IV.5Образование и развитие навыков

ABot-World-0-5B-LF — модель генерации интерактивного видео, разработанная командой ACVLab. Она дообучена на Wan-AI/Wan2.2-TI2V-5B и предназначена для создания непрерывных видеосцен, которые меняются в ответ на действия пользователя. Модель принимает исходное изображение и действия, а также поддерживает сценарий генерации по текстовому описанию или изображению через базовую архитектуру Wan2.2-TI2V-5B. Разработчики сообщают о генерации с разрешением 720p и частотой 16 кадров в секунду на одной видеокарте NVIDIA RTX 5090, задержке около 1,2 секунды и использовании 19 ГБ видеопамяти. Обучение LongForcing на наборе ABot-World-Explorer-500h предназначено для продолжительных открытых сценариев без фиксированной длины ролика и смены промпта. В README также описан экспериментальный демонстрационный запуск длительностью 24 часа; эти показатели относятся к указанной конфигурации и заявлены разработчиками. Модель распространяется в формате safetensors под лицензией Apache-2.0. Для локального запуска приведена проверенная конфигурация Ubuntu 22.04, CUDA 13.3 и NVIDIA RTX 5090; фактическая производительность и требования могут зависеть от оборудования и настроек. Карточка описывает экспериментальную модель и демонстрационный сценарий, поэтому заявленные скорость и непрерывность не следует считать гарантией для произвольных систем и задач.

Карточка модели Chaitu515/Ace-Step1.5 на Hugging Face совпадает с карточкой ACE-Step/Ace-Step1.5, поэтому описание составлено по ней. ACE-Step 1.5 — открытая модель генерации музыки, разработанная командой ACE-Step. Она предназначена для создания песен и музыкальных фрагментов по текстовому запросу, с управлением стилем и поддержкой сценариев редактирования аудио: создания каверов, перерисовки фрагментов и преобразования вокала в фоновую музыку. В README заявлена гибридная архитектура: языковая модель планирует композицию и формирует метаданные, текст и подписи, а Diffusion Transformer синтезирует аудио. Модель содержит 1,3 млрд параметров; метаданные указывают контекст в 32 768 токенов и формат Safetensors. README заявляет поддержку более 50 языков, генерацию композиций длительностью до 10 минут и работу менее чем с 4 ГБ видеопамяти. Модель ориентирована на музыкантов, продюсеров и создателей контента; README также заявляет возможность коммерческого использования сгенерированной музыки. Лицензия репозитория — MIT. Заявления о скорости генерации, требованиях к памяти и юридической чистоте обучающих данных приведены в карточке проекта и не являются независимой оценкой качества или правового статуса конкретной генерации.

Карточка модели fukem420/Ace-Step1.5 на Hugging Face совпадает с карточкой ACE-Step/Ace-Step1.5, поэтому описание составлено по ней. ACE-Step 1.5 — открытая модель генерации музыки, разработанная командой ACE-Step. Она предназначена для создания песен и музыкальных фрагментов по текстовому запросу, с управлением стилем и поддержкой сценариев редактирования аудио: создания каверов, перерисовки фрагментов и преобразования вокала в фоновую музыку. В README заявлена гибридная архитектура: языковая модель планирует композицию и формирует метаданные, текст и подписи, а Diffusion Transformer синтезирует аудио. Модель содержит 1,3 млрд параметров; метаданные указывают контекст в 32 768 токенов и формат Safetensors. README заявляет поддержку более 50 языков, генерацию композиций длительностью до 10 минут и работу менее чем с 4 ГБ видеопамяти. Модель ориентирована на музыкантов, продюсеров и создателей контента; README также заявляет возможность коммерческого использования сгенерированной музыки. Лицензия репозитория — MIT. Заявления о скорости генерации, требованиях к памяти и юридической чистоте обучающих данных приведены в карточке проекта и не являются независимой оценкой качества или правового статуса конкретной генерации.

ACE-Step v1.5 SFT — модель генерации музыки из текста, разработанная командой ACE-STEP. По текстовому описанию она создаёт музыкальные композиции и поддерживает управление стилем, создание каверов, перерисовку аудио и преобразование вокала в фоновую музыку. Модель использует гибридную архитектуру: языковая модель планирует структуру песни и подготавливает метаданные, текст и подписи, а Diffusion Transformer синтезирует аудио. Размер модели — 1,3 млрд параметров; в карточке указано контекстное окно 32 768 токенов и поддержка более 50 языков. В README заявлены генерация композиций длительностью до 10 минут, работа локально менее чем с 4 ГБ видеопамяти и скорость генерации менее 2 секунд на A100 или 10 секунд на RTX 3090. Для версии SFT таблица указывает 50 шагов, высокое качество и среднее разнообразие; извлечение, режим Lego и завершение аудио для этой версии не отмечены. Репозиторий содержит веса safetensors и распространяется по лицензии MIT; README заявляет возможность коммерческого использования созданной музыки.

Карточка модели Tuananh20015/acestep-v15-xl-sft на Hugging Face совпадает с карточкой ACE-Step/acestep-v15-xl-sft, поэтому описание составлено по ней. ACE-Step/acestep-v15-xl-sft — вариант XL модели ACE-Step 1.5, разработанный проектом ACE-Step. Это плотная модель генерации аудио на основе DiT с примерно 4 млрд параметров по README; метаданные каталога указывают 3,1 млрд параметров. Модель обучена методом supervised fine-tuning и предназначена для создания музыки по текстовому описанию. Поддерживает CFG для управления соответствием генерации запросу; вариант SFT ориентирован на высокое качество и стандартный режим работы. Модель использует 32 слоя DiT Decoder, скрытый размер 2560 и 32 головы внимания. README рекомендует от 12 ГБ видеопамяти с выгрузкой на CPU и INT8-квантизацией, от 16 ГБ с выгрузкой на CPU или от 20 ГБ без выгрузки. В карточке указана лицензия MIT; README заявляет о коммерческой применимости сгенерированной музыки и обучении на лицензированной, свободной и синтетической музыке. Эти заявления описывают проект, а не гарантируют права на каждый конкретный результат.

Adam-001-QWEN3.5-2B-ThePhilosopher — диалоговая языковая модель Джеффа Грина, дообученная на базе Qwen/Qwen3.5-2B с помощью SFT в TRL и Unsloth. Она предназначена для генерации ответов в философских диалогах и обсуждения вопросов вроде природы сознания. Модель использует плотную архитектуру Qwen3.5 с гибридным линейным и полным вниманием, 24 слоями и 2 млрд параметров; карточка также содержит GGUF-квантование Q4_K_M объёмом около 1,2 ГБ и веса safetensors. Указана лицензия Apache-2.0. Модель ориентирована на англоязычное общение и может использоваться локально через llama.cpp, Ollama или llama-cpp-python. Дообучение проведено всего на 28 шагах на данных философских диалогов, поэтому специализация узкая, а качество ответов по другим темам и глубина рассуждений не подтверждены. Метаданные описывают базовую Qwen3.5 как мультимодальную, но README этой производной модели сообщает только о диалоговой генерации текста.

Animagine XL 4.0 Zero (Anim4gine) — диффузионная модель генерации и редактирования изображений в аниме-стилистике, разработанная Cagliostro Research Lab. Она дообучена на базе Stable Diffusion XL 1.0 на наборе из примерно 8,4 млн изображений и также предназначена служить основой для обучения LoRA и дальнейшего дообучения. Модель принимает текстовые запросы и создаёт изображения. Для управления результатом рекомендуется использовать структурированные промпты на основе тегов; доступны теги качества, периода и рейтинга контента. Модель рассчитана прежде всего на аниме-иллюстрации и может использоваться через Diffusers, ComfyUI и Stable Diffusion WebUI. Карточка указывает английский язык. Лицензия — CreativeML Open RAIL++-M. Среди ограничений: естественные языковые запросы могут работать хуже теговых; модель часто ошибается в сложной анатомии и рендеринге текста, а сцены с несколькими персонажами требуют настройки промпта. На разрешениях выше штатного SDXL модель может терять качество; точность для новых персонажей ограничена доступностью обучающих данных.

animov-512x — модель преобразования текста в видео, опубликованная strangeman3107 и дообученная на основе ModelScope для генерации видео в стиле аниме. Она предназначена для создания коротких видеосцен по текстовым запросам; для характерного результата в запрос рекомендуется добавлять слово «anime». Модель обучена для разрешения 512×512 и распространяется в форматах Diffusers и PyTorch. Автор предупреждает, что модель пока нестабильна и результаты могут быть непредсказуемыми, в том числе неприятными. Рекомендуемый негативный запрос включает «noise, text, nude». Лицензия репозитория — CC BY-NC 4.0; ограничения использования также связаны с правилами исходной модели ModelScope.

ArcANE-32B-RLVR — англоязычная чат-модель для генерации ответов от лица персонажей с учётом текущей фазы их развития в повествовании. Её разработала команда holi-lab на базе Qwen3; модель содержит 29,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и принимает текстовые сообщения в формате чата. Контекстное окно — 40 960 токенов. Модель предназначена для ролевых ответов, обусловленных главой повествования, и исследований того, как обучение с проверяемыми наградами влияет на соответствие персонажа заданной фазе. Она продолжает ArcANE-32B-DPO: после SFT и DPO модель обучали методом GRPO с оценкой по рубрике ArcANE. В описанной оценке RLVR превзошла DPO на 8 пунктов по общей оценке; результат относится к указанному протоколу и судье. Для лучшего соответствия повествованию в контекст следует включать описание развития персонажа только до главы, о которой задан вопрос. Модель выпущена под лицензией Apache-2.0. Карточка позиционирует её для исследований ролевого моделирования и обучения, а не как универсальную диалоговую модель.

Модель JustFadjrin/batik-vit-model-classification разработана для проекта Batik ViT Classifier и классифицирует изображения индонезийского батика. Она основана на Vision Transformer (ViT) и содержит около 113,2 млн параметров; для весов используется формат Safetensors. Модель распознаёт 20 видов батика, включая мегамендунг, паранг, кавунг, баронг и мотивы регионов Индонезии. Модель подходит для определения типа узора на фотографии батика, например, в приложении-классификаторе или для первичной каталогизации изображений. Она обучена на наборе Batik Nusantara (Batik Indonesia) Dataset с Kaggle. Лицензия репозитория — CC0 1.0. Точность не гарантируется: набор данных ограничен, а результат зависит от качества и освещения изображения, угла съёмки, фона и сходства узоров между классами. Модель распознаёт только 20 перечисленных категорий, поэтому другие виды батика могут быть отнесены к неподходящему классу.

akadirgok/davranis-analizi-v1 — мультимодальная модель для экспериментального анализа выраженных эмоций и поведенческих сигналов одного человека в коротком видео со звуком. Она обрабатывает клипы примерно по 3 секунды и формирует оценку по восьми эмоциональным классам, отклонения 20 поведенческих признаков от индивидуальной нормы и структурированный ответ с основаниями, интерпретацией, альтернативой и уверенностью. В архитектуре сочетаются замороженный классификатор изображений ViT, аудиокодировщик Whisper small и Qwen2.5-1.5B-Instruct с LoRA; доступны веса safetensors и объединённая GGUF-квантизация Q8_0. Модель дообучена на CREMA-D и RAVDESS, содержащих постановочные англоязычные записи актёров. README сообщает о тестовой точности определения эмоций 86,6% на отложенных участниках, но предупреждает, что результат не отражает точность в реальных условиях: модель устарела и ненадёжна на настоящих видео, а примерно 45% выдаваемых поведенческих подсказок не подтверждены измерениями. Поддерживаются турецкий и английский языки; лицензия CC BY-NC 4.0 ограничивает коммерческое использование. Модель не является диагностическим инструментом и не определяет ложь; её нельзя применять для решений о людях.

Это модель диффузии безусловной генерации изображений, дообученная для создания мультяшных аватаров персонажей. Автор карточки описывает её как пример дообучения в рамках курса по диффузионным моделям: за основу взята google/ddpm-celebahq-256, а для обучения использован набор huggan/few-shot-anime-face. Модель предназначена для генерации изображений в стиле аниме-портретов без текстового запроса. Файлы представлены в формате Diffusers и Safetensors. Лицензия — MIT.

GameStoryChatbot — разговорная языковая модель, опубликованная aaiaa-1. Это дообученная модель семейства Mistral с архитектурой плотной автрорегрессионной языковой модели и 3,7 млрд параметров. Она предназначена для генерации текста в диалоге и может использоваться для создания чат-ботов, связанных с игровыми историями. Контекст модели составляет 4096 токенов; в карточке указана поддержка английского языка и возможность работы в режиме чата. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Доступны веса PyTorch, лицензия — Apache-2.0. Карточка не раскрывает подробностей обучающего набора данных, качества ответов или конкретных игровых сценариев, поэтому пригодность для сложных задач следует оценивать отдельно.

Ghost Poet — экспериментальная модель генерации стихов, созданная The Leverage на основе GPT-2 с 124 млн параметров. Модель дообучили за одну эпоху на корпусе общественного достояния объёмом 1,44 МБ: стихах Уитмена, Дикинсон, Хопкинса, Блейка, Джибрана, Тисдейл, Россетти и Миллей, а также переводах классической китайской поэзии Артура Уэйли 1918 года. Модель предназначена для генерации поэтического текста в стилистике обучающего корпуса. Контекст составляет 1024 токена. Репозиторий содержит форматы ONNX и safetensors; в README также указано 8-битное квантование для запуска в браузере через transformers.js. Это художественный проект, а не универсальная языковая модель; лицензия — MIT.

avsolatorio/GIST-Embedding-v0_en-tr_jobs — англоязычная Sentence Transformer-модель, дообученная на 4 786 парах вакансий en-tr от avsolatorio на базе avsolatorio/GIST-Embedding-v0. Архитектура BERT преобразует предложения и абзацы в нормализованные плотные векторы размерности 768; для сравнения используется косинусное сходство. Максимальная длина последовательности — 512 токенов. Модель предназначена для поиска вакансий по смыслу, оценки сходства между текстами вакансий и запросами, поиска перефразировок, кластеризации и классификации текстов. В README приведены значения cosine accuracy 1.0 на validation и test наборах en-tr-jobs; это результаты на небольших наборах оценки, а не гарантия качества на других данных. Лицензия — MIT.

Это дообученная модель Qwen/Qwen3-8B, созданная на наборе данных open-athena/glm-4.6-stackexchange-tezos-32ep-131k. Модель разработана для генерации текста в диалоговом формате и ориентирована на тематику вопросов и ответов Stack Exchange о Tezos. Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и формат весов Safetensors. Нативная длина контекста составляет 40 960 токенов. Она принимает текст и генерирует текст; метаданные указывают библиотеку Transformers и возможность диалогового использования. Карточка не приводит результатов оценки и подробных инструкций по применению, поэтому качество ответов по Tezos и охват конкретных тем не подтверждены. Модель распространяется по лицензии Apache-2.0.

Модель Diluner/gpt54-mini-standalone-qwen3-1.7b-sft-babyai-20260920 — дообученная методом SFT модель Qwen3-1.7B, созданная с помощью учителя gpt-5.4-mini. Это плотная авторегрессионная модель на 1,7 млрд параметров для генерации текста и диалогов; она рассчитана на контекст до 40 960 токенов и работает через Transformers, веса сохранены в формате Safetensors. Модель прошла пять эпох и 125 обновлений оптимизатора на этапе BabyAI; в описанной оценке по официальным задачам BabyAI средний успех по четырём попыткам составил 91,3889%.

Kerassy/Granite-4.1-3B-Medical_Reasoning — дообученная языковая модель семейства Granite от автора репозитория Kerassy, созданная на базе IBM Granite 4.1 3B. Она предназначена для генерации текста и диалоговых ответов на медицинские вопросы с пошаговым рассуждением; в карточке указано дообучение на наборе FreedomIntelligence/medical-o1-reasoning-SFT. Модель имеет 3,4 млрд параметров, плотную архитектуру GraniteForCausalLM, контекст до 131 072 токенов и формат safetensors. Указана поддержка английского языка. Модель подходит для исследовательской оценки медицинских рассуждений и сравнения компактных LLM на медицинских вопросах. Карточка не содержит результатов оценки качества. Автор предупреждает, что модель не является сертифицированным медицинским устройством и не предназначена для постановки диагноза, назначения лечения или клинических решений. Лицензия — Apache-2.0.

Halfword 100M — компактная языковая модель на архитектуре Llama, разработанная для предсказания слов в системах альтернативной и дополнительной коммуникации (AAC). Модель содержит 100,7 млн параметров, использует 14 слоёв и контекст длиной до 512 токенов. Она рассчитана на локальную работу на устройстве и поставляется в форматах Safetensors, ONNX, Core ML и GGUF; предсказания предназначены для декодера, который учитывает время выбора слова при разных способах ввода, включая сканирование переключателем и управление взглядом. Модель обучена преимущественно на открытых англоязычных разговорных корпусах и распознаёт морфологические подсказки при дополнении набранного слова. В опубликованном тесте на 8 000 невиданных высказываниях она заметно уступила приложенной 4-граммной модели: точность top-5 составила 9,2% для предсказания следующего слова и 63,9% для дополнения после двух букв. Поэтому это скорее работающая эталонная реализация для проверки декодирования и развёртывания, чем эффективный предиктор. Оценки времени выбора рассчитаны симуляцией, а стоимость визуального поиска по списку кандидатов не учитывается. Обучающих данных реальных пользователей AAC нет, поэтому модель может плохо соответствовать их речи и персональному словарю. Лицензия весов — Apache-2.0.

Это LoRA-модель в формате safetensors для генерации изображений, разработанная пользователем или организацией uzumix. Она предназначена для использования с базовой моделью krea/Krea-2-Turbo в задачах text-to-image и интеграции с Diffusers. Из доступных данных известно, что модель является адаптацией LoRA, однако её точное назначение, изменения поведения базовой модели, размер, архитектурные параметры, поддерживаемые языки, контекст и модальности, помимо генерации изображений по тексту, не указаны. Поэтому нельзя достоверно оценить её сильные стороны, ограничения или рекомендуемые сценарии применения. Лицензия и условия использования в README не указаны. Для работы потребуется совместимая среда Diffusers и базовая модель krea/Krea-2-Turbo.

Kuvera 8B — дообученная Akhil-Theerthala модель Qwen3-8B для ответов на вопросы о личных финансах. Она предназначена для диалоговых помощников и информационной поддержки по бюджетированию, сбережениям, инвестициям, управлению долгами и базовому финансовому планированию. При обучении на запросах пользователей Reddit с синтетически подготовленными ответами модель настраивали учитывать не только финансовую сторону ситуации, но и эмоциональный контекст собеседника. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и поддерживает контекст длиной до 40 960 токенов. Она принимает текст и генерирует текст; в карточке указана поддержка английского языка. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. Ответы предназначены для информационных и образовательных целей, а не для принятия финансовых решений вместо консультации специалиста. Данные ответов синтетические и основаны на запросах Reddit, поэтому возможны смещения и неполный учёт индивидуальных обстоятельств. Знания модели могут не учитывать недавние события и изменения правил; сложное многоэтапное финансовое планирование может выходить за пределы её возможностей.

Lil Bard — небольшая англоязычная языковая модель для генерации историй, разработанная N8Programs и обученная с нуля. Это базовая модель, не настроенная для выполнения инструкций или диалогового общения. Она предназначена для продолжения текста и создания простых рассказов. Модель использует архитектуру Qwen3 MoE с 16 трансформерными слоями и восемью экспертами, из которых для каждого токена активируются два. В README указано 172 млн параметров, включая около 58,8 млн активных на токен; в метаданных Hugging Face указано 54,5 млн параметров. Максимальная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст; обучающий корпус состоял преимущественно из простых синтетических историй на английском языке. Модель может выдавать повторяющийся или несвязный текст, обладает ограниченными знаниями о мире и слабыми способностями к рассуждению, а также не проходила настройку безопасности. Её не следует использовать для фактических ответов и решений с высокими ставками, включая медицинские, юридические и финансовые. Условия лицензирования в предоставленных данных не указаны.

Envoid разработал экспериментальную чат-модель для ролевых диалогов, объединив поведение Ministral-8B-Instruct-2410 с базовой Llama-моделью. Модель основана на Llama-3.05-Nemotron-Tenyxchat-Storybreaker-70B: автор дообучил её через QLoRA на наборе одноходовых ролевых сценариев, затем объединил адаптер с исходными весами и применил слияние SLERP. Архитектура — плотная LlamaForCausalLM, размер — 69,5 млрд параметров, контекст — до 131 072 токенов. Модель предназначена прежде всего для генерации ответов персонажей и продолжения сцен в ролевых чатах. Автор отмечает более связное развитие действий и улучшенное следование сценарию по сравнению с исходной моделью, но оценка основана на субъективном сравнении. При высокой температуре ответы могут быть неряшливыми и затягиваться без своевременного завершения; при низкой температура становится жесткой. Обучающие примеры в основном охватывали первый ответ на сообщение пользователя, поэтому качество за пределами этого сценария не гарантируется. Лицензия — CC BY-NC 4.0, допускает использование с указанием авторства и запрещает коммерческое применение.

herisan/llama-3-8b_mental_health_counseling_conversations — модель генерации текста на основе плотной архитектуры Llama 3 и класса LlamaForCausalLM, содержащая 7,5 млрд параметров. Карточка демонстрирует диалоговый сценарий консультирования по вопросам психического здоровья: пользователь описывает эмоциональное состояние, а модель формирует ответ. Для запуска приведён пример с Transformers и шаблоном чата; README также показывает вариант загрузки весов в 4-битном режиме. Модель подходит для генерации ответов в диалогах о переживаниях и самооценке. В метаданных указан контекст до 8192 токенов; сведения о поддерживаемых естественных языках и лицензии не приведены. Это не замена квалифицированной психологической или медицинской помощи: качество и безопасность ответов на кризисные запросы не подтверждены карточкой.

Cheng98/llama-39m — компактная авторегрессионная языковая модель семейства LLaMA, опубликованная Cheng98. Модель содержит 24,8 млн параметров и реализована как плотная архитектура LlamaForCausalLM с двумя слоями, размером скрытого состояния 512 и контекстом до 2048 токенов; веса представлены в safetensors. Модель предварительно обучена на небольшом подмножестве набора Recag/Rp_C4_55 с длиной последовательности 512 токенов. Она предназначена для экспериментов с генерацией текста и языковым моделированием, а также для изучения обучения и оценки небольших LLaMA-моделей. В README приведены оценки на Recag/Rp_C4_55 и WikiText-2. Небольшой размер делает модель удобной для учебных и исследовательских экспериментов с ограниченными вычислительными ресурсами, но её качество генерации ограничено малым масштабом и узким обучающим корпусом. Поддерживаемый язык отдельно не заявлен. Лицензия указана как llama2.

Lightricks/LTX-2.3-22b-IC-LoRA-HDR — адаптер IC LoRA, обученный поверх видеомодели LTX-2.3-22b компании Lightricks. Модель предназначена для генерации видео с расширенным динамическим диапазоном 16-bit HDR по текстовому или визуальному условию, а также для преобразования видео из 8-bit SDR в 16-bit HDR. Она поддерживает сценарии text-to-video, image-to-video и video-to-video, включая управление генерацией с помощью позиционно согласованных кадров референсного видео и создание аудиовизуального результата в рамках возможностей базовой модели. Ключевая характеристика модели — применение LogC3-преобразования до генерации и обратного преобразования после неё для работы с расширенным динамическим диапазоном. Коэффициент уменьшения разрешения референса равен 1, то есть ожидается референс с разрешением, соответствующим выходному. Размер базовой модели составляет 22 млрд параметров; библиотека diffusers указана как используемая инфраструктура. В README заявлен английский язык, однако сведения о размере контекста, точных разрешениях, длительности видео и поддерживаемых аудиоформатах не приведены. Модель обучалась на закрытом HDR-датасете, поэтому её сильной стороной является специализированная генерация HDR-видео, а ограничениями — зависимость от совместимого рабочего процесса IC LoRA и отсутствие подробных данных о качестве и области применимости. Распространение регулируется лицензией LTX-2-community-license.

Magenta RealTime 2 — модель Google DeepMind для потоковой генерации инструментальной музыки в реальном времени; этот репозиторий содержит её порт на PyTorch, подготовленный magenta-community. Архитектура включает авторегрессионный декодер Depthformer, аудиокодек SpectroStream и текстово-аудио энкодер стиля MusicCoCa. Порт совместим с Transformers и использует веса, численно идентичные исходному чекпойнту Google. Модель принимает текстовое описание стиля и аудиоконтекст, а также поддерживает потоковое продолжение генерации: состояние передаётся между вызовами, а стиль можно менять во время воспроизведения. Она предназначена для интерактивного создания и управления инструментальной музыкой; README приводит примеры живого воспроизведения и демо для управления нотами и параметрами продюсирования. Лицензия — Apache-2.0. Для запуска нужны PyTorch, Transformers и SentencePiece; для сохранения аудио — SoundFile. Потоковая генерация реализована собственным интерфейсом, а ускорение до режима реального времени зависит от компиляции или заранее экспортированных графов AOTInductor, привязанных к архитектуре GPU.

Maya-152m-Flowers — небольшая языковая модель на 152 млн параметров, разработанная Clemylia (LLm-Clem) и предварительно обученная с нуля на тематическом корпусе. Это плотная авторегрессионная модель семейства GPT-2, опубликованная в формате safetensors; заявленная длина контекста — 700 токенов. В метаданных указан французский язык. Модель предназначена для генерации коротких образных текстов и поэтических описаний природы, цветов, пейзажей, света и движения. Её можно использовать для создания атмосферных фрагментов в играх, повествовании и творческих приложениях; компактный размер подходит для локального запуска на скромном оборудовании. Среди характерных особенностей карточка отмечает плотную образность, авторские неологизмы и повторы. Модель не является универсальным диалоговым помощником: повторы и необычные словоформы могут снижать связность и точность текста. Указана лицензия other; конкретные условия использования следует сверять с лицензией в репозитории.

ZainYz/MedchatbotLlama-3.1-8B — разговорная языковая модель, разработанная ZainYz путём дообучения unsloth/Meta-Llama-3.1-8B-bnb-4bit с использованием Unsloth и Hugging Face TRL. Она предназначена для генерации текста в диалогах на медицинскую тематику; карточка не приводит подробностей о конкретных медицинских сценариях или результатах оценки качества. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык и контекст до 131 072 токенов. Репозиторий использует формат PyTorch. Лицензия — Apache-2.0. Медицинские ответы могут быть неточными или неполными; перед клиническим применением их следует проверять у квалифицированного специалиста. Карточка не описывает обучение на медицинских данных или валидацию модели.

Medical mT5 — многоязычная медицинская text-to-text-модель, разработанная Икером Гарсией-Ферреро и соавторами. Это дообученная на медицинских данных версия google/mt5-large с архитектурой encoder-decoder и 608,4 млн параметров. Модель предназначена для преобразования текста в медицинском контексте на английском, испанском, французском и итальянском языках. Её можно применять для генерации и преобразования медицинских текстов, а также как основу для задач обработки медицинского языка. В карточке также упомянуты отдельные варианты Medical mT5 для последовательной разметки, но данный репозиторий классифицирован как text-generation. Модель распространяется под лицензией Apache-2.0. Модель обучалась на медицинских данных и может наследовать ограничения и смещения этих данных. Она не заменяет проверку медицинских сведений специалистом; карточка отдельно отмечает важность защиты персональных данных.