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

Gthalmie1/moody-wild-mix-v2-gguf — это GGUF-квантизированная версия модели Moody Wild Mix, разработанной catlover1937 и опубликованной в исходном виде на Civitai. Модель предназначена для генерации изображений по текстовому описанию и интегрируется с библиотекой Diffusers. В README указано, что модель ориентирована на английский язык и относится к классу text-to-image. Формат GGUF может быть полезен для более эффективного хранения и запуска модели в совместимых инструментах, однако конкретный метод квантизации, размер модели, архитектура, поддерживаемые разрешения, длина контекста и набор модальностей не указаны. Сильная сторона модели — возможность использовать вариант Moody Wild Mix в компактном GGUF-представлении. При этом README не содержит сведений о качестве генерации, предпочтительных сценариях, ограничениях, системных требованиях или совместимости с конкретными версиями программного обеспечения. Лицензия указана как Apache-2.0; дополнительные условия исходной модели или платформы Civitai в предоставленных данных не описаны.

Motif-Audio — универсальная аудиомодель, разработанная Motif Technologies и распространяемая по лицензии MIT. Это автоэнкодер с двумя потоками: семантический кодирует содержание, акустический — тембр и спектральные детали; механизм cross-attention объединяет их в непрерывное латентное представление, а декодер восстанавливает звуковую волну. Модель содержит 726 млн параметров, принимает монофонический звук с частотой 16 кГц и формирует реконструированное аудио с той же частотой. Модель предназначена для реконструкции и сжатия аудио, а также для получения семантических представлений речи, музыки и звуков окружающей среды. Непрерывное латентное пространство можно использовать как основу для генеративных моделей, обученных создавать аудио в этом представлении. Для работы требуются входы в формате mono 16 кГц и bfloat16; длину входа следует дополнить до совместимого числа мел-кадров и обрезать выход до исходной длины. Реконструкция с потерями: возможны тонкие артефакты, а частота 16 кГц ограничивает представление частот диапазоном до 8 кГц. Сильно зашумлённые, повреждённые и неаудиовходы могут давать артефакты. Модель не принимает текстовое условие, не предназначена для синтеза речи по тексту и не выдаёт дискретные аудиотокены.

nozagleh/mt5-small-finetuned-icelandic-summary — дообученная модель Google mT5-small для суммаризации текста на исландском языке. Она использует архитектуру MT5ForConditionalGeneration и содержит 157,4 млн параметров; базовая модель предназначена для преобразования текста в текст. Для оценки приведены значения Loss 2,3019, ROUGE-1 24,5314, ROUGE-2 13,108, ROUGE-L 21,8551 и ROUGE-Lsum 22,5551. Модель распространяется по лицензии Apache-2.0. Датасет обучения не указан, поэтому приведённые оценки сами по себе не позволяют определить качество на других данных.

MuQ-large-msd-iter — крупная модель музыкальных представлений от проекта OpenMuQ, описанная в статье о самообучаемом обучении музыкальных представлений с остаточной векторной квантизацией по мел-спектрограммам. Модель содержит около 300 млн параметров и предварительно обучена методом self-supervised learning на Million Song Dataset. В каталоге Hugging Face она обозначена как модель классификации аудио; её можно использовать для задач анализа музыки и извлечения музыкальных представлений. Модель предназначена для исследовательских и прикладных сценариев music information retrieval. Авторы отмечают высокие результаты семейства MuQ в различных задачах MIR, однако открытый чекпойнт обучен на Million Song Dataset, и его результаты могут отличаться от опубликованных в статье из-за размера обучающих данных. Для использования предлагается официальная библиотека muq. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но некоммерческое.

Mythic-Fabulist-12B — диалоговая модель для ролевого взаимодействия, повествования и творческого письма, созданная объединением моделей Omega-Darker The Final Directive-12B, nemo-sunfall-v0.6.1, Lyra4-Gutenberg-12B и Rei-V3-KTO-12B. В карточке описано многоэтапное слияние: сначала применялся метод nearswap, затем Karcher; итоговые веса сохранены в формате bfloat16. Модель построена на плотной архитектуре Mistral и содержит 12,1 млрд параметров. Она генерирует текст и поддерживает диалог; заявленный размер контекста — 131 072 токена. Разработчик предназначает её для ролевых сцен, персонажного взаимодействия, длинных повествований и атмосферной художественной прозы. Модель распространяется по лицензии Apache-2.0. Карточка не описывает языковую поддержку или результаты оценки качества, поэтому их нельзя уточнить; также нет сведений о специальных механизмах защиты от нежелательного содержания.

NABLA-VL — японская vision-language-модель компании NABLAS, созданная при финансовой поддержке GENIAC. Она дообучена на microsoft/phi-4 и визуальном энкодере SigLIP и предназначена для генерации текстовых ответов по изображениям, нескольким изображениям и видео. Модель подходит для визуальных вопросов и ответов, описания сцен и сопоставления сведений из нескольких визуальных материалов. В карточке приведены результаты оценки на мультимодальных бенчмарках, включая JDocQA, JMMMU, MMMU и наборы VQA; тестирование проводилось с оценщиком gpt-4o-2024-11-20. Указаны японский и английский языки, а лицензия — Apache License 2.0. Размер модели и длина контекста в предоставленных данных не приведены.

Nanite-Labs разработала Earl — англоязычный голос для синтеза речи с диалектом Смоки-Маунтинс, характерным для региона Грейт-Смоки-Маунтинс в Северной Каролине и Теннесси в 1930-х годах. Модель создана дообучением CosyVoice2-0.5B на объединённых записях мужских голосов из публичного архива 1939 года; Earl — обобщённая персона, а не копия конкретного диктора. При генерации используется объединённое голосовое представление, без аудиозаписи отдельного человека. Модель преобразует текст в речь на английском языке. В README для мужского голоса указана доля ошибок распознавания Whisper 1,5% на 68 словах диалектных фраз. Репозиторий содержит форматы ONNX и safetensors; базовая модель CosyVoice2 поддерживает потоковую генерацию и клонирование голоса, однако для этой модели заявлен режим SFT с объединённым голосовым представлением. Лицензия — Apache-2.0. Результат оценки ограничен небольшим набором фраз и не гарантирует аналогичное качество на произвольном тексте. README сообщает, что режим генерации с референсной записью давал неразборчивую речь; поддерживаемым назван режим SFT.

CLS-Lab/narrative-likert-roberta — модель CLS-Lab на базе RoBERTa-base, дообученная для оценки повествовательных характеристик текста по девяти шкалам Лайкерта. Она регрессионно оценивает агентность (фокализация, эмоции, когниция, изменение состояния и конфликт) и характеристики сеттинга (конкретность, временная и пространственная привязка, сенсорные детали). Модель обучена на псевдоразметке, созданной Gemma-4-31B, а оценка проводилась на отложенной выборке с человеческой эталонной разметкой. Модель предназначена для анализа повествований и извлечения структурированных оценок из текста. Это дообучение FacebookAI/roberta-base; в репозитории указаны веса PyTorch и токенизатор. Карточка с подробностями обучения пока не представлена. Лицензия — ODC-BY.

NAT-Mini — компактная модель классификации изображений, разработанная исследовательской группой SHI Labs и представленная в работе Neighborhood Attention Transformer. Это иерархический vision transformer с 14,7 млн параметров, обученный на ImageNet-1K для изображений размером 224×224 пикселя. Механизм Neighborhood Attention ограничивает область внимания каждого токена ближайшими соседними пикселями, используя скользящее окно. Модель предназначена для отнесения изображения к одному из 1000 классов ImageNet. Её можно применять для классификации изображений, в том числе изображений из других наборов данных, если подходят классы ImageNet. Для работы в PyTorch требуется расширение NATTEN. Модель выпущена по лицензии MIT.

synapti/nci-binary-detector-v2 — англоязычный бинарный классификатор пропагандистских приёмов, разработанный Synapti как первый этап двухэтапного конвейера Narrative Control Index. Модель дообучена на answerdotai/ModernBERT-base и определяет, содержит ли текст хотя бы один пропагандистский приём; она выдаёт метку no_propaganda или has_propaganda. Архитектура — ModernBERT для классификации последовательностей, размер — 149 млн параметров, максимальная длина контекста — 8192 токена. Модель предназначена для вспомогательного анализа новостей и политических текстов: её можно использовать в инструментах медиаграмотности, при модерации и в исследованиях манипуляции информацией. В карточке сообщаются точность 99,4%, точность положительных предсказаний 98,9% и полнота 100% на тестовой выборке, однако эти результаты относятся к указанному тестовому набору и не гарантируют качество на других данных. Модель оптимизирована для английского языка, может хуже работать на очень коротких текстах и при переносе на другие предметные области; её не следует использовать как единственное основание для удаления контента или определения достоверности источника. Лицензия — Apache 2.0.

NoobAI XL V-Pred 0.65s — диффузионная модель для генерации изображений по текстовым описаниям и тегам, разработанная Laxhar Lab. Это дообучение модели Laxhar/noobai-XL_v1.0; в метаданных базовой моделью указана Laxhar/noobai-XL-Vpred-0.6. Модель ориентирована на иллюстрации, в том числе изображения в аниме-стиле, и обучалась на изображениях Danbooru и E621 с тегами и текстовыми подписями. Модель использует предсказание v (v-prediction) и предназначена для работы в Diffusers и интерфейсах генерации изображений. В README рекомендуются sampler Euler, CFG 4–5, 28–35 шагов и разрешения около 1024×1024 пикселей; другие sampler могут работать некорректно. Карточка указывает английский язык тегов. Лицензия обозначена как other; README запрещает коммерческое использование и требует открывать производные модели и работы на условиях fair-ai-public-license.

elprofessor67/om-logistics-pod-new-v1 — дообученная модель elprofessor67 на основе elprofessor67/om-logistics-pod-new-v0, построенной на архитектуре Qwen3-VL. Она принимает изображения и текстовые запросы и формирует текстовые ответы; подходит для диалоговых сценариев с визуальными данными. В README указано, что при обучении использовались Unsloth и библиотека TRL. Модель распространяется по лицензии Apache-2.0.

One-to-All-14b — модель для анимации персонажей и переноса поз на изображения, представленная в проекте One-to-All Animation. Она преобразует одиночное изображение-референс в видео с движением по заданному образцу и предназначена для работы с референсами и позами, которые могут иметь произвольное пространственное расположение. Авторы заявляют поддержку гибкого управления движением и генерации более длинных видео, а также примеров вне обучающего домена. Модель относится к семейству One-to-All Animation; в репозитории указана версия 14B, а библиотека Hugging Face — Diffusers. Веса опубликованы в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0. В карточке не приведены сведения о длине контекста, поддерживаемых языках или подробных ограничениях качества; результаты для конкретных типов персонажей и движений следует оценивать на целевых данных.

OPD-V-Qwen3.5-4B — дообученная мультимодальная модель на базе Qwen/Qwen3.5-4B, представленная в рамках исследовательской работы OPD-V. Чекпойнт обучен с положительными изображениями, содержащими увеличенные области с рамками объектов, и отрицательными изображениями со случайными масками. Модель предназначена для диалога и рассуждений по изображениям, с акцентом на улучшенное восприятие визуальных деталей в условиях дисбаланса между модальностями. Она принимает текст и изображения и генерирует текстовые ответы. В карточке указаны архитектура Qwen3.5 и формат safetensors; базовая модель насчитывает 4 млрд параметров. Карточка не сообщает длину контекста и лицензию, поэтому условия использования уточнить по доступным данным нельзя.

open-scene-detection — модель классификации изображений, разработанная prithivMLmods и дообученная на базе SigLIP2 для распознавания природных и городских сцен. Она относит изображение к одному из шести классов: здания, лес, ледник, гора, море или улица. Модель предназначена для автоматической разметки изображений, экологического и географического анализа, поиска и группировки изображений по типу сцены, а также для передачи визуальных меток системам навигации и восприятия. Используется архитектура SiglipForImageClassification; базовая модель — google/siglip-base-patch16-512. Лицензия — Apache-2.0.

microsoft/paza-Phi-4-multimodal-instruct — дообученная Microsoft Phi-4-multimodal-instruct модель для автоматического распознавания речи на суахили, календжин, кикуйю, луо, масаи и сомали. Это плотная трансформерная модель на 3,8 млрд параметров с контекстом 4096 токенов; при дообучении обновлялись аудиоэмбеддинги, аудиоэнкодер и проекционные слои, а остальные параметры оставались замороженными. Для обработки используются текстовый токенизатор и извлечение аудиопризнаков. Модель принимает аудиозапись и формирует текстовую транскрипцию. Она рассчитана на разговорную, учебную и вещательную речь; для сохранения качества рекомендована длительность аудио не более 40 секунд. Мультимодальные и текстовые возможности базовой модели сохранены, но в этой работе оценивалось только распознавание речи на шести целевых языках. Модель выпущена для исследовательского использования по лицензии MIT. Не рекомендуется применять её в коммерческих или реальных сценариях без дополнительных испытаний; качество может различаться между языками, а ошибки транскрипции делают рискованным использование в ситуациях с юридическими последствиями или требованиями высокой точности.

PhotoVintageV1.5 — модель генерации изображений на основе Stable Diffusion 1.5, созданная фотографом Jhoan Giraldo из Fotógrafo Medellín и дообученная на его фотографиях с авторскими цветовыми LUT-фильтрами. Она предназначена для создания фотореалистичных изображений людей и предметов в винтажном фотографическом стиле. Модель принимает текстовые запросы и генерирует изображения с характерной эстетикой аналоговой и Polaroid-фотографии: тёплыми лазурными оттенками, засветкой объектива, смещением цветов и зернистостью плёнки. В README рекомендован размер 512×512 пикселей; автор предлагает экспериментировать с настройками генерации и упоминать в запросах камеры и объективы. Репозиторий содержит версию для Diffusers в форматах PyTorch и SafeTensors. Лицензия — Artistic License 2.0. Модель ориентирована на фотостиль, однако карточка не приводит количественных оценок качества или результатов сравнительных тестов.

Envoid/Poppy_Porpoise-DADA-8B — экспериментальная чат-модель для генерации текста, ориентированная прежде всего на творческое письмо и ролевые сценарии. По README, модель получена слиянием 50/50 SLERP: промежуточная модель была дообучена специально для исходной модели, а затем объединена с ней. Метаданные описывают архитектуру как плотную LlamaForCausalLM примерно на 7,5 млрд параметров; исходный формат репозитория — safetensors, контекст — до 8192 токенов. Автор сообщает, что оценивал модель на творческом задании с детерминированными параметрами генерации и использовал шаблоны запросов в стиле Libra для Llama 3. Тестирование было субъективным и сосредоточено на творческом письме; влияние настройки на мультимодальные возможности не проверялось. Автор также отмечает проблемы с завершением последовательности при своей настройке тестирования. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

Pornai — это конвертированная в GGUF модель на основе alibaba-pai/Wan2.2-Fun-5B-Control-Camera для создания видео по изображению с управлением движением камеры. Репозиторий содержит варианты квантования GGUF от Q2_K до Q5_0; для работы также требуются текстовый энкодер Umt5-xxl и VAE Wan2.2_VAE. Модель предназначена для использования в ComfyUI через пользовательский узел ComfyUI-GGUF. Лицензия — Apache-2.0; при квантовании сохраняются исходные условия лицензирования и ограничения базовой модели.

Prism Roleplay 1.5 Small Fast — модель генерации текста для ролевых диалогов и художественных сцен, разработанная на основе рецепта Prism Roleplay 1.5 Small. Это дообученная версия Bonsai-8B, построенной на архитектуре Qwen3-8B. Весовая конфигурация смешанная: большинство слоёв и эмбеддинги сжаты до 1 бита, а слои, затронутые LoRA, сохранены в 6-битном формате. Модель содержит 7,6 млрд параметров и поддерживает контекст до 65 536 токенов. Модель предназначена для генерации ролевых ответов с диалогом и развёрнутой прозой. Она рассчитана на локальный запуск через MLX на устройствах Apple Silicon; для 1-битных слоёв требуется форк MLX от PrismML с соответствующими ядрами. В описанной разработчиком оценке модель была быстрее и экономнее по памяти, чем 4-битный вариант Prism Roleplay 1.5 Small, но качество прозы уступало ему в сравнении с оценкой LLM. Проверка охватывала только 16 сцен, поэтому результаты ограничены небольшой выборкой. Лицензия — Apache-2.0.

Prototype-X-12b — слитая Vortex5 модель на архитектуре Mistral, созданная методом flowforge на основе KansenSakura-Erosion-RP-12b с участием KansenSakura-Eclipse-RP-12b и KansenSakura-Radiance-RP-12b. Модель содержит 12,1 млрд параметров, работает с текстом и предназначена для генерации текста и ролевых диалогов. Метод flowforge смещает базовую модель в направлении согласованного влияния донорских моделей, учитывая величину различий их весов относительно базы; автор описывает дополнительные настройки для управления силой и избирательностью слияния. В метаданных заявлен контекст до 1 024 000 токенов. Модель доступна в формате safetensors и использует библиотеку Transformers. Модель подходит для ролевых бесед и создания историй. README не сообщает отдельные результаты оценки качества или ограничения применения. Лицензия в предоставленных данных не указана.

QIE-2511-Color-Grade-Transfer-LoRA — адаптер LoRA для модели Qwen/Qwen-Image-Edit-2511, опубликованный пользователем ovi054. Согласно README, адаптер предназначен для задач image-to-image и переноса цветокоррекции с одного изображения на другое. Основной сценарий использования — передать цветовой стиль или грейдинг с Image 2 на Image 1, сохранив содержимое исходного изображения. Для активации указан триггер: “Transfer ONLY the color grading from Image 2 onto Image 1”. Модель рассчитана на работу с изображениями; сведения о размере адаптера, языках, максимальном контексте и других архитектурных характеристиках не приведены. Сильная сторона модели — специализированная задача переноса цветокоррекции без явного изменения остальных аспектов изображения. Ограничение заключается в узкой специализации: README не подтверждает качество на других сценариях редактирования и не содержит количественных оценок. В README также указано, что модель была обучена Piczify.com для функции цветокоррекции; рекомендуется указывать авторство piczify.com при использовании. Лицензия не указана.

Q-SiT Mini — модель семейства LLaVA-OneVision для оценки качества изображений и объяснения этой оценки в диалоговом формате. Она объединяет числовое оценивание и интерпретацию изображения в одной системе, используя связь между визуальным восприятием и принятием решений. Модель принимает изображение и текстовый запрос, а выдаёт текстовый ответ с оценкой качества или её объяснением. В карточке показан вариант Mini; размер модели и поддерживаемые языки не приведены. Для запуска README рекомендует Transformers версии 4.45.0. Модель опубликована под лицензией MIT.

fernandotonon/QtMeshEditor-models — репозиторий наборов моделей, используемых в функциях AI-авторинга QtMeshEditor и QtMesh Cloud. Это не единый чекпойнт: приложение загружает отдельные модели при первом использовании, после чего они работают локально. В репозитории есть модели ONNX и GGUF для генерации 3D по изображению, создания PBR-карт и увеличения текстур, удаления фона, предсказания скелета и весов скиннинга, анимации между ключевыми кадрами, генерации движений по текстовым ключевым словам, сегментации мешей и подписывания изображений. Набор сочетает конвертированные модели сторонних разработчиков, включая TripoSR, TripoSG, UniRig, SkinTokens/TokenRig, Real-ESRGAN, U²-Net и SmolVLM-500M-Instruct, с моделями, обученными авторами репозитория для интерполяции анимации, генерации движения и сегментации мешей. Заявлены отдельные характеристики: текстово-двигательная модель v8.0 имеет 21,7 млн параметров и отображает ключевое слово на клип для 22 суставов из словаря на 30 действий; сегментатор сообщает точность 94,7% на собственной оценке по истинным меткам рига. Набор предназначен для локальных функций авторинга 3D-контента. Точные форматы входов и выходов зависят от конкретной модели; заявлены текстовые, графические и 3D-сценарии. Лицензия общая для репозитория указана как other, а лицензии компонентов различаются: среди них CC0-1.0, MIT, BSD-3-Clause, Apache-2.0 и CC-BY-4.0; условия конкретной модели следует проверять в её отдельной карточке.

Модель tohoku-cijs/qwen3.5-2b-ndl-honkoku-kuzushiji-ocr разработана для распознавания японских исторических документов. Это полное дообучение мультимодальной плотной модели Qwen3.5-2B с 2 млрд параметров: она принимает изображение страницы и генерирует текстовую транскрипцию. Обучение проводилось примерно на 23,9 тыс. страниц: печатных японских транскрипциях honkoku из корпуса NDL minhon-v2 и рукописных страницах с курсивным письмом кузусидзи из корпуса Kaggle. Модель предназначена для OCR печатных транскрипций и рукописного кузусидзи в документах домодерной и ранней современной Японии. В README описана оценка на отложенных наборах из 416 строк honkoku и 120 строк кузусидзи; результаты качества не приведены. Репозиторий содержит веса safetensors и поддерживает интерфейс чата и зрения. Лицензия обозначена как other, поэтому конкретные условия использования следует проверить в карточке модели.

prithivMLmods/Qwen-Image-Edit-Rapid-AIO-V22 — совместимые с Diffusers веса трансформера, выделенные из Phr00t/Qwen-Image-Edit-Rapid-AIO-NSFW-V22 для ускоренного редактирования изображений за 4 шага вывода. Модель предназначена для изменения изображения по текстовому запросу и относится к семейству Qwen Image Edit. Это дообученная версия Phr00t/Qwen-Image-Edit-Rapid-AIO; файлы представлены в формате safetensors. Репозиторий рассчитан на запуск через библиотеку Diffusers. В README нет сведений о размере модели, длине контекста или языках, кроме английского языка в метаданных. Модель связана с NSFW-версией исходных весов, поэтому может предназначаться для генерации откровенного контента. Лицензия — Apache-2.0.

Raehoshi Illust XL 2.1 — диффузионная модель генерации изображений по тексту от Raelina, доработанная на основе IllustriousXL0.1 и продолжающая Raehoshi-illust-xl-v2. Она предназначена для создания иллюстраций по текстовым запросам, составленным преимущественно в стиле тегов Booru. Разработчик сообщает, что версия снижает перенасыщенность цветов и артефактный шум по сравнению с исходной моделью, хотя эти недостатки устранены не полностью. Модель распространяется в форматах Diffusers и Safetensors. В карточке указана лицензия Fair AI Public License 1.0-SD; метаданные Hugging Face обозначают её как other. README приводит настройки генерации: CFG 5–6, 28 шагов и sampler Euler a, а также параметры Hires.fix. Поддерживается английский язык запросов; конкретные ограничения по разрешению в доступном описании не приведены.

Real-ESRGAN-x4plus — модель суперразрешения изображений, разработанная на основе архитектуры Real-ESRGAN-x4plus и оптимизированная Qualcomm для устройств на базе чипсетов Qualcomm. Исходная реализация основана на проекте Real-ESRGAN. Модель предназначена для увеличения разрешения изображений с минимальной потерей качества и может применяться в сценариях обработки изображений непосредственно на мобильных, периферийных и других устройствах Qualcomm. Модель принимает входные изображения размером 128×128 и выполняет увеличение разрешения в 4 раза. Она содержит 16,7 млн параметров; размер float-версии составляет 63,9 МБ, а квантованной w8a8-версии — 16,7 МБ. Доступны варианты для ONNX, QNN_DLC и TFLITE, с вычислениями в float или w8a8. Поддерживаются экспорт пользовательских конфигураций, включая собственные веса, формы входных данных, целевые устройства и среды выполнения. README не указывает языки или дополнительные модальности; модель работает с изображениями. Сильные стороны модели — более мощная архитектура по сравнению с Real-ESRGAN-general-x4v3, поддержка аппаратного ускорения на NPU и наличие готовых экспортированных файлов для широкого набора устройств Qualcomm. Ограничения включают фиксированный указанный размер входа и зависимость производительности и потребления памяти от конкретного чипсета, runtime и точности. Модель распространяется по лицензии BSD-3-Clause.

Realtime RE-USE — дообученная версия NVIDIA Real-time RE-USE для улучшения шёпота и шумных аудиозаписей перед распознаванием речи. Модель использует свёрточный энкодер, блоки Mamba и свёрточные декодеры; базовая архитектура содержит 12 слоёв и 3,7 млн параметров. Модель принимает монофонический звук с частотой дискретизации от 8 до 48 кГц и выдаёт улучшенное монофоническое аудио. При дообучении использовались обычная и шёпотная речь, а также записи с фоновым шумом. Задача модели — предварительная обработка звука в конвейерах распознавания речи; она не выполняет само распознавание. Модель распространяется под лицензией, обозначенной в метаданных как other; конкретные условия следует проверять в репозитории. Поддержка нескольких частот дискретизации и работа с разными типами речи указаны в карточке, но численные оценки качества и задержки не приведены.

Repose-12B — диалоговая языковая модель на архитектуре Mistral с 12,1 млрд параметров, созданная KatyTheCutie путём слияния нескольких моделей. Автор позиционирует её как универсальную модель для ролевых игр и приключенческих сценариев; каталог также отмечает поддержку чата и генерации текста. Модель подходит для ведения ролевых диалогов, совместного развития приключенческих историй и художественного письма. В метаданных указан контекст до 1 024 000 токенов и формат весов Safetensors. Карточка не уточняет языки, на которых модель проверялась, поэтому её языковые возможности нельзя надёжно определить. Условия лицензии в предоставленных данных не указаны.