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

Flix-AI разработала flix-swissgerman-full — модель распознавания швейцарского немецкого диалекта, дообученную на базе openai/whisper-large-v3. Это полноразмерное дообучение Whisper с 905,2 млн параметров в формате Safetensors. Модель принимает аудио на швейцарском немецком и преобразует речь в грамматически корректный текст на стандартном немецком, сочетая распознавание речи с передачей диалектных форм на стандартном языке. Обучение проводилось на 1 367 часах речи из телеэфира, парламентских выступлений, YouTube и швейцарского кино; охвачены основные диалектные регионы Швейцарии. В оценке указаны WER 25,60% и ошибка по содержанию cWER 13,8%; часть штрафа WER связана с различиями в редакционном стиле и транскрипционных соглашениях. Модель распространяется по лицензии Apache-2.0. Данные обучения вместе с моделью не распространяются; отдельные источники данных использовались на условиях, ограничивающих их применение исследовательскими целями.

Florence-2-SD3-Captioner — модель на архитектуре Florence-2, опубликованная gokaygokay. Она предназначена для создания текстовых описаний изображений и подходит для автоматического аннотирования изображений и подготовки подписей к визуальному контенту. Метаданные указывают задачи image-text-to-text и text-generation, а также обучение на наборах данных Docci, ImageInWords и синтетических высококачественных подписях DALL·E 3. Модель принимает изображения и выдаёт текст; в карточке указан английский язык. Репозиторий содержит веса в формате safetensors и использует Transformers. Лицензия — Apache-2.0.

IT5 Small for News Summarization — модель Gabriele Sarti и Malvina Nissim из семейства T5, дообученная для суммаризации итальянских новостей. Она предназначена для создания краткого изложения новостных текстов, в частности материалов, связанных с корпусами Fanpage и Il Post. Модель имеет архитектуру T5ForConditionalGeneration и содержит 45,8 млн параметров. Она принимает текст и генерирует текстовое резюме на итальянском языке. Доступны контрольные точки для PyTorch, TensorFlow и JAX. Лицензия — Apache-2.0.

KB-Whisper Small — модель распознавания речи, выпущенная Национальной библиотекой Швеции (KBLab) на основе OpenAI Whisper Small. Она принимает аудио и преобразует шведскую речь в текст. Модель содержит 153,1 млн параметров и обучена на более чем 50 000 часов шведской речи с текстовыми транскрипциями; для Hugging Face по умолчанию доступна версия Stage 2. Также можно выбрать варианты транскрибирования Subtitle с более сжатым текстом или Strict с более дословной расшифровкой. Модель предназначена для транскрибирования шведской речи, в том числе субтитров, выступлений и записей. В тестах на FLEURS, CommonVoice и NST модели KBLab показали более низкий WER на шведском, чем соответствующие модели OpenAI; README отмечает, что версия Small превзошла Whisper Large v3 на шведской речи. Доступны веса в форматах Hugging Face, ONNX, whisper.cpp/GGML и CTranslate2. Лицензия — Apache-2.0. Результаты оценки относятся к указанным тестам и не гарантируют такое же качество на других типах аудио; модель рассчитана прежде всего на шведский язык.

Llama 3.2-11B-Vision — мультимодальная модель Meta для анализа изображений и генерации текстовых ответов. Она построена на авторегрессионной архитектуре Transformer семейства Llama 3.1 и использует отдельно обученный визуальный адаптер с cross-attention, который передаёт представления изображений в языковую модель. Размер модели — 11 млрд параметров; она принимает изображения и текст, выдаёт текст и поддерживает контекст до 128 тыс. токенов. Модель предназначена для распознавания изображений, визуальных рассуждений, создания подписей и диалога по изображениям. Она подходит для визуальных вопросов и ответов, извлечения сведений из изображений документов, поиска соответствий между изображениями и текстом, а также привязки текстовых описаний к областям изображения. Для задач с изображениями официально поддерживается английский язык; в текстовых задачах также поддерживаются немецкий, французский, итальянский, португальский, хинди, испанский и тайский. Модель основана на Llama 3.1 и включает визуальный адаптер; для настроенных версий семейства применяются supervised fine-tuning и обучение с обратной связью от людей. Это статический чекпойнт, обученный на офлайн-данных с отсечкой знаний в декабре 2023 года. Использование регулируется Llama 3.2 Community License — специальной лицензией с коммерческими условиями и Acceptable Use Policy.

Модель ml6team/mbart-large-cc25-cnn-dailymail-nl — дообученная версия mBART от команды ML6 для суммаризации новостных статей на нидерландском языке. Она принимает текст статьи и генерирует её краткое изложение; обучалась на датасете ml6team/cnn_dailymail_nl. Модель содержит 457,4 млн параметров, использует архитектуру MBartForConditionalGeneration и поддерживает контекст до 1024 токенов. В репозитории указаны веса PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

MOSS-TTSD-v1.0 — модель синтеза речи для длинных выразительных диалогов, разработанная командой OpenMOSS и MOSI.AI. Она преобразует текст диалога в непрерывное аудио и предназначена для генерации разговоров с несколькими участниками, включая подкасты, аудиокниги, интервью, спортивные комментарии, дубляж и развлекательный контент. Модель основана на архитектуре MossTTSDelay, имеет 8 млрд параметров и распространяется в формате Safetensors через Transformers. Она поддерживает управление диалогом с участием от одного до пяти голосов, передачу реплик и наложение речи, генерацию длительностью до 60 минут, а также клонирование голоса по короткому аудиопримеру длительностью 3–10 секунд. Поддерживаются 20 языков, включая китайский, английский, русский, японский и европейские языки. Для работы требуется текст диалога и эталонные аудиозаписи с расшифровками для голосов; на выходе модель создаёт речевое аудио. Заявленная лицензия — Apache-2.0. Качество и устойчивость очень длинной генерации, особенно при смене языков и наложении реплик, могут зависеть от входного текста и аудиопримеров.

SGaleshchuk/mT5-sum-news-ua — модель для реферирования украинских новостных статей, разработанная Светланой Галешчук. Это encoder-decoder модель последовательность-в-последовательность на архитектуре mT5, дообученная на mT5-large для абстрактивного суммирования. В карточке указаны 608,4 млн параметров; модель принимает текст и генерирует краткое текстовое изложение на украинском языке. Модель обучалась на наборе UberText примерно из 40 тысяч статей Hromadske.ua о политике, науке, технологиях и социальной жизни, опубликованных до июня 2021 года. Для входного текста рекомендуется использовать нижний регистр. В README приведены значения ROUGE-1 22,09, ROUGE-2 7,04 и ROUGE-L 22,12. Модель распространяется в формате PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

NB-Whisper Large — модель распознавания речи и перевода аудио, разработанная NB AI-Lab Национальной библиотекой Норвегии на основе OpenAI Whisper. Вариант Large содержит 905,2 млн параметров и предназначен прежде всего для транскрибации норвежской речи, включая букмол и нюнорск, а также английской речи. Для обучения серии использовались 8 млн выровненных аудиофрагментов общей длительностью около 66 тысяч часов; карточка указывает базовую модель openai/whisper-large-v3. Модель принимает аудио и выдаёт текстовую транскрипцию; поддерживает распознавание речи и перевод речи. Для длинных записей README рекомендует обработку фрагментами примерно по 28 секунд; увеличение beam size может повысить точность ценой скорости и памяти. Для эффективной работы версии Large рекомендуется GPU. Модель распространяется по лицензии Apache 2.0. Результаты могут содержать ошибки, повторы и искажения, а качество зависит от записи и языка. Разработчики отмечают возможные смещения и возлагают на пользователей ответственность за оценку рисков и корректное применение модели.

NB-Whisper Medium Beta — модель автоматического распознавания речи от NB AI-Lab Национальной библиотеки Норвегии. Это дообученная версия Whisper с архитектурой WhisperForConditionalGeneration и примерно 455,8 млн параметров. Модель принимает аудио и создаёт письменную транскрипцию; основное назначение — распознавание норвежской речи, также поддерживается английский язык. Обучение проводилось на 20 000 часах размеченных данных, включая норвежские речевые корпуса, парламентские выступления, телесубтитры и аудиокниги. Доступны веса в форматах PyTorch, TensorFlow, JAX/Flax, ONNX и Safetensors. Модель предназначена для общего распознавания речи и доступна третьим сторонам как публичная бета. Разработчик отмечает, что для норвежских транскрипций она показывает высокое качество относительно ASR-моделей сопоставимого размера. Лицензия — Creative Commons Attribution 4.0 International (CC BY 4.0).

NB-Whisper Small (beta) — модель распознавания речи, выпущенная NB AI-Lab Национальной библиотекой Норвегии. Она построена на архитектуре OpenAI Whisper и дообучена на 20 000 часах размеченных аудиоданных; в карточке указано 153,1 млн параметров. Модель предназначена для распознавания речи и транскрибирования аудио, особенно на норвежском языке. Поддерживаются норвежский букмол, норвежский нюношк и английский. Модель подходит для черновой расшифровки речей, парламентских выступлений, телепередач и аудиокниг. Авторы отмечают высокое качество для норвежского языка среди ASR-моделей сопоставимого размера, но предупреждают о галлюцинациях, пропусках фрагментов и расхождении транскрипта с дословной речью: модель может нормализовать устную речь в грамматически правильный письменный текст или опускать части высказывания. Это публичная бета-версия, не предназначенная для производственного применения без оценки рисков. Лицензия — CC BY 4.0.

NB-Whisper Tiny beta — модель распознавания речи, разработанная NB AI-Lab Национальной библиотекой Норвегии на основе OpenAI Whisper и дообученная от openai/whisper-small. В метаданных указано 29,4 млн параметров; README приводит для Tiny 39 млн, поэтому размер зависит от источника. Модель принимает аудио и преобразует его в текст. Она предназначена для распознавания норвежской речи, включая букмол и нюнорск, а также английской речи; обучение охватывало около 20 000 часов размеченных данных. Модель особенно ориентирована на транскрибирование норвежской речи и, по заявлению разработчиков, показывает высокие результаты среди ASR-моделей сопоставимого размера. Вывод обычно представляет собой отредактированный письменный текст, а не дословную расшифровку: возможны пропуски фрагментов и галлюцинации, в том числе из-за влияния обучающих субтитров. Это публичная бета, не предназначенная для производственного применения без отдельной оценки рисков. Лицензия — CC BY 4.0.

SAIRA NASEEM разработала модель классификации новостных статей на базе DistilBERT. Она относит текст к одной из четырёх категорий: мировые новости, спорт, бизнес или наука и технологии. Модель предназначена для автоматической разметки новостных материалов и построения тематических лент или архивов. Модель дообучена на наборе AG News и использует архитектуру DistilBertForSequenceClassification. Для входа она принимает текст; максимальная длина контекста — 512 токенов. В README указаны accuracy 91,25%, F1 91,23% и precision 91,44%. Лицензия в предоставленных данных не указана.

pi-r2 — модель компьютерного зрения на архитектуре DETR с ResNet-50, дообученная на датасете biglam/loc_beyond_words для поиска элементов макета на сканах исторических газет. Она обнаруживает семь классов: фотографии, иллюстрации, карты, комиксы и карикатуры, редакционные карикатуры, заголовки и объявления, возвращая классы и ограничивающие рамки объектов. Модель предназначена для автоматического разбора газетных страниц и подготовки архивных материалов к поиску и анализу. На отложенной выборке из 712 изображений достигла AP@[IoU .50:.95] 0,423 и AP@IoU .50 0,566. Обучение выполнено на преимущественно чёрно-белых сканах; результаты на цветных документах могут быть хуже. Из-за дисбаланса классов редкие карты и редакционные карикатуры могут распознаваться слабее, а небольшие текстовые области могут пропускаться при разрешении входа 480–800 пикселей. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

PRIMERA-multinews — версия для Hugging Face модели PRIMERA, разработанной AI2 и представленной в работе по предварительному обучению для многодокументного суммирования. Модель построена на архитектуре LED и содержит около 252,8 млн параметров; доступна в форматах PyTorch и TensorFlow. Окно контекста — до 4096 токенов. Модель предназначена для создания сводок по нескольким новостным документам. PRIMERA использует пирамидальное маскирование предложений при обучении и подходит для объединения сведений из нескольких источников в один краткий текст. Карточка сообщает о результатах на наборе MultiNews и отмечает небольшое расхождение с оригинальной реализацией Longformer из-за различий в реализации LED в Hugging Face. Модель работает с англоязычным текстом. Лицензия — Apache-2.0.

Qwen-Image-Edit-2509 — модель редактирования изображений от команды Qwen, выпущенная как сентябрьское обновление Qwen-Image-Edit. Она принимает текстовые инструкции и от одной до трёх входных картинок; поддерживает сочетания изображений людей, товаров и сцен, а также условия ControlNet, включая карты глубины, контуров и ключевых точек. Модель предназначена для редактирования изображений с сохранением важных деталей исходника. Она улучшает сохранение личности человека при смене позы и художественного стиля, помогает сохранять идентичность товара при создании постеров, а также позволяет менять текст на изображении, его шрифт, цвет и материал. Среди сценариев применения — создание мемов и постеров, восстановление старых фотографий и комбинирование нескольких изображений. Модель распространяется в форматах Diffusers и Safetensors и использует библиотеку Diffusers. Лицензия — Apache-2.0. Оптимальные результаты для многокартинного ввода заявлены для одного–трёх изображений; численные характеристики размера модели и длины контекста в предоставленных данных отсутствуют.

Русскоязычная модель суммаризации текста, разработанная путём дообучения ai-forever/ruT5-base на примерно 60 тысячах примеров датасета IlyaGusev/gazeta. Основана на архитектуре T5 и содержит 123,8 млн параметров; принимает текст и генерирует его краткое изложение. Указанная длина контекста — 512 токенов. Модель подходит для сокращения русскоязычных статей и других текстов. Качество результата зависит от качества и репрезентативности данных дообучения, поэтому пригодность для конкретных материалов следует оценивать отдельно. Распространяется по лицензии Apache-2.0.

JulesBelveze/t5-small-headline-generator — модель Jules Belveze для генерации заголовков по тексту. Это версия T5-small, дообученная на наборе данных JulesBelveze/tldr_news; архитектура — T5ForConditionalGeneration, размер — 38,5 млн параметров. Модель принимает текст и генерирует текстовый заголовок на английском языке. Модель подходит для создания заголовков к новостным материалам и кратким текстам. Для оценки приведены метрики ROUGE: ROUGE-1 — 44,2379, ROUGE-2 — 17,4961 и ROUGE-L — 41,1119. Максимальная длина контекста составляет 512 токенов. Лицензия — MIT.

VietAI/vit5-base-vietnews-summarization — модель VietAI на архитектуре T5, дообученная для абстрактивного суммирования вьетнамских новостных текстов. Она принимает текст статьи и генерирует краткое изложение; специальный префикс для задачи не требуется. Модель содержит 126,8 млн параметров, поддерживает контекст до 512 токенов и предназначена для работы с вьетнамским языком. Доступны веса в форматах PyTorch, TensorFlow и Flax. Лицензия — MIT, поэтому модель можно использовать и адаптировать на условиях этой лицензии.

BSC-LT/whisper-3cat-balearic — модель автоматического распознавания речи, созданная лабораторией языковых технологий Barcelona Supercomputing Center. Это дообученная версия Whisper large-v3 с архитектурой Whisper и 905,2 млн параметров; модель обучали на 90 часах вручную расшифрованных телепередач на каталонском языке из корпуса 3catparla_asr. Модель предназначена для транскрибации каталонской речи, особенно с балеарским акцентом, в обычный текст без пунктуации. Она принимает аудио и выдаёт текст; основная область применения — расшифровка каталонских аудиозаписей и телеэфиров. Модель распространяется в формате PyTorch через Transformers по лицензии Apache-2.0.

Whisper Large Norwegian Bokmål — дообученная модель распознавания речи на базе openai/whisper-large-v2, созданная NbAiLab. Она предназначена для автоматической транскрипции норвежской речи на букмоле. Обучение проводилось на корпусе примерно из 5 000 часов аудио: субтитрах NRK, стенограммах выступлений в парламенте Норвегии и записях Norsk Språkteknologi. Модель использует архитектуру Whisper Large v2 с 905,2 млн параметров и принимает аудио, выдавая текст. В README приведён результат на оценочном наборе: WER 10,72 и loss 0,2477; обучение на момент публикации ещё продолжалось, поэтому результаты могут измениться. Репозиторий распространяется по лицензии Apache-2.0.

AiLab.lv дообучила Whisper large-v3 для распознавания латышской речи. Модель принимает аудио и преобразует его в текст; её обучали на 209 часах латышских записей из Common Voice 17.0 и LATE-Media с помощью Transformers. Это плотная encoder-decoder модель WhisperForConditionalGeneration примерно с 905 млн параметров, опубликованная в форматах PyTorch и safetensors. Для Common Voice 17.0 указаны WER 3,4% на нормализованном тесте и 5,0% на форматированном; на тесте LATE-Media WER составляет 20,8%. Модель распространяется по лицензии Apache-2.0. Авторы отмечают, что её сменила более новая версия whisper-large-v3-lv-late-cv19.

Модель IonGrozea/whisper-medium_ro-80mel — дообученная Ion Grozea версия OpenAI Whisper Medium для распознавания румынской речи. Это плотная модель архитектуры WhisperForConditionalGeneration с 455,8 млн параметров; на вход принимает аудио, представленное 80-канальной мел-спектрограммой, и преобразует его в текст. Модель обучена на объединённом румынском корпусе объёмом около 445 часов, включавшем Echo, VoxPopuli и RODigits. В карточке указаны WER 0,0656 и CER 0,0228 на 25 348 валидационных примерах общей длительностью 52,75 часа; оценка выполнена с beam search ширины 5. Модель подходит для транскрибирования румынской речи, включая записи из новостных и цифровых речевых корпусов. Опубликованные веса представлены в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

NavAI Whisper Small Uzbek — это модель автоматического распознавания речи, созданная NavAI на основе дообучения openai/whisper-small. Она принимает аудио и генерирует текстовую транскрипцию на узбекском языке. По карточке модели, обучение проведено на 753 часах речи с человеческими расшифровками из открытых корпусов; размер в метаданных — 153,1 млн параметров. Модель реализована на архитектуре Whisper и распространяется в формате safetensors через библиотеку Transformers. Модель предназначена для транскрибирования узбекской речи, в том числе пакетной обработки записей. Для лучших результатов рекомендуется явно указывать язык uz; длинные записи обрабатываются окнами по 30 секунд. В тестировании на четырёх отложенных наборах whisper-small показала макро-WER 11,57% и микро-WER 10,69%; результаты зависят от набора и условий записи. Выход рассчитан на узбекский язык в латинской графике. Слабее распознаются редкие иностранные имена и речь с дальнего расстояния, шумом или выраженным диалектом. Модель унаследует возможные смещения обучающих данных. В метаданных указана лицензия Apache-2.0; карточка также приводит требования атрибуции для одного из использованных обучающих корпусов.

Audio Flamingo Next Captioner — модель NVIDIA для подробного описания длинных аудиозаписей с речью, окружающими звуками и музыкой. Она формирует развернутые подписи, сводки и описания событий с временными метками, а также может включать точную расшифровку речи нескольких говорящих. Модель принимает аудио длительностью до 30 минут; процессор ожидает монофонический звук с частотой 16 кГц и обрабатывает его окнами по 30 секунд. Архитектура сочетает аудиокодировщик AF-Whisper, адаптер MLP, текстовую основу семейства Qwen2.5 с расширенным контекстом и RoTE для привязки к временным отметкам. В метаданных указаны архитектура MusicFlamingo, библиотека Transformers и формат safetensors; карточка описывает контекст до 128K токенов, тогда как метаданные указывают 1200 токенов. Модель предназначена для плотных, связных описаний и сводок аудио, разбивки сцены по времени и описания речи, звуковых событий и фона. Она может быть многословной и ориентирована на подписи, а не на поведение ассистента; для диалоговых ответов и явных рассуждений автор рекомендует другие варианты семейства. Ограничения включают неравномерное покрытие языков и предметных областей, слабое представление низкоресурсных языков и редких событий, а также трудности рассуждений по разреженным данным на большом временном интервале. Лицензия — other; автор указывает, что модель предназначена только для некоммерческих исследований.

Audio Flamingo Next Think — модель понимания аудио и ответов на вопросы, разработанная NVIDIA. Это вариант семейства Audio Flamingo Next, настроенный на многошаговое рассуждение по длинным аудиозаписям: он объединяет сведения о событиях, говорящих и временных отметках и может обосновывать ответы фрагментами аудио. Модель рассчитана на речь, окружающие звуки и музыку, включая записи длительностью до 30 минут. Модель принимает монофоническое аудио с частотой 16 кГц и выдаёт текст. Архитектура сочетает аудиоэнкодер AF-Whisper, обработку аудио фрагментами по 30 секунд, MLP-адаптер и текстовую основу семейства Qwen2.5 с механизмом временной привязки RoTE. В карточке указано окно контекста 131 072 токена для текстовой основы; контекст метаданных каталога указан как 1 200 токенов. Модель поддерживает задачи распознавания речи, перевода речи и вопросов по аудио; основное назначение этого варианта — сложные вопросы с временно привязанными объяснениями. Основной язык в карточке — английский, при этом обучение включает многоязычные данные для распознавания и перевода речи. Модель сильна в рассуждениях по длинным записям и связывании событий, разделённых во времени. Ответы могут включать длинные рассуждения перед итогом. По описанию авторов, качество рассуждения снижается, когда нужные свидетельства редки или сильно разнесены по времени; аудиоданные также неравномерны по языкам и областям. Лицензия обозначена как other; карточка ограничивает использование некоммерческими исследовательскими целями.

Aya Vision 8B — мультимодальная модель Cohere Labs с открытыми весами, содержащая 8 млрд параметров. Она принимает изображения и текст и генерирует текст для задач понимания визуального содержимого и диалога по изображениям. Модель построена на мультиязычной языковой модели на основе Command R7B, дополнительно обученной по рецепту Aya Expanse, и визуальном кодировщике SigLIP2-patch14-384, соединённых мультимодальным адаптером. Контекст составляет 16K токенов; изображения произвольного размера преобразуются в поддерживаемое разрешение и кодируются с использованием до 12 тайлов и миниатюры. Модель предназначена для OCR, описания изображений, визуальных рассуждений, суммаризации и ответов на вопросы по изображениям; также поддерживает текстовый ввод. Заявлена работа с 23 языками, включая русский, английский, китайский, арабский, японский и хинди. Веса распространяются по лицензии CC-BY-NC 4.0; использование также должно соответствовать политике допустимого использования Cohere Labs. Лицензия ограничивает коммерческое применение.

Clips — модель Desert Ant Labs для отбора и ранжирования коротких фрагментов по расшифровке разговорного видео или аудио: подкастов, интервью и встреч. Она оценивает кандидаты в клипы, выбирает моменты с высокой значимостью и не допускает перекрытия фрагментов. Обработка выполняется на устройстве, без загрузки материалов на сервер; заявлена поддержка 100 языков. Модель поставляется в виде int8-пакета Core ML размером 284 МБ для платформ Apple и двух файлов LiteRT примерно по 283 МБ для других платформ. Селектор обрабатывает предложения пакетами по 16, а ограничение длины ролика задаётся временем обработки, а не окном контекста. Выходные данные включают оценки значимости и границ фрагментов; заголовки клипов модель не создаёт. Модель подходит для автоматического создания подборок ярких моментов и чернового монтажа разговорных записей. Оценки не калиброваны между видео, края клипов могут обрезать контекст или объединять темы, а короткие расшифровки могут дать мало фрагментов или не дать их вовсе. Нелатинские письменности протестированы ограниченно. Указана лицензия other; конкретные условия распространения в карточке не раскрыты.

hhhhzy/deltalm-base-xlsum — модель DeltaLM-base, дообученная на датасете XLSum для абстрактного многоязычного суммирования. Она принимает текст статьи и формирует краткое связное изложение; архитектура — плотная DeltaLMForConditionalGeneration с 248,7 млн параметров и контекстом до 512 токенов. Модель поддерживает языки, перечисленные в карточке, включая русский, английский, арабский, китайский, французский, испанский и другие. Модель подходит для создания кратких пересказов новостей и статей на разных языках. На оценочной выборке автор указал ROUGE-1 18,2, ROUGE-2 7,6, ROUGE-L 14,9 и ROUGE-Lsum 14,7; эти значения следует учитывать как результаты конкретной оценки на XLSum. Модель опубликована в формате PyTorch, использует лицензию и библиотеку из метаданных, но эти сведения здесь отсутствуют.

Nano Banana Pro — модель Google для генерации и редактирования изображений на основе Gemini 3 Pro. Она предназначена для создания изображений по текстовым запросам и изменения существующих изображений с использованием мультимодального рассуждения и привязки к реальному миру.