III.4Клиентская поддержка и customer success

deepdml/whisper-large-v3-turbo — многоязычная модель распознавания речи семейства Whisper, основанная на Whisper large-v3 от OpenAI. Это Transformer encoder-decoder с 905,2 млн параметров; в версии Turbo число слоёв декодера сокращено с 32 до 4, что ускоряет генерацию транскрипции с небольшим снижением качества. Модель принимает аудио и преобразует речь в текст, поддерживая распознавание на языке оригинала; семейство Whisper также умеет переводить речь, однако метаданные этой модели указывают только задачу автоматического распознавания речи. Модель подходит для транскрибирования записей, интервью, встреч и других аудиоматериалов на многих языках. Для длинных записей README описывает последовательную обработку скользящим окном и разбиение на перекрывающиеся фрагменты; стандартное окно восприятия составляет 30 секунд. По заявлению карточки, Whisper устойчив к акцентам, фоновому шуму и технической лексике, но точность неодинакова между языками, диалектами и группами говорящих. Возможны повторы и галлюцинации — текст, отсутствующий в аудио. Модель распространяется под лицензией Apache-2.0. README указывает поддержку библиотеки Transformers; файлы репозитория представлены в формате safetensors.

YamshadowStrangemerges_32_Strangemerges_32Experiment28 — объединённая модель Mistral, созданная слиянием моделей automerger/YamshadowStrangemerges_32-7B и automerger/Strangemerges_32Experiment28-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате Safetensors. Для использования доступна по лицензии Apache-2.0. В карточке не описаны специализированные области применения или дополнительные возможности, поэтому её следует рассматривать как модель общего назначения для генерации текста.

YamshadowStrangemerges_32_YamStrangemerges_32 — объединённая модель генерации текста, созданная на основе automerger/YamshadowStrangemerges_32-7B и automerger/YamStrangemerges_32-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Заявленная длина контекста — до 32 768 токенов. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. README не описывает специализированные сценарии или языковую специализацию модели.

Amadeus-Verbo-BI-Qwen-2.5-72B-PT-BR-Instruct-Experimental — плотная языковая модель для диалогов и генерации текста на бразильском португальском. Её разработала Amadeus AI на основе Qwen/Qwen2.5-72B, дообучив модель в течение двух эпох на наборе из 600 тысяч инструкций. Архитектура Qwen2 использует Transformer, RoPE, SwiGLU, RMSNorm и grouped-query attention; размер по метаданным — 71,5 млрд параметров. Модель предназначена для ответов на инструкции и диалоговых сценариев на бразильском португальском. Она поддерживает контекст до 131 072 токенов и интерфейс вызова инструментов. Для загрузки автор рекомендует актуальную версию Transformers. Модель распространяется по лицензии Apache-2.0. Качество ответов может зависеть от формулировки запроса и соответствия задачи бразильскому португальскому; карточка не приводит результатов оценки качества.

Shre09/bart-cnn-samsum-finetuned — модель семейства BART, дообученная на основе facebook/bart-large-cnn. Она предназначена для генерации кратких пересказов текста; название указывает на настройку для диалоговых сводок, однако README не подтверждает состав обучающего набора или целевые сценарии. Модель содержит 252,8 млн параметров, принимает текст с контекстом до 1024 токенов и выдаёт текст. В метаданных указан формат safetensors и лицензия MIT. README сообщает значение loss 0,1421 на оценочном наборе, но не уточняет набор данных и методику оценки.

Cognito-2x7B-bf16 — языковая модель Kquant03, собранная как frankenMoE на основе архитектуры Mixtral. В конфигурации указаны flemmingmiguel/MBX-7B-v3 как базовая модель и второй эксперт, а также alnrg2arg/blockchainlabs_test3_seminar как первый эксперт. По карточке, маршрутизатор экспертов не обучался одновременно с моделью. Модель имеет 7,1 млрд параметров, принимает текст, генерирует текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Разреженная архитектура MoE активирует экспертов для обработки токенов, что может снизить вычисления при генерации относительно плотной модели сходного размера. При этом для загрузки нужны ресурсы памяти для хранения параметров экспертов; качество и поведение маршрутизации могут быть нестабильными, поскольку маршрутизатор не обучался совместно с экспертами. Веса опубликованы в формате safetensors по лицензии Apache-2.0.

Experiment28T3q_Experiment29Multi_verse_model — объединённая языковая модель MaziyarPanahi на архитектуре Mistral с плотной архитектурой и 7,1 млрд параметров. Она создана слиянием automerger/Experiment28T3q-7B и automerger/Experiment29Multi_verse_model-7B. Модель предназначена для генерации текста и рассчитана на контекст до 32 768 токенов. В карточке указана лицензия Apache-2.0. Сведения о специализированных сценариях, обучающих данных и языках модели не приводятся.

MaziyarPanahi/Experiment28T3q_Ognoexperiment27Multi_verse_model — объединённая текстовая модель на архитектуре Mistral, созданная на основе automerger/Experiment28T3q-7B и automerger/Ognoexperiment27Multi_verse_model-7B. Она предназначена для генерации текста; размер модели составляет 7,1 млрд параметров, а контекст — до 32 768 токенов. Модель распространяется в формате safetensors под лицензией Apache-2.0. Данных о специализации на конкретных языках или областях применения в карточке нет.

GaMS-9B-Instruct — инструктивная версия языковой модели семейства GaMS, разработанная исследовательской командой Факультета компьютерных и информационных наук Люблянского университета. Модель основана на Gemma 2 и дообучена методом supervised fine-tuning на базе cjvt/GaMS-9B; она содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и имеет контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев: она может помогать создавать и редактировать тексты, составлять краткие пересказы, отвечать на вопросы и поддерживать языковую практику. Основные языки — словенский и английский; также поддерживаются хорватский, сербский и боснийский. По метаданным репозиторий содержит веса в формате safetensors, а лицензия — Gemma. Качество ответов зависит от данных и формулировки запроса: возможны фактические ошибки, предвзятость и трудности с неоднозначными или сложными задачами. Модель может генерировать вредный или вводящий в заблуждение текст, поэтому результаты требуют проверки и подходящих мер безопасности.

Gemma Ko 7B Instruct v0.50 — дообученная lemon-mint разговорная языковая модель семейства Gemma для генерации связного текста, прежде всего на корейском языке. Модель основана на beomi/gemma-ko-7b и содержит 8,2 млрд параметров; использует плотную архитектуру GemmaForCausalLM и формат safetensors. Родной контекст составляет 8192 токена. Модель предназначена для диалога, ответов на вопросы, суммаризации и перевода, а также для генерации текста на корейском и английском языках. Для ответов на корейском она ориентирована на связность и соответствие контексту. Обучающие данные могут отражать предвзятость веб-источников, а ответы — содержать ошибки и недостоверные сведения, поэтому их следует проверять. Указана лицензия gemma-terms-of-use; метаданные Hugging Face обозначают её как other.

Gemma Ko 7B Instruct v0.62 — диалоговая модель на архитектуре Gemma, разработанная lemon-mint путём дообучения openchat/openchat-3.5-0106-gemma. Модель содержит 8,2 млрд параметров и предназначена прежде всего для генерации связного текста на корейском языке, включая диалог, перевод, суммаризацию и ответы на вопросы. Поддерживает корейский и английский языки, контекст до 8192 токенов и формат весов Safetensors; доступна для работы через Transformers. Модель подходит для корейскоязычных чат-ботов, подготовки кратких пересказов, ответов на вопросы и перевода текста. В README указана лицензия gemma-terms-of-use. Возможны ошибки и воспроизведение предвзятостей обучающих веб-данных, поэтому ответы требуют проверки.

German-RAG-PHI-3.5-MINI-4B-ORPO-HESSIAN-AI — авторегрессионная языковая модель на архитектуре Transformer, разработанная командой Avemio AI при поддержке Hessian AI. Это дообученная версия немецко- и англоязычной модели German-RAG-PHI-3.5-MINI-4B-SFT-HESSIAN-AI, настроенная методом ORPO для сценариев генерации с дополнением найденной информацией. Модель предназначена для ответов на вопросы по контексту и документам, извлечения релевантной информации, суммаризации и рассуждений на немецком и английском языках. В карточке указаны 3,7 млрд параметров и контекст до 131 072 токенов. По приведённым в README оценкам, она справляется с отдельными задачами извлечения и рассуждений, однако результаты зависят от задачи и набора данных. Модель доступна в формате safetensors. Метаданные указывают лицензию MIT; README указывает Apache 2.0, поэтому лицензию следует сверить с условиями репозитория перед использованием. Ответы могут содержать фактические ошибки и предвзятость, а модель без фильтрации способна генерировать вредный или чувствительный контент.

Infinity-Instruct-7M-Gen-Llama3.1-70B — разговорная модель Beijing Academy of Artificial Intelligence (BAAI), дообученная на наборах Infinity-Instruct-7M и Infinity-Instruct-Gen. Это плотная авторегрессионная модель семейства Llama 3.1 с 69,5 млрд параметров; она генерирует текст по инструкциям и использует шаблон диалога Llama 3 Instruct. Контекстное окно составляет 8192 токена. Модель предназначена для диалогов и выполнения пользовательских инструкций. Разработчики сообщают о результатах на AlpacaEval 2.0 и Arena-Hard, сопоставимых с GPT-4, однако приведённые в карточке сведения не гарантируют качество в конкретных сценариях. Обучение проводилось без RLHF. В метаданных указан английский язык. Модель распространяется для академических исследований; коммерческое использование запрещено лицензией llama3.1 и условиями проекта.

SanctumAI/Llama-3.2-1B-Instruct-GGUF — это квантизированная версия инструкционно дообученной текстовой модели Meta Llama 3.2 1B Instruct, подготовленная SanctumAI в формате GGUF. Модель относится к семейству мультиязычных больших языковых моделей Meta, принимает текст и генерирует текст. Заявлены поддерживаемые языки: английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский. Модель предназначена для многоязычного диалога, суммаризации и сценариев агентского поиска и извлечения информации. Благодаря размеру около 1 млрд параметров и вариантам квантизации она ориентирована на локальный запуск при ограниченных ресурсах. Доступны варианты от Q2_K до Q8_0, а также f16; их размер составляет примерно от 0,58 до 2,48 ГБ, а оценочная потребность в оперативной или видеопамяти — от 3,93 до 5,70 ГБ. К сильным сторонам относятся компактность, поддержка нескольких языков, инструкционный режим и широкий выбор компромиссов между качеством и требованиями к памяти. Ограничения включают меньший размер по сравнению с более крупными моделями, возможное снижение качества из-за квантизации и отсутствие в README сведений о длине контекста, конкретной архитектуре и результатах бенчмарков. Модель распространяется по лицензии llama3.2; условия использования следует уточнять в тексте этой лицензии.

LongForm-OPT-1.3B — языковая модель на базе OPT, дообученная авторами проекта LongForm на инструкциях для генерации длинных текстов. Модель содержит около 1,7 млрд параметров и принимает текстовые запросы; её контекст составляет 2048 токенов. В карточке заявлены английский и многоязычный режимы, включая немецкий, итальянский, испанский и французский языки. Модель предназначена для генерации длинных ответов и документов по инструкциям: например, рецептов, историй, стихотворений, писем и ответов на вопросы, а также для суммаризации и исправления грамматических ошибок. Авторы сообщают о результатах оценки на генерации рецептов, ответах на вопросы ELI5 и коротких историях, где LongForm-модели превзошли сравниваемые модели с настройкой на инструкции. Ограничения включают слабую пригодность для задач структурированного предсказания и возможность галлюцинаций. Лицензия в предоставленных данных не указана.

MergerixStrangemerges_32-7B — автоматическое слияние моделей, созданное Maxime Labonne на основе Gille/StrangeMerges_32-7B-slerp и MiniMoog/Mergerix-7b-v0.3. В репозитории указаны метод слияния dare_ties, плотность 0,53, вес 0,6 и формат bfloat16; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Лицензия — Apache-2.0. В README не описаны конкретные языки и специализированные сценарии применения.

cloudyu/Mixtral_7Bx4_MOE_DPO — версия модели Mixtral, дообученная методом Direct Preference Optimization (DPO) на основе cloudyu/Mixtral_7Bx4_MOE_24B. Она предназначена для генерации текста; карточка сообщает об улучшении метрик после DPO, но не приводит сами метрики или подробности обучения. Модель использует архитектуру MixtralForCausalLM с механизмом смеси экспертов (MoE), содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

MOSS-Transcribe-Diarize 0.9B — аудиомодель OpenMOSS-Team для транскрибирования длинных записей с несколькими говорящими. Она совместно распознаёт речь и выполняет диаризацию, формируя текст с временными метками и анонимными метками говорящих. Также может добавлять аннотации акустических событий. Модель рассчитана на встречи, звонки, подкасты, интервью, лекции и видео. Она обрабатывает аудио или видео за один проход, поддерживает записи длительностью до 90 минут, более 50 языков и подсказки с пользовательскими ключевыми словами для специальных терминов. В репозитории указана плотная архитектура conditional generation; для загрузки требуется Transformers с пользовательским кодом модели. Сильные стороны — совместная транскрипция и диаризация, временная разметка и обработка длинных записей. Метки говорящих анонимны и относятся только к конкретной записи; качество распознавания может зависеть от языка, шума и перекрывающейся речи. Модель распространяется по лицензии Apache-2.0.

NbAiLab/nb-notram-llama-3.3-70b-instruct — диалоговая языковая модель, разработанная лабораторией NB-AiLab Национальной библиотеки Норвегии. Это дообученная на базе Meta Llama 3.3 70B Instruct плотная трансформерная модель с 69,5 млрд параметров и контекстом до 131 072 токенов. Для обучения использовались публично доступные данные и синтетические данные; материалы, доступные только по обязательному экземплярному хранению, не включались. Модель предназначена для следования инструкциям и диалогов на норвежском букмоле, норвежском нюноске и английском языке. Подходит для ответов на вопросы и суммаризации на норвежском, а также для генерации текста и работы в качестве ассистента. Настройка включает supervised fine-tuning и лёгкий этап DPO; ответы обычно короче, чем у более разговорчивых ассистентов. Поддерживаются чатовый формат и интерфейс вызова инструментов. Лицензия — Llama 3.3 Community License. Модель может ошибаться и уверенно выдавать вымышленные сведения. Знания о норвежской культуре и истории могут проявляться непоследовательно и зависеть от формулировки запроса; настройки безопасности ограничены. В README релиз назван исследовательским, поэтому перед прикладным использованием рекомендуется оценка в целевом сценарии; для медицинских, юридических и финансовых задач нужны дополнительные проверки и надзор человека.

Norns-Qwen2.5-7B — объединённая языковая чат-модель, созданная автором win10 методом breadcrumbs_ties с помощью mergekit. В качестве базовой модели использована win10/Skuld-Qwen2.5-7B, в объединение также вошла win10/Urdandi-Qwen2.5-7B. Репозиторий содержит веса в формате safetensors и предназначен для использования с библиотекой Transformers. Карточка приводит результаты оценки на MMLU-Pro: общий балл 41,46; показатели по отдельным областям варьируются, например, 64,16 по биологии и 21,98 по праву. Модель рассчитана на чатовые сценарии с текстовым вводом и текстовым выводом. README не сообщает лицензию, размер контекста или перечень языков, поэтому эти характеристики здесь не приводятся.

Ramakrishna-7b-v4 — языковая модель для генерации текста, созданная объединением пяти моделей с помощью LazyMergekit. Она основана на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста; метаданные Hugging Face также указывают эту задачу как основную. Веса опубликованы в формате safetensors. В README не описаны особенности качества, поддерживаемые языки и конкретные области применения, поэтому их нельзя определить по имеющимся данным. Лицензия в предоставленных метаданных и README не указана.

Spaetzle-v12-7b — объединённая автором карточки модель на архитектуре Mistral с 7,1 млрд параметров, созданная с помощью LazyMergekit на основе NeuDist-Ro-7B, discolm-mfto-7b-german-v0.1 и Flora_DPO_7B; в README также указана Wiedervereinigung-7b-dpo-laser как основа слияния. Модель предназначена для генерации текста и диалоговых ответов, с акцентом на немецкий язык. По результатам, приведённым в карточке, версия немного уступает Spaetzle-v8-7b в общих англоязычных тестах и немного превосходит её в отдельных немецких задачах; например, указан результат EQ-Bench (de) 64,81. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Опубликована в формате Safetensors и распространяется по лицензии CC BY-SA 4.0.

Google T5Gemma 9B-9B UL2 — предварительно обученная текстовая encoder-decoder модель семейства T5Gemma с энкодером и декодером по 9 млрд параметров. Она получена адаптацией предварительно обученной decoder-only модели Gemma 2 к архитектуре encoder-decoder и обучена с использованием UL2. Модель принимает текст и генерирует текст; заявленные сценарии включают ответы на вопросы, суммаризацию и рассуждения. В README указана поддержка английского языка и открытые веса для предварительно обученных вариантов. Модель работает через библиотеку Transformers; веса доступны в формате safetensors. Размер модели позволяет рассматривать её для развёртывания на локальных компьютерах или в облаке, однако конкретные требования к ресурсам и длина контекста в доступных данных не приведены. Среди ограничений — возможные фактические ошибки, предвзятость обучающих данных, трудности с неоднозначностью и сложными задачами, а также риск генерации вредоносного или вводящего в заблуждение текста. Лицензия — Gemma; для использования следует учитывать условия лицензии и политику запрещённого использования Gemma.

TildeOpen-30B-MU-Instruct — многоязычная инструкционная языковая модель на 29,9 млрд параметров, созданная автором martinsu дообучением TildeAI/TildeOpen-30b. Это плотная модель семейства Llama для генерации текста и диалогов; она использует формат ChatML и контекст до 65 536 токенов по метаданным. В карточке обучения указана длина последовательности 4096 токенов, поэтому фактическую работу на более длинном контексте следует проверять отдельно. Модель обучена в течение одной эпохи на 163 млн токенов с маскированием функции потерь для системных и пользовательских сообщений. Данные охватывают 25 языков, с акцентом на английский и латышский, а также включают многоязычные диалоги, вопросы и ответы и примеры для RAG. Автор сообщает о кратких ответах и хороших результатах в одном тестовом сравнении EuroBlocks, но подчёркивает, что это предварительная проверка, а не доказательство общего превосходства. Для запуска README рекомендует vLLM с медленным токенизатором и подходящую системную подсказку; ошибочная автоматическая сборка быстрого токенизатора может ухудшить качество. Модель требует значительных вычислительных ресурсов. Она не прошла настройку безопасности с RLHF, проверку на токсичность или оценку вреда и может выдавать ошибочную информацию. Лицензия — CC BY 4.0.

Tulu V2 DPO 7B — англоязычная разговорная модель-помощник, разработанная Allen Institute for AI (AI2). Это плотная авторегрессионная модель семейства Llama 2, дообученная на Meta Llama 2 7B с помощью supervised fine-tuning и Direct Preference Optimization (DPO) на наборах инструкций, диалогов и предпочтений. Веса содержат около 6,6 млрд параметров; контекст — до 8192 токенов. Модель работает с текстом и рассчитана прежде всего на английский язык. Модель предназначена для диалоговых ответов на инструкции, помощи в вопросах и задачах общего назначения. README характеризует её как альтернативу Llama 2 7B Chat и приводит результаты сравнительных оценок MT-Bench и AlpacaEval. Для качества генерации следует использовать ожидаемый моделью формат сообщений с завершающим переводом строки. Модель может выдавать проблемные ответы: этап выравнивания не был нацелен на безопасное поведение, а фильтрация ответов во время использования не предусмотрена. Лицензия указана как AI2 ImpACT Low-risk; перед применением следует учитывать её условия.

Tulu 1 Llama 2 7B — англоязычная чат-модель и помощник, разработанный AI2 и дообученный на базе meta-llama/Llama-2-7b-hf. Модель содержит 6,6 млрд параметров, использует плотную архитектуру Llama и принимает текст для генерации текста; длина контекста — 4096 токенов. Для обучения использовалась смесь публичных, синтетических и созданных людьми инструкций и диалогов Tulu v1. Модель предназначена для следования инструкциям, диалоговых ответов и других задач генерации текста на английском языке. Для работы карточка рекомендует передавать сообщение в указанном в ней формате с переводом строки после завершающего маркера. Лицензия — AI2 ImpACT Low-risk. Модель не проходила выравнивание безопасности в рамках RLHF и не использует фильтрацию ответов, поэтому может генерировать проблемный контент, особенно при соответствующих запросах.

Tulu V2.5 PPO 13B — англоязычная диалоговая модель-помощник, разработанная AllenAI. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров, дообученная на основе Tulu 2 с использованием PPO и случайной подвыборки из 60 тысяч примеров Nectar; для PPO применялась 13B reward-модель. Модель предназначена для генерации текста и ответов на инструкции в формате диалога. Максимальный контекст — 4096 токенов; вход и выход — текст на английском языке. Лицензия Apache 2.0. Модель умеет вести диалог и выполнять разнообразные инструкции, опираясь на данные Tulu V2 и обучение с обратной связью по предпочтениям. Для корректного формата запросов предусмотрен chat template токенизатора. Ограничение: модель не была специально выровнена для безопасных ответов и может выдавать проблемный контент, особенно при соответствующих запросах; результаты требуют проверки.

WAXAL-orm_asr-w2v-bert-2.0 — модель автоматического распознавания речи, созданная дообучением facebook/w2v-bert-2.0. Она использует архитектуру Wav2Vec2-BERT с CTC-выходом и содержит 402,7 млн параметров. Модель принимает аудио и предназначена для преобразования речи в текст; README сообщает оценку CER 0,1687 и loss 0,8218 на тестовом наборе. Модель опубликована в формате safetensors и рассчитана на использование с библиотекой Transformers. В карточке указана лицензия MIT. Язык распознавания, набор данных и подробные ограничения в доступных материалах не раскрыты.

Карточка модели cocoirun/Yi-Ko-6B-instruct-v1.5-DPO на Hugging Face совпадает с карточкой cocoirun/Yi-Ko-6B-instruct-v1.5, поэтому описание составлено по ней. Yi-Ko-6B-instruct-v1.5 — инструктивная языковая модель, дообученная автором cocoirun на базе семейства Llama. По карточке, модель прошла SFT на примерно 110 тысячах примеров: использовались самостоятельно подготовленные корейские данные по истории, естественным наукам, математике, машинному чтению, анализу отзывов и грамматике, а также материалы Open-Orca-Ko, KoBEST и AIHub. Обучение выполнялось с помощью LoRA. Модель предназначена для генерации ответов и выполнения инструкций в задачах на корейском и английском языках, включая вопросы и ответы, машинное чтение, суммаризацию, перевод и анализ отзывов. Это плотная архитектура LlamaForCausalLM примерно на 5,9 млрд параметров с контекстом 2048 токена; репозиторий содержит веса Safetensors. Лицензия — CC BY-SA 4.0. Карточка не приводит количественных оценок качества. Данные обучения закрыты, поэтому состав и воспроизводимость SFT ограничены доступной информацией; контекст 2048 токена ограничивает работу с длинными документами.

羽人-百川7B 是 Pleisto 基于 baichuan-inc/baichuan-7B 开发的多模одальная языковая модель с плотной архитектурой LlamaForCausalLM, дообученная с помощью многозадачного обучения с учителем. В модели 6,7 млрд параметров, она принимает текст и изображения, а её контекст составляет 4096 токенов. Модель предназначена для многоходового диалога, ответов на вопросы по изображениям и открытому домену, ролевого общения, генерации и понимания текста. В карточке также показаны примеры ответов на китайском и переводов на китайский с английского; метаданные указывают английский и китайский языки. Лицензия в предоставленных источниках не указана.