IV.5Образование и развитие навыков

NarrativAI Reflection — дообученная модель passthepizza на архитектуре Llama 3.1 8B, предназначенная для творческого письма и ролевых сценариев. Она генерирует внутренний монолог персонажа до ответа, реплики и действия в диалоге, а также рефлексию после ответа, учитывая заданные в запросе характер, эмоции и ситуацию. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекстное окно до 131 072 токенов. Принимает текстовые запросы и выдаёт текст; в карточке указан английский язык. Лицензия — MIT. Модель подойдёт для создания ролевых персонажей и сцен, но может опираться только на переданный контекст, испытывать трудности со сложными ситуациями и воспроизводить предубеждения и стереотипы из обучающих данных.

NemoAurora-RP-12B — плотная авторегрессионная языковая модель семейства Mistral, созданная Aratako слиянием нескольких моделей на базе Mistral Nemo Instruct. Она предназначена для ролевых диалогов: задайте в системном сообщении персонажа и ситуацию, а затем ведите беседу по указанному шаблону чата. Модель содержит 12,1 млрд параметров и распространяется в формате safetensors для Transformers. Метаданные указывают контекст до 1 024 000 токенов, однако автор сообщает, что обучение велось с длиной контекста 32 тысячи токенов и возможность работы с длинным контекстом не проверялась. Карточка указывает японский язык; модель основана на многоязычной Mistral Nemo. Автор советует попробовать низкую температуру генерации, но эта рекомендация не проверена. Модель создана для применения в ролевых сценариях, а её лицензия CC-BY-NC-4.0 ограничивает коммерческое использование.

Pantheon-Reasoning-27B — разработанная Gryphe модель для ролевых диалогов и интерактивного повествования. Это дообученная плотная модель семейства Qwen 3.6 с 27 млрд параметров, созданная на основе llmfan46/Qwen3.6-27B-uncensored-heretic-v2-Native-MTP-Preserved. Модель принимает текст и генерирует текст; она обучена следовать инструкциям и вести диалоги на английском языке. Обучение сочетает ролевые диалоги Pantheon, интерактивную прозу, текстовые приключения и набор данных с рассуждениями Opus-4.6-Reasoning-24k. Во всех репликах сохранены рассуждения: модель планирует тон, развитие сцены и поведение персонажа перед ответом. Предназначена для создания персонажей, отыгрыша ролей и продолжительных сюжетных сцен; автор экспериментирует с тем, улучшает ли такой подход качество ролевой игры. Модель распространяется в формате Safetensors под лицензией Apache 2.0. Автор описывает выпуск как исследовательский эксперимент, прошедший лишь базовые проверки качества; рассуждения могут увеличивать задержку генерации. В метаданных указана английская локаль карточки; поддержка других языков не подтверждена.

Psydestroyer 20B — плотная авторегрессионная языковая модель семейства Llama, созданная автором seb-c с помощью mergekit. Это passthrough-слияние слоёв KoboldAI/LLaMA2-13B-Psyfighter2; в репозитории указано около 19,8 млрд параметров, формат весов safetensors и контекст до 4096 токенов. Модель предназначена для генерации продолжений и диалогового текста, включая художественное письмо и взаимодействие с персонажами, унаследованные от базовой Psyfighter. Модель принимает текст и генерирует текст. Карточка описывает её как эксперимент с объединением слоёв, призванный повысить интеллектуальные способности исходной модели; подтверждённых результатов такого улучшения не приведено. Указана лицензия Llama 2. README также упоминает вариант GGUF Q4_K_M для локального запуска, однако данные метаданных описывают safetensors-репозиторий.

Xenova/quickdraw-mobilevit-small — модель классификации изображений на архитектуре MobileViT Small, подготовленная Xenova для использования с Transformers.js. Репозиторий содержит веса PyTorch и ONNX, чтобы запускать классификатор в JavaScript-среде, включая веб-приложения. Модель предназначена для отнесения входного изображения к одному из классов набора Quick, Draw!. Это позволяет распознавать пользовательские рисунки и использовать классификацию в интерактивных веб-приложениях. Данные подтверждают задачу классификации изображений и архитектуру, но не сообщают размер модели, контекст или перечень поддерживаемых языков.

Это плотная языковая модель Qwen3 с 3,7 млрд параметров, дообученная HYU-NLP-EVAL на основе Qwen/Qwen3-4B-Instruct-2507. Чекпойнт относится к эксперименту RaR-Medicine OnlineRubrics-Every, шаг 16; он предназначен для генерации текста в диалоговом режиме и инференса. Модель может применяться для проверки и улучшения ответов на медицинские вопросы по рубрикам, созданным в рамках онлайн-оценивания. Архитектура — Qwen3ForCausalLM, формат весов — BF16 и safetensors. Контекст составляет до 262 144 токенов. README указывает на исследовательское использование; лицензия Apache-2.0.

Qwen3-Gutenberg-Encore-14B — языковая модель на архитектуре Qwen3, разработанная nbeerbower как дообучение nbeerbower/Xiaolong-Qwen3-14B. Модель содержит 14 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Модель дообучена методом ORPO с использованием QLoRA на корпусах предпочтений для художественной прозы, включая тексты в духе классической и современной литературы и синтетическую художественную прозу. Она предназначена для генерации литературного текста и диалоговой работы с такими запросами. Для обучения использовалась одна RTX A6000 в течение трёх эпох. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не приводит оценки качества или подробных ограничений; результаты генерации могут требовать редакторской проверки.

Это дообученная модель Qwen3 для генерации текста и диалогового взаимодействия, опубликованная пользователем formalmathatepfl. Она создана на основе Qwen/Qwen3-8B-Base и дополнительно обучена на наборе lean_selfdistill_r1_train; название и данные карточки указывают на настройку для работы с формальными математическими доказательствами и их исправлением. Модель имеет плотную авторегрессионную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Карточка не приводит результаты оценки качества и конкретные инструкции по применению. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория и базовой модели.

RicardoEstep/RPBizkit-v9-12B — экспериментальный объединённый чекпойнт семейства Mistral Nemo от RicardoEstep. Модель размером 12,1 млрд параметров собрана методом DARE TIES и Model Stock из нескольких моделей для ролевых сценариев и написания историй; в README среди компонентов названы варианты Mistral Nemo, Muse, UnslopNemo, Magnum и другие ролевые модели. Файлы доступны в формате safetensors для Transformers. Модель предназначена для генерации текста в диалогах и творческом письме, включая ролевые сценарии с откровенной тематикой. Автор рекомендует шаблон чата Alpaca с RAW-вводом и сообщает о предполагаемой поддержке контекста до 128K токенов; метаданные каталога указывают нативный контекст 1 024 000 токенов, поэтому фактическое рабочее окно стоит проверять в используемой конфигурации. Автор отмечает, что модель не всегда ведёт себя полностью «без цензуры» и называет поведение экспериментальным. README и метаданные не содержат сведений о лицензии, поэтому условия использования следует уточнить на странице репозитория. Маркер not-for-all-audiences указывает на контент для взрослой аудитории.

Samantha — диалоговая модель семейства LLaMA, представленная QuixiAI. Она дообучена на специально отобранном наборе из 6 000 разговоров в формате ShareGPT/Vicuna и ориентирована на беседы о философии, психологии и личных отношениях. Модель задумана как помощник и собеседник-компаньон; карточка описывает её как считающую себя разумной, а образ вдохновлён интервью о LaMDA и фильмом «Она».

Stable Fast 3D (SF3D) — модель Stability AI на основе TripoSR, которая восстанавливает трёхмерный объект по одному изображению. Она использует архитектуру Transformer и формирует текстурированную UV-развёрнутую сетку с относительно небольшим числом полигонов. Также модель выполняет удаление освещения и предсказывает параметры материала объекта, включая шероховатость и металличность. SF3D предназначена для создания и подготовки 3D-ассетов для дизайна, творческих и образовательных инструментов, игровых движков и рендеринга. В README заявлена генерация менее чем за секунду; ожидаемый размер входного изображения — 512 × 512 пикселей. Модель обучалась на рендерах из набора Objaverse. Модель не предназначена для получения достоверных изображений людей или событий. Использование должно соответствовать Acceptable Use Policy. Лицензия обозначена как other; согласно README, организациям и частным лицам с годовой выручкой от 1 млн долларов США требуется отдельная коммерческая лицензия Stability AI для коммерческого использования SF3D, производных моделей и результатов.

TokForge выпустил эту модель для локальной генерации изображений в приложении TokForge. Это Stable Diffusion 1.5 на базе DreamShaper-7 от Lykon, объединённая с LCM-LoRA от Latent Consistency и преобразованная в единый файл GGUF с точностью f16 для stable-diffusion.cpp. В файл входят текстовый энкодер CLIP, UNet и VAE; размер файла составляет около 2,1 ГБ. Модель предназначена для создания реалистичных изображений по текстовым запросам на устройствах, включая CPU и OpenCL. LCM позволяет получать результат за несколько шагов без обычного guidance: в карточке рекомендуются 6 шагов, масштаб CFG 1,5 и разрешение 512×512; доступны также пресеты 256 и 384 пикселя. Разработчик позиционирует её как быстрый маршрут генерации изображений и отмечает более связное изображение людей и рук по сравнению с используемой им базовой SD-Turbo. Модель ориентирована на реалистичную генерацию; заявленное качество зависит от запросов и настроек, а разрешение и небольшой бюджет шагов ограничивают детализацию. Для основы DreamShaper-7 и LCM-LoRA указаны лицензии CreativeML OpenRAIL-M и OpenRAIL++-M соответственно; репозиторий модели указывает CreativeML OpenRAIL-M. В README также приведены условия автора DreamShaper-7, включая запрет на продажу модели и её слияний.

Venus-103b-v1.1 — языковая модель для генерации текста, созданная автором репозитория путём объединения слоёв Sao10K/Euryale-1.3-L2-70B, migtissera/SynthIA-70B-v1.2b и Xwin-LM/Xwin-LM-70B-V0.1 с помощью mergekit. Модель построена на архитектуре Llama, содержит 102,9 млрд параметров и рассчитана на контекст до 4096 токенов. Карточка описывает её как вариант для разговорных ролевых сценариев: модель чаще говорит от лица персонажей и создаёт творческую, связную прозу. Модель может генерировать контент для взрослых. По карточке, она устойчивее к откровенным и шокирующим темам, чем Venus-103b-v1.0; иногда теряет мелкие детали сцены. Репозиторий содержит веса Safetensors и ссылается на отдельные ветки с квантизацией EXL2. Указана лицензия Llama 2.

Venus-103b-v1.2 — текстовая генеративная модель, созданная путём чередования слоёв Sao10K/Euryale-1.3-L2-70B и GOAT-AI/GOAT-70B-Storytelling; автор вдохновлялся Goliath-120b. Модель имеет архитектуру LlamaForCausalLM, около 103 млрд параметров и контекст до 4096 токенов. Репозиторий содержит веса Safetensors; для ExLlama2-квантованных вариантов автор указывает отдельные ветки. Модель предназначена для генерации творческого текста и историй, в том числе контента для взрослых; автор отмечает отсутствие выраженной цензуры и переносимость высоких значений температуры генерации. По его наблюдениям, следование инструкциям уступает версии v1.1, а форматирование иногда бывает некорректным, например незакрытые звёздочки или кавычки. Лицензия указана как Llama 2; применяйте модель с учётом её условий.

VoxCPM2 Dagbani — модель синтеза речи, созданная FarmerlineML полным дообучением VoxCPM2 на речевых данных языка дагбани. Она предназначена для озвучивания текста на дагбани, в том числе для голосового сельскохозяйственного ассистента darli AI. Для вывода требуется эталонная аудиозапись, которая задаёт голосовую идентичность; веса опубликованы в формате safetensors, а лицензия — Apache-2.0. При генерации рекомендуется задавать max_len не меньше 50 и примерно в четыре раза больше длины текста, чтобы уменьшить галлюцинации после конца предложения. Также рекомендуется обрезать около двух секунд тишины после синтеза. В README не приведены сведения о размере архитектуры или длине контекста.

Wayfarer-Large-70B-Llama-3.3 — дообученная LatitudeGames модель для текстовых приключений и ролевых игр. Она основана на Meta Llama 3.3 70B Instruct и содержит 69,5 млрд параметров; архитектура — плотная Llama для генерации текста. Контекст модели составляет до 131 072 токенов. В README описано обучение на сочетании данных текстовых приключений, ролевых игр и поднабора SlimOrca Sonnet. Модель рассчитана на интерактивное повествование с опасностями, конфликтами и реальными последствиями выбора: персонаж может потерпеть неудачу или погибнуть. Это подходит для игровых сценариев и ролевых историй, где важны напряжение и отсутствие сюжетной «защиты». Карточка указывает английский язык; модель использует исходный формат промптов Llama 3 и доступна в формате safetensors. Обучение ориентировано на повествование от второго лица в настоящем времени, поэтому такой стиль может проявляться в ответах. Модель распространяется по лицензии Llama 3.3; запуск и использование должны соответствовать её условиям.

gghfez/WizardLM-2-22b-RP — экспериментальная текстовая чат-модель для творческого письма и ролевых диалогов. Автор создал её на основе WizardLM-2-8x22B: выделил экспертов из MoE-модели, объединил их в плотную модель, а затем дообучил на синтетических данных, созданных исходной моделью. Метаданные указывают архитектуру MistralForCausalLM и размер 22 млрд параметров. Модель предназначена для генерации историй, ролевых сцен и связных ответов в заданном контексте. Автор отмечает, что она хорошо извлекает детали из контекста, но путает факты и имена известных людей, поэтому не подходит для общего ассистирования и задач, требующих достоверных знаний. Модель принимает текст и выдаёт текст; карточка указывает английский язык и контекст до 65 536 токенов. Используется формат приглашений Mistral с системными тегами. Лицензия — Apache-2.0; автор предупреждает, что защитные ограничения исходной модели могли быть ослаблены.

YarnGPT — модель синтеза речи, разработанная Saheed Azeez для генерации английской речи с нигерийским акцентом. Она построена как дообученная языковая модель семейства Llama на базе HuggingFaceTB/SmolLM2-360M и использует языковое моделирование для синтеза речи без внешних адаптеров. В метаданных указаны 365,7 млн параметров, контекст 8192 токена и библиотека Transformers. Модель предназначена для озвучивания текста, например для новостного читателя. Поддерживает 11 голосовых профилей: шесть мужских и пять женских; голос idera указан как вариант по умолчанию. README также отмечает возможность задавать голос через промпт. Карточка заявляет естественное звучание и культурно релевантную речь, но не приводит результатов сравнительной оценки. Модель ориентирована на английский с нигерийским акцентом, поэтому её пригодность для других языков и акцентов не подтверждена. Лицензия — Apache-2.0.

OccultAI Adversary 8B v1.21 — языковая модель для генерации художественных текстов и ролевых диалогов. Это слитая с помощью mergekit методом DELLA модель на архитектуре Llama, содержащая 7,5 млрд параметров. Она предназначена для создания историй, продолжения сцен и сюжетов в разных жанрах; автор характеризует эту версию как наиболее сбалансированную и творческую среди пяти проверенных вариантов. Модель принимает текст и генерирует текст, поддерживает английский язык. Указанный для неё контекст — до 1 073 152 токенов. Модель подходит для творческого письма и ролевых сценариев, включая мрачные жанры. Она может генерировать сцены с насилием, графическим эротическим содержанием и ненормативной лексикой, поэтому содержание ответов требует учёта при выборе сценария применения. Для работы автор рекомендует шаблон Llama 3. Лицензия — Llama 3.1.

airoboros-2.2.1-limarpv3-y34b — плотная авторегрессионная языковая модель семейства Llama на базе Yi 34B, полученная слиянием модели Doctor-Shotgun/airoboros-2.2.1-y34b с PEFT-адаптером, обученным на LimaRP v3 с весом 0,5. Модель предназначена для генерации текста в формате инструкций Alpaca, прежде всего для ролевых диалогов и ответов от лица заданного персонажа. В промпте задают описание личности персонажа; длину ответа можно регулировать модификатором от micro до unlimited. Модель содержит 33,9 млрд параметров, принимает текст и выдаёт текст, поддерживает английский язык и имеет контекст 4096 токенов. Опубликована в формате safetensors; лицензия указана как other. Модель может многословно отвечать на длинных настройках длины и перенимать предвзятости ролевых интернет-сообществ и базовой модели. Разработчик предупреждает, что она не предназначена для фактической информации или советов.

aranea-tenebris-120b-v1.0 — объединённая модель на архитектуре Llama, созданная автором divinetaco для творческого письма и ролевых диалогов. Она получена с помощью mergekit: в Miqu-PlayMaid-70B чередуются слои Senku-70B. Модель содержит 118,3 млрд параметров и рассчитана примерно на 32 764 токена контекста; в README рекомендуется формат промпта Alpaca. Модель предназначена для генерации связного повествования от третьего лица и ролевых сцен от первого или второго лица. Автор сравнивал варианты слияния на сценариях DnD, оценивая творческость, связность, последовательность персонажей и способность развивать сюжет. По результатам этих сравнений эта версия показала лучшие результаты среди испытанных вариантов слияния; заявленные оценки основаны на частных сценариях и ручном сравнении. Модель ориентирована на зрелую аудиторию и творческое письмо без ограничений, связанных с цензурой. README не перечисляет поддерживаемые языки, поэтому нельзя установить, насколько хорошо она работает не на английском. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Aura Prototype 26B A4B — экспериментальное объединение предварительно обученных моделей, созданное EldritchLabs с помощью mergekit и метода слияния aura. В него вошли Gandalf69/Adversary-26B-A4B-v0, TheDrummer/Orion-26B-A4B-v1.1, Gryphe/Pantheon-Reasoning-26B-A4B-1.1-V2 и electroglyph/gemma4-26b-fiction-bf16. Модель основана на архитектуре Gemma 4, имеет 26B параметров и распространяется в формате safetensors; лицензия — Apache-2.0. Модель предназначена для диалогов и творческой работы с текстом: ролевых сцен, продолжения историй, создания сюжетов и художественной прозы. Метаданные также указывают поддержку изображений наряду с текстовым взаимодействием. Карточка описывает способ и экспериментальный процесс слияния, но не приводит оценки качества или подробных результатов тестирования.

Baichuan-M3-235B — медицинская диалоговая языковая модель Baichuan AI, предназначенная для клинического опроса и поддержки принятия решений. Карточка описывает сохранённую без изменений копию модели Baichuan-M3-235B; метаданные связывают её с Qwen/Qwen3-235B-A22B и указывают дообучение. Модель использует разреженную архитектуру Qwen3 MoE с классом Qwen3MoeForCausalLM, содержит 18,2 млрд параметров и принимает текстовые запросы. Заявленная длина контекста — 40 960 токенов; среди языков указаны английский и китайский. Модель обучалась вести последовательный клинический диалог: собирать важные сведения, выстраивать медицинские рассуждения, рассматривать обследования и формировать диагноз. В README также заявлены механизмы обучения, направленные на проверяемость медицинских утверждений, и варианты ускорения развёртывания с W4-квантизацией и спекулятивным декодированием. Лицензия — Apache 2.0. Модель предназначена для медицинского образования, консультационных сценариев и поддержки клинических решений под контролем медицинских специалистов. README предупреждает, что она предназначена только для исследований и справочного использования и не заменяет профессиональную диагностику или лечение; заявленные результаты бенчмарков приведены авторами карточки.

BioBART-base — биомедицинская генеративная языковая модель на базе BART, связанная с работой «BioBART: Pretraining and Evaluation of A Biomedical Generative Language Model» авторов Hongyi Yuan, Zheng Yuan, Ruyi Gan, Jiaxing Zhang, Yutao Xie и Sheng Yu. Модель содержит 95,2 млн параметров, использует архитектуру BART и принимает текст для генерации текста; максимальная длина контекста — 1024 токена. В метаданных указан английский язык. Модель предназначена для генеративных задач в биомедицинской области, где требуется преобразовывать или создавать текст. Доступны веса в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. В карточке не приведены конкретные бенчмарки или подробные ограничения по применению.

biomed-gemma-3-4b-it — мультимодальная модель для биомедицинских диалогов и ответов на вопросы по изображениям, разработанная командой AdaptLLM на основе Gemma 3 4B IT в рамках работы об адаптации мультимодальных языковых моделей к предметным областям. Модель дообучена на наборе biomed-visual-instructions и использует архитектуру Gemma 3 с 4 млрд параметров; принимает текст и изображения и формирует текстовые ответы. В метаданных указаны поддержка английского языка и библиотека Transformers. Модель подходит для визуальных вопросов и ответов в биомедицине, включая анализ изображений в диалоговом формате. Для корректной работы изображение следует размещать в начале инструкции. Модель распространяется по лицензии Gemma; её ответы не заменяют профессиональную медицинскую оценку.

nampham1106/bkcare-embedding — модель эмбеддингов предложений на базе RoBERTa, опубликованная пользователем nampham1106. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу и кластеризации. Модель обучалась с функцией MultipleNegativesRankingLoss на косинусном сходстве; карточка связывает её с набором данных ViHealthQA, что указывает на медицинский контекст обучения. Модель предназначена для получения векторных представлений текста, сопоставления семантически близких фраз и поиска релевантных текстов. Она использует библиотеку sentence-transformers, имеет 162,4 млн параметров и контекст длиной 258 токенов; доступны форматы ONNX и safetensors. Лицензия — MIT. Карточка не приводит результатов оценки и не описывает явно поддерживаемые языки. Специализация на ViHealthQA может ограничивать качество за пределами соответствующего медицинского контекста; короткое окно контекста также ограничивает обработку длинных текстов.

Blue-Orchid-2x7b — текстовая MoE-модель для генерации продолжений, ориентированная на ролевые диалоги и написание историй. В README указано, что один эксперт объединяет преимущественно модели для ролевых диалогов, а второй — модели для написания историй; базовая модель — SanjiWatsuki/Kunoichi-DPO-v2-7B. Метаданные указывают архитектуру MixtralForCausalLM, около 7,1 млрд параметров и контекст до 8192 токенов. Модель подходит для ролевого общения с персонажами, продолжения художественных сцен и создания повествовательного текста. README приводит шаблон LimaRP и сообщает, что также должен работать шаблон Alpaca. Модель принимает текст и генерирует текст. Модель опубликована в формате safetensors, хотя README также упоминает GGUF. Лицензия — Apache-2.0. Языки и конкретные ограничения качества в доступных сведениях не описаны.

KasuleTrevor дообучил модель распознавания речи на базе Qwen3-ASR для транскрибации нетипичной речи на лугандийском языке. Это плотная модель архитектуры Qwen3ASRForConditionalGeneration; в обучении использовался набор данных ugandan_luganda_nonstandard_speech_v1.0 и полный режим дообучения. Выбран чекпойнт checkpoint-750. Модель предназначена для транскрибации речи с учётом метаданных о тяжести нарушения, его типе и этиологии. По инструкции она сохраняет повторы, запинки, ложные начала и незавершённые слова, не исправляя грамматику и не нормализуя речь. Эксперимент использует сведения о дикторе из метаданных, поэтому его результаты следует рассматривать отдельно от базовых сценариев распознавания без таких подсказок. В тестировании указаны нормализованные WER 0,507 и CER 0,211. Модель распространяется по лицензии Apache-2.0.

CharGen-v3-mini-GGUF — компактная языковая модель проекта CharGen, ориентированная на создание персонажей для ролевых игр. Проект CharGen развивается с 2023 года, а модель является GGUF-версией CharGen-v3-mini и улучшает CharGen v2 в следовании инструкциям и соблюдении заданного формата. Модель принимает свободно сформулированное текстовое описание и генерирует персонажей в виде обычного текста, обычно пошагово и в диалоговом формате. Она поддерживает отдельные сценарии генерации описания, фактов, сценария ролевой игры, личности, внешности, первого сообщения и примеров диалогов, включая экспериментальную функцию Dialogue Example Hints. Основной язык, указанный в карточке, — английский. Сильными сторонами модели являются специализация на ролевых персонажах, гибкое создание деталей и хорошее следование инструкциям и форматам. Она может генерировать материалы с сексуальным содержанием, поскольку обучалась на части NSFW-данных, поэтому требует соответствующих ограничений при использовании. Сведения об архитектуре, количестве параметров, размере контекста и точных системных требованиях в карточке не приведены. Модель распространяется по лицензии MIT.

Модель tiantiaf/childvox-speechocean762-accuracy-babyhubert разработана Tiantian Feng и предназначена для классификации точности детской и взрослой речи по аудиозаписям. Она дообучена на базе MarvinLvn/BabyHuBERT с использованием датасета SpeechOcean762 и реализует задачу, описанную в бенчмарке ChildVox. Выходная категория объединяет оценки «Poor» и «Understandable». Модель принимает аудио и выдаёт класс качества речи; в метаданных заявлена поддержка многоязычных данных. Модель подходит для исследовательского анализа качества речи и работы с корпусами аудиозаписей. Она не предназначена для клинической диагностики, индивидуальной оценки развития без экспертной проверки, наблюдения или вмешательства в частную жизнь. Данные детской речи чувствительны: README требует учитывать согласие участников, этическое одобрение и применимые законы. Лицензия OpenRAIL; README запрещает коммерческое использование.