IV.9Медиа, журналистика, культура, архивы и игры

Luna Diffusion — дообученная автором proximasanfinetuning модель генерации изображений на базе Stable Diffusion 1.5. Она обучена на нескольких сотнях изображений высокого разрешения с преимущественно ручными подписями и настроена на создание эфирных, живописных изображений; отдельно отмечена работа с разными оттенками кожи. Модель принимает текстовые запросы и генерирует изображения. Специальные триггерные слова не нужны: добавление слова «painting» усиливает живописный стиль, а «illustration» помогает получить более векторную иллюстрацию. Автор рекомендует разрешения 768×768, 512×768 или 768×512 пикселей; квадратный формат 512×512 может давать чрезмерно обработанный результат. Доступны файлы Diffusers, PyTorch и safetensors, а карточка показывает лицензию как «other» без уточнения условий.

M87 — это LoRA-адаптер для генерации изображений по текстовым описаниям, предназначенный для использования с экосистемой Diffusers. По примерам из карточки модель ориентирована на создание художественных и кинематографичных изображений с эстетикой аналоговой плёнки: портретов, fashion-сцен, силуэтов, ночных кадров, двойных экспозиций и драматичных сюжетов с выраженным светом, цветокоррекцией и зернистостью. Модель работает в сценариях text-to-image и, вероятно, подключается к базовой диффузионной модели как параметрический LoRA-модуль. Примеры демонстрируют акцент на тёплой винтажной цветопередаче, плёночном зерне, контрастном освещении, атмосферных композициях и реалистичной или экспериментальной фотографии. Точная базовая архитектура, размер адаптера, поддерживаемые языки, максимальный контекст и требования к вычислительным ресурсам в README не указаны. Сильная сторона модели — специализация на выразительной визуальной стилистике, включая lo-fi, cinematic и analog film aesthetics, а также на сценах с художественным освещением и сложным настроением. Ограничения связаны с отсутствием сведений о качестве на других типах изображений, совместимости с конкретными базовыми моделями и возможных ограничениях генерации. Лицензия и условия использования в предоставленной карточке не указаны.

Magenta RealTime 2 — открытая модель генерации музыки от Google DeepMind для непрерывного создания и управления музыкальным аудио в реальном времени на устройстве. Она поддерживает управление текстовыми запросами, аудиопримерами и MIDI и рассчитана на потоковую работу с низкой задержкой. Система включает аудиокодек SpectroStream, модель MusicCoCa для совместного представления аудио и текста и авторегрессионный decoder-only Transformer, который генерирует аудиотокены с покадровым управлением. В карточке описаны конфигурации на 2,4 млрд и 230 млн параметров; кодек работает со стереозвуком 48 кГц. Модель подходит для интерактивного музицирования, живых выступлений, игровых саундтреков и музыкальных экспериментов. Модель ориентирована прежде всего на инструментальную музыку; при отдельных запросах возможны вокальные звуки без разборчивых слов. В карточке отмечены ограничения охвата жанров и несловесных вокализаций. Код распространяется по Apache 2.0, веса — по CC BY 4.0; условия использования запрещают создавать материалы, нарушающие права других лиц, включая авторские права.

Magnolia-v3-12B — языковая модель на архитектуре Mistral, созданная разработчиком grimjim слиянием нескольких предварительно обученных и инструктивных моделей через mergekit и метод task arithmetic. В основе слияния лежит grimjim/mistralai-Mistral-Nemo-Base-2407; также включены Magnum Consolidatum, Mistral-Nemo-Prism, Rocinante, Magnum Twilight и Mistral-Nemo-Instruct. Модель предназначена для генерации текста с акцентом на творческую прозу, ролевые сцены и приключенческие истории. Она содержит 12,1 млрд параметров, работает с контекстом до 131 072 токенов и распространяется в формате safetensors. Для общения подходят форматы запросов Mistral Nemo; автор сообщает, что результаты зависят от системного промпта и приводит тестовую настройку температуры 1,0 и minP 0,01. Модель распространяется по лицензии Apache-2.0. В README описано ограниченное тестирование, поэтому приведённые настройки не следует считать универсальными рекомендациями; явные сведения о поддерживаемых естественных языках в карточке отсутствуют.

mediabiasgroup/magpie-pt — модель на основе XLM-RoBERTa, предварительно обученная на коллекции LBM (Large Bias Mixture) из 59 задач, связанных с предвзятостью в медиа. Обучение проводилось в режиме многозадачного обучения в рамках работы MAGPIE по обобщению анализа медиапредвзятости и выявлению соответствующих выражений. Модель предназначена для классификации текста в задачах анализа медиапредвзятости. Она основана на архитектуре RoBERTa, содержит около 151,9 млн параметров и рассчитана на последовательности длиной до 514 токенов. Репозиторий содержит веса PyTorch и Safetensors; модель дообучена на базе FacebookAI/xlm-roberta-base и поддерживает многоязычный ввод. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но ограничивающая коммерческое применение. Карточка не уточняет конкретные поддерживаемые языки и ограничения качества; модель ориентирована на набор задач, связанных с предвзятостью, и её результаты следует интерпретировать с учётом целевой области обучения.

Masri Higgs v3 — Egyptian Arabic TTS — это 4-миллиардная модель синтеза речи на базе Higgs Multimodal Qwen3, разработанная ehabnegm. Она дообучена на 98 часах очищенной египетской арабской речи; применённый LoRA-адаптер объединён с весами, поэтому отдельно загружать его не требуется. Для синтеза модель использует текст и аудиообразец голоса продолжительностью 6–10 секунд, а выдаёт речь с голосом, заданным этим образцом. Модель предназначена прежде всего для озвучивания текстов на египетском арабском, в том числе повествовательных материалов о науке и истории. По оценке на 40 тестовых аудиофрагментах, показатель WER улучшился на 12% относительно базовой модели, тогда как средний CER практически не изменился. Проверка на 15 предложениях вне обучающей выборки показала устойчивую работу на длинных абзацах и интонационных конструкциях, но объём оценки ограничен. Обучающие тексты получены консенсусом трёх систем распознавания речи, поэтому модель могла усвоить остаточные ошибки. Это модель с одним основным диктором и узкой тематикой; сходство голоса отдельно не оценивалось, а клонирование других голосов после дообучения повторно не тестировалось. В README указано, что действуют ограничения лицензии Higgs Audio v3; метаданные обозначают лицензию как other. Голос основан на материалах реального человека: для публикации, коммерческого использования или имитации требуется его согласие, а синтетическую речь следует обозначать.

mlx-community подготовила конверсию чекпойнта Kim Vocal 2 авторства Kimberley Jensen в формат MLX для запуска на устройствах Apple Silicon. Это модель семейства Mel-Band-RoFormer с плотной архитектурой и примерно 228 млн параметров; веса сохранены в safetensors с точностью bfloat16. Модель принимает стереомикс музыки с частотой 44,1 кГц и выделяет вокальную дорожку. Инструментальную часть можно получить вычитанием вокала из исходного микса. Модель предназначена для разделения музыкальных источников, в частности для изоляции вокала. Обработка длинных записей выполняется фрагментами примерно по 8 секунд с перекрытием 50%. В README указана проверка соответствия PyTorch-реализации, но она проведена на одном тестовом аудиофрагменте. Репозиторий распространяется по лицензии MIT; README отмечает, что исходная лицензия была изменена с GPL-3.0.

huyleit/mert-v1-95m-music-emotion-int8 — специализированная модель распознавания эмоций в музыке из проекта SE121-microservices. Она использует музыкальный трансформер MERT-v1-95M от m-a-p с временным attention pooling; модель динамически квантована до INT8 и распространяется в формате ONNX для инференса на CPU. На 15-секундном аудиофрагменте она оценивает валентность и уровень возбуждения по шкале от 0 до 1, а затем соотносит их с квадрантами модели эмоционального круга Рассела. Модель предназначена для анализа настроения музыкальных записей, в том числе для рекомендаций музыки в системах эмоциональных вычислений и музыкальной терапии. В README указаны быстрая работа на CPU и потребление около 111 МБ памяти. Для входа требуется аудио; README описывает преобразование в моно и частоту дискретизации 24 кГц. Лицензия — Apache-2.0.

Metharme 7B — инструктивная языковая модель на основе Meta LLaMA-7B, подготовленная Neko Institute of Science для диалогов, ролевых игр и написания художественных текстов. Модель содержит около 6,6 млрд параметров, использует плотную архитектуру LLaMA и принимает текстовые инструкции; максимальная длина контекста — 2048 токенов. Модель получена дообучением XOR-весов из выпуска PygmalionAI и обучалась методом supervised fine-tuning на смеси обычных инструкций, ролевых диалогов, вымышленных историй и синтетических инструкций. Она ориентирована на развлекательное творчество и разговоры, которыми можно управлять с помощью естественного языка. В карточке указана лицензия LLaMA, которая ограничивает использование условиями Meta.

MiaoMiao-Harem — модель генерации изображений по текстовому описанию от пользователя Hugging Face jd09876. Репозиторий содержит пайплайн Diffusers StableDiffusionPipeline с компонентами text encoder, tokenizer, UNet, VAE и scheduler; размер модели на карточке указан как 3 млрд параметров. Модель предназначена для создания изображений по текстовым запросам. В карточке приведён пример запуска через Diffusers, но подробности о специализации изображений, поддерживаемых языках и длине контекста не описаны. В репозитории есть файл miaomiaoHarem_v14.safetensors; на странице автора также указана более поздняя версия семейства, но она не позволяет установить происхождение этой конкретной модели. Условия лицензирования и известные ограничения в доступной карточке не указаны.

MiniMax-H3 GGUF — это набор GGUF-квантизованных версий 33B-модели MiniMax-H3, разработанной MiniMaxAI и подготовленной пользователем joeygambino на основе репакетов Comfy-Org. Модель предназначена для генерации видео и аудио в ComfyUI, включая сценарии text-to-video, image-to-video и генерацию по первому и последнему кадру. Вариант ref2va поддерживает генерацию с учётом референсов: до 9 изображений, 3 видео с аудиодорожками и 3 голосовых клипов для сохранения идентичности и характеристик персонажей. Доступны варианты fl2va и ref2va в форматах Q5_1 и Q4_0 размером примерно 25,9 и 19,9 ГБ соответственно. Q5_1 рассчитан на видеокарты с 24–32 ГБ памяти, а Q4_0 — на карты с 16 ГБ с потоковой загрузкой части модели. Архитектура minimax_h3 использует скрытую размерность 2688; K-квантизации для этой архитектуры не применяются из-за ограничений размерности строк. Модель может работать в ComfyUI с ComfyUI-GGUF и пакетом ComfyUI-H3-Multishot версии 1.5.2 или новее. Сильные стороны модели — поддержка видео с аудио, многокадровых и референсных сценариев, а также возможность запуска на видеокартах с ограниченным объёмом памяти благодаря потоковой загрузке. Ограничения включают крупный размер файлов, необходимость специальной интеграции с ComfyUI и компромисс между качеством и требованиями к памяти при выборе уровня квантизации. В README указана лицензия minimax-h3-community; подробные условия доступны по ссылке на лицензию MiniMaxAI.

MiniMax-H3-MLX-8bit — сборка диффузионного трансформера MiniMax H3, подготовленная для MLX и Apple Silicon. Репозиторий содержит только веса трансформера: текстовый энкодер Qwen3-VL-32B и видео- и аудиокодировщики загружаются из исходного релиза и используются через отдельный код конвейера. Базовая модель описана как мультимодальный генератор коротких видео со стереозвуком по тексту, изображениям, видео и аудио. Модель совместно генерирует синхронизированные видео и аудио, обрабатывая их латентные представления в одном последовательном потоке. Веса преобразованы в формат MLX и квантованы до 8 бит с размером группы 64; указанный объём параметров — 23,1 млрд. Автор README сообщает о близком к исходной bf16-сборке качестве в проведённых сравнениях. Квантование сокращает требования к размещению весов, но почти не ускоряет генерацию: плотное внимание остаётся вычислительным узким местом, а генерация может занимать значительное время. Сборка рассчитана на системы Apple Silicon с MLX и требует конвейера генерации, а также компонентов из исходного релиза. В README приведена лицензия как other; конкретные условия использования следует проверять у автора и в исходном репозитории MiniMax H3. Это производная версия: веса преобразованы и квантованы, поэтому они не являются оригинальными файлами MiniMax.

Карточка модели NostraEmpire/mirror-sam2.1-hiera-large на Hugging Face совпадает с карточкой facebook/sam2.1-hiera-large, поэтому описание составлено по ней. SAM 2.1 Hiera Large — большая модель сегментации изображений и видео, разработанная FAIR. Она выделяет объекты по точкам, рамкам и маскам-подсказкам, а также может автоматически генерировать маски для объектов на изображении. Для видео модель сегментирует выбранные объекты и отслеживает их между кадрами, включая обработку потокового видео. Модель относится к семейству SAM 2 и использует архитектуру Hiera; в репозитории доступны веса Safetensors для Transformers. Она предназначена для визуальной сегментации, а не для понимания или генерации текста. Лицензия — Apache-2.0. SAM 2 поддерживает сегментацию нескольких объектов, уточнение результата дополнительными точками или предыдущими масками и пакетную обработку изображений и объектов. README описывает обработку видео и потоковый режим, но фактическая производительность и качество могут зависеть от входных данных и сценария применения.

NeuralNovel/Mistral-7B-Instruct-v0.2-Neural-Story — языковая модель NeuralNovel, разработанная при поддержке Techmind и дообученная на базе mistralai/Mistral-7B-Instruct-v0.2. Это плотная авторегрессионная модель Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста по инструкциям и диалоговым запросам; длина контекста — до 32 768 токенов. Модель ориентирована прежде всего на творческое письмо и рассказы: она помогает развивать сюжетные идеи и создавать короткие истории с подробным повествованием. Обучение проводилось на наборе NeuralNovel/Neural-Story-v1. В карточке приведены результаты оценки на Open LLM Leaderboard, но они сами по себе не гарантируют качество конкретного текста. Модель принимает текст и генерирует текст на английском языке. Карточка предупреждает о возможных смещениях данных, жанровой предвзятости и снижении качества на задачах вне повествовательной генерации. Лицензия Apache-2.0 допускает коммерческое и некоммерческое использование.

ML2-123B-Magnum-Diamond — плотная авторегрессионная языковая модель Doctor Shotgun, дообученная с помощью адаптера rsLoRA на Mistral Large Instruct 2411. Она предназначена прежде всего для художественного письма и ролевых диалогов; автор стремился приблизить стиль и качество прозы к Claude 3 Sonnet и Opus. Модель поддерживает чат и контекст до 131 072 токенов, использует формат запросов Mistral v7 и может работать с префиллом или без него, а также с именами персонажей или без них. Веса доступны в формате Safetensors; README также упоминает отдельные GGUF-квантизации. В метаданных лицензия обозначена как «other», поэтому конкретные условия использования следует сверять с карточкой репозитория. Модель может перенимать смещения базовой модели и ролевых LLM; автор предупреждает, что результаты следует считать вымыслом, а не фактической информацией или советом.

derkar00 разработал модель распознавания речи на туркменском языке, записанной латиницей. Это дообученная версия facebook/mms-1b-all — многоязычной модели wav2vec2 для распознавания речи более чем на тысяче языков. Архитектура модели — Wav2Vec2ForCTC, размер — 1,3 млрд параметров; она принимает аудио и преобразует речь в текст. Модель предназначена для транскрибирования чистой, разборчивой туркменской речи. Её можно применять для расшифровки записей и голосовых сообщений на туркменском языке. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

DJuna/MN-Chinofun-12B-4.1 — объединённая текстовая модель на архитектуре Mistral, созданная с помощью mergekit и метода SCE на базе ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.3 с включением пяти других моделей. Модель содержит 12,1 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Карточка указывает поддержку диалогового режима. Модель предназначена для диалоговой генерации и интерактивных ролевых сценариев. В карточке нет сведений о лицензии, поэтому условия использования определить нельзя.

MN-Chunky-Lotus-12B — слитая автором FallenMerick модель на базе Mistral с 12,1 млрд параметров, созданная методом TIES с помощью mergekit из нескольких языковых моделей. Она предназначена для творческого письма и ролевых сценариев: сочетает основу для ролевой игры, навыки написания длинной прозы и склонность к более короткому формату ответов. В карточке указано нативное контекстное окно 131 072 токена; модель работает с текстом и рассчитана на английский язык. Автор отмечает хорошую эмоциональную выразительность и приемлемое следование характерам персонажей, но иногда стиль может быть пресным. Также встречаются ошибки форматирования и непрошеные длинные описания чувств и намерений персонажей. Модель распространяется под лицензией CC BY 4.0.

MN Crimson Cafe 12B — объединённая языковая модель семейства Mistral от EldritchLabs, созданная слиянием MN-VelvetCafe-RP-12B-V2 и Crimson-Constellation-12B методом multi_fusion с метрикой важности cosine_sim. Модель содержит 12,1 млрд параметров, использует архитектуру MistralForCausalLM и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации текста в ролевых диалогах, творческом письме и повествовательных сценариях, включая приключенческие истории и разговоры с персонажами. Поддерживает чатовый формат; в карточке не приведены сведения о конкретных языках. Весы опубликованы в формате Safetensors, библиотека для работы — Transformers. Лицензия — Creative Commons Attribution 4.0 International (CC BY 4.0), требующая указания авторства. Специальные ограничения качества или применения в карточке не описаны.

MN-GRAND-23.5B-Gutenberg-UNCENSORED-V2-GLM4.7-Thinking — дообученная и объединённая модель на архитектуре Mistral Nemo, опубликованная DavidAU. Она содержит 23,8 млрд параметров и предназначена прежде всего для художественного письма, создания историй и ролевых диалогов; также поддерживает инструкции и режим рассуждения, который, по описанию автора, активируется для более сложных запросов. Модель принимает текстовые запросы и генерирует текст на английском языке. Автор отмечает выразительную прозу, подробные описания и способность поддерживать длинное повествование. Модель склонна выдавать длинные ответы и, по словам автора, может предпочитать мрачный тон. В карточке заявлен контекст 128 тыс. токенов и более, тогда как метаданные указывают 1 024 000 токенов; точный рабочий предел зависит от конфигурации. Модель помечена как нецензурированная, с возможностью жёстких сцен насилия, хоррора и ненормативной лексики. Лицензия — Apache-2.0.

Карточка модели zimengxiong/Modelr-SPAR3D на Hugging Face совпадает с карточкой stabilityai/stable-point-aware-3d, поэтому описание составлено по ней. Stable Point Aware 3D (SPAR3D) — модель Stability AI для преобразования одного изображения в текстурированный UV-развёрнутый 3D-меш. Она использует двухэтапную архитектуру: диффузионную модель облака точек для улучшения реконструкции скрытых сторон объекта и регрессионное предсказание меша, позволяющее редактировать результат. Модель рассчитана на входное изображение 512×512 пикселей и создаёт результат менее чем за секунду. SPAR3D предназначена для создания 3D-объектов в творческих и дизайнерских проектах, образовательных инструментах и исследованиях реконструкции. Модель также выполняет делайтинг и предсказывает параметры материалов, включая шероховатость и металлические свойства, что упрощает использование объектов в игровых движках и рендеринге. Она обучалась на отобранных рендерах из Objaverse. Модель не предназначена для получения достоверных изображений людей или событий. Использование должно соответствовать Acceptable Use Policy Stability AI. Для лиц и организаций с годовой выручкой от 1 млн долларов США для коммерческого использования SPAR3D, её производных или результатов требуется отдельная корпоративная лицензия Stability AI; также применяется Community License.

slxhere/modern_ancientpoem_encoder — китайскоязычная модель Sentence Transformer, дообученная разработчиком slxhere на базе richinfoai/ritrieve_zh_v1. Она кодирует предложения и абзацы в плотные векторы размерностью 1792 и предназначена прежде всего для сопоставления китайского современного текста с древней поэзией, семантического поиска и оценки смыслового сходства по косинусной близости. Модель использует архитектуру BERT, принимает текст длиной до 512 токенов и обучалась на 225 000 парных примеров с якорными, положительными и отрицательными фрагментами; в README также указаны 25 000 примеров для оценки. Эмбеддинги можно применять для поиска соответствующих стихотворных строк, кластеризации и других задач сравнения текстов. Лицензия — MIT.

ModernArt Diffusion — модель генерации изображений в стиле современного искусства, представленная пользователем theintuitiveye. Она предназначена для создания изображений по текстовым запросам; для усиления стилистического эффекта можно добавить триггер «modernartst». Модель обучена на примерно 100 изображениях современного искусства и распространяется в форматах Diffusers, PyTorch и Safetensors. В README рекомендован VAE от Stability AI для улучшения результатов. Лицензия — CreativeML OpenRAIL-M.

MOSS-Music-8B-Thinking-4bit — 4-битная MLX-конверсия модели OpenMOSS-Team/MOSS-Music-8B-Thinking для понимания музыки на компьютерах Apple Silicon. Это мультимодальная аудиоязыковая модель с плотной архитектурой MossMusicModel и 9,1 млрд параметров; она принимает аудио и текст и отвечает текстом на вопросы о музыке, анализирует вокал и музыкальные структуры. Поддерживаются английский и китайский языки. В этой сборке квантованы до 4 бит слои Qwen3, эмбеддинги токенов и выходная голова, а аудиоэнкодер сохранён в bf16. Размер сборки около 6 ГБ; автор README указывает, что она подходит для компьютеров Mac с 16 ГБ памяти. Это пользовательская конверсия сообщества, не официальный релиз OpenMOSS Team. Для загрузки требуется backend moss_music_mlx; напрямую через mlx_lm или mlx_vlm модель не загружается. Модель распространяется по лицензии Apache-2.0. По сравнению с эталонной версией PyTorch fp32 совпадение argmax следующего токена при prefill идентично, а косинусное сходство логитов составляет 0,99889; для более высокого соответствия автор рекомендует версии с разрядностью 6 или 8 бит.

Kaoeiri/MS-MagpantheonselRP-22B-12.2-Fictional — объединённая языковая модель, опубликованная Kaoeiri и созданная с помощью mergekit. В основу объединения легла unsloth/Mistral-Small-Instruct-2409; применён метод DARE TIES. В состав также вошли модели для ролевых диалогов и творческого письма, включая варианты Mistral Small, SorcererLM, Cydonia и Pantheon. Модель построена на плотной архитектуре MistralForCausalLM и содержит 22 млрд параметров. Она предназначена для генерации текста, в частности художественных историй и ролевых диалогов; поддерживает чатовый формат и интерфейс вызова инструментов. Максимальный контекст — 131 072 токена. README перечисляет японскую модель среди компонентов, но не подтверждает, какие языки итоговая модель уверенно поддерживает. Модель может генерировать контент, не подходящий для всех аудиторий. Репозиторий распространяется по лицензии CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных версий.

Kaoeiri/MS-MagpantheonselRP-22B-13.0 — объединённая 22-миллиардная языковая модель на архитектуре Mistral, созданная с помощью mergekit методом DARE TIES на основе unsloth/Mistral-Small-Instruct-2409 и ряда моделей для ролевого общения и творческого письма. Она предназначена для генерации текста в диалогах и ролевых сценариях, а также для написания историй. Модель принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. В состав объединения входят модели ArliAI, Cydonia, Sunfall, Beepo, SorcererLM и другие, ориентированные на ролевые и повествовательные сценарии. В метаданных также заявлен интерфейс вызова инструментов. Модель опубликована в формате safetensors и доступна по лицензии CC BY-NC-ND 4.0, которая запрещает коммерческое использование и распространение производных версий.

iryneko571/mt5-translation-ja_zh-game-large 是基于 larryvrh/mt5-translation-ja_zh 继续 дообученная модель mT5-large, созданная для перевода японских игровых текстов на китайский. Автор провёл supervised fine-tuning, чтобы исправить отдельные ошибки исходной модели и обучить нужные игровые термины. Модель рассчитана на короткие строки, в частности игровые реплики и текстовые ресурсы: автор отмечает, что такие тексты обычно не превышают 100 символов. Она помогает сохранять структуру строк и оставлять некоторые токены без изменений. Архитектура — MT5ForConditionalGeneration, около 608,4 млн параметров; доступны веса Safetensors. Лицензия — MIT. Описанные ограничения: модель обрабатывает строки большими пакетами без учёта контекста, поэтому согласованность перевода между репликами может страдать. Словарь специально закреплённых переводов ограничен, из-за чего вместо китайского иногда появляется английский или другой язык; автор также предупреждает, что вспомогательное серверное приложение ещё недостаточно стабильно.

Music Flamingo — разработанная NVIDIA большая аудиоязыковая модель для понимания музыки и песен. Она принимает аудио и текстовые запросы, а в ответ формирует текст; поддерживает разбор песен и инструментальных произведений, ответы на вопросы и рассуждения о гармонии, структуре, тембре, текстах песен и культурном контексте. Модель построена на архитектуре Transformer и Audio Flamingo 3: использует аудиоэнкодер AF-Whisper, MLP-адаптер и языковую основу Qwen2.5-7B. Размер — 8 млрд параметров. README указывает обработку аудио длительностью до 20 минут, текстовый ввод до 24 000 токенов и текстовый вывод до 2 048 токенов; метаданные каталога задают нативный контекст в 1 200 токенов. Поддерживается английский язык. Модель предназначена для исследователей и разработчиков, в том числе для музыкальных вопросно-ответных систем и интерактивных помощников по работе с музыкой. Модель распространяется по лицензии типа other, а карточка ограничивает её использование некоммерческими исследованиями. Для запуска рекомендуется NVIDIA A100 или H100; в README также указана поддержка Linux и Transformers. Перед применением в конкретном продукте требуется проверка на соответствующих сценариях и данных.

Music Flamingo Think (MF-Think) — разработанная NVIDIA модель Audio-Language для понимания музыки и песен. Она принимает аудио и текстовые запросы, а в ответ формирует текст с описанием музыки, ответами на вопросы и пошаговыми рассуждениями о звучании. Модель построена на архитектуре Audio Flamingo 3: использует аудиоэнкодер AF-Whisper, MLP-адаптер и декодерную языковую модель на базе Qwen2.5-7B. Размер — 8 млрд параметров. В README заявлена обработка аудио длительностью до 20 минут и контекста текста до 24 000 токенов; метаданные указывают native context в 1 200 токенов. Модель ориентирована на музыкальные вопросы и ответы, подробные описания с учётом музыкальной теории и анализ структуры, тембра, гармонии, текстов песен и культурного контекста. Основной язык карточки — английский. MF-Think предназначена для исследовательских и разработческих сценариев, включая изучение музыки и создание интерактивных музыкальных помощников. Для работы предусмотрены PyTorch и Transformers; README указывает NVIDIA A100 и H100 и Linux. Лицензия обозначена как other, а README ограничивает использование некоммерческими исследованиями. Результаты модели требуют проверки на данных и задачах целевого применения.

Карточка модели amandabenson/music-flamingo-think-2601-hf-fork на Hugging Face совпадает с карточкой nvidia/music-flamingo-think-2601-hf, поэтому описание составлено по ней. Music Flamingo Think (MF-Think) — разработанная NVIDIA модель Audio-Language для понимания музыки и песен. Она принимает аудио и текстовые запросы, а в ответ формирует текст с описанием музыки, ответами на вопросы и пошаговыми рассуждениями о звучании. Модель построена на архитектуре Audio Flamingo 3: использует аудиоэнкодер AF-Whisper, MLP-адаптер и декодерную языковую модель на базе Qwen2.5-7B. Размер — 8 млрд параметров. В README заявлена обработка аудио длительностью до 20 минут и контекста текста до 24 000 токенов; метаданные указывают native context в 1 200 токенов. Модель ориентирована на музыкальные вопросы и ответы, подробные описания с учётом музыкальной теории и анализ структуры, тембра, гармонии, текстов песен и культурного контекста. Основной язык карточки — английский. MF-Think предназначена для исследовательских и разработческих сценариев, включая изучение музыки и создание интерактивных музыкальных помощников. Для работы предусмотрены PyTorch и Transformers; README указывает NVIDIA A100 и H100 и Linux. Лицензия обозначена как other, а README ограничивает использование некоммерческими исследованиями. Результаты модели требуют проверки на данных и задачах целевого применения.