II.8Инженерия данных и аналитика

SegFormer-B0 — модель сегментации изображений на основе иерархического Transformer-энкодера и лёгкой MLP-головы декодирования. Её дообучили на наборе Segments.ai sidewalk-semantic для семантической сегментации сцен с тротуарами; семейство SegFormer представлено в работе Xie и коллег и впервые опубликовано в этом репозитории. Модель размечает изображение по пикселям, присваивая им классы из набора sidewalk-semantic. Она предназначена для анализа изображений улиц и выделения тротуаров; в метаданных указаны PyTorch и форматы весов safetensors. Размер B0 обозначает компактный вариант семейства, однако численность параметров и поддерживаемые языки не указаны. Лицензия в доступных данных не приведена. Модель специализирована на конкретном наборе классов sidewalk-semantic, поэтому её пригодность для других сцен и классов не подтверждена.

Xpitfire/segformer-finetuned-segments-cmp-facade — модель семантической сегментации фасадов зданий, дообученная на датасете Xpitfire/cmp_facade. Она принимает изображение фронтального вида здания и размечает каждый пиксель одним из 12 классов: фасад, молдинг, карниз, колонна, окно, дверь, подоконник, ставня, балкон, торговое помещение, декор или фон. Модель основана на архитектуре SegFormer: иерархическом Transformer-энкодере и простом декодере на многослойном перцептроне. Репозиторий содержит веса PyTorch; карточка также упоминает image classification, однако описанное назначение — сегментация фасадных элементов. Лицензия — MIT.

Chandanab выпустил дообученную модель классификации изображений на архитектуре Swin Transformer. Она основана на microsoft/swin-tiny-patch4-window7-224 и дообучена на наборе данных image_folder для классификации снимков EuroSAT. Модель содержит около 33 млн параметров и распространяется в формате PyTorch по лицензии Apache-2.0. Модель подходит для классификации спутниковых изображений по категориям EuroSAT. В README указана точность 0,9394 и loss 0,1677 на оценочной выборке. Эти результаты относятся к указанной оценке и сами по себе не гарантируют качество на других данных.

Модель weightbot/swin-tiny-patch4-window7-224-finetuned-plant-classification — дообученная версия Swin-Tiny, разработанной Microsoft, для классификации изображений растений. Она принимает изображения и предсказывает класс растения; на указанной в карточке оценочной выборке достигла accuracy 0,7557 и loss 0,6592. Архитектура Swin Transformer, размер — около 33 млн параметров. Модель подходит для автоматической классификации фотографий растений и сортировки изображений по классам, представленным в обучающих данных. Обучение выполнено на наборе данных в формате imagefolder; состав классов и подробности обучающих данных в карточке не раскрыты. Модель распространяется по лицензии Apache-2.0.

SynthPose — дообученная модель оценки позы человека, разработанная Yoni Gozlan на основе ViTPose Base и представленная в работе OpenCapBench: A Benchmark to Bridge Pose Estimation and Biomechanics. Модель принимает изображения и обнаруживает 52 ключевые точки: 17 точек COCO и 35 анатомических маркеров, характерных для систем захвата движения. Модель предназначена для получения более плотной разметки позы человека на изображениях и анализа кинематики. Её можно применять для оценки движений по видео-кадрам и подготовки данных для биомеханических исследований. Архитектура использует backbone ViTPose Base на основе Vision Transformer; репозиторий содержит веса safetensors для Transformers. Лицензия — Apache-2.0.

Это модель YOLOv8s для сегментации солнечных панелей на изображениях. Она разработана на базе YOLOv8 и обучена на наборе данных солнечных панелей; для запуска автор рекомендует библиотеку Ultralytics. Модель принимает изображения и выделяет на них области панелей в виде масок сегментации. Модель предназначена для анализа снимков с солнечными панелями, например для их обнаружения и локализации на изображениях. Репозиторий содержит веса PyTorch, а для применения автор предлагает запускать сегментацию через Ultralytics или использовать Inference API на Roboflow. Лицензия — MIT. Карточка не приводит численные оценки качества и подробности состава обучающего набора, поэтому пригодность для конкретных типов снимков и условий съёмки следует проверять отдельно.

Модель Jzuluaga/bert-base-speaker-role-atc-en-uwb-atcc разработана Хуаном Зулуага-Гомесом и соавторами и представляет собой BERT-base, дообученный для классификации реплик диспетчерского радиообмена на роли пилота и авиадиспетчера. Она принимает текст реплики и определяет роль говорящего по формулировке сообщения, хотя обычно такую задачу решают по акустическому сигналу. Модель содержит 136,7 млн параметров, использует архитектуру BertForSequenceClassification и поддерживает контекст до 512 токенов. Она обучена на англоязычном корпусе UWB-ATCC для авиационного радиообмена. В README сообщается точность 0,9103 и F1 0,9200 на оценочном наборе. Модель опубликована под лицензией Apache-2.0. Она предназначена для анализа текстовых расшифровок переговоров в системах понимания диспетчерского радиообмена и обработки реплик по ролям. Показатели и область обучения ограничены данными ATC; качество на других доменах не гарантируется. Модель классифицирует текст и сама по себе не распознаёт речь из аудио.

Модель разработана Tiantian Feng и представляет собой классификатор аудио для анализа детских вокализаций. Она описана в работе ChildVox, принятой на главную конференцию EMNLP 2026, и дообучена на корпусе SpeechMaturity на основе MarvinLvn/BabyHuBERT. Модель относит аудиофрагменты к пяти категориям: Canonical — зрелые слоги с переходом согласный-гласный, Non-Canonical — незрелые вокализации, например отдельные гласные или согласные, Crying — плач, Laughing — смех, Junk — фрагменты без детской вокализации, включая шум, речь взрослых и неразборчивое аудио. Она предназначена для исследования и автоматической разметки детских вокализаций; библиотека реализации — Transformers. Модель распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование. Записи детской речи требуют особой защиты приватности и согласия; авторы исключают клиническую диагностику, индивидуальную оценку развития без экспертной проверки, наблюдение и применение с нарушением приватности.

Модель JEdward7777/delivery_truck_classification — дообученная версия Swin-Tiny для классификации изображений. Она использует архитектуру Swin Transformer и содержит 33 млн параметров. Модель предназначена для распознавания категорий на изображениях, в частности для классификации грузовиков доставки. В README указаны точность 0,9733 и значение loss 0,1787 на оценочном наборе данных imagefolder. Модель принимает изображения и выдаёт метки классов. Она опубликована в формате PyTorch по лицензии Apache-2.0. Подробности о составе классов и ограничениях применения не приведены.

Jesse020202/detr_finetuned_roadsigns_poisoned — дообученная на неизвестном наборе данных модель Conditional DETR для обнаружения дорожных знаков на изображениях. Она выдаёт найденные объекты и их расположение. Модель содержит 6,3 млн параметров и доступна в формате Safetensors для библиотеки Transformers. В README приведено значение loss 0,7780 на оценочном наборе, однако состав данных и методика оценки не описаны. Лицензия модели — Apache-2.0.

FleXray — модель компьютерного зрения, разработанная авторами проекта FleXray для сегментации анатомических структур на обычных рентгенограммах. Это 2D UNet, которая выдаёт маски для 60 структур и фона в виде независимых каналов вероятностей при разрешении 256 × 256 пикселей. Репозиторий содержит основную модель и четыре родственные модели ансамбля; доступны запуск через Python-пакет и демонстрация в браузере. Модель предназначена для автоматической разметки анатомии на рентгеновских снимках разных областей тела, проекций и условий съёмки. Авторы сообщают об оценке на восьми наборах реальных рентгенограмм и сравнении с несколькими универсальными моделями сегментации. Для повышения качества можно применять тестовую аугментацию и ансамбль, но это увеличивает число проходов модели. Модель рассчитана на стандартные рентгенограммы; стоматологические и маммографические снимки не входят в область применения. Она сегментирует анатомию, но не выявляет патологию, не определяет левую и правую стороны и не оценивает неопределённость. Качество на снимках и популяциях, существенно отличающихся от обучающих данных, не подтверждено. Авторы указывают исследовательское назначение: модель не является медицинским изделием и не предназначена для клинических решений. Лицензия — CC BY-NC 4.0, с ограничением на коммерческое использование.

thiagohersan/maskformer-satellite-trees — экспериментальная модель сегментации растительности на спутниковых изображениях, созданная автором репозитория дообучением facebook/maskformer-swin-base-ade. Она присваивает каждому пикселю одну из двух меток: «растительность» или «прочее», и подходит для получения масок зелёных зон в городских снимках. Обучение проводилось примерно на 25 вручную размеченных спутниковых изображениях городских территорий. Модель проверялась на районах Сан-Паулу, Рио-де-Жанейро, Нью-Йорка, Питтсбурга, Окленда, Берлина, Милана и Эр-Рияда; автор сообщает о качественной работе и субъективно большей точности для растительности по сравнению с базовой моделью. Обучающая выборка мала и не охватывает города Азии, Африки, Центральной Америки и Океании, поэтому переносимость на другие регионы ограничена, а количественная оценка качества не приводится. Лицензия — CC BY-NC-SA 4.0.

multiMentalRoBERTa 5 class — дообученная Sajjad Islam модель RoBERTa-large для многоклассового выявления сигналов распространённых состояний психического здоровья в коротких текстах из социальных сетей. Она относит текст к одному из пяти классов: тревожность, депрессия, ПТСР, суицидальные сигналы или отсутствие этих категорий. Модель принимает текст и выдаёт класс; для неё указано 454,1 млн параметров и контекст до 514 токенов. Модель предназначена для исследований сигналов психического здоровья в открытых онлайн-текстах, поддержки первичной сортировки обращений в системах взаимопомощи с проверкой человеком и учебных демонстраций классификации. В контролируемых экспериментах авторы сообщают macro F1 0,870, macro recall 0,869 и accuracy 0,881 на отложенной выборке. Модель дообучена на основе sentence-transformers/all-roberta-large-v1, использует архитектуру RoBERTa и распространяется в формате safetensors по лицензии Apache-2.0. Классификация социальных публикаций подвержена шуму и зависит от того, как люди описывают свой опыт; депрессия и суицидальные сигналы семантически близки, что может приводить к ложным срабатываниям. Перенос между областями и культурами клинически не проверен. Это не медицинское устройство: результаты не следует использовать для диагноза или определения кризисной ситуации без квалифицированного человеческого надзора.

Модель phungpx/RMBG-1.4-wall-segmentation-cubicassa — дообученная версия BRIA RMBG-1.4 для бинарной сегментации стен на архитектурных планах помещений. Она принимает изображение плана и выделяет пиксельную маску стены, отделяя её от фона; предназначена для автоматизированного разбора планировок и подготовки данных для последующей обработки. Модель основана на архитектуре SegformerForSemanticSegmentation и распространяется в формате safetensors для библиотеки Transformers. Валидационная оценка при пороге 0,5: точность пикселей 0,9738, IoU 0,7262 и Dice/F1 0,8414. Эти показатели относятся к указанному набору данных и разделению; качество на других типах планов может отличаться. Лицензия указана как other, поэтому условия использования следует сверить с карточками модели и базовой модели.

PushkarA07 выпустил модель семантической сегментации изображений на архитектуре SegFormer B0. Она дообучена на наборе PushkarA07/batch2-tiles_W5 и предназначена для выделения областей и аномалий на изображениях, связанных с этим набором данных. В README для оценки приведены Mean IoU 0,8989, Mean Accuracy 0,9400, Overall Accuracy 0,9990 и IoU для аномалий 0,7988. Модель принимает изображения и выдаёт пиксельную разметку классов. Описание набора данных и классов, условия применения и ограничения в карточке не раскрыты. Лицензия указана как other, поэтому перед использованием следует проверить условия на странице репозитория.

SegFormer B5 — модель семантической сегментации изображений, представленная авторами статьи Xie et al. Она дообучена на Cityscapes при разрешении 1024×1024 и предназначена для попиксельного отнесения объектов городской сцены к классам разметки. Архитектура сочетает иерархический Transformer-энкодер, предварительно обученный на ImageNet-1k, и лёгкую декодирующую голову на основе MLP. Модель принимает изображение и выдаёт карту семантических классов; репозиторий содержит веса PyTorch и TensorFlow. В карточке указана лицензия other. Модель подходит для анализа уличных и дорожных сцен, например для выделения проезжей части, зданий и других элементов окружения. Её специализация на Cityscapes ограничивает надёжность на изображениях и типах сцен, отличающихся от обучающих данных; карточка также не содержит отдельного описания модели от команды SegFormer.

Семантическая модель сегментации Restor и ETH Zurich на архитектуре SegFormer mit-b3, предназначенная для выделения древесного покрова на аэрофотоснимках высокого разрешения. Модель присваивает каждому пикселю класс «дерево» или «не дерево» и оценивает вероятность покрытия кронами; отдельные деревья она не обнаруживает. Обучение проводилось на глобальных аэрофотоснимках, в том числе наборе Restor TCD, с исходным разрешением около 10 см на пиксель. Основной сценарий — оценка доли древесного покрова на участке по ортофотоплану. Для крупных мозаик потребуются отдельные средства разбиения изображений на фрагменты и объединения предсказаний; для анализа конкретной территории также нужен анализ области интереса. Качество может снижаться в недостаточно представленных биомах и при другом разрешении снимков. Возможны ложные срабатывания на кустарниках и похожем растительном покрове; метки обучения могли содержать ошибки. Модель не оценивает биомассу или высоту крон и не подходит сама по себе для расчёта углеродных кредитов. В метаданных указана лицензия CC; в карточке отмечены исследовательская лицензия NVIDIA SegFormer и обучение на изображениях CC BY-NC, поэтому условия их использования следует проверять отдельно.

Модель разработана в Техническом университете Нюрнберга (Technische Hochschule Nürnberg) в рамках проекта OnCoCo и представляет собой дообученную XLM-RoBERTa large с 658,7 млн параметров для классификации отдельных сообщений в онлайн-консультировании. Она относит реплики консультантов и клиентов к 66 детальным категориям: 38 для консультантов и 28 для клиентов. Категории охватывают эмпатическое отражение, исследование проблем, мотивационное интервьюирование, активацию ресурсов и эмоциональную поддержку. Перед сообщением указывается роль говорящего; при предсказании оценки категорий другой роли маскируются. Модель предназначена для автоматического анализа переписок в психосоциальном консультировании, изучения взаимодействия консультанта и клиента, учебной обратной связи для подготовки консультантов и исследований разговорного ИИ в сфере психического здоровья. Поддерживаются немецкий и английский языки; английские примеры в обучающем наборе были переведены с немецкого. Размер контекста — 514 токенов. На отложенной тестовой выборке OnCoCo 1.0 модель показала точность Top-1 0,79, Macro F1 0,72 и точность Top-2 0,88. Качество ниже на редких категориях, а близкие по смыслу метки сложнее различать; артефакты машинного перевода могут влиять на работу с исходными английскими текстами. Лицензия — CC BY-SA 4.0.

Модель ianpan/bone-age-crop предназначена для выделения области кисти на рентгенограммах, чтобы стандартизировать изображения перед оценкой костного возраста. Она использует лёгкую основу MobileNetV3 Small 1.0 и предсказывает нормализованные координаты прямоугольника в формате xywh. Модель реализована для object detection и распространяется в формате safetensors. Обучение и проверка проводились на 12 592 детских рентгенограммах кисти из набора RSNA Pediatric Bone Age Challenge с разделением 80/20. В односрезовой проверке средняя абсолютная ошибка нормализованных координат составила 0,0152 для x, 0,0121 для y, 0,0261 для ширины и 0,0213 для высоты. Модель предназначена для подготовки входных изображений, а не для непосредственного определения костного возраста. Лицензия — Apache-2.0.

DisorBERT — англоязычная модель BERT для заполнения пропусков в тексте, разработанная для анализа сообщений в социальных сетях с учётом тематики психического здоровья. Модель последовательно адаптировали к языку соцсетей и предметной области психического здоровья; при обучении использовали лексический ресурс, чтобы чаще учитывать слова, связанные с психическими расстройствами. Архитектура — BertForMaskedLM, размер — 136,7 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для подстановки вероятных слов вместо маскированных фрагментов и может служить языковой основой для исследований текста о психическом здоровье в социальных сетях. Она не является самостоятельным диагностическим инструментом: карточка описывает адаптацию языковой модели, а не клиническую валидацию диагностики. Для использования требуется учитывать лицензию CC BY-NC 4.0, которая ограничивает коммерческое применение.

RecipeBERT — дообученная модель семейства BERT, созданная на основе bert-base-uncased для работы с текстами о еде и рецептах. Она обучена на 1 029 720 записях датасета Recipe1M+, содержащих названия блюд, ингредиенты и рецепты; 10% данных использовались для оценки. Модель имеет 136,7 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в формате safetensors. Основное назначение по pipeline_tag — заполнение пропусков в тексте (fill-mask). Полученные представления текста о блюдах и ингредиентах можно применять в последующих задачах пищевой тематики. На оценочной выборке указано значение loss 0,6230. Лицензия — Apache-2.0.

TIC Forestry v1 — дообученная командой TIC модель сегментации аэроснимков Швеции для картирования землепользования и оценки высоты древесного полога. Она построена на backbone DINOv3 ViT-L/16 sat493m с многомасштабным плотным декодером; в модели около 305,6 млн параметров, из которых обучаемыми были 78,9 млн. На вход подаются изображения 512 × 512 пикселя с разрешением 0,5 м и четырьмя каналами RGB и NIR; на выходе — карта из 10 классов и оценка высоты полога в метрах на сетке 1 м. Модель предназначена для картирования лесных участков, оценки высоты полога, подсчёта площадей типов землепользования и сравнения аэросъёмок для выявления изменений. Метки классов отражают землепользование по картографическому слою Lantmäteriet Topografi 10, а не фактическое наличие деревьев: например, вырубка может сохранять класс леса. Высоту полога следует анализировать отдельно. Модель рассчитана на шведские аэроснимки и шведскую классификацию; точечное распознавание отдельных деревьев и определение пород, кроме трёх укрупнённых групп, не поддерживаются. Лицензия указана как other, без уточнения условий в предоставленных данных.

navnav98/xlmr-comi-pos — дообученная модель классификации токенов на базе XLM-RoBERTa для разметки частей речи в текстах, смешивающих хинди и английский. Она разработана в рамках докторского исследования структурных и прагматических аспектов смешения языков в цифровой коммуникации. Модель предназначена для POS-разметки предложений на хинди, английском и их смешанном варианте, например как первого этапа аннотирования корпуса Reddit для корпусно-лингвистического анализа. Она использует архитектуру XLM-RoBERTa с 305,2 млн параметров и контекстом до 514 токенов; README сообщает, что входы длиннее 256 субслов усекаются. На тестовом разбиении COMI-LINGUA указана оценка F1 0,886. Модель помечена авторами как тестовая и не готовая к производственному использованию. Результаты следует проверять вручную; модель не рассчитана на другие языковые пары и заметно отличающиеся по скрипту или области монолингвальные тексты. Лицензия в метаданных — CC BY 4.0.

MegaDescriptor-T-CNN-288 — модель извлечения визуальных признаков для повторной идентификации животных, созданная на основе EfficientNetB3 и предварительно обученная Supervisely на наборах данных для реидентификации животных. В README указаны 12,2 млн параметров, 1,6 GMACs и размер входного изображения 288 × 288 пикселей. Модель формирует эмбеддинги изображений, которые можно использовать для сравнения фотографий животных и поиска повторных наблюдений одной особи. Она предназначена для исследовательских и прикладных сценариев мониторинга дикой природы и анализа наборов фотографий. В карточке также указан тег image-classification, но описанное назначение модели — извлечение признаков для реидентификации. Модель распространяется под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Качество идентификации может зависеть от вида животного, условий съёмки и данных, на которых применяется модель.

MentalBERT — англоязычная модель на базе BERT-Base, разработанная для исследований в области психического здоровья. Она предварительно обучена на публикациях о психическом здоровье из Reddit по стандартной процедуре masked language modeling; карточка указывает задачу fill-mask и формат PyTorch. Модель принимает текст с замаскированным токеном и предсказывает его заполнение. Модель предназначена для анализа текстов о психическом здоровье и может служить основой для последующей разработки систем выявления потенциальных признаков психических расстройств в публичных онлайн-публикациях. Такие результаты не являются диагнозом и не предназначены для клинических решений. Обучение на данных Reddit может сопровождаться смещениями и проблемами справедливости, неопределённости и интерпретируемости. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Perceiver IO masked language model для англоязычных текстов, созданная как учебный пример библиотеки perceiver-io и дообученная на неразмеченной части IMDb. Модель использует архитектуру Perceiver IO с 201 млн параметров, токенизацию входа в UTF-8 байты и словарь размером 262; она обращается к исходным байтам текста через перекрёстное внимание. Модель обучена динамическому маскированию целых слов и предназначена для заполнения пропусков в тексте. Её можно использовать как основу для задач по отзывам о фильмах, например анализа тональности. Для работы требуется библиотека perceiver-io с расширением text. Веса опубликованы в форматах PyTorch и safetensors, лицензия — Apache-2.0.

RampNet — модель второго этапа конвейера обнаружения съездов с бордюров на уличных панорамах, представленная авторами работы O’Meara и соавторов для семинара ICCV’25 CV4A11y. Она принимает эквир eктangularную панораму размером 2048×4096 с нормализацией ImageNet и выдаёт тепловую карту 512×1024 с оценками расположения съездов. Модель дообучена на базе timm/convnextv2_base.fcmae_ft_in22k_in1k_384 и опубликована в формате safetensors; лицензия — MIT. Модель предназначена для поиска съездов с бордюров в изображениях улиц, в том числе для картирования городской доступности. В README указана средняя точность AP 0,9205 на наборе из 1000 вручную размеченных панорам при горизонтальном отражении на этапе вывода; порог 0,55 рекомендован как отправная точка. Метрики при одиночном проходе могут быть ниже, а порог рекомендуется калибровать на локальных данных. Для загрузки требуется совместимая версия Transformers и включение trust_remote_code.

Модель paulagarciaserrano/roberta-depression-detection — дообученная версия twitter-roberta-base от Cardiff NLP для классификации признаков депрессии в тексте из социальных сетей. Она относит текст к одному из трёх классов: moderate, severe или not depression; архитектура — RoBERTa с классификационной головой, размер — 151,8 млн параметров, контекст — до 514 токенов. Модель ориентирована на англоязычные тексты и может использоваться для исследовательского анализа публикаций или предварительной сортировки текстов по указанным классам. На наборе разработки соревнования LT-EDI 2022 модель получила macro F1 0,54. Эта оценка указывает на ограниченную надёжность классификации и не подтверждает пригодность для диагностики или принятия решений о здоровье человека. Модель выпущена в формате PyTorch; лицензия в доступных данных не указана.

Restor и ETH Zurich разработали tcd-segformer-mit-b0 — модель семантической сегментации для выделения древесного покрова на аэрофотоснимках. Она классифицирует каждый пиксель как покрытый или не покрытый кронами и предназначена для изображений с разрешением около 10 см на пиксель. Модель основана на SegFormer с вариантом архитектуры MIT-B0 и использует библиотеку Transformers. Основной сценарий — оценка доли территории, занятой древесным пологом, по отдельным снимкам или крупным ортофотопланам с предварительным разбиением на тайлы и последующим объединением результатов. Модель обучалась на глобально разнообразных снимках, однако отдельные биомы представлены недостаточно; кустарники и похожие на кроны объекты могут давать ложные срабатывания. Она не распознаёт отдельные деревья и не оценивает биомассу или высоту крон. Лицензия в метаданных указана как CC; карточка предупреждает, что SegFormer распространяется по отдельной исследовательской лицензии, а обучающие изображения включают материалы CC BY-NC. Перед развёртыванием следует проверить применимые условия лицензирования. Для критически важных задач необходима самостоятельная проверка на целевых данных; модель не предназначена для оценки углеродных кредитов.

Модель tiantiaf/childvox-babblecor-whisper-large предназначена для классификации вокализаций детей и оценки зрелости речевых звуков. Её разработала Tiantian Feng; работа описана в исследовании ChildVox, принятом на главную конференцию EMNLP 2026. Модель дообучена на корпусе BabbleCor на базе мультиязычной openai/whisper-large-v3 и использует аудио на входе. Модель относит фрагменты к пяти категориям: Canonical — зрелые слоги с переходом от согласного к гласному; Non-Canonical — незрелые вокализации, например отдельные гласные или согласные; Crying — плач; Laughing — смех; Junk — звук, не являющийся вокализацией ребёнка, включая шум, речь взрослого или неразборчивое аудио. Она подходит для анализа и разметки детских аудиозаписей в исследовательских сценариях. Лицензия OpenRAIL запрещает коммерческое использование. Авторы также исключают клиническую диагностику и индивидуальную оценку развития без экспертной проверки, а также наблюдение и вмешательство в частную жизнь. Для работы с записями детей необходимо соблюдать требования к согласию, этическому одобрению и защите данных.