II.8Инженерия данных и аналитика

German_Semantic_V3 — модель эмбеддингов предложений, созданная Аароном Чиббом на основе gbert-large от deepset. Она предназначена для получения векторных представлений немецких текстов и сравнения их семантической близости, в том числе для длинных текстов и запросов о Германии. Модель использует архитектуру JinaBert и CLS-пулинг; объём параметров — 434,5 млн, контекст — до 8192 токенов. Модель обучена только для немецкого языка и рассчитана на тексты с немецким культурным контекстом. Matryoshka-обучение позволяет сокращать размер эмбеддингов с 1024 до 64 измерений; при уменьшении размерности качество может снижаться. По README, V3 лучше подходит для длинных текстов и учитывает более новые события, но уступает версии V3b в некоторых бенчмарках; численные результаты оценки пока не приведены. Лицензия — Apache 2.0.

KALYPSO v1.1L — открытая модель для генерации кода из семейства KALYPSO, разработанная GENOMA Labs. Она основана на Qwen2.5-Coder-14B-Instruct и дообучена с использованием LoRA на наборе Kraken-Public, содержащем 18 049 очищенных от пересечений с тестами записей, производных от кодинговых данных NVIDIA Nemotron. После обучения LoRA-адаптер объединён с полноразмерными весами в формате fp16. Модель предназначена для агентного программирования: многошаговых задач разработки, сценариев вызова инструментов, а также рабочих процессов с предварительным планированием и последующей реализацией. Основные языки — Python, C++ и SQL; заявлена поддержка английского языка. Это плотная модель на 14 млрд параметров с текстовой модальностью, стандартным шаблоном чата Qwen2.5 и контекстом до 32 000 токенов. Для развёртывания рекомендуется vLLM, также поддерживается Transformers. По данным EvalPlus, модель показывает результаты, близкие к базовой Qwen2.5-Coder-14B-Instruct: 87,8 на HumanEval, 82,9 на HumanEval+, 84,7 на MBPP и 70,4 на MBPP+. Её основное преимущество — ориентация на агентные сценарии и планирование, а не превосходство в однократном завершении кода. Ограничения включают отсутствие заметного выигрыша над базовой моделью в задачах чистого кодогенерирования и неизвестную эффективность за пределами заявленных сценариев. Модель распространяется по лицензии Apache-2.0; в описании также отмечено, что происхождение части обучающих данных может быть связано с условиями лицензий Qwen и DeepSeek.

smartmind/ko-sbert-augSTS-maxlength512 — модель эмбеддингов предложений на базе BERT, опубликованная smartmind. Она преобразует предложения и абзацы на корейском языке в плотные векторы размерностью 768 для поиска по смыслу, кластеризации и сравнения семантической близости. Вариант основан на snunlp/KR-SBERT-V40K-klueNLI-augSTS и поддерживает входную последовательность длиной до 512 токенов. Модель подходит для семантического поиска и группировки корейских текстов, а также может использоваться как представление текста в задачах классификации документов. В README приведён результат 0,8628 для KR-SBERT-V40K-klueNLI-augSTS в сравнении моделей на задаче классификации документов; этот показатель не следует считать гарантией качества для данного репозитория или иных наборов данных. Доступны веса PyTorch, лицензия MIT.

snunlp/KR-SBERT-Medium-klueNLItriplet_PARpair-klueSTS — модель Sentence Transformer от SNUNLP на архитектуре BERT, дообученная на корейском датасете klue/klue. Она преобразует предложения и абзацы в плотные векторы размерности 768, пригодные для сравнения семантической близости по косинусному сходству. Максимальная длина входа — 512 токенов. Модель предназначена для оценки сходства корейских текстов и может применяться для семантического поиска, поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. В README приведена оценка Spearman cosine 0,869 на sts-dev. Модель принимает текст и выдаёт векторы; её карточка не указывает лицензию.

LayoutXLM — мультимодальная предобученная модель Microsoft для понимания многоязычных документов с визуально значимым содержимым. Это многоязычный вариант LayoutLMv2: модель объединяет текст, расположение элементов на странице и изображение документа. В репозитории указано 305,2 млн параметров и контекст до 514 токенов. Модель предназначена для задач document AI, где смысл зависит от сочетания текста и его размещения на странице, включая работу с документами на разных языках. В экспериментах на наборе XFUND она превзошла прежние кросс-язычные предобученные модели. Карточка описывает предобученную основу, а не специализированную прикладную систему; конкретные downstream-задачи зависят от дообучения и используемой модели-головы. Для весов указана лицензия CC BY-NC-SA 4.0, предусматривающая некоммерческое использование и распространение производных на тех же условиях с указанием авторства. Модель доступна в формате PyTorch.

lexi-coder-v4.4 — языковая модель Reallexi LLC, созданная на платформе Reallexi AI Model Builder для генерации кода и диалогового взаимодействия. Это плотная авторегрессионная модель семейства Phi-3 с 3,85 млрд параметров; README описывает дообучение LoRA с последующим объединением адаптера с базовыми весами, поэтому отдельный PEFT-адаптер при запуске не требуется. Базовая модель — reallexi/lexi-coder-v4.3. Модель принимает текст и генерирует текст. В README указана обученная длина контекста 2 048 токенов, тогда как метаданные каталога указывают нативный контекст 4 096 токенов. Репозиторий содержит веса Safetensors и GGUF Q4_K_M. Примеры сравнивают ответы на программные запросы до и после обучения, но прямо обозначены как иллюстрации, а не бенчмарк. Лицензия обозначена как other; README указывает авторские права Reallexi LLC, но не приводит подробных условий лицензии. Оценка качества на независимых тестах и гарантии пригодности для конкретных сценариев не представлены.

Carsen Klock создал эту модель как дообученную версию Meta Llama 3.2 1B. Это плотная авторегрессионная языковая модель на 1,2 млрд параметров для генерации текста и диалогов; в метаданных указан контекст до 131 072 токенов. Модель дообучена на объединённых наборах инструкций, математических задач и примеров работы с кодом, а также настроена на ответы без фильтрации тем. Модель подходит для решения математических задач, генерации и анализа кода, выполнения инструкций и диалогового общения. Доступны веса в safetensors, а в README также перечислены объединённая 16-битная версия и варианты GGUF. Заявленный основной язык — английский. Используется лицензия Llama 3.2; её условия следует учитывать при распространении и применении модели.

Sakana AI разработала Llama-3-8B-Instruct-Coding-Expert — экспериментальную авторегрессионную языковую модель семейства Llama на 7,5 млрд параметров, основанную на Llama-3-8B-Instruct. Модель предназначена для генерации текста в диалоговом режиме и ориентирована на задачи программирования; в README указаны обучающие данные Magicoder-Evol-Instruct-110K и Magicoder-OSS-Instruct-75K. Модель принимает текст и генерирует текст. Метаданные указывают английский язык и контекст до 8192 токенов. В README модель представлена как один из экспертных компонентов набора Llama-3-CycleQD. Это экспериментальный прототип для исследований и разработки: авторы не рекомендуют коммерческое использование и развертывание в критически важных средах, а качество результатов не гарантируется. Лицензия — Meta Llama 3 Community License.

Карточка модели SakanaAI/Llama-3-8B-Instruct-CycleQD-CS на Hugging Face совпадает с карточкой SakanaAI/Llama-3-8B-Instruct-Coding-Expert, поэтому описание составлено по ней. Sakana AI разработала Llama-3-8B-Instruct-Coding-Expert — экспериментальную авторегрессионную языковую модель семейства Llama на 7,5 млрд параметров, основанную на Llama-3-8B-Instruct. Модель предназначена для генерации текста в диалоговом режиме и ориентирована на задачи программирования; в README указаны обучающие данные Magicoder-Evol-Instruct-110K и Magicoder-OSS-Instruct-75K. Модель принимает текст и генерирует текст. Метаданные указывают английский язык и контекст до 8192 токенов. В README модель представлена как один из экспертных компонентов набора Llama-3-CycleQD. Это экспериментальный прототип для исследований и разработки: авторы не рекомендуют коммерческое использование и развертывание в критически важных средах, а качество результатов не гарантируется. Лицензия — Meta Llama 3 Community License.

LLäMmlein2Vec 120M — немецкоязычная модель-энкодер, созданная командой LSX-UniWue на основе собственной авторегрессионной модели LLäMmlein 120M с преобразованием по методу LLM2Vec. Она предназначена для получения векторных представлений немецких текстов, например для семантического поиска, сравнения текстов и построения систем поиска по документам. Модель построена на архитектуре LLaMA с двунаправленным энкодером LlamaBiModel, содержит около 100,1 млн параметров и обрабатывает контекст до 8192 токенов. Для запуска авторы рекомендуют библиотеку llm2vec. Модель обучалась с использованием данных RedPajama-Data-V2. В метаданных указана лицензия other, поэтому условия использования следует уточнить в карточке модели и связанных материалах. Карточка ссылается на препринт, но не приводит здесь результаты оценки качества.

MyAwesomeModel — модель на базе архитектуры BERT, предназначенная для извлечения признаков из текста. В метаданных Hugging Face указаны использование библиотеки Transformers и фреймворка PyTorch, а основная задача модели — feature extraction. Разработчик в предоставленных материалах не указан. Модель может применяться для получения векторных представлений текста, семантического поиска, сравнения текстов, классификации и других задач, где нужны текстовые эмбеддинги. README также заявляет улучшенные способности к рассуждению, математике, программированию, логике, ответам на вопросы, суммаризации и диалогам, однако эти сведения не согласуются с указанным pipeline-тегом feature-extraction и не сопровождаются точным описанием конфигурации. Модель распространяется по лицензии MIT. Размер модели, длина контекста, поддерживаемые естественные языки и точная информация об обучающих данных в предоставленных материалах не указаны.

MyAwesomeModel — модель на базе BERT, опубликованная под идентификатором ASD123SAD21/MyAwesomeModel-TestRepo. Она предназначена прежде всего для извлечения признаков из текста с использованием библиотеки Transformers и PyTorch, поэтому может применяться для построения векторных представлений и последующей обработки текста в прикладных системах. В README также заявлены улучшенные способности к рассуждению, пониманию текста, классификации, анализу тональности, ответам на вопросы, суммаризации, переводу и генерации кода, однако метаданные Hugging Face классифицируют модель как feature-extraction.

MyAwesomeModel — модель из репозитория PoseyEnder/MyAwesomeModel-TestRepo, опубликованная под лицензией MIT. Согласно метаданным Hugging Face, она предназначена для извлечения признаков и относится к архитектурному семейству BERT; работать с ней предполагается через библиотеку Transformers на базе PyTorch. Модель может использоваться для получения векторных представлений текста, семантического поиска, сравнения текстов, кластеризации и подготовки признаков для последующих задач машинного обучения. README также заявляет о возможностях рассуждения, генерации кода и диалога, однако эти заявления не согласуются с указанным pipeline_tag feature-extraction и не подтверждены техническими характеристиками модели. Сильной стороной является интеграция с экосистемой Transformers и открытая лицензия MIT. Размер модели, поддерживаемые естественные языки и длина контекста в доступных данных не указаны. Для генеративных сценариев и заявленных результатов бенчмарков требуется дополнительная проверка конфигурации и воспроизводимости.

Ornith-1.5-27B-A3B-Coder — языково-модельный чекпойнт для генерации кода, созданный ManniX-ITA на основе Ornith-1.5-35B-A3B. Это разрежённая MoE-модель семейства Qwen3.5, полученная сокращением числа экспертов с 256 до 184 в каждом из 40 слоёв; активируются 3B параметров, а общий размер составляет около 26,7B. Маршрутизатор, механизм внимания, нормализации и голова MTP для спекулятивного декодирования сохранены без изменений. Веса представлены в BF16 и формате safetensors. Модель предназначена прежде всего для генерации и дополнения кода. В описанных разработчиком тестах она показала улучшение относительно исходной модели на ряде кодовых бенчмарков, но снижение результата на GPQA; README рекомендует для выбора между этой моделью и родственной CoderX начать с CoderX. Также заявлены возможности чата и интерфейс вызова инструментов, однако точность параметров при формировании структурированных вызовов инструментов отмечена как слабое место. Контекстная длина и конкретный набор поддерживаемых языков программирования в предоставленных данных не приведены. Лицензия — Apache-2.0. README называет модель исследовательским чекпойнтом и отмечает ограничения измерений: большинство результатов получены в одном прогоне, а для некоторых сравнений использовалась разная измерительная база.

PII-Tracer-vLLM — версия модели Perplexity AI PII-Tracer, упакованная для запуска через vLLM. Это дообученный двунаправленный энкодер Qwen3 примерно с 508 млн параметров и контекстом до 32 768 токенов. Он размечает токены в разговорном тексте по девяти категориям персональных данных и секретов, а отдельная голова оценивает чувствительность беседы. Разметка использует BIOES-теги и декодирование Viterbi; модель также поддерживает оценку чувствительности последовательности. Модель подходит для поиска и маскирования персональных данных в диалогах, а также для предварительной оценки чувствительности бесед. Репозиторий содержит адаптер оценивания и средства развёртывания с vLLM; веса сохранены в safetensors без повторного обучения и квантизации. Для запуска описанной конфигурации Docker Compose требуются NVIDIA GPU и совместимый драйвер. В README указан предел входа 4096 токенов: более длинный текст следует разбивать на части, иначе токенизатор обрежет его. Возможны пропуски и ложные срабатывания, а границы фрагментов могут включать пробелы; пороги уверенности необходимо калибровать на целевых данных. Лицензия — MIT.

PP-DocBlockLayout — модель PaddlePaddle для локализации областей контента в документах. Она обучена на собственном наборе данных с китайскими и английскими научными статьями, презентациями, журналами с разными макетами, договорами, книгами, экзаменами, старинными книгами и исследовательскими отчётами. В основе архитектуры лежит RT-DETR-L; модель определяет один класс объектов — Region. Модель предназначена для обнаружения блоков в изображениях документов как этапа анализа макета и обработки документов. В карточке указана mAP@0.5 95,9% на собственной тестовой выборке из изображений статей, журналов, газет, отчётов, презентаций, экзаменационных работ и учебников. Модель распространяется по лицензии Apache-2.0.

PaddlePaddle/PP-DocLayoutV3_safetensors — веса PP-DocLayoutV3 в формате safetensors, подготовленные PaddlePaddle для использования с Transformers. Модель предназначена для анализа структуры документов, включая изображения с искривлёнными и неплоскими поверхностями: она обнаруживает элементы макета, предсказывает для них многоугольные рамки и определяет логический порядок чтения за один проход. Модель используется как компонент PaddleOCR-VL 1.5/1.6 и GLM-OCR для разбора документов. В карточке указана поддержка английского и китайского языков, а лицензия — Apache-2.0. Ограничение области применения: модель ориентирована на анализ макета документов и сама по себе не описана как универсальная система распознавания и понимания текста.

Q3.5-9B-DS-v4-Flash-v2.0 — экспериментальная плотная мультимодальная модель на 9 млрд параметров, разработанная prithivMLmods на основе Qwen/Qwen3.5-9B. Её дообучили в несколько этапов на трассах рассуждений DeepSeek V4 Flash и других примерах для улучшения многошаговых рассуждений и следования инструкциям. Модель предназначена для математического и научного анализа, задач с длинным контекстом, помощи в программировании и оценки следования инструкциям. В метаданных заявлена поддержка обработки изображений и диалога; README описывает её как модель для локального запуска и исследований. Карточка указывает английский язык. Длина контекста не приведена. Это экспериментальный выпуск: модель может ошибаться в промежуточных рассуждениях и выводах, а результаты зависят от охвата обучающих данных. Распространяется по лицензии Apache-2.0.

Etherll/Qwen2.5-CodeFIM-1.5B-v2 — дообученная модель семейства Qwen2 для генерации кода в режиме Fill-in-the-Middle (FIM): она дополняет пропущенный фрагмент, учитывая код до и после него. Модель содержит 1,5 млрд параметров, построена на архитектуре Qwen2ForCausalLM и принимает текстовый контекст длиной до 32 768 токенов. Модель предназначена для автодополнения и редактирования кода, в том числе в редакторе Continue. Для запроса используется шаблон с именем файла, префиксом и суффиксом кода. В карточке указан датасет Etherll/code-fim-v2. Лицензия в предоставленных данных не указана.

Qwen2.5-Coder-7B-Instruct-4bit — 4-битная версия модели для генерации кода из семейства Qwen2.5-Coder, подготовленная mlx-community. README указывает, что модель преобразована в формат MLX из Qwen/Qwen2.5-Coder-7B-Instruct с помощью mlx-lm 0.18.1; в метаданных базовой моделью указана Qwen/Qwen2.5-Coder-7B. Это плотная причинная языковая модель архитектуры Qwen2 с 7,1 млрд параметров и контекстом 32 768 токенов. Модель предназначена для генерации кода в диалоговом формате и подходит для помощи при написании и анализе программ. Репозиторий распространяется по лицензии Apache-2.0. README описывает конвертацию в MLX, а метаданные указывают на дообучение базовой модели для кода; представленных сведений недостаточно, чтобы точно описать качество по языкам программирования или результаты оценок.

continuum-ai/qwen3.5-4b-code-forged — дообученная для программирования модель на базе Qwen3.5-4B от Continuum. Это плотная авторегрессионная языковая модель с 3,4 млрд параметров, рассчитанная на генерацию кода и запуск локально, в том числе на потребительском оборудовании. В карточке указаны обучение на коде в течение 1000 шагов и трёх циклов, а также контекст до 262 144 токенов. Модель предназначена для генерации и дополнения кода в разных языках программирования. README сообщает о снижении perplexity на коде с 3,04 до 2,35; результат HumanEval ещё не приведён. Заявления о бенчмарках отмечены как самоотчётные, поэтому их следует считать предварительными. README также описывает этапы train → quant → eval и криптографическую цепочку происхождения ForgeAlloy. Модель распространяется по лицензии Apache-2.0. Метаданные указывают формат safetensors; README упоминает квантизацию в методологии, но доступные сведения не позволяют однозначно определить, является ли опубликованный чекпойнт только квантизованной версией или содержит дообученные веса. Поддерживаются разные естественные языки, но основные языки общения не определены; назначение модели — код.

Qwen3.5-9B Uncensored Coder — текстовая LoRA-дообученная версия Qwen3.5-9B от mshodiqul на базе DavidAU/Qwen3.5-9B-Claude-4.6-HighIQ-THINKING-HERETIC-UNCENSORED. Модель предназначена для генерации кода, агентных сценариев, вызова инструментов и функций в диалоговом формате. Дообучение выполнено методом SFT на синтетических трассах вызова функций и агентного кодирования; тесты карточки отмечают успешную работу с одиночным и множественным выбором инструментов, а также в сценарии агента-программиста. Модель использует архитектуру Qwen3.5-9B и принимает текст, включая запросы с инструкциями для инструментов. Контекстное окно составляет 262 144 токена; практическая длина ответа обычно ограничена несколькими тысячами токенов. Зрительная часть базовой модели сохранена, но в этом дообучении не участвовала. Лицензия — Apache-2.0. Среди известных ограничений — уход в посторонние шаблоны при длинных запросах на bash или скрипты, когда включён блок рассуждений; для таких задач в карточке рекомендуются соответствующий reasoning parser или отключение рассуждений. При вопросе о собственной идентичности модель может воспроизводить имя из обучающих данных. Поведение без цензурных ограничений унаследовано от базовой модели.

Qwen3-Coder-64B — сжатая методом REAP модель семейства Qwen3-Coder, опубликованная 0xSero на основе Qwen/Qwen3-Coder-Next. Это причинная языковая модель архитектуры MoE с гибридным линейным и полным вниманием; из 512 экспертов в слоях удалено 20%, осталось 410 экспертов на слой, при этом на токен активируются 10. В README указан размер 64,26 млрд параметров, тогда как метаданные каталога сообщают 2,3 млрд; размер следует считать противоречивым. Контекстное окно — до 262 144 токенов. Модель предназначена для генерации кода и многошаговой разработки, включая сценарии кодирующих агентов. В README сообщается о сокращении размера модели примерно на 14% с небольшим снижением совокупных результатов в тестах: среднее упало с 66,7% до 64,6%, а качество на математических задачах снизилось заметнее. Карточка содержит результаты ограниченного набора тестов, поэтому они не гарантируют качество на конкретных задачах. Модель принимает текст и генерирует текст. В метаданных указан английский язык; карточка не подтверждает поддержку других языков. Распространяется в формате BF16, а метаданные указывают файлы safetensors и библиотеку Transformers. Лицензия — Apache-2.0.

mergekit-community/qwenben — языковая модель на архитектуре Qwen2, созданная сообществом методом SLERP с помощью mergekit. В слиянии участвовали Qwen/Qwen2.5-Coder-1.5B-Instruct и deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B. Модель содержит 1,5 млрд параметров, работает через Transformers и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации текста в диалоговом формате и может быть полезна для задач программирования и рассуждений, унаследованных от объединённых моделей. Метаданные также отмечают интерфейс вызова инструментов. Карточка не приводит результатов сравнительных оценок качества, поэтому пригодность для конкретных задач следует проверять на собственных примерах. Репозиторий содержит веса safetensors; сведения о лицензии в предоставленных источниках отсутствуют.

Set2Regex — нейросетевой синтезатор регулярных выражений, представленный авторами работы ReSyn: A Generalized Recursive Regular Expression Synthesis Framework. Модель принимает набор положительных и отрицательных строк и авторегрессионно генерирует регулярное выражение, которое должно соответствовать положительным примерам и отклонять отрицательные. Архитектура включает иерархический Transformer: сначала кодируются символы, затем строки; декодеры учитывают как весь набор, так и отдельные строки. Поддерживаются greedy-декодирование, top-k/top-p sampling и beam search. Репозиторий содержит веса safetensors и связан с датасетом mrseongminkim/ReSyn; модель реализована на PyTorch и использует PyTorchModelHubMixin. Для использования требуется код пакета ReSyn из указанного GitHub-репозитория. Лицензия — Apache-2.0.

Карточка модели ceggian/sbert_pt_reddit_mnr_256 на Hugging Face совпадает с карточкой ceggian/sbert_pt_reddit_mnr_32, поэтому описание составлено по ней. ceggian/sbert_pt_reddit_mnr_32 — модель Sentence-Transformers на базе BERT, разработанная пользователем ceggian. Она преобразует предложения и абзацы в плотные векторы размерности 768 для семантического поиска, сравнения сходства и кластеризации. Модель обучена с функцией потерь MultipleNegativesRankingLoss на данных Reddit; размер составляет 136,7 млн параметров, максимальная длина контекста — 512 токенов. Модель принимает текст и выдаёт векторные представления, поэтому подходит для поиска похожих сообщений, группировки текстов и ранжирования кандидатов по семантической близости. В репозитории находятся веса PyTorch. Лицензия и сведения о поддерживаемых языках в предоставленных данных отсутствуют.

Карточка модели PapaMoth/sentence-bert-swedish-cased на Hugging Face совпадает с карточкой KBLab/sentence-bert-swedish-cased, поэтому описание составлено по ней. KBLab, лаборатория данных Национальной библиотеки Швеции, разработала эту модель на базе BERT для получения плотных векторных представлений шведских и английских предложений и абзацев. Это sentence-transformers bi-encoder размером 151,9 млн параметров; он отображает текст в векторы размерности 768 и поддерживает входную последовательность до 512 токенов. Модель предназначена для оценки семантического сходства, семантического поиска и кластеризации текстов. Шведская KB-BERT обучалась как student-модель с помощью дистилляции знаний от английской all-mpnet-base-v2. В README приведены результаты оценки на шведских наборах SweParaphrase и SweFAQ; версия v2.0 показала лучшие результаты на задаче поиска ответов в SweFAQ v2.0 среди перечисленных версий. Модель принимает текст и выдаёт векторы, пригодные для сравнения и поиска. Распространяется по лицензии Apache-2.0. Результаты оценки относятся к указанным шведским бенчмаркам; качество на других языках и типах текстов может отличаться.

Shark-Coder-9b — слитая модель на архитектуре Mistral, созданная powermove72 с помощью LazyMergekit из powermove72/Shark-1 и S-miguel/The-Trinity-Coder-7B. Она предназначена для генерации и дополнения кода, а также ответов на запросы по программированию в формате текстового диалога. Модель содержит 8,9 млрд параметров и поддерживает контекст длиной до 32 768 токенов; веса опубликованы в формате safetensors. Слияние выполнено методом passthrough с объединённым токенизатором; в конфигурации указана точность float16. В доступных материалах не описаны результаты оценки качества, конкретные языки программирования или поддержка вызова инструментов. Лицензия не указана в предоставленных данных.

Community-1 — конвейер диаризации речи от pyannote, предназначенный для определения, кто и когда говорит в аудиозаписи. Он принимает монофонический звук с частотой 16 кГц; стерео и многоканальные записи автоматически сводятся к моно, а звук с другой частотой дискретизации преобразуется в 16 кГц. Результат включает обычную диаризацию и эксклюзивную разметку говорящих, упрощающую сопоставление с временными метками транскрипции. Модель улучшает назначение и подсчёт говорящих по сравнению с предыдущей версией pyannote speaker-diarization-3.1. Она подходит для локальной обработки, включая автономный режим, и может выполняться на CPU или GPU через библиотеку pyannote.audio. При известном или ограниченном числе говорящих это число можно задать при обработке. Несмотря на тег automatic-speech-recognition в метаданных, README описывает именно диаризацию, а не распознавание слов; транскрипт модель не выдаёт. Модель распространяется по лицензии CC BY 4.0. Для загрузки из Hugging Face необходимо принять условия использования и создать токен доступа. README приводит результаты оценки на нескольких академических наборах данных, но не гарантирует такие же показатели на конкретных записях; качество может зависеть от акустических условий и перекрывающейся речи.

NVIDIA Conformer-CTC Small (en-US) — модель распознавания английской речи, разработанная NVIDIA и обученная с помощью NeMo. Это небольшая нерекуррентная модель архитектуры Conformer с CTC-декодированием, примерно на 13 млн параметров. Она принимает монофонические WAV-записи с частотой дискретизации 16 кГц и преобразует речь в текст в нижнем регистре, используя английский алфавит, пробелы и апострофы. Модель предназначена для транскрибации аудиозаписей, пакетной обработки файлов и использования в качестве предобученного чекпойнта для дообучения на других данных. Она совместима с NeMo и NVIDIA Riva; для повышения точности в Riva можно подключить внешнюю языковую модель. Обучение проводилось на нескольких тысячах часов английской речи из публичных корпусов. По опубликованным результатам WER составляет 3,7% на LibriSpeech test-clean и 8,1% на test-other при жадном декодировании. Модель может хуже распознавать акцентную речь, технические термины и разговорные варианты, недостаточно представленные в обучающих данных. Лицензия — CC BY 4.0.