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

moeFussion — модель генерации изображений по текстовому описанию из проекта Moe Diffusion. Авторская карточка описывает цель проекта как улучшение генерации персонажей в стиле moe и аниме. Модель предназначена для создания иллюстраций по тегам и обычным текстовым промптам; автор рекомендует использовать длинные промпты и указывает типичный размер изображения 832×1144. Для версии 3.0 заявлены база Anima v1, улучшенная анатомия, меньший размер модели и лучшее следование промпту. В карточке также описаны более ранние варианты на базах Stable Diffusion 2.1, Pony XL, SDXL и Illustrious, поэтому точная база зависит от версии чекпойнта. Модель работает в библиотеке Diffusers; файлы представлены в форматах PyTorch и Safetensors. Она ориентирована на аниме-иллюстрации, персонажей и фэнтезийные сцены, а не на фотореализм. Для запуска автор приводит настройки сэмплера и CFG, а для отдельных версий рекомендует ComfyUI или SwarmUI. Лицензия — CreativeML OpenRAIL-M. Качество зависит от версии, промпта и настроек; в README отмечено, что короткие промпты могут давать результат хуже.

Davizig10jojo/moondream2-pokemon-vlm — мультимодальная модель для ответов на вопросы об изображениях и генерации текста по визуальному содержимому. По README она создана слиянием TIES на основе vikhyatk/moondream2 с добавлением Qwen/Qwen2-VL-2B-Instruct; в метаданных архитектура обозначена как Moondream1, а файлы представлены в формате safetensors и рассчитаны на Transformers. Модель подходит для распознавания и описания покемонов на изображениях, а также для вопросов о том, что изображено. README не приводит специальных результатов или ограничений качества для покемонов. Условия лицензии в предоставленных данных не указаны.

MoWorld 1.0 Checkpoint — контрольная точка MoWorld для генерации видео с управлением движением камеры. Она содержит два экспертных набора весов для этапов с высоким и низким уровнем шума, а также компоненты Wan2.1 VAE и текстовый энкодер UMT5-XXL. Для запуска предусмотрен пользовательский конвейер PyTorch; README описывает авторегрессионную генерацию под управлением камеры и обучение экспертов на 16 NPU с четырёхшаговыми весами. Модель предназначена для создания видео на основе изображения и заданного движения камеры. В метаданных Hugging Face задача указана как image-to-video; карточка помечена как англоязычная. Репозиторий содержит веса в формате safetensors и компоненты PyTorch. README требует Linux, Python 3.10+, PyTorch 2.7.1 и совместимые CANN, torch_npu и TorchAir; приведённый сценарий запуска рассчитан на 16 NPU. В README не указана лицензия, поэтому условия использования по имеющимся сведениям определить нельзя. Для инференса требуется исходный код проекта и совместимое аппаратное и программное окружение; отдельный HTTP API или веб-интерфейс не входят в состав контрольной точки.

music_generation_model — объединённая модель на базе MistralForCausalLM, созданная с помощью LazyMergekit слиянием TheBloke/openchat_3.5-GPTQ и asigalov61/Allegro-Music-Transformer методом SLERP. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации музыки; метаданные также указывают поддержку генерации текста. Контекстное окно составляет 32 768 токенов. Репозиторий распространяется в формате safetensors, а для объединения в README указана точность bfloat16. Лицензия — Apache-2.0. Подробности о формате музыкального вывода и качестве генерации в карточке не описаны.

MusicLang Predict — генеративная модель MusicLang для создания оригинальных музыкальных MIDI-партий. Она использует архитектуру GPT-2 и предназначена для генерации музыки с нуля, продолжения по музыкальному фрагменту и создания музыки по шаблону, который можно получить из существующего MIDI-файла или задать вручную. Модель работает через пакет musiclang-predict и язык представления музыки MusicLang; максимальная длина контекста составляет 4096 токенов. Модель подходит для быстрого создания музыкальных набросков и продолжений с заданной структурой и темпом. Репозиторий содержит веса в форматах ONNX и Safetensors. Модель и пакет MusicLang Predict распространяются по лицензии GPL-3.0; базовый пакет MusicLang имеет лицензию BSD 3-Clause.

Naturitize Image Pack — пользовательский чекпойнт на базе Stable Diffusion 1.5, созданный Jak для генерации изображений с природными и земными текстурами по текстовому описанию. Для вызова характерного стиля автор рекомендует начинать промпт с «naturitize», затем добавляя нужный объект или сцену; по заявлению карточки, сложное составление промпта не требуется. Модель обучена на 112 изображениях размером 768 пикселей в течение 8000 шагов, включая 500 шагов обучения текстового энкодера. Репозиторий содержит веса в форматах Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M.

NewsBERT_1800-1920-Temporal — дообученная TextMachineProject модель BERT для анализа англоязычных газет 1800–1920 годов с учётом года публикации. К представлениям токенов добавляется временной вектор на основе синусоидальных признаков, поэтому модель можно запрашивать для любого года в пределах этого временного диапазона. Размер модели — 136,7 млн параметров, контекст — до 512 токенов. Модель предназначена для восстановления пропущенных слов и сравнения вероятностей слов в разные годы, например, чтобы исследовать изменения газетной лексики и дискурса вокруг исторических событий. Она обучена на корпусе из 9,28 млн текстов и годов публикации из коллекций LwM и HMD; используется архитектура BERT для masked language modeling. Модель обучалась один проход, поэтому результаты предварительные. Качество может различаться по годам из-за неравномерного распределения публикаций в обучающем корпусе. Для загрузки необходим сопутствующий модуль continuous_time_embedding.py: стандартный вызов AutoModelForMaskedLM.from_pretrained не поддерживает встроенную временную логику. Сведения о лицензии в доступных источниках отсутствуют.

NOESIS-Gemma3-4B-BF16 — мультимодальная модель AMAImedia на архитектуре Gemma 3 4B, дообученная и упакованная для платформы автоматизации многоязычного дубляжа NOESIS. Она используется как основная студенческая модель Scenema в конвейере дубляжа; для аудиосценария модель работает вместе с отдельным адаптером Scenema и runtime-обёрткой. Репозиторий содержит полные веса BF16 в формате safetensors, токенизатор, шаблон чата и конфигурацию генерации. Модель предназначена прежде всего для диалоговой генерации текста и мультимодальных задач в составе конвейера дубляжа. Основа — unsloth/gemma-3-4b-it; метаданные указывают английский и многоязычную поддержку, а базовая Gemma 3 поддерживает ответы на вопросы по изображениям. Для аудиодубляжа требуется отдельный адаптер и интеграция Scenema; карточка не описывает самостоятельный аудиовход или аудиовыход модели. Лицензия — Gemma; следует учитывать условия лицензии Gemma и сведения об атрибуции в репозитории.

NoobAI XL V-Pred 0.65 — диффузионная модель Laxhar Lab для генерации изображений по текстовым описаниям и тегам. Модель дообучена на базе Laxhar/noobai-XL_v1.0 и использует предсказание v-prediction; карточка отмечает обучение на изображениях Danbooru и e621 с тегами и текстовыми подписями. Модель ориентирована на иллюстрации, в том числе изображения в стиле аниме. Для работы автор рекомендует Euler, CFG 4–5, 28–35 шагов и разрешение около 1024×1024; другие сэмплеры могут работать некорректно. Модель доступна в форматах Diffusers и Safetensors. Карточка описывает использование через reForge, ComfyUI, WebUI и Diffusers. Лицензия указана как other; README задаёт условия Fair AI Public License: запрещает коммерческое использование, требует открывать производные модели и делиться сведениями о рабочих процессах. Модель может создавать неожиданные или вредоносные изображения, поэтому результаты требуют проверки.

Eugeoter/noob-sdxl-controlnet-canny — модель генерации изображений по текстовому описанию, разработанная пользователем или организацией Eugeoter. Она предназначена для использования в сценариях text-to-image, где управление структурой и контурами изображения осуществляется с помощью ControlNet Canny, выделяющего границы во входном изображении. Модель работает в экосистеме Diffusers и относится к семейству Stable Diffusion XL. В качестве базовой модели указана Laxhar/sdxl_noob. Точные сведения о количестве параметров, длине контекста, поддерживаемых языках и других архитектурных характеристиках в карточке отсутствуют; в метаданных указан английский язык. Модель может быть полезна для управляемой генерации изображений с сохранением заданной композиции или контуров, однако конкретные сильные стороны, ограничения, требования к ресурсам и качество результатов не описаны. Использование регулируется лицензией Fair AI Public License 1.0 SD; подробные условия доступны по указанной в карточке ссылке.

Nostalgic Life — модель генерации изображений из текста на базе Stable Diffusion, созданная объединением Cool Kids v1 и v2 от Clumsy_Trainer, композиций GoldenLife от DucHaiten и стиля Esthetic Retro Anime от OneRing. Модель предназначена для создания ностальгических иллюстраций с ретро-аниме и детской книжной эстетикой: персонажей чиби, детей и сказочных сцен. В карточке представлены примеры запросов для иллюстраций с персонажами, животными, фантастическими декорациями и винтажной рекламной стилистикой. Репозиторий использует Diffusers и формат safetensors. Лицензия — CreativeML OpenRAIL-M. Судя по описанному рецепту SuperMerger, это слияние моделей; отдельно упоминается VAE-вариант NostalgicLifeVAE. Карточка не сообщает точные размер модели или длину контекста. Примеры показывают разнородные стили и запросы, поэтому результат может зависеть от формулировки промпта и не гарантирует единообразную детскую книжную эстетику.

Bedovyy/OppaiOracle-V1.1-timm — совместимая с timm перепаковка модели Grio43/OppaiOracle для многометочной классификации изображений в стиле тегов Danbooru. Она предназначена для автоматического присвоения тегов аниме-изображениям и может использоваться с ComfyUI-WD-Timm-Tagger. В этой версии цветовой порядок изменён с RGB на BGR, а файл selected_tags.csv адаптирован к формату WD Tagger. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Это авторегрессионная языковая модель OPT, дообученная pszemraj на наборе текстовых запросов для генерации изображений. Модель принимает текстовый запрос и генерирует его варианты и дополнения, рассчитанные на использование с системами text-to-image, включая Stable Diffusion и Midjourney. Модель содержит 454,1 млн параметров и поддерживает контекст до 2048 токенов. Веса доступны в форматах PyTorch и Safetensors. В README приведены результаты оценки на тестовой выборке: loss 1,6669 и perplexity 5,29. Генерации отражают смещения обучающей коллекции — в частности, формулировки, распространённые в сообществах Stable Diffusion и Midjourney. Лицензия указана как other, поэтому перед использованием следует проверить условия в репозитории модели и базовой модели.

Модель enesyila/ota-sbert-kadisicilleri разработана Enes Yılandiloğlu и представляет собой sentence-transformer на архитектуре BERT, дообученный на османско-турецких судебных записях kadı sicilleri из архивов Стамбула. Она преобразует предложения и абзацы в плотные 384-мерные векторы для сравнения семантического сходства, поиска и кластеризации документов. Обучение проводилось на 54 554 записях и 54 428 триплетах; модель рассчитана на османский турецкий периода 1500–1928 годов. Модель основана на sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2, содержит 124,3 млн параметров и принимает до 512 токенов. В README сообщается о точности ранжирования 96,95% на тестовом наборе из 5 443 примеров. Для документов длиннее контекстного окна рекомендуется обработка фрагментами. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Pageshift-Entertainment разработала Pageshift-Entertainment/pagestorm-research-preview-14b-full-book — языковую модель для генерации полного романа по одному запросу. Модель основана на Mistral3 14B и дообучена на 150 млрд токенов набора Pageshift-Entertainment/LongPage с длиной последовательности 256 тыс. токенов. Это плотная причинная модель семейства Ministral3 с 13,4 млрд параметров; она принимает текст и генерирует текст на английском языке. Модель предназначена для создания длинных художественных текстов по начальному промпту. Она работает только в один ход: после первого запроса нельзя отправить дополнительные сообщения. Модель обучалась без встроенных правил безопасности и не умеет самостоятельно отказывать на небезопасные запросы, поэтому для развёртывания требуется отдельный классификатор безопасности. Лицензия — Apache-2.0.

Pantheon-Proto-RP-1.8-30B-A3B — экспериментальная чат-модель для ролевых диалогов, созданная Gryphe на основе Qwen/Qwen3-30B-A3B-Base. Это дообученная разреженная MoE-архитектура Qwen3 с 30B параметров в общей модели и примерно 2,6B активных параметров; веса опубликованы в формате safetensors. Модель работает с текстом, использует шаблон ChatML и поддерживает контекст длиной до 32 768 токенов. Модель предназначена для отыгрыша персонажей с заданными манерой речи, акцентом и характером, а также для ролевых историй, текстовых приключений и диалогов по карточкам персонажей. В README описаны готовые персоны и рекомендации по настройке промпта; модель обучалась на данных от первого лица пользователя и рассчитана на ответы в стиле, соответствующем началу диалога. Автор отмечает, что модель — прототип, проверенный лишь ограниченно, поэтому стабильность и качество ответов не гарантированы. Она может додумывать детали при недостатке контекста. Лицензия — Apache-2.0.

Pixel-1 — экспериментальная компактная модель генерации изображений по тексту, разработанная TopAI-1 и обученная с нуля. Она предназначена для создания изображений по подробным описаниям, особенно для сцен с контрастными цветами и явно заданными структурными деталями, например оконными решётками и тенями от ограды. Модель использует текстовый энкодер CLIP ViT-L/14 от OpenAI и собственный сверточный декодер с транспонированными свёртками, остаточными блоками и пропусками связей. Генератор преобразует текстовое представление в изображение размером 128×128 пикселей. Карточка описывает версию v1 как стилизованную, иногда живописную или пикселизированную; заявленная точность следования пространственным деталям основана на примерах автора. Репозиторий содержит веса в формате safetensors, библиотека — Transformers. Лицензия — Apache-2.0.

tommy424242/pornmasterPro_realismILV4 — модель генерации изображений по текстовому описанию, разработанная пользователем tommy424242 и опубликованная на Hugging Face. Она предназначена для создания реалистичных и фотореалистичных изображений по промптам. Модель основана на Stable Diffusion XL и рассчитана на использование через diffusers StableDiffusionXLPipeline. В метаданных указана задача text-to-image, а также поддержка форматов и технологий diffusers и safetensors. Специализация модели — реалистичный визуальный стиль; сведения о размере, длине контекста и поддерживаемых естественных языках не приведены. Модель распространяется по лицензии CreativeML OpenRAIL-M. При использовании необходимо учитывать условия этой лицензии и возможные ограничения, связанные с генерацией реалистичного контента.

Positronic SciFi Omnicorpus 9B — адаптер LoRA для генерации научной фантастики на базе Qwen3.5-9B. Он преобразован в формат GGUF и предназначен для подключения во время запуска к совместимой модели Qwen3.5-9B в llama.cpp, LM Studio или KoboldCpp; адаптер можно включать и отключать без слияния с базовой моделью. Для удобства также доступна слитая версия GGUF. Модель подходит для создания художественных фрагментов и продолжения научно-фантастических сюжетов. Метаданные указывают на базу Qwen/Qwen3.5-9B и формат GGUF F16. Лицензия наследуется от Qwen3.5-9B; в метаданных она обозначена как other.

Prefect Pony XL v50 — модель генерации изображений по текстовому описанию, разработанная Goofy_Ai. Она распространяется через библиотеку Diffusers и предназначена для задач text-to-image, в частности для создания аниме-иллюстраций и изображений персонажей, включая тематику girls. Модель относится к семейству Stable Diffusion XL и использует экосистему Pony/Animagine, однако подробные сведения о точной архитектуре, размере, поддерживаемых языках и длине контекста в README не указаны. К сильным сторонам модели относятся специализация на аниме-стилистике и совместимость с инструментами Stable Diffusion и Diffusers. Ограничения, требования к аппаратному обеспечению, рекомендации по параметрам генерации и сведения о качестве в README не описаны, поэтому их нельзя достоверно оценить по имеющимся данным. Модель доступна по лицензии faipl-1.0-sd; условия лицензии приведены по адресу https://freedevproject.org/faipl-1.0-sd/. Исходная модель размещена на Civitai.

Prompt Extend — генеративная модель на базе GPT-2, обученная на наборе промптов для Stable Diffusion. По основной идее она продолжает текст и предлагает подходящие стилевые подсказки для промпта, помогая подготовить описание для генерации изображения. Модель принимает текст и выдаёт текст; её архитектура — GPT2LMHeadModel, а длина контекста составляет 1024 токена. Модель предназначена для создания и расширения промптов в стиле датасета Stable Diffusion. В карточке указана лицензия MIT. Сведений о поддерживаемых языках или специальных ограничениях качества нет.

Promptist — языковая модель Microsoft на архитектуре GPT-2, предназначенная для автоматической оптимизации текстовых запросов для генерации изображений. Она преобразует пользовательский ввод в формулировки, предпочтительные для моделей генерации изображений; в карточке показан сценарий использования со Stable Diffusion v1.4. Модель обучали оптимизировать промпты с помощью обучения с подкреплением. Репозиторий содержит веса PyTorch, а длина контекста составляет 1024 токена. Promptist подходит для подготовки и переформулирования промптов перед генерацией изображений. Карточка не сообщает сведения о размере модели и лицензии, поэтому условия использования по этим данным определить нельзя. В README также отмечено, что демо работает на CPU и может генерировать медленно; для локальной работы рекомендуется GPU.

Pygmalion-3 12B — языковая модель PygmalionAI для ролевых диалогов и художественного письма. Это плотная авторегрессионная модель семейства Mistral, содержащая 12,1 млрд параметров и дообученная на базе IntervitensInc/Mistral-Nemo-Base-2407-chatml; обучение включало разговоры, творческие тексты и инструкции, в том числе данные PIPPA и ролевых форумов. Модель принимает текст и генерирует текст в формате ChatML, поддерживает ролевые сценарии и чат. В карточке указано контекстное окно до 1 024 000 токенов. Модель предназначена прежде всего для создания персонажей и интерактивных вымышленных сцен. Разработчик предупреждает, что она не обучалась обеспечивать безопасность и безвредность: ответы могут содержать ненормативную лексику и оскорбительный или откровенный текст, а также быть фактически неверными или вводящими в заблуждение. Рекомендуется экспериментировать с системным промптом; также сообщалось о проблемах с определённой фразой-токеном в выводе. Лицензия Apache 2.0 разрешает использование и дальнейшую разработку.

Aratako/Qwen3-30B-A3B-ERP-v0.1 — японская языковая MoE-модель для текстовой генерации в диалоговом формате, дообученная Aratako для ролевых игр на базе Aratako/Qwen3-30B-A3B-NSFW-JP. Чтобы разыграть сценарий, задайте в system prompt персонажа и ситуацию, затем ведите диалог через chat template. Модель использует архитектуру Qwen3 MoE и класс Qwen3MoeForCausalLM; контекстное окно составляет 32 768 токенов. Метаданные указывают 2,6 млрд параметров и формат safetensors; README также ссылается на вариант GGUF. Основной язык модели — японский. Модель опубликована под лицензией MIT. Вариант предназначен для ролевых диалогов и может генерировать NSFW-контент.

MuXodious/Qwen3.5-4B-MiniFantasy-MTP — модель генерации текста на базе Qwen3.5-4B, предназначенная для ролевых диалогов и повествования с карточками персонажей. По README, это 4-битная LoRA-настройка модели MuXodious/Qwen3.5-4B-SOMPOA-heresy-v2; метаданные каталога связывают её с Nubinu/Qwen3.5-4B-MiniFantasy. README сообщает о восстановлении весов Multi Token Prediction из базовой модели и рекомендует форматировать карточки персонажей по категорийной структуре Markdown. Модель использует архитектуру Qwen3.5 и формат safetensors, поддерживает чат и рассчитана на английский язык. Лицензия — Apache-2.0. Модель подходит для отыгрыша персонажей, поддержания заданной личности и лора, а также для создания художественных сцен и ролевых историй. README рекомендует подбирать настройки сэмплера для ровного темпа повествования и снижения повторов. Это специализированная настройка для ролевого письма; качество зависит от оформления карточки персонажа и параметров генерации.

TaoLiveAIGC разработала Qwen3-TTS-TBLive-Base — плотную модель синтеза речи из текста на архитектуре Qwen3-TTS. Это дообученный с помощью продолженного предобучения и GRPO чекпойнт на данных речи для китайских прямых трансляций; он основан на Qwen/Qwen3-TTS-12Hz-1.7B-Base и распространяется в формате safetensors. Лицензия — Apache-2.0. Модель предназначена прежде всего как отправная точка для дальнейшего дообучения под задачи синтеза речи в прямых трансляциях. Карточка также приводит результаты оценки клонирования голоса по короткому образцу на английских и китайских тестовых наборах. Для использования готовых встроенных голосов в производстве разработчик рекомендует родственную модель TaoLiveAIGC/Qwen3-TTS-TBLive-CustomVoice.

Qwen-Image-Edit-2511-Hyper-Realistic-Portrait — адаптер LoRA, разработанный prithivMLmods для базовой модели Qwen/Qwen-Image-Edit-2511. Это модель преобразования изображений в изображения, предназначенная для создания ультрареалистичных портретов с сохранением идентичности человека на исходной фотографии. Адаптер усиливает детализацию кожи на уровне пор, естественные отражения в глазах, влажность кожи и волос, реалистичное группирование мокрых прядей, физически правдоподобное освещение и малую глубину резкости. Он ориентирован на фотореалистичный результат без искусственного сглаживания и ретуши, с сохранением структуры лица, исходных деталей, цветовых тонов, теней и композиции. Для активации эффекта рекомендуется использовать триггерный запрос «Transform into a hyper-realistic face portrait»; также приведён расширенный англоязычный промпт для управления стилем портрета. Модель работает через библиотеку Diffusers и совместима с версиями 2509 и 2511. Для инференса требуется базовая модель Qwen-Image-Edit-2511 и входное изображение; качество сохранения лица зависит от того, насколько чётко выражена идентичность на исходном изображении. В README не указаны размер параметров, максимальный контекст или дополнительные модальности. Лицензия — Apache-2.0.

Qwen-Image-Edit-2511-Midnight-Noir-Eyes-Spotlight — адаптер LoRA, разработанный prithivMLmods для модели Qwen/Qwen-Image-Edit-2511. Он предназначен для image-to-image обработки: преобразует исходные изображения в выразительный стиль midnight noir с акцентом на глаза. Адаптер усиливает контраст, глубокие тени и направленное spotlight-освещение, сохраняя реалистичные текстуры, исходные черты лица и композицию. Модель подходит для создания кинематографичных, мрачных и эмоционально насыщенных изображений с заметными бликами в глазах и согласованными светом, тенями и цветовыми тонами. Для применения используется триггерный запрос «Transform into Midnight Noir Eyes Spotlight». Модель совместима с Qwen-Image-Edit-2511 и Diffusers, включая версии 2509 и 2511. В README не указаны размер адаптера, точная архитектура базовой модели, поддерживаемые языки ввода или максимальный контекст. Лицензия — Apache-2.0; для работы требуется базовая модель Qwen/Qwen-Image-Edit-2511 и совместимое окружение Diffusers.

Qwen-Image-Edit-2511-Pixar-Inspired-3D — адаптер LoRA, разработанный prithivMLmods для базовой модели Qwen/Qwen-Image-Edit-2511. Это image-to-image-модель для преобразования исходных изображений в высококачественные стилизованные 3D-иллюстрации персонажей в эстетике, вдохновлённой Pixar, с сохранением общей узнаваемости объекта или человека на входе. Модель формирует гладкое пластикоподобное затенение кожи, выразительные крупные глаза, мягкие округлые пропорции лица, аккуратно уложенные волосы и кинематографичное студийное освещение с мягкими тенями, глобальным освещением и эффектом рассеяния света в материале. Она рассчитана на создание цельных, доброжелательных и современных персонажных рендеров с согласованными цветами, композицией и освещением. Для активации эффекта рекомендуется использовать запрос «Transform it into Pixar-inspired 3D». Адаптер совместим с Diffusers и версиями базовой модели 2509 и 2511; в README приведён пример запуска с Qwen/Qwen-Image-Edit-2511, PyTorch и вычислениями в формате bfloat16 на CUDA. Для наилучшего сохранения идентичности входной объект должен быть хорошо виден и чётко очерчен; качество результата может снижаться при неясном или плохо различимом исходном изображении. Сведения о размере, точном числе параметров, поддерживаемых языках и максимальном контексте не указаны. Модель распространяется по лицензии Apache-2.0.

Модель whisper-tiny подготовлена компанией Software Mansion как набор программ ExecuTorch для библиотеки React Native ExecuTorch. Она основана на исходной модели whisper-tiny от OpenAI и предназначена для автоматического распознавания речи на мобильных и других устройствах непосредственно на устройстве. Репозиторий содержит варианты в формате ExecuTorch .pte для бэкендов Core ML, MLX, Vulkan и XNNPACK с точностью fp16, bf16, int8 или fp32. Размер файлов зависит от варианта и составляет примерно от 57 до 222 МБ. Модель рассчитана на использование с runtime ExecuTorch версии 1.4.1; обратная совместимость с более старыми версиями не гарантируется. README не содержит сведений об архитектуре, поддерживаемых языках, размере контекста и точных показателях качества. Основное преимущество модели — возможность запуска распознавания речи локально через React Native ExecuTorch с выбором аппаратно-ориентированного бэкенда и компромисса между размером, точностью и производительностью. Ограничениями являются зависимость от совместимого runtime и конкретного бэкенда, а также заметный размер файлов. Лицензия модели указана как Apache-2.0.