II.8Инженерия данных и аналитика

MEMFOF-Tartan-T-TSKH-sintel — чекпойнт метода MEMFOF для оценки оптического потока, опубликованный egorchistov. Метод предназначен для определения перемещений между кадрами видео и сочетает высокую точность с низким потреблением видеопамяти; автор указывает поддержку видео Full HD. Этот вариант чекпойнта предназначен для подачи результатов на бенчмарк Sintel. Модель принимает изображения и выдаёт преобразованное представление в виде оптического потока. В метаданных указаны PyTorch и формат весов safetensors; базовая модель — egorchistov/optical-flow-MEMFOF-Tartan-T-TSKH. Репозиторий распространяется по лицензии BSD 3-Clause. Карточка не сообщает подробностей об архитектуре, размере модели или поддерживаемых языках; языковой тег en не указывает на задачу обработки естественного языка.

CanelE452 развила YOLO26n-pose, дообучив модель CanelE452/pallet-pose-yolo26n-ft на 402 размеченных кадрах с паллетами и 996 производных обрезанных изображениях. Модель предназначена для обнаружения паллет и оценки их положения по ключевым точкам, в том числе когда паллета частично выходит за край кадра при движении погрузчика. Она специализируется на квадратных паллетах размером 1,10 × 1,10 × 0,15 м с четырьмя направлениями заезда вил. В описанных испытаниях на кадрах из того же распределения съёмки модель показала pose mAP50-95 0,9703 на чистых кадрах и 0,9002 на синтетически обрезанных. Для корректного инференса необходимы отражающие поля по 100 пикселей со всех сторон, а ключевые точки должны интерпретироваться по соглашению camera-facing 0123; предсказанные координаты нужно скорректировать на размер полей. Требуется Ultralytics версии не ниже 8.4.60 с поддержкой Pose26. Модель распространяется по лицензии AGPL-3.0.

Parakeet RNN-T 0.6B SAPC1 + SAPC2 + synthetic speech — англоязычная модель автоматического распознавания речи для дикции при дизартрии. Разработчик дообучил extraordinarylab/parakeet-unified-en-0.6b на очищенных от дублей записях SAP Challenge 1 и 2, дополнив их синтетической речью. Это плотная модель архитектуры Parakeet RNN-T с классом ParakeetForRNNT; репозиторий содержит веса Safetensors для Transformers. Модель предназначена для исследований и оценки распознавания речи людей с дизартрией, в том числе в сценариях SAP Challenge, а также может служить начальной точкой для адаптации под говорящего или предметную область. В README приведены результаты жадного декодирования на отложенной выборке SAPC2: WER 11,32% и CER 7,16%. Встроенный generate() использует жадное декодирование; для адаптера оценки применялся отдельный RNN-T beam search с размером луча 2. Качество зависит от говорящего, причины и тяжести дизартрии, условий записи и типа высказывания. Данные SAP могут не представлять всех людей с дизартрией, а синтетическая речь может сохранять артефакты и смещения записей и системы синтеза. Модель может пропускать, заменять или галлюцинировать слова, поэтому не подходит как единственное основание для клинических, юридических, критически важных или связанных с доступом решений. Лицензия — CC BY 4.0.

Prov-GigaPath — фундаментальная модель для цифровой патологии, разработанная авторами, перечисленными в карточке модели. Она предназначена для исследователей, которым нужны представления изображений гистологических препаратов целого предметного стекла (whole-slide images, WSI) для последующих экспериментов и воспроизведения результатов опубликованной работы. Модель включает кодировщик фрагментов изображения (tile encoder), извлекающий локальные признаки, и кодировщик целого стекла (slide encoder), формирующий представление на уровне препарата. Для анализа целого стекла изображение разбивают на фрагменты, получают их эмбеддинги и передают их вместе с координатами в кодировщик стекла. Модель поддерживает извлечение признаков и на уровне фрагментов, и на уровне стекла; в репозитории указан формат PyTorch и библиотека timm. Модель предназначена для исследовательской работы с патоморфологическими изображениями, в том числе для изучения предобучения и построения систем на основе представлений WSI. Доступ к весам требует согласия с условиями доступа на Hugging Face. Лицензия — Apache-2.0, однако авторы ограничивают предполагаемое применение исследованиями и воспроизведением экспериментов: модель не предназначена для клинической помощи, принятия клинических решений или развернутого применения.

Prov-GigaPath-Flash — облегчённая фундаментальная модель для цифровой патологии, разработанная как вариант Prov-GigaPath. Она предназначена для извлечения признаков из изображений гистологических препаратов на уровне отдельных тайлов и целых стекол. Архитектура состоит из энкодера тайлов на базе DINOv2-small ViT-S/16 с размерностью эмбеддингов 384 и слайд-энкодера LongNet на 12 слоёв с размерностью 384; компоненты содержат примерно 22 млн и 21 млн параметров соответственно. Веса представлены в формате PyTorch и загружаются с использованием кода Prov-GigaPath. Модель позволяет получать эмбеддинги тайлов, а затем агрегировать их вместе с координатами в представление целого стекла. Она рассчитана на ускорение и снижение затрат памяти при выводе и дообучении по сравнению с полной Prov-GigaPath. Основные сценарии — исследования моделей патологии, воспроизведение опубликованных экспериментов и построение исследовательских систем анализа цифровых гистологических изображений. Лицензия — Apache-2.0. Модель и её оценки предназначены только для исследований, а не для клинической помощи или развертывания в продуктивной среде.

PVDepth — дообученный чекпойнт UNet для оценки глубины в панорамных изображениях и видео. Модель разработана для задачи Panoramic Video Depth Estimation via Geometry-Aware Spatiotemporal Adaptation и основана на tencent/DepthCrafter. PVDepth принимает эквипрямоугольные изображения или видеопоследовательности и оценивает относительную обратную глубину. Для видео она формирует временно согласованные оценки, учитывая геометрию панорамного изображения. Чекпойнт распространяется в формате safetensors и предназначен для запуска через репозиторий PVDepth с использованием GPU. В метаданных указана лицензия other, поэтому условия использования следует сверить с лицензией в репозитории. Модель рассчитана на панорамные эквипрямоугольные данные; README не описывает её применение к обычным перспективным изображениям.

Qwen3-Embedding-4B-recsys-challenge-2026-retriever-ctx1024 — плотный dual-encoder ретривер команды FPMs_UMONS для разговорных рекомендаций музыки, созданный для RecSys Challenge 2026. Модель дообучена на базе Qwen/Qwen3-Embedding-4B и формирует текстовые эмбеддинги для плотного поиска; она служит одним из каналов системы, объединяющей BM25, коллаборативную фильтрацию по трекам и расширение по артистам, а результаты передаются отдельному реранкеру. Это специализированный компонент, рассчитанный на каталог примерно из 47 тысяч треков, а не самостоятельная универсальная модель эмбеддингов. Для соответствия обучению необходимо задавать max_seq_length=1024 и truncation_side='left': запрос пользователя располагается в конце текста, поэтому усечение справа может удалить его из длинной беседы. Модель обучена с LoRA на слоях внимания с MultipleNegativesRankingLoss и экспортирована в формате sentence-transformers; размер базовой модели — 3,7 млрд параметров, нативный контекст — 40 960 токенов. Заявленная лицензия — Apache-2.0. Модель рассчитана на английские диалоги в стиле TalkPlayData и должна использоваться в составе рекомендательной системы.

taobao-mnn/Qwen3-VL-2B-Instruct-Eagle3 — это черновая модель в архитектуре EAGLE-3, разработанная для ускорения генерации текста базовой моделью Qwen3-VL-2B-Instruct. Она предназначена для использования вместе с базовой моделью в системе спекулятивного декодирования: черновая модель предлагает токены, а базовая проверяет их. Репозиторий не содержит самостоятельную модель для диалога; размер указанных весов — 361,5 млн параметров, формат — safetensors, родная длина контекста — 262 144 токена. Автор заявляет об ускорении пропускной способности генерации в 1,5–2,5 раза без снижения качества базовой модели. В тестах средняя длина принятого чернового продолжения при четырёх предлагаемых токенах составила около 1,87 токена; результаты приведены для задач программирования, математики и общих знаний. Модель обучена с помощью SpecForge на данных EagleChat. Лицензия — Apache-2.0. Для работы необходима совместимая реализация спекулятивного декодирования и базовая модель Qwen3-VL-2B-Instruct; сама по себе эта модель не предназначена для генерации ответов. Заявленные показатели ускорения зависят от базовой модели, оборудования и конфигурации декодирования.

REAGenderIdentificationv1 — дообученная модель DistilBERT для классификации текста, разработчик — malcolm. В карточке указаны результаты оценки: accuracy 0,8798 и F1 0,8522; название модели предполагает задачу определения гендера по тексту, однако карточка не описывает классы, метод разметки или сценарии применения. Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и выдаёт метку классификации. Максимальная длина контекста — 512 токенов. Модель опубликована в формате PyTorch и распространяется по лицензии Apache-2.0.

Это конвертированные в формат LiteRT TFLite версии модели RegNetY-400MF из TorchVision. Модель предназначена для классификации изображений, в том числе в приложениях, использующих ускорение на CPU или GPU; для INT8-варианта также заявлена поддержка NPU Qualcomm и MediaTek. В репозитории представлены обычный TFLite-файл и варианты с динамической и статической INT8-квантизацией; для статического INT8-варианта указаны поканальные INT8-веса. Модель связана с ImageNet-1K. Лицензия в предоставленных данных не указана.

KakashiFromKonoha/ror-recite-9b — дообученная мультимодальная модель Qwen3.5-9B для анализа видео и рассуждений о дорожных аномалиях. Разработчик дообучил базовую Qwen/Qwen3.5-9B методом LoRA ранга 64 на наборе TAR-RE, затем объединил адаптер с весами модели; загружать отдельный адаптер не требуется. В метаданных указаны плотная архитектура Qwen3.5, библиотека Transformers и формат safetensors. Модель принимает видеокадры вместе с текстом и формирует текстовый ответ. В описанном рецепте обучения использовались до 32 кадров с разрешением до 131 072 пикселей на кадр и последовательности длиной до 5120 токенов. Набор данных посвящён обнаружению и объяснению аномалий дорожного движения; ответы в обучающих примерах сохранены, а цепочки рассуждений перегенерированы базовой Qwen3.5-9B. Модель предназначена для исследовательских и воспроизводимых экспериментов по выявлению и анализу дорожных аномалий в видео. README отмечает, что результаты жадного декодирования через vLLM могут меняться между запусками из-за отсутствия пакетной инвариантности этой архитектуры. Лицензия в предоставленных данных не указана.

Это дообученный детектор объектов RF-DETR Medium от dronefreak, созданный на базе Roboflow/rf-detr-medium для набора SeaDronesSee и бенчмарка DetectionBench. Он анализирует изображения с воздуха и обнаруживает пять классов: пловцов, лодки, гидроциклы, спасательные средства и буи; подходит для поиска людей и объектов на воде, в том числе в сценариях поисково-спасательных работ с применением дронов. Модель построена на архитектуре RF-DETR Medium и распространяется в формате PyTorch через библиотеку rfdetr. На валидационной выборке SeaDronesSee автор сообщает mAP@50 83,47% и mAP@50–95 47,49%. Лицензия — Apache-2.0. Результаты ограничены условиями датасета: в обучающих данных выражен дисбаланс классов, а многие объекты занимают малую часть изображения. Оценка выполнена на валидационном разделе, поскольку для тестового раздела нет открытой разметки; переносимость на другие типы воздушных сцен и условия съёмки не проверена.

Модель dima806/skin_types_image_detection разработана на основе Vision Transformer google/vit-base-patch16-224-in21k и дообучена для классификации типов кожи по фотографии лица. Она относит изображение к одному из трёх классов: сухая, нормальная или жирная кожа; архитектура ViTForImageClassification содержит 113,2 млн параметров. Модель предназначена для автоматической предварительной оценки типа кожи по портретному изображению, например, как часть приложения или сервиса по уходу за кожей. В отчёте на 1529 примерах указана точность 65,34%; качество различается между классами, поэтому результат следует считать ориентировочным. Модель принимает изображения и выдаёт метку класса. Репозиторий распространяется по лицензии Apache-2.0. В README не приведены сведения о происхождении и репрезентативности данных, поэтому точность на других типах изображений и условиях съёмки может отличаться.

SetFit/test-setfit-sst2-string-labels — тестовая модель классификации текста из набора SetFit. Она предназначена для проверки сценариев работы SetFit, а не для получения сильных результатов. Метод SetFit сначала дообучает Sentence Transformer контрастивным обучением, затем обучает классификационную голову на полученных признаках. В репозитории указана архитектура BERT с 25,9 млн параметров и контекстом до 512 токенов; доступен формат PyTorch. Модель можно использовать для экспериментов с few-shot-классификацией текста и проверки интеграции библиотеки SetFit. Лицензия — Apache-2.0. Карточка прямо предупреждает, что модель создана только для тестов и не обучалась для высокой точности.

TinyBioBERT — компактная модель на архитектуре BERT, полученная дистилляцией BioBERT на корпусе PubMed. Разработчики обучали её 100 тысяч шагов с общим размером пакета 192, применяя послойную дистилляцию: карты внимания и скрытые состояния студенческой модели выравнивались с соответствующими представлениями учительской модели. Модель содержит около 15,1 млн параметров и четыре скрытых слоя; размерность скрытых состояний и эмбеддингов — 768. Она предназначена для предсказания замаскированных токенов в биомедицинском тексте и может использоваться как компактная основа для экспериментов с языковыми задачами в этой области. Максимальная длина контекста — 512 токенов. Доступны веса PyTorch, лицензия — MIT. Карточка не сообщает результатов оценки качества и конкретных поддерживаемых языков. Модель обучалась на PubMed, но её показатели на прикладных биомедицинских задачах отдельно не приведены.

ytu-ce-cosmos/turkish-tiny-bert-uncased — компактная модель BERT для турецкого языка, разработанная ytu-ce-cosmos для заполнения пробела в линейке небольших турецких BERT-моделей. Она предназначена для задачи fill-mask: предсказывает пропущенные токены в тексте. Модель содержит 4,6 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch, Safetensors и TensorFlow; архитектура — BertForPreTraining. Модель uncased и не различает регистр. Из-за известной проблемы токенизатора перед подачей текста нужно вручную привести его к нижнему регистру, сначала заменив латинскую заглавную I на турецкую ı: text.replace("I", "ı").lower(). В README указано, что обучение преимущественно на собранных из сети данных может приводить к предвзятым предсказаниям. Лицензия — MIT.

Ultrasound EDM2 XL + S Autoguidance — генеративная модель для создания синтетических изображений ультразвукового исследования плода высокого разрешения. Она представлена в работе «A Foundational EDM2-Based Generative Model for High-Resolution Synthetic Fetal Ultrasound Imaging from Open Datasets»; в репозитории размещены EMA-веса вариантов XL и S. При генерации модель XL использует вариант S как сеть автосопровождения. Модель предназначена для получения изображений fetal ultrasound из открытых наборов данных, например для исследовательских экспериментов с синтетическими медицинскими изображениями. Веса опубликованы в формате PyTorch. Лицензия указана как other; конкретные условия использования следует уточнять в материалах репозитория и самой работы.

Odakris/vit-beans-demo — дообученная модель Vision Transformer (ViT) для классификации изображений, построенная на базе google/vit-base-patch16-224-in21k. Веса представлены в форматах Safetensors и ONNX; размер модели — 113,2 млн параметров. В README приведены результаты на тестовой выборке: точность 0,9609 и loss 0,1408. Набор данных и назначение классов не описаны, поэтому практическая область применения модели неясна. Модель выпущена под лицензией Apache-2.0.

Это модель Vision Transformer ViT-Small с патчами 16×16, обученная компанией Lunit методом самообучения DINO на 33 млн гистологических фрагментов из наборов данных по патологии. Модель содержит 21,1 млн параметров, принимает изображения размером 224×224 пикселя и предназначена прежде всего как визуальный backbone для классификации и получения эмбеддингов тканей. Модель подходит для классификации гистологических изображений и извлечения признаков, которые можно использовать в последующих задачах анализа патологии. В обучении использовались данные BACH, CRC, MHIST, PatchCamelyon и CoNSeP. Репозиторий предоставляет веса в формате safetensors; для работы используется библиотека timm. Лицензия lunit-non-commercial ограничивает использование некоммерческими целями.

Модель Amsterdam Data Collective разработана для программы AIWaM Rijkswaterstaat и прогнозирует значимую высоту волн Hm0 и высоту зыби HE10 у буя Europlatform в Северном море. Она предназначена для быстрого приближения к расчётам волновой модели SWAN, в том числе для обработки ансамбля из 51 прогноза в заданных вычислительных ограничениях. Это Temporal Fusion Transformer на PyTorch с 1 255 720 параметрами, скрытым размером 64, четырьмя головами внимания и двумя слоями LSTM. На вход подаются 168 часов истории и статические, метеорологические, гидрологические и волновые признаки; модель выдаёт квантили 0,1, 0,5 и 0,9 для обоих показателей на каждый час следующих 48 часов. Она обучалась на данных трёх буёв, но предназначена для прогнозов у Europlatform. Карточка указывает английский язык; лицензия весов — CC BY 4.0. Модель является концептуальной и не предназначена для других мест, горизонта свыше 48 часов или самостоятельных решений по безопасности. Прогнозы HE10 при продолжительной зыби заметно слабее SWAN; использован только один seed, нет независимой оценки за 2022 год, а выбранный чекпойнт сохранён после первой эпохи. Обучение на ERA5 также может отличаться от работы на оперативных ансамблевых данных ECMWF или Harmonie.

Venky0411/whisper-small-ta-emotion — дообученная на EmoTa (TamilSER-DB) модель OpenAI Whisper Small для классификации эмоций в аудио на тамильском языке. Она принимает аудио и выдаёт метку класса, предназначенную для распознавания эмоциональной окраски речи. В метаданных указаны архитектура WhisperForAudioClassification, библиотека Transformers и формат весов Safetensors; базовая модель — мультиязычная Whisper Small. На оценочном наборе модель показала accuracy 0,2556 и macro F1 0,2109, поэтому результаты классификации могут быть ненадёжными. Модель распространяется по лицензии Apache-2.0.

keremberke/yolov8s-chest-xray-classification — модель классификации рентгеновских снимков грудной клетки на основе YOLOv8s, опубликованная пользователем keremberke и предназначенная для отнесения снимка к одному из двух классов: NORMAL или PNEUMONIA. Она работает с изображениями и использует библиотеку Ultralytics; в карточке также указан датасет chest-xray-classification. Модель подходит для экспериментальной автоматической сортировки снимков и учебных задач компьютерного зрения, связанных с выявлением пневмонии по рентгенограммам. Результат представляет собой метку класса, а не клиническое заключение. Лицензия в предоставленных данных не указана.

ACE-Ego-Hand — веса для восстановления движения обеих рук из видео от первого лица. Модель разработана авторами работы Liu et al. (2026) и использует скрытые состояния видеодиффузионного трансформера Wan2.2 для оценки положения и формы рук MANO, а также их переноса в координатах камеры на каждом кадре. На вход подаётся эгоцентрическое RGB-видео; на выходе — покадровые 3D-параметры рук, которые можно сохранить в таблицу и визуализировать в видео. Вариант kfree оценивает геометрию камеры без предварительной калибровки, а вариант k принимает внутренние параметры камеры; оба рассчитаны на pinhole-камеры. Репозиторий содержит веса в формате safetensors, переупакованные без переобучения из компонентов Wan2.2, Wan2.2 VAE и TAEHV; для трансформера оставлены используемые блоки. Лицензия CC BY-NC 4.0 разрешает использование с ограничением на некоммерческое применение.

mesabo/agri-plant-disease-resnet50 — модель компьютерного зрения на архитектуре ResNet50 для классификации болезней растений по изображениям листьев. Разработчик — mesabo. Модель содержит 23,6 млн параметров и распознаёт 38 классов, включая здоровые листья и болезни кукурузы, томата, яблони, винограда, картофеля, перца и других культур. Она обучена на 54 305 изображениях PlantVillage с аугментацией и рассчитана на обработку изображений размером 224×224 пикселя. Модель предназначена для предварительного определения распространённых болезней листьев в сельскохозяйственных приложениях, в том числе при интеграции через FastAPI. В README заявлены точность свыше 95% на тестовой выборке PlantVillage и время инференса менее 100 мс на CPU; эти показатели относятся к указанному набору данных и не гарантируют такую же точность в полевых условиях. Модель пока не поддерживает маниок, кешью и какао. Лицензия — Apache 2.0.

AIFS ENS v1.0 — вероятностная ансамблевая модель прогноза погоды, разработанная Европейским центром среднесрочных прогнозов погоды (ECMWF). Она предназначена для генерации прогнозов верхних слоёв атмосферы, приземных погодных параметров и траекторий тропических циклонов. Модель работает на основе данных о начальном состоянии атмосферы и выдаёт прогноз в виде небольшого ансамбля, обученного с оптимизацией оценки CRPS. Архитектура модели сочетает графовую нейронную сеть в кодировщике и декодировщике со скользящим оконным трансформером. Она обучалась на реанализе ERA5 и оперативных метеорологических анализах ECMWF. Атмосферная компонента имеет горизонтальное разрешение около 31 км и 13 вертикальных уровней. Для запуска используется фреймворк Anemoi; по умолчанию требуется около 38 ГБ видеопамяти, а уменьшение потребления памяти снижает пропускную способность. Из-за недетерминированности вычислений на GPU пользовательские запуски не обязаны в точности совпадать с официальными прогнозами. Веса доступны по лицензии CC BY 4.0.

AIFS ENS v2 — система ECMWF для среднесрочного вероятностного прогноза погоды. Модель работает операционно: четыре раза в сутки формирует глобальный ансамбль из 51 прогноза с шагом 6 часов на срок до 15 дней. Она предназначена для метеорологических прогнозов, включая прогнозы волнения и траекторий тропических циклонов. Архитектура модели сочетает графовую нейронную сеть в энкодере и декодере со скользящим оконным трансформером в процессоре. Горизонтальное разрешение атмосферного компонента составляет около 31 км; модель использует 14 уровней давления, включая новый уровень 10 гПа. Веса опубликованы под лицензией CC BY 4.0. В README не приведено подробного описания известных ограничений; для практического использования важны доступность начальных данных и вычислительных ресурсов для запуска инференса.

AnomalyThink-Qwen2.5-VL-7B-KCR-GRPO — мультимодальная модель для объяснимого обнаружения промышленных аномалий, разработанная Adnane Acudad. Это экспериментальный контрольный чекпойнт из семейства AnomalyThink: модель принимает изображения и текстовые инструкции и формирует текстовый ответ с оценкой аномалии и обоснованием. В основе лежит Qwen/Qwen2.5-VL-7B-Instruct; модель дообучена по рецепту Keep-Correct-Revise, а затем прошла дополнительное обучение GRPO. Используются архитектура Qwen2.5-VL и формат весов safetensors. В README приведены результаты balanced accuracy: 82,95% на DS-MVTec и 72,62% на VisA. Автор отмечает, что улучшение относительно KCR-инициализации невелико и нестабильно, поэтому этот запуск рассматривается как будущая работа, а основной результат исследования — отдельная модель KCR без GRPO. Модель предназначена для экспериментов и оценки объяснимого визуального контроля качества; лицензия — Apache-2.0.

AQUA-1B — компактная языковая модель Kurma AI с 1 млрд параметров, дообученная методом SFT с LoRA на базе Google Gemma 3 1B. Она предназначена для консультаций и автоматизации задач в аквакультуре, включая анализ показаний датчиков воды, формирование предупреждений, планирование кормления и поддержку роботизированных проверок. Модель рассчитана на диалоговую генерацию текста и работу с инструкциями; заявленный контекст — 32 768 токенов. Карточка описывает применение на периферийных устройствах и автономные сценарии, однако метаданные подтверждают текстовую архитектуру, поэтому напрямую принимать данные IoT или управлять роботами без внешней интеграции она не может. Обучение проводилось на материалах по аквакультуре, включая консультационные диалоги, рекомендации и синтетические вопросы и ответы. Модель может быть полезна фермерам и разработчикам систем мониторинга для подготовки рекомендаций и текстовых решений по данным, переданным в запросе. Распространяется по лицензии Apache-2.0.

BTC chord recognition — GGUF — это конверсия модели BTC (A Bi-directional Transformer for Musical Chord Recognition), разработанной Park и соавторами и опубликованной на ISMIR 2019. Модель предназначена для автоматического распознавания музыкальных аккордов по аудиозаписи и выдаёт временную шкалу аккордов в формате .lab, совместимом с mir_eval. Она интегрируется с CrispASR и принимает монофонический аудиосигнал с внутренним преобразованием к частоте 22,05 кГц. Модель использует двунаправленный Transformer: 8 слоёв, скрытый размер 128, 4 attention-головы и FFN шириной 128. Обработка выполняется блоками по 108 кадров, а не скользящим окном. Доступны варианты GGUF с 170 классами, включающими 12 тональных центров и 14 качеств аккордов, а также классы X и N для неизвестного состояния и отсутствия аккорда, и варианты с 25 классами для мажорных и минорных аккордов и N. Предлагаются форматы f16, f32 и q8_0; f16 является вариантом по умолчанию, а q8_0 практически не отличается от него по измеренной точности при меньшем размере. Сильные стороны модели — компактность, проверенная поэтапная эквивалентность исходной PyTorch-реализации и высокая степень совпадения результатов с ней: 98,6–99,2% на тестовой музыкальной записи по метрикам mir_eval. Эти показатели отражают соответствие эталонной реализации, а не гарантированную точность относительно человеческих разметок. Модель может вести себя нестабильно вне распределения данных; например, 25-классовый вариант на синтетических тонах иногда возвращает N. Для большинства сценариев рекомендуется 170-классовая версия, которую можно дополнительно свернуть до мажорных и минорных аккордов. Весы распространяются по лицензии CC-BY-NC-SA 4.0 и предназначены только для некоммерческого использования. Они обучены на аннотациях Isophonics, Robbie Williams и UsPop2002, условия которых запрещают коммерческое применение. Код BTC и CrispASR имеют лицензию MIT, но она не распространяется на эти веса; для коммерческого продукта необходимо использовать собственные или отдельно лицензированные веса.

BulkFormer-147M — модель семейства BulkFormer для анализа транскриптомов bulk RNA-seq, представленная как крупнейший из пяти вариантов семейства. Разработана на основе работы Kang, Fan и соавторов, опубликованной в Cell Systems в 2026 году; веса преобразованы в формат, совместимый с Transformers. Архитектура — BulkFormerModel, 147 млн параметров; файлы доступны в формате safetensors. Модель предназначена для извлечения признаковых представлений на уровне генов или экспрессии, а также может служить основой для тонкой настройки с классификационной головой, продолжения предобучения с masked imputation и объединения эмбеддингов с ESM2. Лицензия — MIT. Карточка отсылает к отдельному пакету для инструкций по использованию.