II.8Инженерия данных и аналитика

GLPN, дообученная на датасете KITTI модель для оценки глубины по одному изображению. Она разработана на основе Global-Local Path Networks и использует SegFormer в качестве базовой архитектуры, дополненной лёгкой головой для оценки глубины. Модель предназначена для монокулярного восстановления глубины в изображениях дорожных сцен, например для анализа кадров с автомобильных камер. Модель принимает изображение и выдаёт карту глубины. В карточке указана лицензия Apache-2.0. Ограничение её обучения на KITTI может влиять на работу с изображениями вне дорожных сцен и условий, представленных в этом датасете.

GorillaWatch-DINOv2-Base — модель компьютерного зрения для повторной идентификации горилл и мониторинга популяций в проекте GorillaWatch. Она разработана для поиска совпадений между фотографиями или видеокадрами: модель извлекает 256-мерный вектор признаков, а идентификация выполняется поиском ближайших соседей по галерее векторов. Фиксированного списка особей у модели нет, поэтому её можно применять и к гориллам, которых не было в обучающей выборке. В основе лежит ViT-Base с патчами 14×14 из DINOv2, дообученный на Gorilla-SPAC-Wild с hard-mining triplet loss. Входные изображения приводятся к размеру 518×518 и нормализуются со средним и стандартным отклонением 0,5 для каждого канала; стандартное преобразование timm для DINOv2 даёт некорректные эмбеддинги. В README приведены результаты поиска по k ближайшим соседям на Gorilla-SPAC-Wild и при переносе без дообучения на Gorilla-Zoo-Berlin. Модель предназначена для анализа изображений горилл в полевых наблюдениях и зоопарках. Она выдаёт эмбеддинги, а не готовые метки личности, поэтому для идентификации нужна галерея эталонных эмбеддингов и процедура поиска ближайших соседей. Весовые файлы в safetensors побитово соответствуют конвертированным обученным файлам .pth. Лицензия — CC BY 4.0.

Intern-S1-mini assay transfer V27 — Bioavailability MA L4 — это дообученная на наборе assay-transfer-record-level-v27-bioavailability-ma-l4-intern модель jiosephlee, основанная на jiosephlee/Intern-S1-mini-lm. Она предназначена для ранжирования записей биологических анализов при переносе результатов между анализами, в частности для задач, связанных с биодоступностью. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 7,6 млрд параметров и принимает текст; контекст — до 65 536 токенов. Контрольную точку выбрали по метрике validation L4/overall/knn_regression_id_ood_level_macro_mae_at_3. На тестовом сравнении модель показала MAE@3 0,7671 и Spearman 0,3120; результаты относятся к указанному набору данных и протоколу сравнения. Репозиторий содержит чекпойнт Transformers и файлы токенизатора; для загрузки требуется trust_remote_code=True. Лицензия в предоставленных данных не указана.

rajpurkarlab/medgemma-4b-it-crimson — плотная языковая модель на архитектуре Gemma 3, дообученная на базе google/medgemma-4b-it для оценки качества рентгенологических заключений по CRIMSON. Модель сопоставляет заключение-кандидат с эталонным и выявляет ошибки, включая ложные и пропущенные находки и ошибки в атрибутах. В обучении использован набор ReXGradient-160K; базовая модель имеет 4 млрд параметров и контекст до 131 072 токенов. Модель предназначена для автоматизированного скоринга заключений, созданных ИИ, и анализа ошибок в исследовательских и оценочных сценариях радиологии. Она работает с текстом на английском языке; карточка описывает дообучение LoRA с последующим слиянием адаптера с базовыми весами. Модель распространяется в формате Safetensors через Transformers. Автор указывает, что модель не является универсальной радиологической системой и не валидирована для принятия клинических решений. Лицензия обозначена как other, поэтому перед использованием следует проверить условия на странице репозитория.

Merlin — 3D модель компьютерного зрения и языка для компьютерной томографии, разработанная исследователями Stanford. Она предварительно обучена с использованием структурированных электронных медицинских карт и неструктурированных радиологических заключений. Репозиторий содержит веса модели и пример изображения; для работы предлагается библиотека merlin-vlm. Модель предназначена для задач, связывающих объёмные КТ-изображения с клиническими данными и заключениями. В метаданных Hugging Face основная задача обозначена как text-to-image, однако описание README указывает на 3D vision-language модель для КТ; доступные сведения не объясняют эту классификацию и не уточняют конкретные режимы генерации или анализа. Лицензия репозитория — MIT.

mlm-20230416-003-1 — дообученная модель семейства BERT, разработанная на основе indobenchmark/indobert-base-p1. Она предназначена для заполнения пропусков в тексте: модель предсказывает замаскированный токен с учётом окружающего контекста. Число параметров — 151,6 млн, длина контекста — до 512 токенов; формат весов — PyTorch. Модель обучалась на наборе intanm/financial_news_id_v1.0, поэтому её применение связано с финансовыми новостями на индонезийском языке. В README приведён результат оценки Loss 2,3201, но подробности тестирования и ограничения не описаны. Лицензия — MIT.

Экспериментальная модель GLiNER2 для извлечения сущностей и событий из англоязычных текстов. Её разработчик дообучил mmBERT-base на WikiEvents, используя широкую базовую модель whr778/mmbert-base-combined. Модель принимает текст и предназначена для извлечения упоминаний сущностей, типов событий и триггеров событий; в карточке также заявлены извлечение отношений и классификация. Контрольная оценка на отложенной выборке показала низкие результаты: строгая F1 составила 0,277 для сущностей, 0,573 для типов событий и 0,133 для триггеров событий. В эксперименте с инициализацией головы модель не показала надёжного улучшения по сравнению с контрольной и ухудшила распознавание типов событий. Автор помечает чекпойнт как не предназначенный для промышленного применения и сохраняет его для воспроизводимости. Лицензия указана как other; условия использования следует сверить с источником модели.

MorphEm — модель извлечения признаков изображений, разработанная Vidit Agrawal, John Peters и Juan Caicedo и опубликованная Caicedo Lab. Это Vision Transformer Small, обученный методом самообучения по рецепту DINO Bag of Channels на наборе CHAMMI-75, включающем 75 исследований и 2,8 миллиона многоканальных изображений микроскопии. Модель предназначена для извлечения векторов признаков клеточной морфологии из изображений, уже прошедших сегментацию. Полученные эмбеддинги можно использовать для анализа одиночных клеток, исследований базовой биологии, функциональной геномики и поиска лекарств. Для многоканальных данных каждый канал обрабатывают отдельно, а векторы объединяют. Модель оценивали на шести бенчмарках, включая CHAMMI, HPA v23 и Jump-CP; авторы сообщают о конкурентных результатах на большинстве из них. MorphEm не выполняет сегментацию клеток и не предназначена для клинической диагностики. Карточка указывает лицензию MIT.

OnT-MiniLM-L12-go — модель OnT (Ontology Transformer), разработанная для представления понятий и отношений в биомедицинских онтологиях. Она дообучена на датасете GO на базе sentence-transformers/all-MiniLM-L12-v2 и использует архитектуру BERT с mean pooling. Модель кодирует понятия в 384-мерные эмбеддинги в гиперболическом пространстве и предназначена для моделирования иерархических связей и аксиом онтологии, включая представление ролей, переходов и экзистенциальных ограничений. Модель принимает текстовые последовательности длиной до 512 токенов по метаданным Hugging Face; README указывает максимальную длину 256 токенов, поэтому при использовании следует сверяться с настройками выбранной версии. Репозиторий содержит варианты обучения с ролевыми эмбеддингами и без них, а также на разных наборах данных вывода и предсказания. Лицензия в предоставленных данных не указана.

polyBERT — химическая языковая модель, представленная К. Кюннетом и Р. Рамапрасадом для машинного анализа полимеров. Она принимает строки PSMILES и преобразует их в плотные векторы размерностью 600, представляющие химическую структуру полимеров; эти векторы можно использовать для поиска сходных структур и последующего анализа. Модель построена на архитектуре DeBERTa-v2, содержит 28,5 млн параметров и рассчитана на последовательности длиной до 512 токенов. Модель предназначена для задач полимерной информатики, включая извлечение признаков и сравнение структур по сходству. Для работы доступны PyTorch и интеграция с Sentence Transformers либо Transformers с соответствующей операцией pooling. Естественный язык интерфейса не заявлен: входом служат структурные записи PSMILES. Лицензия описана в отдельном файле LICENSE, но её условия в предоставленных данных не приведены.

Карточка модели HAYDERphd/polyBERT на Hugging Face совпадает с карточкой cooperzvegintzov/polyBERT, поэтому описание составлено по ней. polyBERT — химическая языковая модель, представленная К. Кюннетом и Р. Рамапрасадом для машинного анализа полимеров. Она принимает строки PSMILES и преобразует их в плотные векторы размерностью 600, представляющие химическую структуру полимеров; эти векторы можно использовать для поиска сходных структур и последующего анализа. Модель построена на архитектуре DeBERTa-v2, содержит 28,5 млн параметров и рассчитана на последовательности длиной до 512 токенов. Модель предназначена для задач полимерной информатики, включая извлечение признаков и сравнение структур по сходству. Для работы доступны PyTorch и интеграция с Sentence Transformers либо Transformers с соответствующей операцией pooling. Естественный язык интерфейса не заявлен: входом служат структурные записи PSMILES. Лицензия описана в отдельном файле LICENSE, но её условия в предоставленных данных не приведены.

polyBERT — химическая языковая модель для представления полимеров, описанная авторами Kuenneth и Ramprasad. Она преобразует строки PSMILES в плотные 600-мерные векторы, кодирующие химическую структуру полимеров, чтобы использовать их в задачах машинного анализа и поиска сходства. Модель построена на архитектуре DeBERTa v2, содержит 28,5 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для химической информатики полимеров: векторы можно применять для сравнения структур и извлечения признаков для последующего анализа. Карточка указывает на использование Sentence-Transformers или Transformers с подходящей операцией pooling. Модель опубликована в форматах PyTorch и Safetensors. В README указано, что условия использования описаны в файле LICENSE, но текст лицензии не предоставлен.

PoolFormer-S12 — модель компьютерного зрения для классификации изображений, разработанная авторами Yu et al. в работе «MetaFormer is Actually What You Need for Vision». Это архитектура семейства PoolFormer: вместо механизма внимания в блоках используется пространственная операция pooling. Модель обучена на ImageNet-1k с изображениями размером 224×224 и распознаёт 1 000 классов. Вариант S12 содержит около 12 млн параметров; в таблице результатов README для него указана точность top-1 77,2% на ImageNet. Модель предназначена для присвоения изображению класса ImageNet и может служить базовой моделью для экспериментов с задачами компьютерного зрения. Метаданные указывают pipeline image-classification, архитектуру PoolFormerForImageClassification и форматы PyTorch и safetensors. Лицензия — Apache-2.0. Она обучена на ImageNet-1k, поэтому качество и набор классов ограничены этой задачей; для других сценариев может потребоваться дообучение.

Robo-SAM — модель семантической сегментации роботов, опубликованная авторами проекта RoboEngine: Chengbo Yuan, Suraj Joshi, Shaoting Zhu и коллегами. Репозиторий содержит контрольные точки модели из работы о дополнении робототехнических данных; метаданные относят архитектуру к семейству EVF и классу EvfSam2Model. Веса сохранены в формате safetensors. Модель предназначена для выделения роботов на изображениях и служит компонентом набора инструментов RoboEngine для дополнения визуальных данных в задачах имитационного обучения. Её можно применять для создания сцен с изменённым фоном и повышения устойчивости систем роботизированных манипуляций к новым условиям съёмки. В README сообщается об экспериментах по переносу манипуляционных задач на шесть новых сцен; это результат всего набора RoboEngine, а не отдельная гарантия качества сегментатора. Модель выпущена по лицензии MIT. Карточка не сообщает конкретные поддерживаемые языки или ограничения по качеству; назначение описано для робототехнических изображений, поэтому перенос на иные типы сцен не подтверждён.

Ropedia Xperience-10M Task Suite — открытый набор материалов для оценки моделей воплощённого ИИ, опубликованный проектом Ropedia. Репозиторий содержит выборки данных, контракты 20 задач, воспроизводимые базовые модели и результаты диагностики, связанные с набором Xperience-10M. Это не единая готовая к эксплуатации модель, а бенчмарк и исследовательская инфраструктура для разработки и сравнения систем, работающих с движением, видео и сенсорными данными. Материалы охватывают распознавание действий и шагов процедур, прогнозирование следующих действий и траекторий рук, реконструкцию и синхронизацию мультимодальных сигналов, извлечение связей между объектами и действиями, а также долгосрочное прогнозирование. В README описаны базовые модели на признаках движения и мультимодальных признаках, а также направления дальнейшей работы с Qwen3-Omni и Cosmos 3. Проект использует данные Xperience-10M; исходные видео и сенсорные файлы, базовые веса и закрытые данные в репозитории не распространяются. Репозиторий создан для воспроизводимой оценки и исследований, а не позиционируется как готовая универсальная робототехническая система. Метаданные указывают формат PyTorch и лицензию MIT; для исходного набора данных следует отдельно соблюдать условия его распространения.

SpatialLM1.1-Qwen-0.5B — компактная 3D-языковая модель команды Manycore Research, дообученная на базе Qwen2.5-0.5B-Instruct. Она принимает данные облака точек и формирует структурированное описание сцены: элементы планировки помещения и ориентированные 3D-рамки объектов с семантическими категориями. Модель рассчитана на понимание внутренних пространств, включая структурную реконструкцию, оценку планировки и обнаружение объектов из заданных категорий. Модель содержит 494 млн параметров, использует плотную архитектуру SpatialLMQwenForCausalLM, работает через Transformers и поддерживает контекст до 32 768 токенов. SpatialLM1.1 повышает разрешение облака точек и использует энкодер Sonata; в версии 1.1 также заявлено обнаружение объектов с категориями, заданными пользователем. Облака точек могут быть получены из LiDAR, RGB-D-изображений или монокулярного видео с предварительной реконструкцией. Входные облака должны быть выровнены по осям, при этом ось z должна указывать вверх. Модель предназначена для анализа 3D-сцен в задачах робототехники, навигации и реконструкции помещений. Карточка сообщает результаты оценки на Structured3D, но не приводит здесь полный набор метрик. Лицензия CC BY-NC 4.0 разрешает некоммерческое использование с соблюдением условий атрибуции; коммерческое применение этой лицензией не разрешено.

Это модель компьютерного зрения для классификации изображений CIFAR-10. Её разработал nielsr, дообучив Swin-Tiny microsoft/swin-tiny-patch4-window7-224 на наборе данных image_folder. Модель построена на архитектуре Swin Transformer и содержит около 33 млн параметров. Модель предназначена для отнесения изображения к одному из классов CIFAR-10. На указанной в карточке оценочной выборке достигла accuracy 0,9789 и loss 0,0690. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0.

TinyClinicalBERT — компактная модель семейства BERT, созданная как дистиллированная версия BioClinicalBERT для работы с клиническими текстами. Разработчик обучал её три эпохи на записях MIMIC-III методом послойной дистилляции: слои студенческой модели согласуются с учительской по картам внимания и скрытым состояниям. Модель содержит 15,1 млн параметров, имеет 4 скрытых слоя и контекст длиной до 512 токенов; веса доступны в формате PyTorch. Модель предназначена для заполнения пропусков в клиническом тексте: она предсказывает замаскированный токен с учётом окружающего контекста. Это может быть полезно для экспериментов с медицинскими записями и NLP-сценариев, где требуется компактная masked language model. В карточке указана лицензия MIT. README указывает обучение на англоязычных клинических записях MIMIC-III, поэтому применимость к другим языкам и медицинским источникам может быть ограничена. Описание не приводит оценок качества или результатов клинической валидации; модель не следует считать подтверждённым инструментом для принятия медицинских решений.

Модель jonathanfernandes/vit-base-patch16-224-finetuned-flower — версия Vision Transformer, дообученная на базе google/vit-base-patch16-224 для классификации изображений цветов. Она принимает изображения и предсказывает класс изображения; размер модели составляет 113,2 млн параметров. В карточке указаны архитектура ViT с патчами 16×16 и входным разрешением 224×224 пикселя, а также формат PyTorch. Модель подходит для автоматической категоризации фотографий цветов, например для сортировки коллекций изображений или создания демонстрационных классификаторов. Состав классов, качество на новых данных и ограничения применения в README не описаны. Лицензия — Apache-2.0.

davethaler/whale-call-detector — дообученная модель для классификации звуковых событий в аудио, включая распознавание классов, связанных с китами. Она создана на основе MIT/ast-finetuned-audioset-10-10-0.4593 и использует архитектуру Audio Spectrogram Transformer (AST); число параметров — 113,2 млн. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Модель предназначена для классификации аудиозаписей по категориям, среди которых Water, Resident, Transient, Humpback, Vessel, Jingle, Human и Bird. В README приведены результаты оценки: accuracy 0,8866 и F1 0,8670; качество различается между классами. Данные оценки относятся к указанному автором набору проверки, подробности которого не приведены. Лицензия — BSD-3-Clause.

Модель khadija69/xlmRobertaLarge_BIES_stem_1K_6 — дообученная версия XLM-RoBERTa Large для классификации токенов. Она предназначена для задач разметки последовательностей, однако конкретный набор меток и прикладная область не описаны. Модель содержит 658,7 млн параметров, принимает текст и использует контекст до 514 токенов. Опубликованы результаты пяти эпох обучения: точность на обучающей выборке — 0,5142, на валидационной — 0,3851; эти значения указывают на ограниченное качество и не подтверждают готовность к практическому применению. Обучающий датасет неизвестен. Модель распространяется по лицензии MIT.

keremberke/yolov8m-pokemon-classification — модель классификации изображений покемонов на базе семейства YOLOv8, опубликованная пользователем keremberke. Она предназначена для определения класса покемона на изображении и может использоваться для классификации изображений из набора данных keremberke/pokemon-classification. Модель построена на Ultralytics и представлена в формате PyTorch. Карточка содержит список поддерживаемых меток и пример использования через ultralyticsplus. Сведения о размере модели, языках, лицензии и ограничениях качества в предоставленных данных отсутствуют.

Arko007/agromind-plant-disease-nfnet — классификатор изображений на архитектуре NFNet-F1, разработанный для распознавания болезней растений и здоровых состояний по фотографиям. Модель различает 88 классов для разных культур, включая яблоню, маниок, вишню, перец чили, кофе, кукурузу, огурец, виноград, манго, персик, гранат, картофель, рис, сою, клубнику, сахарный тростник, чай, томат и пшеницу. Модель принимает RGB-изображение размером 512×512 пикселей с нормализацией mean=[0.5, 0.5, 0.5] и std=[0.5, 0.5, 0.5], использует библиотеку timm и возвращает логиты для 88 классов болезней и здоровых растений. Её можно применять для первичной сортировки фотографий растений и поддержки мониторинга посевов; результаты классификации сами по себе не заменяют экспертную диагностику. Веса опубликованы в формате SafeTensors по лицензии Apache-2.0.

Taykhoom/AIDO.DNA-300M — 300-миллионная модель для геномной ДНК из набора AIDO (AI-Driven Digital Organism), разработанная Ellington et al. и перенесённая на Hugging Face Taykhoom Dalal. Это плотный Transformer с 24 слоями, 16 головами внимания, размером эмбеддинга 1024 и контекстом до 4000 токенов; модель доступна в формате safetensors и использует библиотеку Transformers. Модель предварительно обучена на геномных последовательностях из набора Nucleotide Transformer с целью masked language modeling. Она принимает последовательности ДНК, разбитые на отдельные нуклеотиды, и подходит для предсказания скрытых нуклеотидов, извлечения представлений последовательностей и дообучения для задач классификации или других задач на геномных данных. Для максимальной точности автор README рекомендует более крупную AIDO.DNA-7B. Токен U присутствует в словаре из-за совместимости с общей RNABert-токенизацией, но не встречался при обучении; следует использовать T вместо U. Лицензия указана как other, поэтому условия использования нужно уточнить в карточке модели. Порт сопоставлен с исходным контрольным чекпойнтом genbio-ai/GB.DNA-300M по скрытым состояниям и логитам MLM.

Модель cristian-untaru/biobert-medical-triage — дообученная Cristian Untaru в рамках академического проекта SortMed модель BioBERT для классификации коротких описаний симптомов на английском языке. Она присваивает тексту одну из трёх категорий срочности: self_monitor, consult_gp или urgent. Модель построена на архитектуре BERT с классификационной головой, содержит 135,5 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для прототипов медицинской предварительной сортировки, учебных проектов и экспериментов по классификации медицинского текста и сравнению способов дообучения. Она лицензирована по MIT. Это не диагностическая система и не сертифицированное медицинское устройство. Обучение проводилось на небольшом наборе SymCAT-derived с правилами разметки, не прошедшими клиническую валидацию. Модель не учитывает историю болезни и другие клинические данные, рассчитана только на английские тексты и может ошибаться на редких, неполных или неоднозначных описаниях симптомов. Для реального применения необходимы клиническая проверка и надзор специалистов.

Bio-Bite Retriever — снимок модели эмбеддингов, опубликованный для университетского проекта Bio-Bite. Это англоязычная модель семейства BERT на базе intfloat/e5-small-v2, без дополнительного дообучения; она содержит около 40 млн параметров и принимает контекст до 512 токенов. Модель предназначена для преобразования описаний тренировок, сна и восстановления в эмбеддинги и поиска похожих записей в синтетическом наборе рецептов Bio-Bite. Модель подходит для семантического поиска и подбора записей по текстовому описанию состояния пользователя в образовательном прототипе. В оценке на 72 запросах по шести категориям восстановления она была выбрана как лучший из сравниваемых нейронных ретриверов, однако TF-IDF показал более высокую точность на этом синтетическом корпусе. Это не медицинская и не диетологическая модель: категории восстановления не являются диагнозами. Репозиторий распространяется по лицензии MIT.

Это дообученная модель AmberYifan на базе marin-community/marin-8b-base с архитектурой LlamaForCausalLM и 7,5 млрд параметров. В README указано, что при обучении использовалась выборка capsd_marin-8b-base-n6000-finance-fincot-finqa-clean6k__mix_finance_cap_b1000_s0, что указывает на адаптацию к финансовым данным и задачам вопросов и ответов по финансовым темам. Модель предназначена для генерации текста и диалогового взаимодействия; заявленная длина контекста — 4096 токенов. Карточка не сообщает результаты оценки, конкретные сценарии применения или ограничения качества. Базовая Marin 8B Base описана как англоязычная, поэтому поддержку русского языка этой производной модели подтвердить нельзя. Лицензия указана как other; конкретные условия следует проверять в репозитории модели.

ChemFIE-BED (ChemSELFIES Embedding) — модель эмбеддингов на базе Sentence Transformers, разработанная автором репозитория и дообученная на gbyuvd/chemselfies-base-bertmlm. Она преобразует молекулы, записанные в формате SELFIES, в плотные векторы для поиска и сравнения химических соединений. Обучение проводилось на парах молекул из COCONUTDB и ChemBL34 с метками сходства, рассчитанными по MACCS-отпечаткам. Модель использует архитектуру BERT с усреднением токенных представлений и косинусной мерой сходства. Размер эмбеддинга — 320 измерений; матричные эмбеддинги позволяют при необходимости сократить его до 160 или 80 измерений. Максимальная длина входа — 512 токенов. Модель предназначена для поиска химически похожих соединений, кластеризации и классификации молекул по их векторам. Входной язык модели — SELFIES, а не естественный язык; обучение охватывало природные продукты и биоактивные соединения. Качество на тестовых данных автор считает достаточным для текущего применения, но в README не приведены численные метрики. Лицензия CC-BY-NC-SA 4.0 требует указания авторства и ограничивает коммерческое использование.

ChemEmbed-v01 — экспериментальный sentence-transformers на базе MiniLM-L6-H384-uncased, дообученный разработчиком на 1 183 174 парах SELFIES природных соединений из COCONUTDB. Модель преобразует SELFIES в плотные векторы размерности 768; заявлены сходство предложений с косинусной метрикой и максимальная длина входа 512 токенов. Метаданные указывают архитектуру BERT и поддержку эмбеддингов и сходства предложений. Модель предназначена для поиска и сравнения химических соединений, а также для построения кластеров и классификации на основе эмбеддингов. В README приведена оценка сходства на NP-isotest: Spearman для косинусного сходства 0,9303. Обучение проводилось на природных продуктах; автор отмечает, что модель может плохо работать с синтетическими лекарственными соединениями, а токенизатор не адаптирован специально для SELFIES. Лицензия CC BY-NC 4.0 разрешает некоммерческое использование с указанием авторства.

Модель разработана Tiantian Feng для классификации просодии детской речи. Она дообучена на наборе SpeechOcean762 и предназначена для распознавания категории «Poor intonation» в аудиозаписях речи; карточка описывает её как часть бенчмарка ChildVox, принятого на EMNLP 2026. Модель основана на Whisper large-v3 и использует архитектуру для работы с аудио; метаданные указывают поддержку многоязычных данных и формат весов safetensors. Модель может помочь исследовать характеристики детской речи и анализировать интонацию в рамках исследовательских сценариев. Её нельзя использовать для клинической диагностики, индивидуальной оценки развития без экспертной проверки, наблюдения или вторжения в частную жизнь. Обработка детских аудиозаписей требует соблюдения конфиденциальности, получения согласия и необходимых этических одобрений. Лицензия OpenRAIL; README запрещает коммерческое использование.