IV.5Образование и развитие навыков

ChatNT — разработанная InstaDeep мультимодальная разговорная модель для вопросов о последовательностях ДНК, РНК и белков. Она сочетает энкодер Nucleotide Transformer v2 на 500 млн параметров, модуль Perceiver Resampler и замороженный декодер Vicuna-7B; ответы формируются авторегрессионно на английском языке. Модель принимает текстовый запрос с маркером последовательности и соответствующую последовательность ДНК, разбитую на перекрывающиеся 6-меры; вход ограничен 2048 токенами, примерно 12 тысячами оснований ДНК. ChatNT дообучена по инструкциям на корпусе для 27 задач с ДНК, РНК и белками. Она предназначена для диалогового анализа биологических последовательностей и выдаёт текстовые ответы, включая метки классов, мульти метки и числовые значения. Модель ограничена задачами и форматами, представленными при обучении; может ошибаться на новых входах и допускать ошибки в числовых прогнозах. Она не предназначена для клинической диагностики, а важные результаты следует проверять экспериментально или специализированными биоинформатическими методами. Условия лицензирования в предоставленных данных не описаны.

lazy-guy12 разработал компактную авторегрессионную модель на базе Llama для игры в шахматы. Она содержит около 22–23 млн параметров, использует архитектуру decoder-only transformer и обучена на 3 млн шахматных партий из Lichess Elite Database. Для представления ходов применяется формат UCI: модель принимает последовательность ходов и генерирует продолжение партии. Контекст модели составляет 256 токенов. Модель предназначена для генерации шахматных ходов и простых игровых сценариев; автор оценивает её силу примерно в 1400 Elo и сообщает, что она превосходит Stockfish на уровне сложности 0. Репозиторий содержит форматы Safetensors и ONNX; запуск в браузере возможен через Transformers.js. README отмечает, что скрипты для полноценного инференса ещё не добавлены. Лицензия в предоставленных данных не указана.

CRE-0.5 — модель эмбеддингов CareerInternational для подбора персонала, созданная на базе BAAI/bge-large-zh-v1.5 и дообученная для сопоставления резюме и описаний вакансий. Она кодирует текст в плотные векторы и ориентирована на семантический поиск и оценку сходства между вакансиями и резюме, включая сопоставление навыков и должностных уровней. В модели используется BERT-архитектура; README описывает CNN-компонент для выделения локальных признаков и дополнительный обучаемый проекционный слой. Размер — 424,3 млн параметров, максимальный контекст — 512 токенов. Для представления предложения используется CLS-токен. Карточка также указывает применение в retrieval, RAG и агентных сценариях. Модель рассчитана на китайскоязычные тексты. В README приведены результаты профильного бенчмарка и сравнение с базовой моделью, однако отдельный пример показывает, что CRE-0.5 уступает BGE по указанным оценкам сходства; результаты не гарантируют качество на других данных. Лицензия в предоставленных данных не указана.

Fe2x/distilroberta-ai-job-embeddings — англоязычная Sentence Transformer модель, дообученная Fe2x на наборе ai-job-embedding-finetuning для сопоставления запросов о работе с описаниями вакансий. Она основана на sentence-transformers/all-distilroberta-v1 и использует архитектуру RoBERTa с усреднением токенных представлений и нормализацией. Модель преобразует текст в плотные эмбеддинги размерности 768; сходство между ними можно оценивать косинусной метрикой. Максимальная длина входа — 512 токенов. Модель подходит для семантического поиска и ранжирования вакансий по запросу, поиска близких текстов и выявления соответствий между запросами и описаниями. В README приведены результаты TripletEvaluator на наборах ai-job-validation и ai-job-test; они относятся к указанным оценочным выборкам и сами по себе не гарантируют качество на других данных. Репозиторий распространяется в формате safetensors, лицензия в предоставленных сведениях не указана.

Eça — небольшая авторегрессионная GPT-модель, созданная jgalego и обученная с нуля на собранных произведениях португальского писателя Эсы де Кейроша из набора данных jgalego/eca-queiros. Она предназначена для продолжения текста и имитации литературного стиля автора, а не для ответов на вопросы или рассуждений. Модель представляет собой декодерный трансформер с 5,3 млн параметров, 6 слоями, шириной 256, 4 головами внимания и контекстом в 256 токенов. Используется байтовый BPE-токенизатор с размером словаря 2048, обученный на том же корпусе. Репозиторий содержит веса в формате safetensors; лицензия — MIT. Модель обучалась примерно на 10 млн символов прозы Эсы де Кейроша и лучше подходит для стилистических экспериментов и генерации продолжений в духе этих произведений. Её словоупотребление и орфография соответствуют португальскому языку XIX века, а знания о мире и способность к рассуждению практически отсутствуют. Оценка проверки основана на конце одной книги и может не отражать качество на всём корпусе.

Eficlat50-BotMed-v1 — сверточная модель классификации изображений, разработанная Bindupautra Jyotibrat, Avinash Kushwaha и Rana Talukdar. Это дообученная методом transfer learning EfficientNetB0, предварительно обученная на ImageNet и адаптированная для классификации МРТ головного мозга по четырём категориям: глиома, менингиома, отсутствие опухоли и опухоль гипофиза. Модель принимает изображения МРТ и выдаёт класс из этого набора; для языковых задач она не предназначена. В README сообщается о точности 91% на тестовом наборе из 1600 изображений. Наиболее слабое различение — между глиомой и менингиомой; показатели на этих классах уступают результатам для изображений без опухоли и с опухолью гипофиза. Модель не прошла независимую клиническую валидацию и не предназначена для постановки диагноза или выбора лечения. Она рассчитана на исследовательские и учебные демонстрации, а также на вспомогательную сортировку снимков при обязательной проверке специалистом. Обучение проводилось на наборе Brain Tumor MRI Dataset, объединяющем источники Figshare, SARTAJ и Br35H; возможны смещения и различия в качестве данных. Лицензия — GPL-3.0.

FEMA — дообученная модель на базе google/mt5-small для генерации музейных анонсов на английском и финском языках. Она создана в рамках магистерской диссертации по цифровой лингвистике и предназначена для подготовки структурированного текста с заголовком, датой и основным описанием мероприятия. Модель использует архитектуру Transformer encoder-decoder и принимает текстовые запросы, включая языковые маркеры [EN] и [FI]. Обучение включало supervised fine-tuning с LoRA и последующую контрастную оптимизацию на синтетических примерах, отобранных системой вознаграждения. В карточке указаны 300 млн параметров у базовой модели и контекст длиной 1024 токена. Обучающие материалы охватывают выставки, мастер-классы и разные виды искусства; заявлены краткие анонсы длиной от одного до пяти предложений. Модель ориентирована на музейную коммуникацию и генерацию текстов заданной структуры. Качество оценивалось автоматическими метриками и экспертами музеев; результаты для финского языка ниже по части приведённых метрик, чем для английского. Модель распространяется по лицензии Apache-2.0.

HuatuoGPT-o1-72B-v0.1-GGUF — квантизированная версия языковой модели HuatuoGPT-o1-72B, разработанной FreedomIntelligence и подготовленной в формате GGUF пользователем bartowski с использованием llama.cpp и imatrix-квантизации. Модель ориентирована на медицинские задачи и сценарии генерации текста, включая работу с медицинскими вопросами и рассуждениями. В обучении использовались наборы данных medical-o1-reasoning-SFT и medical-o1-verifiable-problem. Модель имеет размер 72B параметров, поддерживает текстовую генерацию и заявлена для английского и китайского языков. Доступны варианты квантизации от Q8_0 до Q2 и IQ-серии, объёмом примерно от 27,94 до 77,26 ГБ; более качественными считаются Q6_K, Q5_K_M, Q5_K_S и Q4_K_M, а младшие варианты экономят память ценой снижения качества. Формат предназначен для локального запуска через llama.cpp и совместимые приложения, включая LM Studio. Архитектура и размер контекста в README не указаны. Сильные стороны модели — специализация на медицинской тематике, наличие вариантов под разные ограничения по памяти и возможность локального использования. Ограничениями являются значительные требования к оперативной или видеопамяти даже для низкобитных вариантов, а также потенциальное снижение качества при агрессивной квантизации. Лицензия — Apache-2.0.

HuatuoGPT-o1-8B — медицинская языковая модель FreedomIntelligence для генерации ответов с многошаговым рассуждением по медицинским вопросам. Она сначала формирует рассуждение, затем выдаёт итоговый ответ. Модель основана на dense-архитектуре Llama 3.1 и дообучена на Llama-3.1-8B-Instruct; размер по метаданным — 7,5 млрд параметров. Поддерживает английский язык, принимает текст и генерирует текст. Контекст — до 131 072 токенов. Модель можно запускать через vLLM или SGLang, а также использовать для прямого инференса. Модель предназначена для медицинских задач и не заменяет профессиональную медицинскую оценку. Доступна по лицензии Apache-2.0.

JapMed-SLERP — объединённая модель генерации текста от tiborousset, созданная методом SLERP с помощью mergekit на основе ContactDoctor/Bio-Medical-Llama-3-8B и lightblue/suzume-llama-3-8B-japanese. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов; файлы представлены в формате safetensors и рассчитаны на работу через Transformers. Модель предназначена для диалоговой генерации текста, сочетая медицинскую специализацию одной базовой модели с японской языковой настройкой другой. Её можно применять для ответов и справочной информации по биомедицинским темам на японском языке. Качество и надёжность ответов на медицинские вопросы не гарантированы; требуется проверка специалистом. Лицензия в предоставленных данных не указана.

L1-30B-A5B — медицинская языковая модель для корейского клинического контекста от Lunit и Lunit Consortium. Она дообучена на Gravity-30B-A5B-Base, разработанной Trillion Labs и Lunit Consortium, и использует архитектуру разреженной смеси экспертов GravityMoE с поддержкой Hugging Face Transformers. В модели 29,56 млрд параметров, из которых активно 5,34 млрд; контекст — 131 072 токена. Карточка также указывает английский язык. Модель предназначена для медицинских диалогов, ответов на клинические вопросы и работы с поиском и вызовом инструментов: она обучалась на многошаговых сценариях извлечения сведений и формировании ответов с опорой на цитаты. В опубликованных оценках показаны результаты на медицинских тестах, однако они не гарантируют точность в клинической практике. Для длинных клинических ответов требуется repetition_penalty=1.05; без подключённого инструмента поиска цитаты не ссылаются на внешние источники, а вызовы инструментов лучше работают со схемами, похожими на обучающие. Модель выпущена под лицензией Apache-2.0. Её ответы могут быть ошибочными, неполными или устаревшими и требуют проверки квалифицированным специалистом; медицинское решение нельзя основывать только на выводе модели. Знания ограничены обучающим срезом, особенно актуальность корейских правил возмещения расходов и одобрений лекарств следует перепроверять.

Cas-Warehouse/Llama-3-Mental-Therapy-Cat-8B — языковая модель для диалоговой генерации, созданная слиянием моделей на основе TheSkullery/llama-3-cat-8b-instruct-v1. В merge вошли victunes/TherapyLlama-8B-v1 и herisan/llama-3-8b_mental_health_counseling_conversations; использован метод task arithmetic. Модель относится к семейству Llama 3, имеет около 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для поддерживающих бесед на темы психического здоровья, эмоциональной поддержки и саморефлексии. Она принимает текст и генерирует текстовые ответы в формате диалога. В описании и метаданных не приведены сведения о поддерживаемых естественных языках и лицензии, поэтому их нельзя определить по доступным данным.

LLaVA-Med v1.5 Mistral 7B — медицинская визуально-языковая модель, разработанная Microsoft на основе архитектуры LLaVA-Mistral. Она предназначена для исследователей, изучающих обработку биомедицинских изображений и ответы на вопросы по ним, а также для воспроизведения результатов исследования. Модель принимает изображения и текстовые запросы и генерирует текстовые ответы; её размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Обучение опирается на набор PMC-15M с 15 млн пар изображений и подписей из биомедицинских статей; в данных представлены, среди прочего, микроскопия, рентгенография и гистология. Модель рассчитана на английский язык и поддерживает диалоговый режим. Лицензия — Apache-2.0. Модель предназначена для исследований, а не для клинического применения или принятия медицинских решений. Она проверена на ограниченном наборе биомедицинских бенчмарков, может ошибаться и наследует ограничения LLaVA; данные обучения могут отражать смещения научных публикаций.

LoGos-7B — специализированная языковая модель для рассуждений и анализа игры го, разработанная авторами проекта LoGos. Модель дообучена на базе Qwen/Qwen2.5-7B-Instruct с использованием смешанного начального обучения и GRPO, чтобы перенести способности к рассуждению по длинным цепочкам мыслей на задачи го. Модель построена на плотной архитектуре Qwen2 и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Для отображения доски в README упоминается отдельный инструмент визуализации, поэтому описание не подтверждает обработку изображений самой моделью. Модель подходит для анализа позиций, объяснения ходов и рассуждений о партиях го. Модель распространяется по лицензии Apache-2.0. В доступной карточке нет результатов оценки качества, поэтому её силу в сравнении с другими моделями го установить нельзя.

MedVLThinker-32B-RL_m23k — медицинская мультимодальная модель для анализа изображений и работы с текстом, разработанная UCSC-VLAA. Она основана на Qwen2.5-VL-32B-Instruct и дообучена с помощью обучения с подкреплением на наборе Med23k. Модель принимает изображения и текстовые запросы и формирует текстовые ответы, например, для визуальных вопросов по медицинским изображениям. Модель содержит 32 млрд параметров, использует архитектуру Qwen2.5-VL и поддерживает контекст до 128 000 токенов. В метаданных указан английский язык. Весовые файлы доступны в формате safetensors. Лицензия — Apache-2.0.

Это языковая модель thrishala/mental_health_chatbot на архитектуре Llama, дообученная на базе NousResearch/Llama-2-7b-chat-hf методом QLoRA. Она содержит около 6,6 млрд параметров, принимает текст и предназначена для диалоговой поддержки людей по вопросам психического здоровья, включая тревогу, стресс, отношения и личностный рост. Контекст модели составляет до 4096 токенов. Модель может генерировать эмпатичные и персонализированные ответы в чат-ботах и приложениях поддержки. Она не предназначена для медицинской диагностики или кризисного вмешательства и не заменяет профессиональную помощь; возможны ошибки в понимании контекста и смещения, связанные с обучающими данными. Сведения о разработчике и лицензии в доступных материалах отсутствуют.

skytnt/midi-model — трансформер для генерации музыки в формате MIDI, разработанный SkyTNT. Модель предсказывает последовательности MIDI-событий; в репозитории также доступны версии весов в ONNX, PyTorch и Safetensors и файл SoundFont для удобного скачивания. Версия v1.2 обучена на наборе Los-Angeles-MIDI-Dataset, отфильтрованном по качеству; автор сообщает об улучшении результатов. Для генерации модель принимает последовательность MIDI-событий и выдаёт MIDI-события. Лицензия — Apache-2.0. Длина контекста и поддерживаемые языки в предоставленных сведениях не описаны.

Карточка модели m-a-p/MuPT-v0-8192-1.97B на Hugging Face совпадает с карточкой m-a-p/MuPT-v0-4096-1.97B, поэтому описание составлено по ней. MuPT-v0-4096-1.97B — модель семейства SMuPT для генерации символической музыки, опубликованная командой m-a-p. Она использует архитектуру Llama и обучена на крупном наборе символических музыкальных произведений разных жанров и стилей; в метаданных указаны 1,9 млрд параметров и контекст 4096 токенов. Модель предназначена для генерации мелодий, аккомпанемента и многодорожечных музыкальных композиций. Модель принимает текстовое токенизированное представление музыкальной последовательности и продолжает его, выдавая последовательность для символической музыки. Карточка описывает серию предварительно обученных моделей и сценарии их дальнейшего применения. Репозиторий содержит веса в формате PyTorch; лицензия — Apache-2.0. README отмечает, что описанное использование основано на Megatron-LM, а поддержка формата Hugging Face планировалась отдельно.

MuPT-v1-8192-550M — авторегрессионная языковая модель для генерации символической музыки, разработанная командой m-a-p. Она обучена на крупном наборе произведений в разных жанрах и стилях и предназначена для создания мелодий, аккомпанемента и многодорожечных музыкальных последовательностей. Модель построена на плотной архитектуре Llama 2 и принимает последовательности токенов, представляющие музыку; максимальная длина контекста — 8192 токена. В метаданных указано около 453,9 млн параметров. Результат можно преобразовывать в нотацию ABC и затем использовать для воспроизведения или дальнейшей обработки музыки. Для вывода нескольких дорожек требуется постобработка, поскольку при обучении дорожки объединялись. README описывает запуск через Megatron-LM и PyTorch. Репозиторий распространяется по лицензии Apache-2.0. Языковой тег en относится к карточке модели; основное назначение — музыкальные последовательности, а не обычный текст.

NBK ATS Semantic Model v1 English — англоязычная модель Sentence Transformers, разработанная NBK и дообученная на базе jinaai/jina-embeddings-v2-small-en для подбора кандидатов в системах ATS. Она преобразует резюме и описания вакансий в эмбеддинги, чтобы оценивать их семантическое сходство и сопоставлять навыки и требования. Модель рассчитана на полные профессиональные документы, поддерживает контекст до 8 192 токенов и доступна в форматах Safetensors и ONNX для серверного и браузерного запуска. В карточке указано 32,4 млн параметров и лицензия Apache-2.0. Обучение проводилось на 5 099 парах резюме и вакансий, с нормализацией профессиональных навыков по таксономии ESCO. Разработчик приводит результаты проверки на 64 примерах из восьми профессиональных областей и рекомендует использовать оценки как поддержку скрининга, а не как единственное основание для найма. Модель оптимизирована только для английского языка и профессионального сопоставления; очень длинные документы могут превышать контекст, а данные рынка труда могут отражать культурные и демографические смещения.

Patho-R1-3B — мультимодальная модель для рассуждений по патологии, разработанная авторами проекта Patho-R1. Она принимает изображения и текстовые запросы и предназначена для ответов на вопросы по патоморфологическим изображениям, включая вопросы с выбором ответа и визуальные вопросы и ответы. Модель построена на архитектуре Qwen2.5-VL и имеет 3 млрд параметров. Её обучали в три этапа: продолжили предобучение на 3,5 млн пар «патологическое изображение — подпись», провели дообучение на 500 тыс. экспертных примеров с цепочками рассуждений, а затем применили обучение с подкреплением для улучшения ответов. В карточке указаны английский язык и лицензия CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных версий.

Qwen2.5-1.5B-Sign — дообученная thundax модель на базе Qwen/Qwen2.5-1.5B с архитектурой Qwen2ForCausalLM и 1,5 млрд параметров. Она преобразует текст в текстовое представление китайского жестового языка и предназначена для экспериментов с таким преобразованием и создания его прототипов. Для дообучения использован набор thundax/alpaca-zh-text2sign; модель поддерживает диалоговый режим и контекст до 131 072 токенов. Модель распространяется по лицензии MIT. README не уточняет формат выходного представления жестов и не приводит оценок качества.

Модель Afzalur Rahman — дообученная на рыночных данных языковая модель Qwen3 для технического анализа индекса NIFTY 50. Она принимает текстовые данные об исторических ценах и индикаторах, включая RSI, MACD и полосы Боллинджера, а также сведения об опционах и VIX, и формирует прогноз направления движения на следующий торговый день, оценку процентного изменения, уровень уверенности и объяснение прогноза. Модель рассчитана на краткосрочный анализ индийского рынка и может использоваться в аналитических панелях, исследовательских инструментах и учебных системах. Архитектура — плотная причинная Qwen3 с примерно 3,7 млрд параметров; в README описан LoRA-адаптер примерно на 41 млн обучаемых параметров. Модель поддерживает английский язык, имеет контекстное окно 262 144 токена и распространяется в формате Safetensors под лицензией Apache 2.0. Автор сообщает об оценке на отложенной выборке, но конкретные численные результаты ещё не приведены. Прогнозы вероятностны и могут хуже работать при резких изменениях рыночной динамики или необычных событиях. Модель обучалась на данных NIFTY 50 и не предназначена для прогнозов по другим рынкам, долгосрочных прогнозов или принятия инвестиционных решений без проверки человеком и управления рисками.

Карточка модели SYNAPSEai1/Synapse-Music-Cover на Hugging Face совпадает с карточкой HeartMuLa/MuLaCover, поэтому описание составлено по ней. MuLaCover — модель для создания кавер-версий песен и музыкальных ремиксов, разработанная командой HeartMuLa и представленная в репозитории HeartMuLa. Она преобразует исходную музыку с учётом текста песни и структурированного текстового описания стиля; также поддерживает генерацию на основе мелодии или аккордов в формате MIDI. Модель предназначена для управляемого преобразования музыкального аудио: можно задавать текст и стиль, чтобы получить новую версию композиции, или использовать MIDI-мелодию и аккорды как основу. Для запуска применяется библиотека MuLaCover; для некоторых сценариев нужны дополнительные контрольные точки HeartCodec, Qwen3-Embedding-0.6B, YourMT3 и ChordNet. В репозитории опубликованы конфигурация архитектуры, токенизатор и разделённые на части веса в формате safetensors. Модель принимает аудио, а также использует текстовые подсказки, текст песни и MIDI для управления генерацией. Лицензия CC BY-NC 4.0 разрешает использование на условиях указанных ограничений, включая запрет коммерческого использования.

The OverThinker Phi 1.5 — текстовая генеративная модель на архитектуре MixFormerSequential, разработанная на базе Phi 1.5 и адаптированная автором Hypersniper. Модель специально переобучена на базе загадок и предназначена для ответов на загадки и творческих рассуждений по инструкциям в формате Alpaca. Модель работает с текстом, использует библиотеку Transformers и имеет контекстное окно 2048 токенов. В карточке не приведены сведения о лицензии, поэтому условия использования определить нельзя. Из-за узкой специализации и переобучения на загадках ответы на другие запросы могут быть ненадёжными.

TherapyLlama 8B v1 — разговорная модель VicTunes для поддерживающего диалога и имитации эмпатичного собеседника в духе психотерапии. Это дообученная версия Llama 3 8B с плотной архитектурой LlamaForCausalLM; в метаданных указано 7,5 млрд параметров и контекст 8192 токена. Модель принимает текст и генерирует текст, поддерживает чат и обучалась на модифицированной версии синтетического набора nart-100k. Для общения следует использовать формат Vicuna 1.1, а не формат Llama 3. Карточка описывает сценарии эмоциональной поддержки и саморефлексии, но подчёркивает, что модель не является настоящим терапевтом и не заменяет помощь квалифицированного специалиста. Её возможности ролевой игры слабее, чем у TherapyBeagle. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое использование.

Модель JohnSupertramp2026/vit-base-plantvillage — классификатор заболеваний листьев растений, созданный участниками проекта FitoAsistente в рамках выпускного проекта магистратуры по Data Science Университета Сан-Себастьян. Это дообученная модель Vision Transformer ViT-Base/16 на базе google/vit-base-patch16-224, реализованная через Transformers и содержащая 113,2 млн параметров. Она принимает RGB-фотографию листа размером 224 × 224 и выдаёт вероятности для 38 классов: здорового состояния и заболеваний у 14 видов растений. Названия классов заданы в конфигурации модели; для обработки изображения следует использовать опубликованный вместе с ней процессор. Модель обучена на PlantVillage: использована стратифицированная выборка из 20 % датасета, включающего 54 305 изображений листьев, а настройка весов выполнена за три эпохи. На тестовой выборке авторы сообщают точность 99,08 % и macro F1 0,988, однако случайное разделение могло поместить фотографии одного и того же листа в обучение и тест. Данные сняты в контролируемых условиях на однородном фоне, поэтому результаты не отражают надёжность распознавания в поле. У модели нет механизма отказа для неизвестных видов или состояний, и она может уверенно выдать неверный класс; она не заменяет оценку специалиста. Лицензия — Apache-2.0.

Wan-AI разработала Wan-Dancer-14B — модель генерации танцевальных видео по музыке. Она создаёт длинные, ритмически согласованные ролики с сохранением общей структуры и временной непрерывности. В работе используются музыкальная дорожка, исходное изображение и текстовый промпт, задающий стиль танца; поддерживаются, например, китайский классический танец, K-pop, уличный, латинский и чечёточный танец. Генерация состоит из двух этапов: сначала модель планирует глобальную последовательность ключевых кадров, затем уточняет видео локально для получения финального ролика высокого разрешения. Репозиторий предоставляет веса и код инференса, а также интеграцию с ComfyUI. Модель распространяется под лицензией Apache-2.0. Для работы требуется подготовить исходное изображение, музыкальный файл и промпты для соответствующих этапов; финальное уточнение использует видео, созданное на первом этапе. Заявленное назначение — генерация танцевальных роликов, поэтому карточка не подтверждает универсальность для других типов видео. В метаданных указаны архитектурное семейство i2v и форматы PyTorch и Safetensors; размер 14B следует из названия модели.

Whisper — разговорный чат-бот для бесед о психическом здоровье, разработанный командой DeepFinders из SLTC Research University. Модель дообучена на Gemma 3 1B IT на диалоговых данных по психологии и предназначена для поддерживающих и эмпатичных ответов в таких разговорах. Это плотная текстовая модель Gemma3ForCausalLM с 1 млрд параметров; она принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 32 768 токенов. Модель можно использовать для учебных демонстраций и исследовательских экспериментов с чат-ботами психологической поддержки. Во время обучения применялась 4-битная квантизация, а веса представлены в формате safetensors. Лицензия — Apache-2.0. Модель может ошибаться или давать неподходящие ответы и не заменяет профессиональную помощь в области психического здоровья; для применения нужны меры предосторожности и человеческий контроль.

Это компактная модель распознавания речи Whisper Tiny, дообученная Провоторовым Н. Р. на русском языке с акцентом на нефтегазовую терминологию. Она преобразует аудиозаписи в текст и подходит для транскрибации речи в нефтегазовой тематике. Модель основана на openai/whisper-tiny и обучена на 480 аудиопримерах с аугментацией шума, скорости, высоты тона и реверберации. В README указаны WER 45,08%, точность распознавания отраслевых терминов 57,15% и обычных слов 72,64%; для доменных терминов отмечено улучшение относительно базовой модели. Распространяется в формате safetensors по лицензии Apache-2.0.