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

Qwen2.5-3B-Haizi-CN — модель генерации китайской поэзии, разработанная на базе shikunpunk/Qwen2.5-3B-Haizi. Это плотная причинно-языковая модель семейства Qwen2 с 3,1 млрд параметров и контекстом до 32 768 токенов, дообученная в три этапа SFT с помощью QLoRA на китайских стихах Хайцзы и примерах, предписывающих отвечать только по-китайски. Версия CN снижает вероятность появления английских букв и слов в стихах. Модель предназначена для создания современных стихотворений на китайском языке по теме или заголовку в диалоговом формате. В README приведён пример генерации при температуре 1,0; заявленный результат на тестовой выборке из 20 стихотворений — отсутствие примеси английского текста. Объём теста и обучающих данных невелик, поэтому это наблюдение не гарантирует такой же результат для всех запросов. Модель распространяется под лицензией Apache-2.0.

DoppelReflEx/QWQ-32B-Dawnwhisper — текстовая модель для диалогов и ролевых сценариев, созданная автором репозитория слиянием моделей на базе Qwen/QwQ-32B. Для работы используется токенизатор Qwen2.5-32B; заявленный размер модели — 32 млрд параметров, архитектура — плотная Qwen2ForCausalLM, контекст — до 40 960 токенов. Модель принимает текст и генерирует текст; автор рекомендует шаблон ChatML и отмечает, что режим рассуждений можно включать для ролевых диалогов и многозадачных сценариев, хотя это замедляет работу. Основное назначение — обычный ролевой отыгрыш, а не ролевые сценарии с акцентом на рассуждения. Автор сообщает о хороших результатах в ролевых диалогах, но приводит только краткую предварительную оценку. Метаданные указывают интерфейс вызова инструментов, однако README не описывает его практическое применение. В доступных материалах лицензия не приведена, поэтому условия использования по ним определить нельзя.

QwQ-SuperNatural-3B — специализированная чат-модель на архитектуре Qwen2.5, дообученная для ответов на темы сверхъестественного. Она создана для ролевых диалогов, интерактивных чат-ботов и генерации длинных тематических текстов. Модель содержит 3,1 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Карточка отмечает следование инструкциям, работу со структурированными данными, включая таблицы и JSON, и устойчивость к разнообразным системным подсказкам. Модель подходит для создания историй и симуляций на сверхъестественную тематику, а также для чат-ботов с заданными ролями и условиями. Обучение основано на Qwen/Qwen2.5-3B-Instruct и наборе supernatural-instructions-2m. Основной язык карточки — английский; базовая модель многоязычная. Лицензия — Apache-2.0. За пределами сверхъестественной тематики точность общих знаний может быть ниже. Качество ответов зависит от ясности запроса, а очень длинные входы и выходы ограничены контекстным окном; модель также требует ресурсов для запуска.

lenssssw/roblox-clothing-ai-maker — модель генерации изображений по текстовому описанию на базе Stable Diffusion, представленная в формате Diffusers. По примерам в карточке она предназначена для создания изображений одежды и шаблонов одежды для Roblox, например рубашек, костюмов и вариантов с заданными цветами или фотореалистичным стилем. Репозиторий использует лицензию CreativeML OpenRAIL-M. Карточка предупреждает, что модель больше не выдаёт те же результаты, что раньше. В ней нет сведений о размере модели, базовом чекпойнте, поддерживаемых языках и длине контекста.

Rockbot — дообученная на текстах песен модель GPT-2, созданная автором проекта на основе корпуса из примерно 16 000 песен 270 исполнителей разных жанров. Она генерирует текст песни по заданным названию и имени исполнителя; модель рассчитана на творческие эксперименты и создание черновиков текстов. В карточке указана версия GPT-2 с 124 млн параметров; также автор упоминает облегчённую версию на базе DistilGPT2, тексты которой могут быть проще. Контекст модели — 512 токенов. Генерация может быть медленной, а результат — повторяющимся или бессвязным. Автор предупреждает о возможности неожиданного NSFW-содержимого и сообщает, что не применял цензуру. Условия лицензии в доступных данных не приведены.

Tater86/room-classifier-v1 — классификатор изображений, созданный автоматически с помощью HuggingPics. По названию модель предназначена для распознавания типов или категорий комнат на изображениях. Карточка подтверждает задачу классификации изображений, но не сообщает список классов, архитектуру, размер модели или языковые характеристики.

SCOPE — интерактивная модель мира для шутеров от первого лица, разработанная авторами проекта SCOPE. Она генерирует видео по исходному изображению и покадровой последовательности управляющих действий: шести бинарных кнопок и четырёх непрерывных осей двух джойстиков. Модель дообучена на Wan2.2-TI2V-5B и использует его трансформерную диффузионную архитектуру DiT с 30 блоками; модуль управления встроен в каждый блок. Для текстового кодирования применяется UMT5-XXL. Модель предназначена для интерактивной симуляции игрового процесса, включая перемещение, поворот камеры, стрельбу и другие сочетания действий. Она обучена на более чем 69 тысячах клипов из семи игр и заявляет перенос на ранее не встречавшиеся игровые среды без дообучения. Генерация выполняется в разрешении 480 × 832, по 81 кадру с частотой 20 кадров в секунду. Репозиторий распространяется по лицензии Apache-2.0. Для инференса README указывает на необходимость Python 3.10 или новее, PyTorch 2.0 или новее с поддержкой CUDA и видеокарты NVIDIA с объёмом видеопамяти от 24 ГБ при использовании выгрузки части вычислений на CPU. Описанная область применения ограничена игровыми сценами FPS; заявленная переносимость на новые игры не гарантирует качество для любых сред.

SDPrompt-RetNet-300M — языковая модель семейства RetNet, разработанная isek-ai и обученная с нуля для генерации текстовых промптов к моделям создания изображений. Для обучения использованы наборы Stable Diffusion Prompts и anime-prompts-180K; модель ориентирована на промпты для генерации изображений, включая описания в стиле аниме и теги Danbooru. Модель содержит 300 млн параметров согласно названию репозитория и доступна в форматах PyTorch и Safetensors для Transformers. В README приведён результат оценки: loss 0,3616. Модель принимает текст и генерирует текст. Лицензия репозитория — MIT. Данные не сообщают о длине контекста или гарантированном качестве на иных языках и типах задач.

SillokBert — модель на архитектуре BERT, разработанная Институтом цифровых гуманитарных наук Академии корееведения в рамках проекта по созданию языковых моделей для корейских классических текстов. Она основана на bert-base-multilingual-cased и дополнительно дообучена методом masked language modeling на полном оригинальном тексте «Анналов династии Чосон» на классическом китайском языке. Модель содержит 205,1 млн параметров, принимает текстовые фрагменты длиной до 512 токенов и предназначена прежде всего для предсказания пропущенных токенов в историческом тексте. SillokBert подходит для восстановления и корректуры фрагментов «Анналов», а также как основа для дальнейшей настройки классификаторов, распознавания именованных сущностей и семантического поиска по историческим материалам. Карточка указывает корейский и классический китайский языки; фактическая область обучения — оригинальный текст «Анналов». Модель распространяется по лицензии CC BY-SA 4.0. Её знания специализированы на лексике, письменном стиле и контекстах «Анналов династии Чосон». На современном корейском и на классических китайских текстах других эпох качество может быть ниже; предсказания могут отражать историческую перспективу элит, описывающих события в летописи.

Silver-Siren-ST-12B — экспериментальная стилево-настроенная языковая модель автора ewald1976 на базе Vortex5/Silver-Siren-12B. Она предназначена для генерации текста и диалогов в манере классической научной фантастики, вдохновлённой Азимовым, Хаксли и Лемом. Это плотная Mistral-модель с 12,1 млрд параметров и контекстом до 131 072 токенов. По описанию автора, при настройке были заморожены основные слои, а обучался только выходной тензор lm_head, чтобы изменить стиль прозы, сохранив базовые знания и следование инструкциям. Карточка указывает английский язык, формат весов safetensors и лицензию Apache-2.0. Модель подходит для творческого письма и ролевых диалогов с литературной, классической научно-фантастической подачей. Это технический эксперимент по стилевой настройке; автор не приводит количественных оценок качества, поэтому сохранение всех возможностей базовой модели не подтверждено независимыми тестами.

Ransaka/sinhala-gpt-lyrics — дообученная модель генерации текста на архитектуре GPT-2, созданная автором карточки на основе примерно 500 тысяч текстов песен на сингальском языке из разных источников. Она предназначена для продолжения текста и генерации строк, похожих на тексты сингальских песен, например по короткой подсказке. Модель использует PyTorch и имеет контекст длиной 1024 токена. Автор характеризует её как простую модель, созданную при изучении процесса дообучения GPT-2. Лицензия — MIT.

SongGeneration-v2-medium — вариант весов MLX для компонента авторегрессионного генератора аудиотокенов AudioLM из SongGeneration v2 от Tencent, подготовленный сообществом mlx-community для Apple Silicon. Модель предназначена для генерации песен по текстовому описанию; её выдача — дискретные аудиотокены, которые затем нужно декодировать в звук официальным декодером Flow1dVAE через отдельный мост PyTorch. Это не полный аудиоконвейер на MLX. В репозитории размещён вариант bf16 в формате safetensors; он эквивалентен SongGeneration-v2-medium-bf16. Для генерации 12 секунд аудио README сообщает около минуты на создание токенов и около 73 секунд на декодирование; проверенный результат — стерео FLAC 48 кГц длительностью 12 секунд. Для работы нужны официальные runtime-ресурсы SongGeneration и отдельный декодер. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

SonicDiffusionV2 — модель генерации изображений по текстовому описанию, опубликованная Metal079. Автор сообщает, что версия обучалась 200 эпох на базе AnythingV3 на 203 изображениях разных художников с ручными подписями; также приведены примеры версии на базе Stable Diffusion 2.1, обучение которой было прервано на 30 000 шагах. В репозитории указаны форматы Diffusers и PyTorch. Модель предназначена для создания иллюстраций с персонажами mobian и настройки художественного стиля и контекста по текстовым промптам. Автор отмечает склонность к женским персонажам из-за состава обучающих изображений и размытие у краёв изображения, связанное с кадрированием обучающих примеров. Лицензия в предоставленных данных не указана.

SPADE-Qwen3-8B-Games — дообученная диалоговая языковая модель из семейства Qwen3, разработанная SPADE. Она обучена для игрового сценария в двух ролях: проектирует исполняемые игровые среды и решает созданные среды как агент, формируя адаптивный учебный цикл с задачами на границе текущих возможностей агента. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров. Она принимает и генерирует текст; метаданные указывают контекст до 40 960 токенов. В карточке также приведена длина контекста 32 768 токенов. Модель основана на Qwen/Qwen3-8B, использует формат safetensors и распространяется по лицензии Apache-2.0. Для запуска карточка рекомендует актуальную версию Transformers; также упомянуты SGLang и vLLM.

swallow-hermes-st-v1 — японская языковая модель для генерации историй и диалогов, созданная автором репозитория napopoa32. В основе лежит Swallow-MS-7b-v0.1: к его слоям добавлены chat vector модели Hermes-2-Pro-Mistral-7b и story vector модели Mistral-7B-Instruct-v0.2-Neural-Story. Доли добавления для каждого слоя подбирались эволюционной стратегией; автор отмечает, что эффективность этого подбора не подтверждена. Модель предназначена прежде всего для создания коротких историй, в том числе рассказов перед сном, с учётом запроса пользователя. Архитектура — плотная MistralForCausalLM на 7,2 млрд параметров, формат весов — safetensors, контекст — 4096 токенов. Лицензия — Apache-2.0. README описывает японский сценарий использования; сведения о поддержке других языков не приводятся.

takeON_v2 — дообученная модель Stable Diffusion 1.5 для генерации изображений в стиле музыкального видео «Take On Me» группы A-ha. Для вызова стиля в запросе используется токен _takeON_. Модель обучена автором tuwonga методом DreamBooth на 64 изображениях при 6400 шагах обучения; README описывает сцены, где нарисованный персонаж показан на фоне реального мира, а также варианты с цветом и комиксной рамкой. Модель предназначена для генерации изображений по текстовым запросам и может применяться в режимах img2img и inpainting. Репозиторий содержит файлы Diffusers, PyTorch и safetensors. Лицензия — CreativeML OpenRAIL-M.

TRELLIS Text XL — крупная модель генерации 3D-объектов по текстовому описанию, представленная в работе «Structured 3D Latents for Scalable and Versatile 3D Generation». Модель разработана Microsoft и относится к семейству TRELLIS; её вариант XL принимает текстовые условия и создаёт 3D-результат. Модель предназначена для генерации 3D-объектов по текстовым запросам, например для создания заготовок объектов в творческих и экспериментальных рабочих процессах. Репозиторий содержит веса в формате safetensors, библиотека — TRELLIS. Модель рассчитана на английские запросы. Лицензия — MIT. Карточка не сообщает конкретную архитектуру, число параметров, формат выдаваемого 3D-объекта и ограничения качества или применения.

TsekTxt RoBERTa-Tagalog Taglish Misinformation Classifier — модель Ханса Джио Арки, созданная в рамках выпускного исследовательского проекта. Это дообученная модель jcblaise/roberta-tagalog-base с архитектурой RoBERTa и классификационной головой на два класса; она содержит 136,3 млн параметров и принимает последовательности длиной до 514 токенов. Модель классифицирует короткие и средние сообщения на тагальском, английском и их смешении Taglish как подозрительные или не подозрительные. Модель предназначена для выявления потенциальной дезинформации в сообщениях социальных сетей и может использоваться в конвейере проверки достоверности с атрибуцией значимости токенов через Integrated Gradients. В описанном тестировании на 2540 примерах указана точность 0,97. Лицензия CC-BY-NC-4.0 разрешает некоммерческое использование с указанием авторства. Данные обучения смещены в сторону развлекательной и политической тематики. Качество на преимущественно англоязычных сообщениях отдельно не оценивалось; модель также не проверялась на новостных статьях, длинных документах и текстах вне филиппинского контекста. Её оценки не следует использовать как единственное основание для проверки фактов или решений с юридическими и репутационными последствиями.

Модель sorupopic — версия Stable Diffusion, дообученная методом DreamBooth на концепции tyxxxszv. Для генерации изображений эту концепцию вызывают в текстовом запросе с помощью ключевого слова tyxxxszv. Модель предназначена для создания изображений по текстовым описаниям с добавлением обученной концепции. Она распространяется в форматах Diffusers и PyTorch по лицензии MIT. Карточка не приводит сведений о размере модели, длине контекста, языках запросов или ограничениях качества.

ULUNAS Speech Enhancement — разработанная Xiaobin Rong, Leyan Yang, Dahan Wang, Yuxiang Hu, Changbao Zhu, Kai Chen и Jing Lu потоковая модель шумоподавления речи на основе компактной архитектуры U-Net. Этот вариант опубликован в формате LiteRT FlatBuffer (TFLite) с точностью FP32 и предназначен для потоковой обработки речи на устройствах с ограниченными ресурсами. Размер модели — 5,71 МБ; на смартфоне Vivo X300 она показала RTFx 23,14 при работе на одном ядре Arm CPU. Модель принимает монофонический звук с частотой 16 кГц и обрабатывает кадры по 512 отсчётов с шагом 256. Она выдаёт улучшенные аудиокадры той же длины; сборка потока выполняется вызывающим приложением с помощью overlap-add и нормализации. В архитектуре используются эффективные свёрточные блоки, PReLU и причинное внимание во временно-частотной области. Исходный чекпойнт обучен на DNS3; пакет получен конвертацией в LiteRT с переписыванием операции декодера для текущего кадра. Модель подходит для подавления фонового шума в реальном времени на мобильных и малоресурсных устройствах. Качество отдельно не оценивалось; README ожидает его соответствие исходной реализации благодаря сохранению FP32. Поддерживается только монофонический звук 16 кГц. Лицензия — MIT.

VidEoMT-S — модель сегментации видео, подготовленная исследовательской группой Tübingen Machine Perception для датасета YouTube-VIS 2019. Репозиторий содержит конверсию официального чекпойнта `yt_2019_vit_small_52.8.pth` из `tue-mps/VidEoMT` в формат Hugging Face Transformers. Модель выполняет сегментацию отдельных объектов по кадрам видео. В основе — VidEoMT с бэкбоном DINOv2 ViT-S/14 и четырьмя register-токенами; чекпойнт настроен на входное разрешение 640 × 640 и обработку двух кадров. Авторы сообщают AP 52,8, AR@10 62,2 и скорость 294 кадра в секунду на условиях их модельного зоопарка. Модель предназначена для выделения и отслеживания экземпляров объектов в видео, в частности в сценариях, похожих на YouTube-VIS 2019. Карточка не приводит отдельной лицензии; условия использования следует сверить с исходным репозиторием и датасетом. Показатели производительности приведены авторами и могут отличаться на другом оборудовании и с другими настройками.

Violet — языковая модель GPT-NeoX, дообученная Zakarth для роли мисс Violet Hartwell, молодой англичанки из Кенсингтона конца XIX века. Модель содержит около 1,8 млрд параметров, использует архитектуру GPTNeoXForCausalLM и принимает контекст до 4096 токенов. Она обучалась преимущественно на англоязычных текстах 1800–1899 годов и рассчитана на генерацию текста в режиме диалога. Модель подходит для ролевого общения от лица персонажа, творческого письма в викторианском стиле, написания писем, описания сцен и ответов о викторианском этикете. В режиме чата формирует строку настроения вместе с ответом; для неё предусмотрен специальный формат запросов и отдельный токенизатор Violet. Лицензия — CC0-1.0. Ответы могут содержать исторические предубеждения, случайные современные фрагменты из-за ошибок OCR, а также неточности в датах и возрастах; модель иногда ошибается в указании пола собеседника или персонажа. Она не предназначена для актуальных фактических вопросов или медицинских, юридических и финансовых рекомендаций.

Модель DunnBC22 — дообученная версия Google ViT-Base/16, предназначенная для бинарной классификации изображений автомобилей и мотоциклов. Она использует архитектуру Vision Transformer с патчами 16×16; размер составляет 113,2 млн параметров. Модель принимает изображение и предсказывает один из двух классов: автомобиль или мотоцикл. На оценочном наборе автор сообщает точность 0,9938 и F1 0,9939. Модель подходит для сортировки фотографий по этим категориям и демонстрационных задач компьютерного зрения. Лицензия модели — Apache-2.0; сторонний датасет может иметь отдельные ограничения на использование.

Это модель V-JEPA 2 ViT-L размером 256 с головой классификации видео, разработанная FAIR при Meta и дообученная на наборе Diving48. Она предназначена для классификации действий в видеороликах, в частности для распознавания действий, связанных с прыжками в воду. Модель содержит 402,7 млн параметров и распространяется в формате Safetensors; для работы используется библиотека Transformers. Модель принимает видео и выдаёт метки классов. Базовая модель V-JEPA 2 предназначена для понимания и представления видео и изображений, однако этот вариант настроен на классификацию видео из Diving48. Лицензия — MIT. Карточка не сообщает подробностей о точном наборе классов или ограничениях качества.

VJEPA2-ViTL-SSv2-CoreAI — модель компьютерного зрения, разработанная на основе V-JEPA 2 от Meta AI и портированная проектом coreai-model-zoo для запуска через Apple Core AI на устройствах Apple. Она предназначена для распознавания действий и физических взаимодействий в видео, включая перемещение, подъём, толкание, вращение и накрывание объектов. Модель особенно подходит для анализа видеопотока с камеры, локального распознавания действий и приложений on-device без передачи видео на сервер. В состав входит backbone ViT-L с 3D RoPE attention, attentive pooler и классификационная голова; общий размер составляет около 375 млн параметров, а версия FP16 занимает примерно 675 МБ. Модель обрабатывает 16 равномерно выбранных RGB-кадров размером 256×256 и классифицирует их по 174 классам Something-Something v2. Поддерживается видеомодальность; сведения о языках неприменимы. На M4 Max обработка 16-кадрового фрагмента занимает около 150–180 мс, при этом совпадение с эталонной реализацией PyTorch подтверждено высокой косинусной близостью и идентичными результатами top-5. Сильные стороны модели — специализированное распознавание физических действий, работа полностью на устройстве, интеграция с GPU и Neural Engine через Core AI, а также пригодность для потокового анализа видео. Ограничения включают фиксированный формат входа, ограничение 174 классами SSv2 и необходимость предварительной выборки и нормализации кадров. Лицензия модели — MIT.

Roblox voice-safety-classifier-v2 — модель классификации аудио на базе WavLM, разработанная Roblox и дистиллированная из более крупной модели-учителя. Она предназначена для обнаружения токсичного и нарушающего правила контента в голосовом чате. Модель многометочная: для аудиофрагмента она оценивает шесть категорий — дискриминацию, травлю, сексуальный контент, незаконные и регулируемые темы, романтические знакомства и ненормативную лексику. После сигмоиды оценки откалиброваны как вероятности для среды голосового чата Roblox. Модель содержит 136,3 млн параметров и принимает аудио с частотой 16 кГц. Рекомендуемая длина фрагмента — около 15 секунд; на более длинных фрагментах точность может снижаться. Поддерживаются английский, испанский, немецкий, французский, португальский, итальянский, корейский и японский языки. Обучение проводилось на внутренних данных голосового чата Roblox объёмом более 100 тысяч часов с машинной и человеческой разметкой. По внутренним тестам полнота для английского при уровне ложных срабатываний 1% улучшилась на 92% по сравнению с версией v1; опубликованные метрики относятся к внутренним выборкам и не гарантируют аналогичного качества на других типах аудио. Лицензия — CC BY-SA 3.0.

Это портированная в Transformers модель Wav2Vec2, подготовленная на основе S3PRL для распознавания эмоций в речи в рамках бенчмарка SUPERB. Модель принимает аудио речи с частотой дискретизации 16 кГц и относит каждое высказывание к одному из четырёх эмоциональных классов; обучение и оценка описаны для протокола IEMOCAP с пятью фолдами. Архитектура — Wav2Vec2ForSequenceClassification, размер — 113,3 млн параметров. Модель предназначена для классификации эмоциональной окраски отдельных речевых высказываний. В README приведена точность 0,6258 для версии Transformers на session1; это результат конкретной оценки, а не гарантия качества на других данных. Лицензия — Apache-2.0.

Модель audEERING для распознавания эмоциональных характеристик речи по аудиосигналу. Она построена на архитектуре Wav2Vec 2.0 и получена дообучением Wav2Vec2-Large-Robust на датасете MSP-Podcast v1.7; перед дообучением число трансформерных слоёв сократили с 24 до 12. Модель содержит около 201,3 млн параметров. На вход подаётся необработанный аудиосигнал, а на выходе модель предсказывает три непрерывные оценки примерно от 0 до 1: возбуждение (arousal), доминирование (dominance) и валентность (valence). Также она предоставляет агрегированные состояния последнего слоя трансформера. Модель подходит для анализа эмоциональной окраски речи; карточка указывает английский язык. Модель предназначена для исследовательского использования. Лицензия CC BY-NC-SA 4.0 ограничивает коммерческое применение и требует соблюдения условий атрибуции и распространения производных материалов на тех же условиях. Для коммерческой лицензии разработчик предлагает обратиться к audEERING.

Модель audeering/wav2vec2-large-robust-24-ft-age-gender разработана audEERING для распознавания возраста и гендерной категории по аудиозаписи. Это дообученная версия Wav2Vec2-Large-Robust с 24 обучаемыми слоями трансформера и примерно 402,7 млн параметров. На вход подаётся необработанный аудиосигнал. Модель предсказывает возраст в диапазоне примерно от 0 до 100 лет и вероятности категорий «ребёнок», «женщина» и «мужчина»; также возвращает объединённые представления последнего слоя трансформера. Она подходит для анализа голосовых записей и извлечения признаков речи. Обучение проводилось на наборах aGender, Mozilla Common Voice, TIMIT и VoxCeleb 2. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование. Её предсказания возраста и гендерной категории следует рассматривать как оценки по голосу; точность на конкретных данных в предоставленных источниках не описана.

Модель Wiam — дообученная версия ehcalabres/wav2vec2-lg-xlsr-en-speech-emotion-recognition на наборе данных, который в карточке не раскрыт. Она использует архитектуру Wav2Vec2ForSequenceClassification и предназначена для классификации аудио с речью по эмоциональным категориям. Модель принимает аудио и выдаёт метку класса; базовая модель описана как распознающая восемь эмоций в англоязычной речи. На оценочной выборке указаны accuracy 0,75 и loss 0,6778. Лицензия — Apache-2.0. Поскольку состав обучающих данных и подробные ограничения не описаны, качество на других корпусах и языках может отличаться; подтверждена оценка только на указанной выборке.