных систем разработки: выбора следующего действия по зашумлённому отчёту о ходе работы с выдачей ответа по фиксированной JSON-схеме. Модель построена на плотной архитектуре Llama, содержит 361,8 млн параметров и поддерживает контекст до 8192 токенов. Модель рассчитана на запуск внутри проверяющей обвязки, которая формирует запрос, разбирает строгий JSON, допускает одну повторную попытку с обратной связью по схеме и применяет детерминированные проверки с резервным переходом к правилам. В оценке на отложенных репозиториях HTTPX и Jinja2 доля успешных результатов составила 74,8%, а валидность JSON с первой попытки — 100%. Это специализированный экспериментальный чекпойнт, а не универсальный чат-бот или помощник по программированию. Модель распространяется по лицензии Apache-2.0.

SmolLM-135M-de — компактная языковая модель на архитектуре Llama, созданная LemiSt на базе HuggingFaceTB/SmolLM-135M. Авторы продолжили предварительное обучение базовой модели примерно на 6 млрд немецкоязычных токенов; модель содержит 134,5 млн параметров и рассчитана на контекст до 2048 токенов. Модель предназначена для генерации немецкого текста и экспериментов, например быстрого сравнения датасетов. Это базовая модель без чатовой донастройки: она может выдавать в основном корректный немецкий текст, но не предназначена для использования как готовый диалоговый ассистент. Обучающие данные собраны из немецкоязычных веб-текстов, новостей, книг и Википедии. Из-за небольшого размера модель может генерировать фактически неверную информацию; автор также предупреждает о возможности непристойного или другого нежелательного содержания из-за отсутствия дополнительной фильтрации данных. Лицензия — Apache-2.0.

SmolLM3-3B-SFT-WebShop — дообученная методом supervised fine-tuning с поведенческим клонированием языковая модель на основе HuggingFaceTB/SmolLM3-3B. Она предназначена для генерации текста в сценариях WebShop; это инициализация поведения для последующего обучения с подкреплением и оценки, а не готовая система для самостоятельной работы с интернет-магазином. Модель имеет плотную архитектуру SmolLM3ForCausalLM и 3,1 млрд параметров, принимает текст и поддерживает контекст до 65 536 токенов. Карточка указывает английский язык; в репозитории доступны веса Safetensors для Transformers и загрузка через vLLM. Для корректного воспроизведения обучения следует использовать приложенный шаблон chat_template.jinja: он отличается от стандартного шаблона SmolLM3 и задаёт формат запросов, ожидаемый моделью. Состояние оптимизатора не включено, поэтому репозиторий предназначен для инференса и оценки. Лицензия — Apache-2.0, как у базовой модели.

model-raising выпустила SPP Vanilla Base — базовую авторегрессионную языковую модель с 1,7 млрд параметров для продолжения обучения, зондирования и исследований выравнивания и безопасности. Это плотная модель семейства Llama с архитектурой SmolLM2-1.7B, обученная с нуля предсказанию следующего токена примерно на 100 млрд токенов из части смеси Olmo 3 Dolma 3. Используется токенизатор SmolLM2 с словарём из 49 152 токенов. Модель принимает текст и генерирует продолжение; контекст составляет 2048 токенов. Это базовая, не настроенная на выполнение инструкций модель без шаблона чата и без вмешательств по безопасности при предобучении. Она подходит для продолжения текста, оценки поведения и дальнейшего дообучения, но может выдавать ошибочную или небезопасную информацию. В репозитории опубликованы промежуточные контрольные точки, пригодные для оценки и дообучения, однако без состояний оптимизатора и генератора случайных чисел нельзя точно возобновить исходный запуск. Лицензия обозначена как other, а в README указано, что её условия ещё должны быть окончательно определены.

Swen-28M — компактная языковая модель от Sensente, выпущенная вместе с исследованием «Micro Language Models Enable Instant Responses». Это декодерная причинно-языковая модель на 28,8 млн параметров, обученная с нуля на диалоговых данных и распространяемая в формате safetensors под лицензией MIT. Для работы используется библиотека Transformers; карточка заявляет контекст до 32 768 токенов. Модель предназначена для локального начала ответа на устройстве с ограниченными ресурсами: она генерирует короткий контекстный префикс примерно из 4–8 слов, после чего облачная модель продолжает ответ. Такой сценарий подходит для гибридных локально-облачных систем, где важно быстро показать пользователю начало отклика. Swen-28M не рассчитана на самостоятельные длинные ответы или замену универсального инструкционного ассистента. У неё ограничены фактические знания и способность к рассуждению, возможны повторы и слабая связность при длинной генерации; результат зависит от формата запроса и параметров декодирования. Для загрузки через Transformers требуется версия 4.x; Transformers 5.x не поддерживается. Для custom code нужно включать доверие удалённому коду, поэтому перед использованием следует проверить реализацию и закрепить ревизию модели.

np-cr/testing-llama_hidden_size_64 — небольшая модель генерации текста, опубликованная на Hugging Face и совместимая с библиотекой Transformers. По метаданным она относится к семейству Llama и содержит около 8,3 млн параметров; разработчик, исходная модель и лицензия в доступных материалах не указаны. Модель предназначена для генерации продолжений текста и диалоговых сценариев, поддерживаемых используемым шаблоном токенизации и настройками модели. Заявленная нативная длина контекста составляет 131 072 токена, однако README не содержит сведений о языках, обучающих данных, результатах оценки или практической производительности. Из-за небольшого размера модель может быть удобна для экспериментов, тестирования пайплайнов Transformers и разработки прототипов с ограниченными ресурсами. Надёжность, фактическое качество генерации, устойчивость к вредным или ложным ответам и пригодность для промышленного использования по доступным данным не подтверждены. Условия лицензирования необходимо уточнить отдельно, поскольку лицензия в метаданных и README отсутствует.

sshleifer/tiny-gpt2 — компактная версия GPT-2, опубликованная пользователем sshleifer на Hugging Face. Это авторегрессионная плотная языковая модель для генерации продолжения текста по текстовой подсказке; её можно запускать через Transformers как text-generation pipeline. Модель имеет контекстное окно 1024 токена и доступна в форматах PyTorch, TensorFlow и Flax. Модель подходит для экспериментов и проверки конвейеров генерации текста с небольшой GPT-2. Карточка не содержит описания специальной области применения, языкового охвата или лицензии; поэтому такие свойства нельзя надёжно указать. По названию и малому размеру она выглядит ориентированной на тестирование, однако имеющиеся сведения не подтверждают, что это заглушка или случайно инициализированный чекпойнт.

Doctor-Shotgun/TinyLlama-1.1B-32k-Instruct — инструктивно дообученная плотная языковая модель семейства Llama с примерно 1 млрд параметров. Разработчик дообучил TinyLlama-1.1B-32k на нескольких открытых наборах инструкций; модель предназначена прежде всего для спекулятивного декодирования и поддерживает диалоговый режим. Для запросов предусмотрен изменённый многоходовый формат Alpaca. Модель генерирует текст и рассчитана на контекст до 32 768 токенов. В метаданных указан английский язык. В обучающие данные включены наборы с примерами токсичных ответов; автор предупреждает о смещениях базовой модели и отсутствии этического выравнивания, поэтому возможна генерация токсичного или вредного текста. Лицензия в предоставленных данных не указана.

tomh/toxigen_roberta — модель классификации текста, связанная с работой Томаса Хартвигсена, Саадии Габриэль, Хамида Паланги, Маартена Сапа, Дипанкара Рэя и Эсе Камар о наборе данных ToxiGen. Модель предназначена для выявления неявной речи ненависти и обучена для задачи adversarial и implicit hate speech detection. Это модель семейства RoBERTa с архитектурой RobertaForSequenceClassification, содержащая 454,1 млн параметров и принимающая текстовые последовательности длиной до 514 токенов. В метаданных указан английский язык и формат PyTorch. Модель может помогать при анализе текстов на предмет неявной ненависти, однако карточка не описывает её качество, пороги классификации или поведение на других языках. Для обучения и подробностей о наборе данных README отсылает к репозиторию GitHub. Лицензия в предоставленных данных не указана.

dg845 опубликовал преобразованный для библиотеки Transformers чекпойнт UnivNet — нейронного вокодера, который синтезирует аудиоволну по логарифмической мел-спектрограмме полного диапазона. Архитектура генератора основана на ResNet со свёртками, параметры которых зависят от положения; модель обучалась как генератор GAN на датасете LibriTTS. Репозиторий содержит только генераторную часть, без дискриминатора. Модель предназначена для преобразования спектральных признаков в речевой аудиосигнал и может использоваться как компонент конвейера синтеза речи, например после модели, создающей мел-спектрограммы. В статье UnivNet заявлены высокое качество синтеза и работа в реальном времени, однако эти результаты относятся к исследованию и не гарантируют такое же поведение данного чекпойнта. Это не самостоятельная модель преобразования текста в речь: ей нужны подготовленные спектрограммы. Лицензия — BSD-3-Clause; чекпойнт основан на неофициальной реализации maum-ai.

Модель addy88/wav2vec2-base-finetuned-ks — версия facebook/wav2vec2-base, дообученная для классификации аудио на датасете SUPERB. В метаданных указана архитектура Wav2Vec2ForSequenceClassification и размер 113,3 млн параметров. На оценочной выборке датасета модель показала accuracy 0,9768 и loss 0,1339. Модель подходит для задач классификации аудиосигналов. README не уточняет классы, сценарии применения и языковой охват. Распространяется по лицензии Apache-2.0.

Модель wav2vec2-large-english-TIMIT-phoneme_v3 разработана на основе facebook/wav2vec2-large и дообучена для распознавания речи на корпусе TIMIT. Она принимает аудио и с помощью архитектуры Wav2Vec2ForCTC преобразует речь в последовательность фонем; размер модели составляет 402,7 млн параметров. На тестовой части TIMIT указаны значения CER 0,0987 и loss 0,3697. Модель подходит для фонемной транскрипции английской речи, особенно в сценариях, близких к записям корпуса TIMIT. Лицензия — Apache-2.0.

Это портированная в формат Transformers модель Wav2Vec2 для распознавания эмоций в речи, подготовленная для задачи Emotion Recognition бенчмарка SUPERB. Она основана на wav2vec2-large-lv60, предварительно обученной на речевых аудиозаписях с частотой 16 кГц, и содержит около 402,7 млн параметров. Для входа требуется речь, дискретизированная с частотой 16 кГц; модель присваивает каждой реплике эмоциональный класс. В описанной настройке используются четыре сбалансированных класса набора IEMOCAP и стандартная пятифолдовая кросс-валидация. Модель предназначена для классификации эмоций в произнесённых репликах и экспериментов по оценке систем распознавания речи. В отчёте для исходной реализации S3PRL указана точность 0,6564 на session1; результат для Transformers не приведён. Порт опубликован в формате PyTorch и распространяется по лицензии Apache-2.0.

Модель vitouphy/wav2vec2-xls-r-300m-timit-phoneme разработана на основе facebook/wav2vec2-xls-r-300m и дообучена на корпусе DARPA TIMIT для распознавания речи. Она принимает аудио и с помощью архитектуры Wav2Vec2ForCTC преобразует его в текст; в карточке Hugging Face задача указана как automatic-speech-recognition. В тестовом разбиении TIMIT автор сообщает результат 7,996%. Модель содержит около 402,7 млн параметров и распространяется в форматах PyTorch и Safetensors. Модель подходит для экспериментов и распознавания речи на данных, близких к TIMIT. В README не уточняется, является ли текстовый результат обычной транскрипцией или фонетической последовательностью, поэтому это следует проверить перед использованием в конкретном конвейере. Лицензия — Apache-2.0.

Whisper Telephony AMD — компактный классификатор аудио для определения того, кто или что ответило на телефонный звонок. Модель разработана AbijahKaj на основе openai/whisper-tiny: это WhisperForAudioClassification с энкодером Whisper-Tiny и линейным классификатором, всего 8,3 млн параметров. Репозиторий содержит веса safetensors и рассчитан на работу через библиотеку Transformers; лицензия — Apache-2.0. Модель относит аудио к одному из четырёх классов: живой собеседник, персональное голосовое приветствие, IVR-меню или автоответчик. Она предназначена для автоматизации обработки входящих телефонных звонков и может использоваться в сценариях обнаружения автоответчика в реальном времени. По README, точность составила 98,75% на тестовой выборке из 400 примеров; этот результат не гарантирует аналогичное качество на других данных. В основном обучении использовалось аудио на английском, французском, испанском и немецком языках. Авторы рекомендуют ориентироваться прежде всего на первые 10 секунд записи. Качество может снижаться на шумных сотовых соединениях и при артефактах VoIP-кодеков; TTS-примеры автоответчиков и IVR могут не полностью отражать реальные системы, а близкие классы голосовых приветствий иногда смешиваются.

XFeat LiteRT — это версия лёгкого сверточного экстрактора локальных признаков XFeat, подготовленная сообществом LiteRT для запуска на устройствах и GPU. Модель содержит около 1,5 млн параметров и распространяется в формате TFLite; для варианта FP16 указан размер файла 1,4 МБ. Веса XFeat сохранены, а вычислительный граф переавторен для GPU-совместимости. Вход — нормализованное одноканальное изображение размером 480×640; модель выдаёт плотные дескрипторы, логиты ключевых точек и карту надёжности на сетке 60×80. Модель предназначена для сопоставления изображений и может служить компонентом SLAM, AR и регистрации изображений. Фильтрация ключевых точек, выборка дескрипторов и взаимное сопоставление выполняются на стороне приложения. В карточке приведены измерения на мобильных устройствах, Raspberry Pi и в браузере; скорость зависит от устройства и среды выполнения, а приведённые показатели разных LiteRT и TFLite-бэкендов напрямую несопоставимы. По данным карточки, XFeat обучен на публичных данных MegaDepth и синтетических гомографиях и формирует геометрические признаки, а не сведения о лицах или личности. Модель распространяется по лицензии Apache-2.0. Заявлена совместимость GPU-графа; XNNPACK отклоняет некоторые графы, поэтому для них нет пригодного показателя CPU-инференса.

Xor 26B-A4B v1.2 — дообученная Juspay модель на базе Google Gemma 4 26B-A4B IT для типизированных задач принятия решений. Она принимает текст, изображения и видео через обёртку `/v1/systemone` и отвечает на вопросы форматов `noul`, `choice` и `score`. Модель опубликована в виде объединённых весов BF16; архитектура, токенизатор и процессор унаследованы от базовой модели Gemma 4. Для запуска автор указывает Linux-хост с NVIDIA GPU, Docker Compose и около 96 ГБ видеопамяти; проверены две RTX PRO 6000 Blackwell Server Edition. Лицензия — Apache-2.0. Версия v1.2 смешивает два дообученных чекпойнта: большинство тензоров объединены в пропорции 0,60/0,40, а routed expert-тензоры взяты из v1.1. Автор сообщает результат 59,46 на публичном Decision Index 0.3, полученный в собственном запуске; это не подтверждённый результат лидерборда. В README также отмечены пересечения обучающих данных с публичным набором оценки и отсутствие построчных сведений об источниках и лицензиях части данных.

AIGC Detector Env2 — классификатор текста, разработанный авторами работы «Multiscale Positive-Unlabeled Detection of AI-Generated Texts»: Ючуань Тянем и соавторами. Модель предназначена для определения, был ли текст создан искусственным интеллектом. Это версия Env2, обученная методом MPU на предварительно обученной RoBERTa-Base; стандартные настройки обучения из статьи не использовались. Модель построена на RoBERTa и содержит 151,8 млн параметров. Она принимает текст и выдаёт классификацию. Контекст составляет до 514 токенов. Доступны веса PyTorch; модель распространяется по лицензии Apache-2.0. Карточка не сообщает поддерживаемые языки и подробности об обучающих данных или качестве детекции. Поэтому надёжность результатов на разных языках, жанрах и новых моделях генерации по имеющимся сведениям оценить нельзя.

rasbt/ai-text-detector-modernbert — дообученный классификатор текста на базе ModernBERT-base от AnswerDotAI. Он определяет, написан ли текст человеком или сгенерирован ИИ: метка 0 соответствует человеческому тексту, метка 1 — тексту, созданному ИИ. Модель обучена на наборе rasbt/human-vs-ai-50k и принимает последовательности длиной до 8192 токенов. Модель использует архитектуру ModernBERT для классификации последовательностей и распространяется в формате safetensors. При инференсе применяется температурная калибровка; в карточке указана максимальная точность 99,71% на валидации. Модель рассчитана на англоязычные тексты и может использоваться для проверки материалов, когда нужно оценить вероятность генерации ИИ. Качество может снижаться на текстах из незнакомых генераторов, предметных областей, языков и сценариев редактирования. Короткие и частично созданные с помощью ИИ тексты также сложнее классифицировать; результат не является доказательством авторства. Лицензия — Apache-2.0.

Arctic-AWM-8B — языковая модель Snowflake AI Research и UNC-Chapel Hill для многошагового взаимодействия с инструментами в задачах обучения с подкреплением. Она дообучена на Qwen3-8B с помощью агентного обучения с подкреплением в синтетических средах AgentWorldModel-1K и использует интерфейс MCP для взаимодействия с инструментами. Метаданные указывают архитектуру Qwen3ForCausalLM, 7,6 млрд параметров и контекст до 40 960 токенов. Модель предназначена для создания агентов, которые выполняют цепочки действий и обращаются к доступным инструментам; заявленная область применения — английский язык. Лицензия Apache-2.0.

Beaver cost model — модель предпочтений команды PKU-Alignment, обученная на наборе PKU-SafeRLHF. Она основана на авторегрессионной архитектуре Transformer семейства LLaMA и предназначена для оценки стоимости и безопасности ответов в алгоритмах безопасного обучения с подкреплением на основе обратной связи от людей (Safe RLHF). Модель помогает обучать Beaver так, чтобы его ответы были безопаснее и безвреднее. Модель содержит 6,6 млрд параметров, принимает текст и рассчитана на контекст до 2048 токенов. В метаданных указана библиотека safe-rlhf и формат весов safetensors. Карточка указывает, что модель дообучена на основе LLaMA и Alpaca и распространяется по некоммерческой лицензии. Она предназначена для исследовательских и учебных экспериментов с Safe RLHF; применимость вне оценки безопасности ответов отдельно не описана.

BERTabaporu Base Uncased — модель BERT-Base для бразильского португальского языка, разработанная для текстов из Twitter. Она обучена на корпусе из 238 миллионов твитов более чем 100 тысяч пользователей, содержащем свыше 2,9 миллиарда токенов. Архитектура — BERT с 12 слоями; в метаданных указано 162,4 млн параметров, контекст — до 512 токенов. Модель предназначена для заполнения пропусков в тексте и других сценариев обработки португалоязычных сообщений в домене Twitter. Её можно использовать как основу для анализа и адаптации NLP-систем к неформальному бразильскому португальскому. Репозиторий содержит веса PyTorch; лицензия — MIT. Ограничение контекста составляет 512 токенов, а обучение на твитах может снижать пригодность модели для иных жанров и языковых вариантов.

CKIP BERT Base Chinese — разработанная CKIP базовая модель BERT для работы с традиционным китайским языком. В репозитории представлена модель класса BertForMaskedLM с примерно 129,5 млн параметров и контекстом до 512 токенов; доступны веса PyTorch и Flax. Модель предназначена для заполнения пропусков в тексте: она предсказывает замаскированные токены и может служить базой для задач обработки китайского текста. Проект CKIP также включает другие модели и инструменты для сегментации слов, определения частей речи и распознавания именованных сущностей, но README не подтверждает, что именно этот чекпойнт выполняет эти задачи. Для токенизации рекомендуется BertTokenizerFast. Модель выпущена под лицензией GPL-3.0. Поддерживаемый язык — традиционный китайский; заявленная задача и архитектура соответствуют заполнению маскированных токенов.

gaBERT — базовая модель семейства BERT, разработанная для работы с ирландским языком. Это энкодерный Transformer с 136,4 млн параметров, обученный на 7,9 млн предложений на ирландском языке. Модель предназначена для получения признаков и последующего дообучения под прикладные задачи обработки языка; в карточке Hugging Face для неё указана задача fill-mask. Модель принимает текст и предсказывает замаскированные токены, а также может служить основой для дообучения на других задачах для ирландского языка. Она поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. Предобучающие данные частично собраны из интернета и могут содержать предвзятый, оскорбительный или взрослый контент, поэтому результаты прикладных систем на её основе требуют проверки. Лицензия в предоставленных данных не указана.

BERTu — одноязычная модель для мальтийского языка, разработанная MLRS и обученная с нуля на корпусе Korpus Malti v4.0. Она использует базовую архитектуру BERT и предназначена для предсказания замаскированных слов в тексте, а также может служить основой для последующей адаптации к задачам обработки мальтийского языка. Модель содержит 153,2 млн параметров, принимает текстовые последовательности длиной до 512 токенов и доступна в форматах PyTorch и Safetensors. Для использования весов применяется лицензия CC BY-NC-SA 4.0, которая требует указания авторства и распространения производных материалов на тех же условиях и ограничивает коммерческое использование.

BetterGPT-150M — языковая модель на 150 млн параметров от Harikrish2727, построенная как декодерный Transformer и предварительно обученная с нуля на PyTorch. Архитектура включает многоголовое внимание, RoPE, RMSNorm, SwiGLU, связывание весов и SDPA; максимальная длина контекста — 2048 токенов. Модель доступна в формате safetensors и распространяется по лицензии Apache-2.0. Это базовая, не прошедшая инструкционную настройку модель для автодополнения и генерации текста, продолжения предобучения, supervised fine-tuning и исследовательских экспериментов. Обучение примерно на 15 млрд токенов использовало FineWeb-Edu, Cosmopedia, FineMath и StarCoder-Python; автор сообщает о результатах на тестах научного и бытового рассуждения, включая ARC и SciQ. Модель рассчитана преимущественно на английский язык. Она компактна и может служить основой для адаптации под конкретные задачи, однако напрямую не подходит в качестве разговорного ассистента: следование инструкциям не обучалось. Возможны фактические ошибки и непоследовательные ответы; рассуждения, многоязычность и программирование ограничены по сравнению с более крупными специализированными моделями.

bigstral-12b-v0.2-32k — плотная авторегрессионная языковая модель семейства Mistral, опубликованная Abacus AI. Она получена самопереплетением Mistral-7B-v0.2 методом passthrough в MergeKit и рассчитана на дальнейшее предварительное обучение, а не на готовый диалоговый сценарий. Число параметров — 12,3 млрд, контекст — до 32 768 токенов; модель работает с текстом и распространяется в формате Safetensors через Transformers. Модель подходит для экспериментов с продолжением предварительного обучения и дальнейшей адаптацией языковых моделей. README указывает Mistral-7B-v0.2 как включённую в слияние модель; метаданные также связывают репозиторий с производной от alpindale/Mistral-7B-v0.2-hf. Для модели указана лицензия Apache-2.0.

ResembleAI/chatterbox-turbo-ONNX — ONNX-версия Chatterbox-Turbo, разработанная Resemble AI. Это открытая модель синтеза речи из текста, предназначенная прежде всего для низколатентных голосовых агентов, а также для озвучки, наррации и творческих аудиосценариев. Модель поддерживает zero-shot voice cloning и рассчитана на генерацию речи на английском языке. Chatterbox-Turbo использует компактную архитектуру примерно на 350 млн параметров, требующую меньше вычислительных ресурсов и VRAM по сравнению с предыдущими моделями семейства. Декодер speech-token-to-mel был дистиллирован: генерация сокращена с 10 шагов до одного при сохранении высококачественного аудиовыхода. Модель поддерживает паралингвистические теги, включая [cough], [laugh] и [chuckle], что позволяет добавлять в речь кашель, смех и другие выразительные элементы. В примере использования указана частота дискретизации 24 кГц и варианты ONNX-моделей fp32, fp16, q8, q4 и q4f16. Сильные стороны модели — относительно небольшой размер, сниженные требования к вычислениям и памяти, высокая скорость генерации, поддержка клонирования голоса без дообучения и выразительных паралингвистических эффектов. Ограничения README явно не перечисляет; из заявленных характеристик следует, что модель ориентирована на английский язык, поэтому её применимость к другим языкам не подтверждена. Модель распространяется по лицензии MIT.