II.8Инженерия данных и аналитика

Это компактная модель обнаружения объектов RF-DETR Nano, дообученная автором dronefreak на наборе GC10-DET в рамках DetectionBench. Она предназначена для поиска и локализации десяти типов дефектов на изображениях металлических поверхностей: складок, трещин и пятен, отверстий и других дефектов проката. Модель принимает изображения и возвращает классы дефектов с ограничивающими рамками. На тестовом разделении GC10-DET указаны mAP@50 70,17% и mAP@50–95 38,06%. Набор содержит 2 300 изображений, а применённое разделение 80/10/10 создано проектом, поскольку у исходного набора нет официального разделения. Качество по редким классам может быть нестабильным; например, для класса crease в README отмечено мало примеров. Данные представляют собой преимущественно одиночные дефекты на серых промышленных изображениях проката, поэтому показатели не характеризуют работу на обычных фотографиях или в плотных сценах. Модель распространяется по лицензии Apache-2.0.

GENA-LM (gena-lm-bert-base) — базовая модель AIRI-Institute для анализа длинных последовательностей ДНК человека. Это трансформер BERT, обученный в режиме masked language modeling на сборке генома T2T. Токенизатор использует BPE вместо k-mer-разбиения, поэтому при контексте 512 токенов модель обрабатывает около 4500 нуклеотидов. Архитектура включает 12 слоёв, 12 голов внимания, скрытый размер 768 и словарь из 32 тысяч токенов; число параметров — 137,8 млн. Модель предназначена для продолжения предобучения и дообучения на задачах классификации последовательностей ДНК, а также для извлечения представлений геномных фрагментов. Она принимает последовательности ДНК как текстовые токены и предсказывает замаскированные токены. В карточке приведены инструкции по загрузке через Transformers и оценочные результаты отнесены к публикации проекта. Условия лицензии в предоставленных данных не указаны.

Taykhoom Dalal поддерживает минимальный перенос GENA-LM-bert-base для Hugging Face Transformers. Это плотная трансформерная модель класса BERT для маскированного языкового моделирования последовательностей ДНК. Она принимает ДНК-токены, разбитые BPE-токенизатором с алфавитом из 32 000 токенов, и предсказывает скрытые токены; также её скрытые представления можно использовать для получения эмбеддингов последовательностей и дообучения под задачи классификации. В README указано обучение на сборке генома человека T2T и назначение для длинных последовательностей человека и нескольких видов. Модель имеет 12 слоёв, 12 голов внимания, размерность представлений 768 и контекст 512 токенов. Веса перенесены из AIRI-Institute/gena-lm-bert-base; реализация проверена на побитовое совпадение с исходными весами при eager-внимании и также поддерживает SDPA и FlashAttention 2. Порт не включает исходные NSP-голову и pooler. Распространяется по лицензии MIT.

GorillaWatch-DINOv2-Large — модель компьютерного зрения проекта GorillaWatch для повторной идентификации горилл по изображениям и мониторинга популяций. Она разработана для системы, описанной в работе WACV 2026, и дообучена на датасете Gorilla-SPAC-Wild на основе крупного визуального энкодера DINOv2 ViT-Large. Модель принимает изображение размером 518×518 и выдаёт вектор признаков размерности 256. Идентификация выполняется поиском ближайших соседей среди эмбеддингов галереи, поэтому модель не ограничена фиксированным набором идентичностей и рассчитана на сопоставление ранее не встречавшихся особей. Для корректных результатов требуется квадратное изменение размера и нормализация со средним и стандартным отклонением 0,5 по каждому каналу. В карточке приведены результаты поиска по галерее как на Gorilla-SPAC-Wild, так и при переносе на записи зоопарка Берлина без дообучения. Точность зависит от данных и протокола сопоставления; модель предназначена для повторной идентификации горилл, а не для универсального распознавания объектов. Веса распространяются по лицензии CC BY 4.0.

Hand-Gesture-19 — модель классификации изображений жестов рук, разработанная prithivMLmods на основе SigLIP 2 и дообученная для отнесения изображения к одному из 19 классов. Она принимает изображение и возвращает метку жеста: среди классов есть «кулак», «ладонь», «ок», «стоп», «мир» и варианты положения пальцев, а также класс «нет жеста». Модель подходит для распознавания жестов в интерфейсах управления, играх и VR, робототехнике и системах мониторинга. Карточка также упоминает интерпретацию жестового языка, однако модель выдаёт только метки отдельных жестов и не описана как система перевода жестового языка. Архитектура — SiglipForImageClassification; в метаданных базовой моделью указана google/siglip2-so400m-patch14-384, тогда как README называет google/siglip2-base-patch16-224. Модель распространяется под лицензией Apache-2.0. Она классифицирует только заданные категории жестов, поэтому не подходит для распознавания произвольных жестов или полноценного понимания непрерывной жестикуляции.

jiosephlee подготовил дообученный чекпойнт Intern-S1-mini для переноса оценок между записями в задаче Carcinogens V27 degree-24. Модель предназначена для ранжирования и оценки записей по данным химических анализов на канцерогенность, включая тестирование на примерах из распределения и вне него. Это плотная причинная языковая модель архитектуры Qwen3 с 7,6 млрд параметров и контекстом до 65 536 токенов. Чекпойнт выбран на 500-м шаге по совместной метрике ID/OOD; в тесте он превзошёл указанные в карточке варианты на основе Morgan fingerprint по Macro MAE@3 и Spearman, хотя Spearman@3 остаётся отрицательным. Доступны веса safetensors и загрузка через Transformers; README указывает на необходимость trust_remote_code=True для встроенного токенизатора. Сведения о лицензии в предоставленных данных отсутствуют.

Krypsis-COD — компактная модель сегментации замаскированных морских животных под водой, разработанная автором репозитория ryanrana. Она использует предварительно обученный на ImageNet трансформерный backbone PVTv2-B0 и декодер с многоуровневым обучением; физические и частотные признаки подаются через AquaWave prior stem без дополнительных параметров, а маска уточняется с помощью головы границ. Модель содержит около 4,8 млн параметров; размер весов составляет 19,2 МБ в fp32, 9,7 МБ в fp16 и 4,6 МБ в int8. Обучение проводилось на изображениях размером 352×352 из корпуса CAMO и COD10K. Модель предназначена для выделения контуров и областей замаскированных морских животных на подводных изображениях, в том числе для компактных систем и edge-устройств. В README приведены результаты на тесте CAMO и на отложенных кадрах COD10K-Aquatic; автор отмечает, что модель существенно меньше крупных адаптеров SAM, но уступает им по точности. Низкая точность IoU на небольших объектах ограничивает её применение для экспертной идентификации. Лицензия — MIT.

toastloaf/LFM2.5-2.6B-Finance — чат-модель на 2,6 млрд параметров для финансовых рассуждений и анализа рынков. Это дообученная с помощью QLoRA модель LiquidAI/LFM2.5-2.6B с архитектурой Liquid Transformer 2.5: декодерная языковая модель с гибридными свёрточными блоками и полным вниманием. После обучения адаптеры объединены с весами и модель экспортирована в fp16; репозиторий содержит веса safetensors. Заявленная длина контекста — 131 072 токена. Модель предназначена для ответов на вопросы о финансовых рынках, инструментах и корпоративных финансах, анализа данных из отчётности и earnings calls, а также сценарных рассуждений о ценных бумагах и макроэкономике. Она принимает диалоговые текстовые запросы и генерирует ответы на английском языке; обучение преимущественно велось на английских финансовых данных. По карточке, обучение использовало 10 496 примеров из публичных финансовых наборов данных без синтетических данных. К небольшому размеру модели относятся ограничения в открытых рассуждениях и точности численных ответов по таблицам; калибровка правдивости немного снизилась относительно базовой модели. Ответы могут быть ошибочными, неполными или устаревшими, а модель может отказаться от персональных рекомендаций по инвестициям. Разработчик указывает, что модель не является финансовой консультацией; результаты следует проверять по первичным источникам. Лицензия обозначена на Hugging Face как other, конкретные условия в предоставленных данных не раскрыты.

MolDeBERTa-base-123M-contrastive_mtr — молекулярный энкодер на архитектуре DeBERTaV2, разработанный SaeedLab. Модель предварительно обучена на 123 млн молекул PubChem, представленных строками SMILES, с контрастивной задачей MTR, учитывающей свойства молекул и сходство их подструктур. Вариант base содержит около 116,3 млн параметров и принимает последовательности длиной до 128 токенов. Модель предназначена для получения векторных представлений молекул, оценки сходства, визуализации и дообучения для предсказания свойств или классификации молекул. В статье семейство оценивали на бенчмарках MoleculeNet; этот вариант рекомендован авторами среди конфигураций base. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC-ND 4.0 ограничивает коммерческое использование и распространение производных материалов согласно её условиям.

MolDeBERTa-base-123M-mlc — молекулярный энкодер, разработанный SaeedLab на основе архитектуры DeBERTaV2. Он предварительно обучен на 123 миллионах строк SMILES из PubChem с целью MLC, которая учитывает свойства молекул и сходство их подструктур. Модель содержит 116,3 млн параметров и принимает последовательности SMILES с контекстом до 128 токенов. Модель предназначена для извлечения векторных представлений молекул. Эмбеддинги можно использовать для оценки сходства, визуализации и обучения предикторов; энкодер также можно дообучить для прогнозирования свойств или классификации молекул. В тестировании семейства на бенчмарках MoleculeNet MolDeBERTa показала сильные результаты, однако эти показатели не гарантируют качество на конкретных данных. Лицензия CC-BY-NC-ND-4.0 запрещает коммерческое использование и распространение производных версий.

MoLFormer-c3-1.1B — модель семейства MoLFormer от DeepChem, описанная в статье ChemBERTa-3. Это предобученный трансформер для работы с последовательностями молекул: README указывает, что при обучении использовались наборы ZINC20 и PubChem, а метаданные определяют архитектуру как плотную модель masked language modeling с 51,4 млн параметров и контекстом до 202 токенов. Основной сценарий — заполнение пропусков в молекулярных последовательностях. Метаданные также указывают поддержку классификации текста, что позволяет использовать представления модели для задач cheminformatics. Модель загружается через Transformers как masked language model. Лицензия — MIT. Модель предназначена для последовательностей молекул; точные ограничения качества и область применимости результатов в предоставленных материалах не описаны.

MoLFormer-XL-both-10% — химическая языковая модель от исследовательской группы IBM, представленная в статье Ross et al. Она обучена на SMILES-последовательностях малых молекул из ZINC и PubChem: эта версия использовала по 10% каждого набора. Модель содержит 51,4 млн параметров и построена на Transformer с линейным механизмом внимания и rotary embeddings; предобучение использует masked language modeling, а длина последовательности ограничена 202 токенами. Модель предназначена прежде всего для извлечения векторных представлений молекул и последующей тонкой настройки для задач предсказания свойств. Эмбеддинги можно применять для оценки сходства молекул, визуализации и обучения предикторов; поддерживаются также masked language modeling и классификация последовательностей, например для оценки растворимости или токсичности. В README приведены результаты тонкой настройки на 11 задачах MoleculeNet. Модель не предназначена для генерации молекул и не тестировалась на молекулах длиннее примерно 200 атомов. Неканонические или некорректные SMILES могут ухудшить качество; при обучении удалялась изомерная информация. Лицензия — Apache-2.0.

MusicBERT large от manoskary — 24-слойная модель архитектуры BERT для работы с символьными музыкальными последовательностями в формате REMI+BPE. Она обучена на корпусе GigaMIDI; в метаданных указано 443,6 млн параметров, а README приводит оценку около 330 млн. Контекст модели — до 2048 токенов. Модель предназначена для восстановления замаскированных фрагментов музыкальной последовательности и может служить основой для последующих генеративных задач. Она принимает символьное представление музыки, например события MIDI, и не создаёт аудио напрямую. Веса опубликованы в формате safetensors по лицензии MIT. Обучение только на символьных данных и смещение корпуса в сторону западной тональной музыки ограничивают разнообразие музыкального материала. Для длинных последовательностей README рекомендует обработку частями или итеративное декодирование; генерации может потребоваться постобработка для связности.

kenzytran/my_awesome_mind_model — дообученная Kenzy Tran модель классификации аудио на базе facebook/wav2vec2-base. Она предназначена для отнесения аудиовхода к классам; конкретный набор классов и сценарии применения в карточке не раскрыты. Модель построена на архитектуре Wav2Vec2ForSequenceClassification, содержит 113,3 млн параметров и распространяется в формате Safetensors через Transformers. На оценочном наборе указаны accuracy 0,0708 и loss 2,6616, что свидетельствует о слабом результате в этой оценке. Датасет, поддерживаемые языки и ограничения использования не описаны. Лицензия — Apache-2.0.

yeonoooo/my_awesome_mind_model — дообученная модель классификации аудио на базе facebook/wav2vec2-base. Она содержит 113,3 млн параметров и предназначена для классификации аудиовходов; модель реализована на Transformers и опубликована в формате Safetensors. README сообщает о дообучении на неизвестном наборе данных и приводит accuracy 0,0973 на оценочной выборке, поэтому качество и пригодность для конкретного применения не подтверждены. Модель может подойти для экспериментов с классификацией аудиосигналов и оценки адаптации wav2vec 2.0 к конкретному набору данных. Названия классов и поддерживаемые языки не установлены по карточке. Лицензия — Apache-2.0.

NASA-IBM Lunar Foundation Model (NASA-IBM LFM) — мультимодальная модель-основа для дистанционного зондирования Луны, разработанная NASA и IBM AI for Science. Это энкодер-декодер ViT-B, обученный с нуля на примерно двух миллионах зарегистрированных наборов лунных данных SomBench. Входы охватывают 11 модальностей и два масштаба съёмки LROC: NAC с разрешением около 1 м/пиксель и WAC около 100 м/пиксель. При обучении модель учитывает геометрию освещения и координатный контекст; FlexiViT позволяет адаптировать размер патча при дообучении. Основное назначение — извлечение представлений для последующей настройки под обнаружение объектов, сегментацию и плотную регрессию на изображениях LROC и совмещённых продуктах рельефа. Модель также поддерживает мультимодальную генерацию для качественного изучения связей между данными. Для работы с ней предусмотрена интеграция с TerraTorch; веса доступны в формате PyTorch. Модель предназначена для лунных данных и не проверена на других небесных телах или продуктах, отсутствующих в SomBench. Она не сохраняет абсолютную геодезическую привязку, а генерируемые поля не являются калиброванными научными предсказаниями. В частности, оценки перспективности наличия льда воспроизводят экспертную карту, а не измеряют лёд. Лицензия — Apache-2.0.

pelvitect-kp — модель компьютерного зрения из проекта Pelvitect для обнаружения анатомических ключевых точек на рентгенограммах таза у детей. Она построена на ViTPose-Plus-Base и дообучена на наборе PelviSet для анализа дисплазии тазобедренного сустава (DDH). Модель предсказывает восемь точек — по четыре для каждой стороны таза — на отдельных ROI-кропах каждой стороны, а не на полном снимке. Для вывода требуется изображение с четырьмя каналами: RGB и маской сегментации, нормированной делением на 12. Обычные процессоры изображений Transformers рассчитаны на три канала и могут завершиться ошибкой или дать неверные предсказания; для работы README рекомендует обёртку Pelvitect. Модель предназначена для анализа медицинских изображений и не заменяет клиническую оценку. Лицензия — MIT.

Surgical SAM 3.1 — дообученная модель SAM 3.1, разработанная Mehmet Kerem Turkcan, Soham Samal и Zoran Kostic из AIDL Lab Колумбийского университета и IPAL Lab. Она обнаруживает и сегментирует хирургические инструменты, анатомические структуры и ткани по текстовым подсказкам на изображениях. Для видео исходные компоненты SAM 3.1 отслеживают и распространяют маски объектов после их инициализации детектором. Модель обучена на объединённом хирургическом наборе данных, включающем изображения из CholecInstanceSeg, CholecSeg8k, Dresden Surgical Anatomy Dataset и Endoscapes. В карточке приведены результаты на отложенной тестовой выборке: качество сегментации инструментов заметно выше, чем анатомии и тканей. Модель предназначена для исследований в области компьютерного зрения в хирургии и не проверена для клинических решений или ухода за пациентами. Лицензия указана как other.

Это небольшая модель обнаружения объектов RF-DETR, дообученная на наборе SeaDronesSee в рамках DetectionBench. Она анализирует изображения с беспилотников над водной поверхностью и находит пловцов, лодки, гидроциклы, спасательные средства и буи, например, для мониторинга акватории и поисково-спасательных операций. Модель использует архитектуру RF-DETR Small; веса представлены в формате PyTorch. Для SeaDronesSee val указаны mAP@50 80,97% и precision 85,68%; результаты относятся к проверочной выборке этого набора. Лицензия — Apache-2.0. Точность на редких классах ограничена дисбалансом обучающих примеров, а небольшие малоконтрастные объекты над водой распознавать трудно. Проверена только на морском бенчмарке; перенос на другие типы аэросъёмки, условия освещения и высоты не установлен. Метрики на val нельзя напрямую сопоставлять с результатами официального тестового лидерборда, для которого используются скрытые метки.

Это модель обнаружения объектов YOLO26m, дообученная автором репозитория на наборе данных SeaDronesSee в рамках DetectionBench. Она предназначена для поиска людей в воде, лодок, гидроциклов, спасательных средств и буёв на изображениях с беспилотников над водой. Модель использует архитектуру YOLO26m и библиотеку Ultralytics; репозиторий содержит веса PyTorch. На валидационной части SeaDronesSee указаны mAP@50 82,38%, mAP@50–95 49,57% и точность 90,01%. Лицензия — AGPL-3.0. Модель подходит для сценариев морского поиска и спасения, включая обнаружение пловцов и плавсредств на кадрах с высоты. В обучающей выборке преобладали пловцы и лодки, а спасательные средства встречались редко; многие объекты занимают малую часть изображения. Оценка выполнена на валидационном разбиении, поскольку разметка тестового набора не опубликована. Перенос на другие воздушные сцены, условия освещения и высоты съёмки не проверен.

SMILES_tokenized_PubChem_shard00_160k — модель семейства RoBERTa, опубликованная Seyone Chithrananda под именем seyonec. Она обучена работать с токенизированными строками SMILES, представляющими химические структуры, и доступна через Transformers для задачи fill-mask с поддержкой PyTorch и JAX. Модель содержит около 96,6 млн параметров и поддерживает контекст до 514 токенов. Она предназначена для восстановления замаскированных фрагментов SMILES и получения химических представлений, которые можно использовать как основу для дообучения на задачах анализа молекул. Модель не является готовой системой генерации, синтеза или прогнозирования свойств без дополнительного дообучения. Лицензия в доступных данных не установлена.

seyonec/SMILES_tokenized_PubChem_shard00_50k — модель, опубликованная Seyone Chithrananda на Hugging Face. Она предназначена для заполнения маскированных токенов в строках SMILES, то есть для восстановления пропущенных фрагментов представлений химических структур. Модель основана на архитектуре RoBERTa, содержит около 96,6 млн параметров и поддерживает контекст длиной до 514 токенов. В карточке Hugging Face указаны библиотеки Transformers, PyTorch и JAX, а задача модели обозначена как fill-mask. Модель работает с токенизированными SMILES из набора PubChem и ориентирована на химико-информационные сценарии. Модель может применяться для предсказания пропущенных токенов в молекулярных строках и предварительного обучения или извлечения представлений химических структур. Карточка модели не содержит подробного описания качества, ограничений, лицензии, набора поддерживаемых естественных языков или специализированных downstream-задач, поэтому эти характеристики нельзя надёжно установить.

Chanisorn/thai-food-mpnet-nutrition — модель Sentence Transformers, дообученная на базе sentence-transformers/paraphrase-multilingual-mpnet-base-v2 для поиска тайских блюд по ингредиентам и характеристикам питания. Она преобразует текст в плотные векторы размерностью 768 и подходит для семантического поиска, сравнения текстов и ранжирования кандидатов по косинусному сходству. В обучающих примерах запросы с ингредиентами сопоставляются с описанием блюда и категориями калорийности, белка, жиров и углеводов. Модель использует XLM-RoBERTa с усреднением токенных представлений. README указывает максимальную длину последовательности 128 токенов; метаданные — контекст до 514 токенов. Заявленный язык — тайский. Лицензия — Apache-2.0. В README приведена оценка поиска на 48 примерах, поэтому результаты могут не отражать качество на других данных и сценариях.

sangjeedondrub/tibetan-roberta-base — предварительно обученная языковая модель RoBERTa, выпущенная Sangjee Dondrub как эксперимент для освоения API Transformers. Она предназначена для задачи fill-mask: модель предсказывает пропущенный токен в тибетском тексте. Модель содержит 96,6 млн параметров, использует архитектуру RobertaForMaskedLM и принимает контекст длиной до 514 токенов. Доступна в формате PyTorch. Модель подходит для экспериментов с маскированным языковым моделированием и анализа тибетского текста. Карточка не описывает качество на прикладных задачах или конкретные ограничения; результаты следует проверять на целевых данных. Лицензия — MIT.

Virchow2 — модель извлечения визуальных признаков, разработанная Paige и Microsoft Research. Это самообучаемый Vision Transformer, предварительно обученный на 3,1 млн гистопатологических изображений целых стекол. Архитектура ViT-H/14 содержит 632 млн параметров, обрабатывает изображения размером 224 × 224 и формирует эмбеддинги для фрагментов ткани. Для плотных задач доступны признаки патчей размером 256 × 1280. Модель предназначена для извлечения признаков из фрагментов гистологических изображений и построения на их основе классификаторов на уровне фрагментов или целых стекол. Её можно использовать как замороженный визуальный backbone или дообучать под конкретную задачу и набор данных; заявлены сценарии вычислительной патологии, включая классификацию и сегментацию. Для работы требуются PyTorch и timm. Модель рассчитана на академические исследования, а не на клиническую диагностику. Лицензия CC-BY-NC-ND 4.0 требует атрибуции, запрещает коммерческое использование и распространение копий; доступ требует регистрации и принятия условий. Также запрещено использовать модель для диагностики, лечения или профилактики заболеваний.

karilamo/vit-beans-demo — модель классификации изображений на архитектуре Vision Transformer (ViT), созданная дообучением google/vit-base-patch16-224-in21k. Она предназначена для отнесения изображений к классам; название модели указывает на демонстрационную классификацию изображений фасоли, однако состав классов и обучающий набор данных в карточке не раскрыты. Модель содержит 113,2 млн параметров и распространяется в формате safetensors. В README указаны результаты оценки: accuracy 0,9766 и loss 0,1136; датасет и подробности методики оценки не описаны. Лицензия — Apache-2.0.

Manu8/vit_cifar — модель классификации изображений на основе Vision Transformer (ViT), обученная разработчиком репозитория на наборе CIFAR-10. В карточке описаны Shifted Patch Tokenization (SPT), Locality Self-Attention (LSA), двумерные синусоидальные позиционные эмбеддинги и глобальное усреднение признаков без CLS-токена. Модель обучалась с нуля на небольшом наборе данных. Модель предназначена для классификации изображений CIFAR-10 по десяти классам. На оценочной выборке карточка приводит точность 86,03% после пяти эпох обучения. В репозитории указаны веса PyTorch в формате safetensors. Лицензия и условия повторного использования в предоставленных данных не описаны.

Модель nickmuchi/vit-finetuned-chest-xray-pneumonia — дообученная версия Vision Transformer ViT-Base с патчами 16×16, созданная на основе google/vit-base-patch16-224-in21k для классификации рентгеновских снимков грудной клетки по наличию пневмонии. Она содержит 113,2 млн параметров, использует PyTorch и распространяется по лицензии Apache-2.0. На указанной в карточке оценочной выборке достигла точности 95,51% и значения функции потерь 0,1271. Модель предназначена для классификации изображений рентгенограмм в экспериментальных и вспомогательных сценариях, например для сортировки снимков или оценки результатов классификатором. Карточка не приводит подробностей о классах, составе данных и клинической проверке, поэтому показатели нельзя трактовать как подтверждение пригодности для диагностики. Она принимает изображения и выдаёт метки классов.

MaxPowerUnlimited/vit-superhero-villain — модель классификации изображений на основе Vision Transformer (ViT), дообученная на google/vit-base-patch16-224. Она предназначена для отнесения изображений к классам супергероев и злодеев. Модель содержит 113,2 млн параметров и использует библиотеку Transformers. На оценочном наборе данных указаны loss 1,2902 и accuracy 0,7363. Модель принимает изображение и выдаёт предсказание класса. Распространяется в формате safetensors по лицензии Apache-2.0.

VyvoUp EfficientHBR v2.0 — компактная причинная модель расширения полосы речевого аудио, разработанная автором репозитория kadirnar. Она принимает монофоническую речь с частотой 24 кГц и выдаёт точно синхронизированный монофонический сигнал 48 кГц. Модель построена на безсмещённых причинных темпоральных свёртках с управляемыми вентилями и содержит 32 112 обучаемых параметров; опубликован формат ONNX. Сеть предсказывает два чередующихся остаточных компонента высокочастотной полосы. Фиксированный комплементарный FIR-тракт сохраняет исходную полосу и добавляет только высокочастотный остаток; точная цифровая тишина преобразуется в точную тишину. Модель предназначена для потокового расширения полосы речи, например, для повышения частоты дискретизации и восстановления высоких частот в речевых записях. В README приведены проверки на реальной и синтетической речи и сравнения с FlashSR, однако точность восстановленных высоких частот не подтверждается отсутствием эталонных 48-кГц данных в одном из описанных сравнений. Модель выпущена по лицензии CC BY 4.0. В карточке не указаны поддерживаемые естественные языки; описание ориентировано на акустическую обработку речи, а не на распознавание или генерацию текста.