III.2Исследование рынка и маркетинг

Gemopus-4-E4B-it — дообученная модель Jackrong на базе google/gemma4-E4B-it для диалогового помощника с локальным запуском на мобильных устройствах и маломощных компьютерах. Она принимает текст и изображения и генерирует текст; карточка заявляет поддержку зрения и инструкции для диалога. Модель относится к семейству Gemma 4, имеет плотную архитектуру и распространяется в формате safetensors. В карточке подчёркнуты настройка тона ответов, контекстное ведение многоходового диалога и структурированная подача информации. Указаны английский, китайский, корейский и японский языки. Модель подходит для повседневного помощника на устройстве, написания и редактирования текстов, кратких ответов, форматирования и извлечения сведений из текста или изображений. Автор ориентирует её на сценарии с низкой задержкой и локальной обработкой данных. Контекстное окно и размер модели в карточке не указаны. Лицензия — Apache-2.0. Автор предупреждает, что из-за сравнительно небольшого размера модель уступает крупным облачным моделям в широте знаний и сложных рассуждениях, а на узкоспециализированных темах и сложных математических задачах может допускать ошибки. Модель позиционируется как экспериментальная настройка для локального применения.

Llama-3.2-3B-Instruct-uz — экспериментальная узбекско-английская языковая модель bxod, созданная на базе Meta Llama 3.2 3B Instruct. Модель прошла дополнительное предобучение на 1,2 млрд токенов (80% английского и 20% узбекского текста), а затем дообучение на инструкциях. Она содержит 3,2 млрд параметров, использует архитектуру LlamaForCausalLM и рассчитана на контекст до 131 072 токенов по метаданным; в описании обучения указан контекст 2048 токенов. Модель предназначена для диалогов и генерации текста, а также может применяться к переводу между узбекским и английским, анализу тональности, классификации новостей и ответам на вопросы. Специальный токенизатор сокращает среднее число токенов на узбекское слово, что может повысить скорость обработки узбекского текста и эффективное использование контекста. Для запуска на видеокарте с 4 ГБ VRAM авторы рекомендуют квантизацию. В опубликованных оценках узбекская версия превосходит базовую модель в тестах перевода и анализа тональности на узбекском, но показывает снижение результатов на некоторых англоязычных и классификационных задачах. Авторы обозначают чекпойнт как экспериментальный и устаревший. Лицензия — Llama 3.2; условия её использования определяются соответствующей лицензией Meta.

Qwen3.6-35B-A3B-Slovenian — дообученная MediaAtlas мультимодальная модель на архитектуре Qwen3.5 MoE, созданная на основе Qwen/Qwen3.6-35B-A3B. В ней около 35 млрд параметров и 3 млрд активных параметров; веса bf16 объединяют продолженное предобучение и SFT-адаптер, а также сохраняют тензоры MTP для спекулятивного декодирования. Модель предназначена для диалогов и рассуждений на словенском языке, работы со знаниями и перевода между английским и словенским. В тестах авторов она улучшила результаты базовой модели на словенском бенчмарке и в переводе EN↔SL. Она принимает изображения благодаря сохранённому визуальному энкодеру базовой модели, но дообучение проводилось только на текстах, а понимание изображений на словенском отдельно не оценивалось. README предупреждает, что прямой запуск весов bf16/fp16 в текущей версии Transformers даёт некорректный результат; авторы рекомендуют загрузку в 4-битном NF4 через bitsandbytes или вариант GGUF. Лицензия репозитория указана как other, поэтому условия использования следует уточнять по карточке модели; базовая модель Qwen распространяется по Apache-2.0.

SeaLLMs-Audio-7B — мультимодальная аудиоязыковая модель семейства SeaLLMs, разработанная для языков Юго-Восточной Азии. Она построена на Qwen2-Audio-7B с заменой языковой модели на Qwen2.5-7B-Instruct и полным дообучением на 1,58 млн диалогов с аудио и текстом. В метаданных указана архитектура Qwen2-Audio и формат safetensors. Модель принимает аудио, текст или их сочетание и предназначена для распознавания речи, описания аудио, перевода речи в текст, анализа эмоций, ответов на вопросы по аудио, краткого пересказа и голосового общения. Основные языки — индонезийский, тайский и вьетнамский, также поддерживаются английский и китайский. Разработчики сообщают о результатах на собственном бенчмарке SeaBench-Audio; руководство по эксплуатации включает Transformers и vLLM. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует сверить с карточкой модели. README не приводит явных ограничений качества или безопасного применения.

Strawberry-1.1 — дообученная компанией artindnr языковая модель для рассуждений на фарси и английском. Это причинная decoder-only модель семейства gpt_oss с архитектурой mixture-of-experts; она основана на artindnr/strawberry-1, которая, в свою очередь, дообучена на openai/gpt-oss-20b. В репозитории указаны 1,6 млрд параметров, контекст до 131 072 токенов и формат safetensors. Модель предназначена для многоязычных задач рассуждения, в том числе для работы с запросами, где одновременно используются фарси и английский. Она сохраняет управление языком рассуждений и следование инструкциям базовой модели, а для диалогов использует шаблон Harmony. Лицензия — Apache 2.0. Качество рассуждений на фарси может снижаться на технических темах, где иногда появляются английские слова или фразы. Возможны фактические ошибки и галлюцинации; отдельного обучения безопасности сверх унаследованного от базовых моделей не проводилось.

Surogate-3.5-4B — двуязычный ассистент компании Invergent для платформы Surogate, построенный на архитектуре Qwen 3.5. Модель предназначена прежде всего для следования инструкциям на румынском языке, рассуждений, решения математических задач и соблюдения орфографии; также поддерживает английский. Она принимает изображения и текст и выдаёт текст, поддерживает чат и шаблон Qwen3.5, а также режим с явной цепочкой рассуждений и адаптивной длиной рассуждения. Модель подходит для ответов на вопросы, выполнения инструкций и решения задач на румынском и английском языках. Оптимизация ориентирована на румынский, а качество английских ответов может меняться в зависимости от задачи. Модель может допускать орфографические, логические и фактические ошибки, поэтому расчёты и рекомендации с существенными последствиями следует проверять. Лицензия — Apache-2.0.

SungBeom разработал модель распознавания речи на основе Whisper Small и дообучил её на нескольких крупных наборах данных AI Hub с корейской речью. Она преобразует аудио в текст и рассчитана на распознавание речи в разных сценариях, включая клиентские обращения, разговоры и общую корейскую речь. Модель содержит 153,1 млн параметров, использует архитектуру WhisperForConditionalGeneration и распространяется в формате PyTorch через библиотеку Transformers. Обучение на нескольких наборах данных призвано повысить устойчивость к различиям между речевыми доменами. При этом качество ASR зависит от домена, а карточка указывает, что распознавание диалектов, детской и пожилой речи может требовать дополнительной адаптации. Лицензия — Apache-2.0.

AfriqueQwen3.5-4B-50Langs-Instruct-v1 — дообученная McGill-NLP версия AfriqueQwen3.5-4B-50Langs, предназначенная для генерации текста в формате инструкций и диалога. Это плотная языковая модель семейства Qwen 3.5; в репозитории веса хранятся в формате safetensors. Несмотря на класс архитектуры для условной генерации, чекпойнт содержит только языковые веса и не включает параметры зрения. Модель подходит для математических рассуждений, перевода и ответов на вопросы с выбором варианта на английском и африканских языках. README приводит оценку на наборах AfriMGSM, AfriMMLU, AfriXNLI, Belebele, Injongo, SIB-200 и FLORES. Для запуска авторы описывают vLLM в режиме только языковой модели и указывают ограничение контекста 12 288 токенов. Лицензия — CC BY 4.0.

Это система извлекающего ответа на вопросы, созданная дообучением BERT-base-uncased для работы с текстами устной речи. Она использует архитектуру BERT с 136,7 млн параметров и предназначена для ответов по расшифровкам разговоров, интервью и других устных материалов. Модель обучалась на Spoken-SQuAD, где текстам добавляли шум, имитирующий разные уровни ошибок распознавания речи; контекстное окно составляет 512 токенов. На тестах Spoken-SQuAD F1 составил 74,15% без дополнительного шума, 55,2% при WER 44,22% и 42,24% при WER 54,82%. Модель обрабатывает английский текст и возвращает извлечённый из контекста ответ. Для использования требуется библиотека Transformers; веса доступны в форматах PyTorch и safetensors. Лицензия в предоставленных данных не указана.

syv.ai, датская компания, дообучила Cohere Transcribe для распознавания речи с разметкой говорящих и временными метками слов. Модель на архитектуре Cohere ASR содержит 151,3 млн параметров и принимает аудио, выдавая транскрипцию с метками говорящих и временными отметками. Она предназначена для коротких аудиозаписей длительностью до 30 секунд; для более длинных записей в README предлагаются вспомогательные скрипты с разбиением на окна и сопоставлением голосов между ними. Указана поддержка английского языка. Модель подходит для расшифровки подкастов, интервью, встреч и других записей с несколькими участниками. README рекомендует развёртывание через vLLM и приводит результаты производительности на RTX 3090. Лицензия — Apache-2.0. Ограничения: предел одного прохода — 30 секунд; до четырёх говорящих поддерживаются лучше, а при пяти-восьми точность снижается, особенно при плотной речи с перекрытиями. Идентификаторы говорящих действуют только в пределах одного вызова модели; для длинных записей требуется дополнительное связывание сегментов.

DevQuasar/deepseek-ai.DeepSeek-V3.1-Terminus-GGUF — это квантизированная версия модели DeepSeek-V3.1-Terminus, разработанной командой deepseek-ai и опубликованной пользователем или организацией DevQuasar. Модель предназначена для генерации текста; точные сценарии применения в представленном README не описаны. Из доступных данных известно только, что модель относится к конвейеру text-generation и распространяется в формате GGUF. Архитектура, размер, поддерживаемые языки, длина контекста, модальности, варианты квантования и технические характеристики не указаны. Лицензия и условия использования также не приведены, поэтому их нельзя достоверно определить по этому README.

Мультимодальная модель Qwen3.5-4B, дообученная разработчиком dragonstorm123 на базе Qwen/Qwen3.5-4B с использованием Unsloth и библиотеки TRL. Предназначена для диалогового взаимодействия и задач image-text-to-text: модель принимает текст и изображения и формирует текстовые ответы. В метаданных также заявлены возможности работы с изображениями и интерфейс вызова инструментов. Модель содержит 4 млрд параметров и распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает обучающие данные и специальные ограничения применения; качество на конкретных задачах зависит от сценария использования.

SILMA-9B-Instruct-v1.0-GGUF — квантизированная версия инструкционной языковой модели SILMA-9B-Instruct-v1.0, разработанной командой silma-ai и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и диалогового взаимодействия, включая задачи на арабском и английском языках. Она может использоваться локально через llama.cpp и LM Studio. Модель содержит около 9 миллиардов параметров; точная архитектура и размер контекстного окна в предоставленных данных не указаны. Доступны варианты от полноразмерных F16 до квантизаций Q8_0, Q6, Q5 и Q4, что позволяет выбирать между качеством ответов, размером файла и требованиями к ресурсам. Наиболее качественными в README названы варианты Q6_K_L, Q6_K, Q5_K и Q4_K, при этом Q4_K_M описан как типичный компромисс между размером и качеством. Сильной стороной модели является специализация на арабском языке: в приведённых тестах она оценивалась на Arabic MMLU, AlGhafa, ACVA и Arabic_EXAMS, а также на арабской версии ARC Challenge. Ограничения включают отсутствие сведений о мультимодальности, точной архитектуре, контекстном окне и результатах за пределами указанных бенчмарков; квантизация может снижать качество по сравнению с исходными весами. Модель распространяется по лицензии Gemma, а для работы следует использовать указанный формат prompt.

Typhoon2.1-Gemma3-12B — тайскоязычная инструкционная большая языковая модель, разработанная командой OpenTyphoon и основанная на Gemma 3 12B от Google. Представленная версия распространяется в формате GGUF с квантизацией q4_k_m и предназначена для запуска через llama.cpp. Модель ориентирована на генерацию и обработку текста в диалоговых и прикладных сценариях, включая выполнение инструкций и вызов функций. Она содержит 12 миллиардов параметров, поддерживает контекст длиной до 128K токенов и работает только с текстом. README не уточняет полный набор поддерживаемых языков, однако модель позиционируется прежде всего как тайская. К сильным сторонам относятся специализация на тайском языке, большой контекст и поддержка function calling. Ограничения связаны с тем, что это текстовая модель, а доступная версия использует квантизацию, которая может снижать точность по сравнению с исходной моделью. Для использования требуется согласие с условиями OpenTyphoon и политикой конфиденциальности; лицензия указана как gemma.

Wiedervereinigung-7b-dpo-laser — это модификация чат-модели mayflowergmbh/Wiedervereinigung-7b-dpo, опубликованная cstr. Она использует архитектуру MistralForCausalLM с 32 слоями и примерно 7,1 млрд параметров и предназначена для диалогов и генерации текста. Базовая модель описана как немецко-английская. Модификация применяет LaserRMT (layer-selective rank reduction) к весовым матрицам базовой модели. Это изменение весов, а не квантизация или конвертация формата. Модель принимает текст и генерирует текст; нативная длина контекста — 32 768 токенов. Репозиторий распространяется под лицензией Apache-2.0, унаследованной от базовой модели. В карточке не указаны конкретная конфигурация LaserRMT, изменённые слои и ранги, поэтому нельзя оценить точный масштаб модификации или её влияние на качество. Собственный обучающий корпус не добавлялся; происхождение обучающих данных относится к базовой модели.

Zora v1.13 — открытая языковая модель Sovasoft на базе Qwen3-8B, дообученная для 12 языков Балкан и Юго-Восточной Европы: сербского, хорватского, боснийского, македонского, словенского, албанского, черногорского, болгарского, греческого, турецкого, румынского и венгерского. Это плотная авторегрессионная модель с 7,6 млрд параметров и контекстом до 40 960 токенов; она работает с текстом, поддерживает диалог и интерфейс вызова инструментов. Модель предназначена для генерации ответов и рассуждений на поддерживаемых языках, анализа аргументов и предвзятости, а также использования в сценариях поиска с дополнением контекста (RAG). Разработчик сообщает об улучшении анализа и многошаговой логики в версии 1.13 и о стремлении модели признавать неопределённость. По собственным тестам Sovasoft, эти улучшения сопровождаются заметным снижением подробности ответов и небольшим снижением результатов быстрого поиска фактов; фактические знания модели ограничены, а рассуждения требуют проверки. Заявленные результаты BalkanBench получены на внутреннем бенчмарке разработчика и могут зависеть от его дизайна и обучающих данных. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README рекомендует для квантизованных вариантов форматы не ниже Q5_K_M, поскольку более сильная квантизация может ухудшать следование заявленной политике честных ответов; для актуальных сведений требуется внешний поиск или RAG.

Это модель BERT base-multilingual-cased, разработанная Google и дообученная Manuel Romero (mrm8488) для ответов на вопросы по заданному тексту. Она извлекает ответ из контекста и предназначена для многоязычных сценариев вопросно-ответного поиска, включая перенос между языками. Дообучение проведено на данных, основанных на XQuAD, с расширением обучающей выборки; заявлены 50 тысяч обучающих и 8 тысяч тестовых примеров. В карточке указано 11 языков: арабский, немецкий, греческий, английский, испанский, хинди, русский, тайский, турецкий, вьетнамский и китайский. Архитектура — BERT для извлечения ответов, 205,1 млн параметров, максимальная длина контекста — 512 токенов. Модель принимает вопрос и текстовый контекст, выдаёт ответ в виде текста. В обучающих данных нет примеров вопросов без ответа, поэтому модель может выбирать ответ даже тогда, когда контекст не содержит достоверного ответа. Лицензия в предоставленных материалах не указана.

Это дообученная модель семейства Gemma 4, опубликованная dkingtutcd. Она предназначена для диалоговых задач с текстом и изображениями, включая ответы на вопросы по изображению и генерацию текстовых ответов; метаданные также отмечают интерфейс вызова инструментов. Модель основана на dkingtutcd/gemma-E4B-mt-b-split2 и дообучена с использованием Unsloth и библиотеки TRL. В репозитории размещены веса в формате safetensors, в карточке указана лицензия Apache-2.0. Язык карточки — английский; сведения о размере модели и длине контекста в предоставленных данных отсутствуют.

Granite Speech 4.1 2B — компактная речевая модель IBM для многоязычного распознавания речи и перевода речи. Она дообучена на базе ibm-granite/granite-4.0-1b-base и принимает аудио, выдавая текст. Модель обучалась на 174 000 часах аудио из открытых корпусов и синтетических данных. Модель поддерживает английский, французский, немецкий, испанский, португальский и японский языки. Она предназначена для транскрибации и перевода речи в обе стороны между этими языками и английским; также заявлены переводы с английского на итальянский и китайский. Архитектура использует двойную CTC-голову с графемным и BPE-выходами. Модель умеет расставлять пунктуацию и регистр, а также учитывать заданные ключевые слова для распознавания имён, аббревиатур и технической лексики. Модель ориентирована на обработку речи в корпоративных приложениях. В README не приведены результаты, позволяющие сравнить качество на всех языках и сценариях; дополнительные возможности временных меток и атрибуции говорящих относятся к отдельному варианту granite-speech-4.1-2b-plus. Лицензия — Apache 2.0.

Hviske v3 conversation — модель распознавания датской речи, разработанная syv.ai и дообученная на базе CoRal-project/roest-whisper-large-v1. Она предназначена для транскрибации естественных разговоров: встреч, интервью, подкастов и других записей реальной речи. Модель построена на архитектуре Whisper и доступна в формате safetensors для запуска через Transformers. В README заявлено, что модель превосходит Whisper Large v3 и v3 Turbo по метрикам WER и CER, однако приведённое там исследование гендерного смещения основано на тестовом наборе всего с четырьмя дикторами и не является репрезентативным. Модель бесплатна согласно указанной в репозитории лицензии; тип лицензии в предоставленных данных не уточнён.

QuantFactory/Llama3-DocChat-1.0-8B-GGUF — квантованная версия Cerebras Llama3-DocChat 1.0 8B, подготовленная QuantFactory с использованием llama.cpp. Исходная модель разработана Cerebras на базе Llama 3 и предназначена для диалоговых вопросов и ответов по документам, включая сценарии retrieval-augmented generation (RAG). Модель должна отвечать на вопросы с учётом переданного контекста и сообщать, если ответ в документе не найден. Модель относится к текстовым генеративным LLM, содержит 8 млрд параметров и поддерживает стандартный шаблон чата Llama 3 Instruct. Для передачи документа используется обёртка <context>...</context>; дополнительно можно задать инструкцию о требуемой полноте или краткости ответа. В карточке указан английский язык. Контекстное окно и конкретный формат квантования для этой GGUF-сборки не указаны. По результатам приведённых тестов модель показывает сильные результаты в задачах документного диалога: средний показатель на ChatRAG Benchmark составляет 55,71, а на EleutherAI Evaluation Harness — 58,07. К ограничениям относятся специализация прежде всего на ответах по предоставленному контексту, возможные потери качества из-за квантования и отсутствие данных о точном варианте квантования, требованиях к ресурсам и поддерживаемом размере контекста. Лицензия указана как other; подробные условия в README не приведены.

LLMLingua-2-Bert-base-Multilingual-Cased-MeetingBank — модель Microsoft на базе BERT multilingual base cased, дообученная для токенной классификации и сжатия промптов без привязки к конкретной задаче. Она оценивает вероятность сохранения каждого токена и помогает сокращать текст, сохраняя важную для задачи информацию. Модель обучена на данных, подготовленных по методике LLMLingua-2, с примерами из MeetingBank. Модель рассчитана на сжатие текстовых промптов и стенограмм встреч; сжатый текст можно использовать, например, для ответов на вопросы и суммаризации. Архитектура — BertForTokenClassification, размер — 205,1 млн параметров, контекст — до 512 токенов. Указана лицензия Apache-2.0.

Ultravox v0.4.1 70B — мультимодальная речевая языковая модель от Fixie.ai. Она построена на Llama 3.1 70B Instruct и использует Whisper Large v3 Turbo для обработки речи. Модель принимает аудио вместе с текстовым контекстом, например текстовую системную инструкцию и голосовое сообщение, а в ответ генерирует текст. Модель предназначена для голосовых агентов, анализа устной речи и перевода речи. В README приведены результаты оценки перевода между английским и арабским, немецким и испанским языками. Версия не проходила preference tuning. Генерация аудио не поддерживается. Модель распространяется по лицензии MIT.

litus-ai/whisper-small-ita — версия Whisper Small, разработанная Litus AI и дообученная для итальянской речи на части собственных данных компании. Модель предназначена для автоматического распознавания речи и рассчитана на сценарии с ограниченным вычислительным бюджетом, где важна точность транскрипции. Архитектура — WhisperForConditionalGeneration, число параметров — 153,1 млн; модель работает с аудио и выдаёт текст. Помимо слов, транскрипция может включать специальные маркеры смеха, междометий, вздохов, шума, неразборчивой речи, самоисправлений и переключения на английский. Карточка приводит сравнение с другими моделями на внутренних тестах для итальянских совещаний и телефонных звонков, но не содержит численных результатов. Модель доступна по лицензии Apache-2.0.

XORTRON-NXTXPRTXXL — мультимодальная разговорная модель на архитектуре Mistral3, созданная автором репозитория как раскрепощённая версия Mistral Medium 3.5 128B с помощью Heretic v1.3.0. Веса языковой модели изменены методом abliteration, а исходные башня зрения Pixtral и мультимодальный проектор восстановлены из mistralai/Mistral-Medium-3.5-128B. Модель принимает текст и изображения и предназначена для диалога и задач «изображение—текст». Чекпойнт использует архитектуру Mistral3ForConditionalGeneration; тензоры сохранены в FP16 Safetensors. README сообщает о снижении доли отказов с 93 из 100 у исходной версии до 8 из 100, а также приводит KL-дивергенцию 0,0329 относительно исходной модели. Карточка не описывает языки и длину контекста. Лицензия указана как other, поэтому конкретные условия использования следует сверить с лицензией репозитория.

Airavata — языковая модель с 7 млрд параметров, созданная AI4Bharat на основе OpenHathi и дообученная на наборе IndicInstruct. Она предназначена для выполнения инструкций и диалогового общения, в первую очередь на хинди. Данные для дообучения объединяют Anudesh, wikiHow, Flan v2, Dolly, Anthropic-HHH, OpenAssistant v1 и LymSys-Chat. Модель принимает текстовые сообщения в формате чата, близком к формату репозитория open-instruct, и генерирует текст. Для качества ответов README рекомендует соблюдать формат сообщений и добавлять перевод строки после маркера конца сообщения. Модель доступна в форматах Safetensors и GGUF. В карточке приведены результаты оценки на бенчмарках, включая AI2 Reasoning Challenge и HellaSwag. Модель распространяется по лицензии Llama 2; её условия следует учитывать при использовании и распространении.

AMALIA-VL-DPO — мультимодальная модель для обработки изображений и текста с генерацией ответов на естественном языке. Её разработал консорциум португальских университетов и исследовательских центров при поддержке государственных программ Португалии; модель основана на AMALIA-VL-SFT и прошла этап дообучения DPO. Архитектура — Llava Next, веса опубликованы в формате Safetensors, модель предназначена для использования через Transformers. Модель рассчитана прежде всего на европейский португальский язык (pt-PT), также поддерживает английский. Она подходит для визуальных вопросов и инструкций, кратких ответов, извлечения текста с изображений, маркировки изображений и вопросов по документам. Лицензия — Apache-2.0. Модель может галлюцинировать, отражать предвзятости и выдавать вредный или небезопасный контент, несмотря на настройку безопасности. Фактические ответы следует сверять с источниками, а для RAG-сценариев использовать подходящую базу знаний; перед внедрением модель нужно оценить для конкретной задачи. Она не предназначена для самостоятельных решений с высокими последствиями без надзора специалиста и не рассчитана на языки и культурные контексты за пределами португальского и английского.

lidiya/bart-base-samsum — англоязычная модель суммаризации диалогов, созданная дообучением facebook/bart-base на наборе SAMSum. Она предназначена для преобразования переписки в краткое связное изложение и подходит, например, для резюме чатов и разговоров. Модель построена на архитектуре BART, содержит 95,2 млн параметров и принимает текст длиной до 1024 токенов; для запуска можно использовать pipeline summarization из Transformers. В карточке приведены оценки на тестировании: ROUGE-1 46,6619, ROUGE-2 23,3285 и ROUGE-L 39,4811. Модель доступна в форматах PyTorch и Safetensors по лицензии Apache-2.0.

linydub/bart-large-samsum — модель суммаризации диалогов, дообученная с помощью Microsoft Azure Machine Learning на корпусе SAMSum от базового чекпойнта facebook/bart-large. Она принимает текст переписки и генерирует краткое изложение; подходит, например, для фиксации итогов чатов и обзора диалогов. Модель основана на BART, содержит около 252,8 млн параметров и имеет контекст длиной до 1024 токенов. Карточка приводит результаты оценки на SAMSum: ROUGE-1 55,02, ROUGE-2 29,60 и ROUGE-L 44,91. Распространяется по лицензии Apache-2.0.

batisay-ko-large 1.1 — BatiAI әзірлеген, корей тіліндегі сөйлеуді мәтінге айналдыруға арналған Whisper Large v3 негізіндегі модель. Ол KsponSpeech, Zeroth және AI Hub деректерімен, соның ішінде көпсалалы сөйлеу және 8 кГц телефон жазбаларымен дообучен; базалық Whisper Large v3 шамамен 1,55 млрд параметрден тұрады. Модель жиналыс, дәріс, сұхбат, диктовка, телефон қоңырауы және медиаға субтитр дайындау транскрипциясына бағытталған. Карточкада таза сөйлеу, шулы жазбалар және бірнеше домен бойынша CER бенчмарктары берілген. Қысқа клиптер мен құжаттық/пакеттік транскрипцияға дәлдігі басым; ұзақ қоңыраулар мен ағындық жұмысқа автор жеңілірек turbo нұсқасын ұсынады. Whisper Large өлшемі есептеу ресурстарын көбірек қажет етеді. Репозиторийде safetensors форматы көрсетілген, ал README-де басқа кванттау нұсқалары және whisper.cpp, Transformers арқылы іске қосу жолдары аталады. Лицензиясы — BatiAI Community v2 («other» метадерегінде). Транскрипцияда сирек жеке әріптер қалып қоюы мүмкін; оларды кейінгі өңдеуде алып тастау ұсынылады.