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

Карточка модели Justbackup/gemma-3-1b-it-heretic-extreme-uncensored-abliterated на Hugging Face совпадает с карточкой DavidAU/gemma-3-1b-it-heretic-extreme-uncensored-abliterated, поэтому описание составлено по ней. DavidAU представил Gemma 3 1B IT Heretic Extreme Uncensored Abliterated — экспериментально обработанную версию Gemma 3 1B IT, созданную методом abliterating с помощью Heretic v1.0.1 для снижения частоты отказов. Это плотная авторегрессионная языковая модель на 1 млрд параметров для диалогов и генерации текста; она принимает текст и выдаёт текст. Заявленная длина контекста — 32 768 токенов. Автор сообщает о 3 отказах из 100 запросов против 99 из 100 у исходной модели и KL-дивергенции 0,33. Модель предназначена для диалогов и генерации контента с меньшим числом отказов, включая ролевые сценарии; для откровенного или грубого стиля иногда требуется явно задать лексику и уровень детализации. Эти показатели приведены автором и не описывают качество на других задачах. Карточка не указывает лицензию, поэтому условия использования следует сверить с репозиторием базовой модели Google Gemma 3 1B IT.

yermandy/GenD_CLIP_L_14 — модель GenD на основе CLIP, представленная в таблице 2 статьи «Deepfake Detection that Generalizes Across Benchmarks» для WACV 2026. Она предназначена для классификации изображений при обнаружении дипфейков и оценки того, насколько хорошо детектор переносится между разными бенчмарками. Репозиторий использует Transformers и содержит веса в формате safetensors. Модель распространяется по лицензии MIT. В карточке не описаны языки, размер, длина контекста или ограничения по применению; поскольку это классификатор изображений, языковые поля не применимы. Результаты могут зависеть от домена и набора данных; заявленная обобщающая способность относится к оценке в работе и не гарантирует качество на любых новых данных.

EIStakovskii/german_toxicity_classifier_plus_v2 — классификатор токсичности немецкого текста, разработанный EIStakovskii и дообученный на основе dbmdz/bert-base-german-cased. Модель построена на BERT и предназначена для присвоения тексту метки токсичности; её можно применять для модерации немецкоязычных сообщений и комментариев. Для входного текста используется контекст до 512 токенов. В карточке приведены результаты валидации: accuracy 0,913 и F1 0,911; также сообщается сравнение с Google Perspective API на двух наборах предложений, где результаты модели различались между наборами. Модель опубликована в форматах PyTorch и Safetensors. Лицензия обозначена как other, поэтому условия использования следует уточнить в карточке репозитория.

HarmonicHarlequin_v5-20B — текстовая модель семейства Llama, опубликованная Elfrino. Это пятая версия модели, созданная с помощью mergekit методом passthrough на основе Undi95/PsyMedRP-v1-20B. В метаданных указан размер 33,2 млрд параметров; модель использует архитектуру LlamaForCausalLM и формат safetensors. Модель предназначена для генерации текста и ролевых диалогов; название базовой модели указывает на психологические и медицинские сценарии, однако README не описывает их отдельно. В карточке заявлена длина контекста 4096 токенов и приведены настройки для KoboldCPP с шаблоном Alpaca. Автор считает эту версию более связной, но отмечает, что её качество и творческие способности ещё нужно проверить. Лицензия в доступных данных не указана.

Helvete-nano — текстовая диалоговая модель VTXAI на архитектуре Qwen 3.5, созданная дистилляцией и полным дообучением Qwen/Qwen3.5-2B. Метаданные указывают 1,7 млрд параметров и контекст до 1 048 576 токенов; README рекомендует формат ChatML и включение режима thinking для более связных ответов. Модель предназначена для ролевых диалогов, творческого письма, длинных сюжетов и генерации контента для взрослых, включая откровенные и мрачные сценарии. По заявлению авторов, обучение было направлено на снижение отказов и ограничений; метаданные также отмечают чат и интерфейс вызова инструментов. Базовая Qwen3.5 описана как мультимодальная, но для Helvete-nano заявлены только текстовая генерация и текстовый диалог. Модель распространяется по лицензии Apache-2.0. README предупреждает о возможной нестабильности персонажа в продолжительных ролевых сессиях и рекомендует режим thinking; заявленное отсутствие защитных ограничений означает, что модель может выдавать нежелательный или вредоносный контент.

Jebadiah объединил модели Undi95/Llama-3-LewdPlay-8B-evo и NousResearch/Hermes-2-Pro-Llama-3-8B методом DARE TIES с помощью mergekit. Это плотная авторегрессионная модель семейства Llama 3 с 7,5 млрд параметров, предназначенная для генерации текста в диалоговом формате; заявленное базовое семейство ориентировано на ответы по инструкциям и чат. Модель можно использовать для ведения диалогов и генерации художественного текста, в том числе с откровенным содержанием, что следует из названия и базовой модели LewdPlay. Репозиторий содержит веса Safetensors, модель работает через Transformers и имеет контекстное окно 8192 токена. Карточка не сообщает о дополнительном обучении после слияния или о результатах оценки качества. Лицензия в предоставленных данных не указана.

DavidAU/L3.1-Dark-Planet-SpinFire-Uncensored-8B-GGUF — текстовая генеративная модель DavidAU для творческого письма и ролевых сценариев. Она предназначена для создания и продолжения рассказов, сцен, сюжетов и подсюжетов, диалогов, а также произведений различных жанров, включая научную фантастику, романтику и хоррор. Модель позиционируется как uncensored и допускает ненормативную лексику, жестокие и графичные описания. Модель основана на Llama 3.1 и распространяется в формате GGUF с различными вариантами квантования. Заявлен максимальный контекст до 128k токенов (131 000), язык — английский. В README указано, что модель создана на базе L3.1-Dark-Planet-SpinFire-Uncensored-8B с использованием подходов mergekit и отключением цензуры посредством L3.1 Lexi Uncensored V2. Поддерживаются шаблоны Llama 3 и/или Command-R. К сильным сторонам относятся ориентация на длинные и выразительные тексты, улучшенная детализация и более естественная проза по сравнению с предыдущей версией Dark Planet 8B, а также возможность управлять стилем, уровнем откровенности и разнообразием через промпт, температуру и repetition penalty. Ограничения включают отрицательный уклон повествования, возможные повторения и заметную зависимость результата от настроек генерации и выбранного квантования; при высокой температуре модель может хуже следовать инструкциям и генерировать чрезмерно длинные ответы. Условия использования определяются лицензией Apache-2.0.

Карточка модели jameslahm/lsnet_t_distill на Hugging Face совпадает с карточкой jameslahm/lsnet_t, поэтому описание составлено по ней. LSNet-T — компактная модель компьютерного зрения из семейства LSNet, разработанного Ao Wang, Hui Chen, Zijia Lin, Jungong Han и Guiguang Ding. Это официальная реализация на PyTorch, опубликованная для работы CVPR 2025. Модель обучена на ImageNet-1K и предназначена прежде всего для классификации изображений. Архитектура LSNet основана на свёртках LS (Large-Small): большие ядра собирают информацию из широкого контекста, а малые агрегируют признаки. Вариант LSNet-T содержит 11,4 млн параметров и требует около 0,3 млрд FLOPs согласно README; авторы сообщают компромисс между точностью и вычислительной эффективностью. Репозиторий также описывает применение семейства LSNet в обнаружении объектов, сегментации экземпляров и семантической сегментации. Модель принимает изображения и выдаёт классовые предсказания. Карточка не сообщает поддержку языков, а описанная обучающая выборка — ImageNet-1K. Лицензия репозитория — MIT. Результаты скорости в README измерены на Nvidia RTX 3090, поэтому их нельзя напрямую переносить на другое оборудование; приведённые метрики относятся к ImageNet-1K.

Это 8-битная MLX-версия LTX-2.3 10Eros v1.3 DMD, подготовленная для запуска на компьютерах Apple Silicon. Веса основаны на TenStrip/LTX2.3-10Eros; DMD-дистилляция JoyAI Echo объединена с базовой моделью, а линейные слои трансформера квантованы до int8. Модель принимает текстовые описания и изображения для генерации видео; текстовый энкодер Gemma 3 12B загружается отдельно и не входит в пакет. Модель предназначена для генерации видео по текстовому запросу и изображению с помощью ltx-2-mlx. Это дистиллированная сборка, рассчитанная на режим --distilled; варианты запуска, которым нужен dev-трансформер, здесь недоступны. Модель ориентирована на контент для взрослых. В README указана лицензия «other»; дополнительных условий лицензии в предоставленных данных нет.

facebook/maskformer-resnet101-coco-stuff — модель компьютерного зрения, разработанная Facebook AI Research (Meta) на основе архитектуры MaskFormer с backbone ResNet-101. Она предназначена для семантической сегментации изображений, то есть для классификации областей изображения по пикселям на основе классов COCO-Stuff. Модель доступна для использования через библиотеку Transformers и представлена в форматах PyTorch и Safetensors. Размер модели составляет около 60,4 млн параметров.

Карточка модели MergekitCloud/mergekit-10 на Hugging Face совпадает с карточкой MergekitCloud/mergekit-11, поэтому описание составлено по ней. MergekitCloud/mergekit-11 — объединённая языковая модель, созданная с помощью mergekit методом Model Stock на базе vicgalle/Humanish-Roleplay-Llama-3.1-8B. В объединение вошли ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3, Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2 и Undi95/Llama3-Unholy-8B-OAS. Модель построена на архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров; веса опубликованы в формате safetensors, библиотека — Transformers. Модель предназначена для диалоговой генерации текста и ролевых сценариев. Она принимает текстовые запросы и генерирует текст; заявленная длина контекста — 131 072 токена. Метаданные указывают на разговорные возможности, но README не приводит оценок качества или подробностей о поддерживаемых языках. Объединённые исходные модели ориентированы на ролевое общение и более свободные ответы. Лицензия в предоставленных данных не указана. Возможны ограничения качества и поведения, характерные для объединённых моделей; README не содержит результатов оценки или рекомендаций по безопасному применению.

MN-12B-Mimicore-WhiteSnake — диалоговая языковая модель на архитектуре Mistral, созданная DoppelReflEx слиянием нескольких моделей, включая MN-12B-Mimicore-GreenSnake и Nemo-12b-Humanize-KTO-Experimental-Latest. Она рассчитана на генерацию ответов в формате ChatML, ролевые диалоги, рассказы и ответы с более естественным человеческим звучанием. Модель содержит 12,1 млрд параметров и принимает текст, выдавая текст. В метаданных заявлен контекст до 1 024 000 токенов. Репозиторий содержит веса в формате safetensors; для использования указана библиотека Transformers. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое использование. README отмечает, что у модели иногда проявляется проблема токенизации, унаследованная от одной из объединённых моделей; автор предлагает повторно сгенерировать ответ. По словам автора, результаты на Open LLM Leaderboard близки к GreenSnake.

MN-Oblivion-26B-UNCENSORED-NEO-Imatrix-GGUF — текстовая генеративная модель от DavidAU, предназначенная прежде всего для творческого письма, создания художественных текстов, сюжетов, сцен, диалогов, ролевых сценариев и контента для взрослых, включая NSFW и графически жестокие темы. Модель ориентирована на англоязычную генерацию и поддерживает как instruct-, так и reasoning/thinking-режимы. Модель создана как frankenmerge на базе Mistral Nemo: исходные 12B параметров и 40 слоёв были расширены до 26B параметров и 89 слоёв с использованием трёх дообученных моделей. После объединения она была дополнительно согласована через Unsloth на выборке из GLM 4.7 Flash для улучшения рассуждений и общей связности. Используются GGUF-квантизации, включая варианты с NEO Imatrix; README указывает рабочий контекст около 128K токенов и максимальный контекст до 1M токенов, однако рекомендует начинать с окна 8K–16K. Сильными сторонами заявлены выразительная и разнообразная генерация, устойчивость к повторениям и артефактам, поддержка длинных ответов примерно от 2K до 12K токенов и возможность работы при широком диапазоне temperature. Ограничения включают преимущественно англоязычную специализацию, нестабильность характера и результатов между разными квантизациями и запусками, склонность выдавать более длинные ответы, чем запрошено, а также нецензурированный характер, из-за которого модель может генерировать оскорбительный, сексуальный или графически жестокий контент. Лицензия — Apache-2.0.

MotherEarth/MotherEarth-1.11-8B — объединённая методом SLERP модель для генерации текста, созданная с помощью mergekit на основе MotherEarth/MotherEarth-1.0-8B и MotherEarth/MotherEarth-1.1-8B. Это плотная авторегрессионная Llama-модель с 7,5 млрд параметров, поддерживающая диалоговый режим и контекст до 8192 токенов. По описанию базовой модели она предназначена для диалогов и генерации текста на экологические и климатические темы. Модель принимает текст и генерирует текст; в качестве типичных сценариев подходят ответы на вопросы и подготовка текстов по экологической тематике. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

MoxhiMT-30-QT — модель машинного перевода с китайского на вьетнамский от DanVP, предназначенная прежде всего для перевода веб-романов. Это модель Marian seq2seq примерно на 37 млн параметров с 8 слоями кодировщика и 2 слоями декодера, совместимая по токенизатору и конфигурации с MoxhiMT-30. Совместный SentencePiece-токенизатор содержит 24 тыс. токенов, а длина контекста составляет 512 токенов. Вариант QT обучен на целях перевода, приведённых к единому стилю конвертированной литературы. Он поддерживает устойчивый выбор местоимений и обращений между соседними репликами: например, использует «ta» для 我 и «ngươi» для 你, не угадывая род и родственные отношения говорящих. Модель подходит для последовательного перевода глав китайских веб-романов, особенно жанра сянься. Для инференса автор рекомендует beam search с четырьмя лучами; после декодирования можно убрать добавленный пробел после открывающих кавычек и скобок. Модель намеренно сохраняет стилистику QT даже в современном сеттинге и уплощает различие между включительным и исключительным «мы». Это снижает естественность разговорного вьетнамского и может быть неподходящим для локализации современных текстов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

Модель viddexa/nsfw-detection-2-mini разработана Керемом Бозганом, Абдуллахом Кирманом и Фатихом Чагатаем Акйоном для визуальной модерации контента. Это дообученная на изображениях EfficientNet-B4 с 17 млн параметров; модель принимает изображения и относит их к одному из пяти классов: Normal, Porn, Hentai, Drawing или Sexy. Её можно применять для первичной фильтрации пользовательских изображений в социальных приложениях, форумах, играх и сервисах потокового видео, а также в родительском контроле. В сравнении авторов на пяти классах модель показала средний F-score 96,09%; для класса Sexy показатель составил 90,92%. Класс Normal означает отсутствие NSFW-содержимого, а Sexy — изображения без явной наготы, но с провокационной одеждой или другими признаками. По описанию авторов, модель предназначена для выявления явной наготы; она может считать безопасными изображения с провокационной наготой или одеждой, если явной наготы нет. Результаты следует использовать для первичного отбора с последующей проверкой человеком. Модель распространяется по лицензии Apache-2.0.

OLMo-1B-Base-Shakespeare — дообученная модель на основе AllenAI OLMo-1B-0724-hf, созданная для генерации текста в стиле произведений Уильяма Шекспира. Автор карточки дообучил её на собрании произведений Шекспира, чтобы передать характерную лексику и стилистические особенности этих текстов. Модель подходит для творческого письма, учебных упражнений по анализу литературного стиля и создания художественных фрагментов в шекспировской манере. Это плотная авторегрессионная языковая модель с 1,2 млрд параметров и контекстом до 4096 токенов; она принимает текст и генерирует текст. В метаданных указан английский язык. Модель опубликована в формате safetensors и использует лицензию Apache-2.0. Карточка приводит оценку требования к видеопамяти в 25 ГБ. Специализация на одном авторе и одном корпусе ограничивает универсальность и может приводить к повторам или неточным имитациям; ответы не следует считать достоверными источниками о произведениях или эпохе.

open-age-detection — модель классификации изображений, разработанная prithivMLmods и дообученная на базе google/siglip2-base-patch16-512 с использованием набора данных Age-Classification-Set. Архитектура SiglipForImageClassification принимает изображение человека и относит его к одной из пяти возрастных групп: 0–12, 13–20, 21–44, 45–64 или 65 лет и старше. Модель предназначена для оценки возрастной группы в демографическом анализе, персонализации рекомендаций, исследованиях изображений и как вспомогательный компонент систем контроля доступа. Лицензия Apache-2.0. Оценка по изображению не подтверждает фактический возраст и может ошибаться; для решений с существенными последствиями нужна независимая проверка.

OrcaMaid-v3-13b-32k — языковая модель, созданная автором ddh0 слиянием весов Orca-2-13b от Microsoft и Noromaid-13b-v0.3 от NeverSleep методом weighted gradient SLERP. Модель построена на архитектуре Llama и содержит 12,9 млрд параметров; она предназначена прежде всего для ролевых диалогов и генерации ответов в стиле, заданном пользователем. Модель принимает текстовые инструкции в формате Alpaca. Заявленная длина контекста — 32 768 токенов с YaRN, увеличенная с исходных 4 096 токенов. Карточка не приводит сведений о языковой специализации или оценках качества. Использование Orca-2-13b означает, что на модель распространяются условия Microsoft Research License; метаданные Hugging Face обозначают лицензию как other.

Qwen3-0.6B-heretic-abliterated-uncensored — доработанная автором rayss868123 версия компактной языковой модели Qwen3-0.6B от Qwen. Модель с плотной архитектурой Qwen3ForCausalLM содержит около 508 млн параметров и предназначена для генерации текста и диалогов. По карточке, контекст составляет около 40 тысяч токенов. Модель прошла abliteration — процедуру, направленную на снижение частоты отказов при сохранении исходного поведения. Автор приводит результаты собственной проверки: 6 отказов из 100 запросов и KL-дивергенция 0,00; это заявленные автором показатели, а не независимая оценка. Модель может генерировать откровенный контент по соответствующему запросу, но для желаемого уровня детализации может требоваться более явная инструкция. Основа — Qwen/Qwen3-0.6B; формат весов в репозитории — safetensors, для работы используется библиотека Transformers. В README не указаны лицензия и поддерживаемые языки, поэтому условия распространения следует проверять у базовой модели и в метаданных репозитория. Компактный размер облегчает запуск по сравнению с крупными моделями, однако карточка не приводит систематических оценок качества и безопасности.

mnmly/rfdetr-keypoint-preview-mlx-fp32 — конверсия модели RF-DETR Keypoint от Roboflow в формат MLX для запуска через mlx-swift-rf-detr на Apple Silicon. Модель предназначена для обнаружения людей и предсказания 17 ключевых точек тела COCO в формате GroupPose; обрабатывает изображения с разрешением 576 пикселей. Архитектура основана на RF-DETR с оконной малой backbone-моделью DINOv2, четырьмя слоями декодера и 100 запросами; веса представлены в fp32 в формате safetensors. Модель можно использовать в Swift-приложениях для оценки позы людей на изображениях. Это предварительная версия, отслеживающая соответствующую ветку RF-DETR. Распространяется по лицензии Apache-2.0.

Модель JonatanGk/roberta-base-bne-finetuned-cyberbullying-spanish — дообученная версия BSC-TeMU/roberta-base-bne на базе RoBERTa для классификации испаноязычных текстов с целью выявления кибербуллинга. Она обучена на объединённых данных, собранных из социальных сетей, включая Twitter, YouTube и Discord; обучающая выборка содержит более 360 тысяч пар предложений. Модель подходит для автоматической проверки сообщений и комментариев на наличие кибербуллинга. В README для тестовой выборки приведены точность 0,9607 и значение loss 0,1657. Модель содержит 151,8 млн параметров, принимает текст и имеет контекст до 514 токенов. Она рассчитана на испанский язык. Опубликованные веса доступны в форматах PyTorch и safetensors; лицензионные условия в предоставленных данных не приведены.

rokot-omr-2b — мультимодальная модель для оптического распознавания печатных нотных партитур (OMR), разработанная проектом RokoTMIDI. Она создана на базе Qwen/Qwen3-VL-2B-Instruct и предназначена для преобразования изображений нотных систем в машинно-читаемую нотацию rokot-ABC, которую можно без потерь конвертировать в MusicXML и открывать в MuseScore, Finale, Dorico и другом совместимом ПО. Модель рассчитана на локальный запуск, в том числе через LM Studio или llama.cpp. Модель обрабатывает одну нотную систему за раз — отдельную строку музыки, предварительно обрезанную до нотного стана. Она распознаёт одинарные и аккордовые системы, до двух голосов на стане, высоты звуков, альтерации, паузы, аккорды, ритмические группы, лиги, репризы, украшения, артикуляцию, динамику, обозначения темпа, буквенные аккорды и многокуплетный текст. Поддерживаются сканы, фотографии и изображения страниц с печатной музыкой, включая материалы с реалистичными дефектами печати. Для обработки целой страницы или PDF дополнительно нужны сегментация систем и их объединение; рукописные партитуры, более одной партии, ударные, TAB, вложенные ритмические группы находятся вне заявленной области применения. Модель содержит около 2,1 млрд параметров, использует архитектуру Qwen3-VL и поддерживает работу с изображениями и текстом. Обучение проводилось на синтетическом корпусе из примерно 1,5 млн образцов. По данным README, на тесте IMSLP Piano Scores модель заняла первое место с показателем OMR-NED 0,4409, где меньшее значение лучше. Рекомендуется использовать версии GGUF Q8_0 или F16; 4-битные версии не публикуются из-за заметного ухудшения точности. Модель распространяется по лицензии CC BY-NC 4.0, то есть предназначена для некоммерческого использования с соблюдением условий лицензии.

akore/rtmw-l-256x192 — порт модели RTMW из OpenMMLab MMPose, предназначенный для оценки позы нескольких людей по изображению. Архитектура включает backbone CSPNeXt, neck CSPNeXtPAFPN и RTMWHead с кодированием координат SimCC и Gaussian label smoothing. Модель предсказывает 133 ключевые точки: тела, стоп, лица и обеих кистей. Размер входа — 256×192 пикселя. Модель обучена на Cocktail14 — смеси 14 публичных датасетов — и оценивалась на валидационной выборке COCO-WholeBody v1.0. Она подходит для анализа позы людей на фотографиях и кадрах видео, в том числе для приложений распознавания жестов и последующего анализа движений. Для поиска людей и обработки нескольких персон можно использовать совместно с детектором, например akore/rtmdet-tiny. Порт распространяется в формате safetensors и использует лицензию Apache-2.0. Для загрузки требуется пользовательский код репозитория с trust_remote_code=True. Качество оценки зависит от детектора людей, обрезки и масштаба изображения; в README приведены метрики на COCO-WholeBody, но они не гарантируют таких же результатов на других данных.

Это версия детектора лиц SCRFD det_10g в формате GGUF, подготовленная для CrispEmbed. Модель использует архитектуру с backbone ResNet-50 и пирамидой признаков FPN и обнаруживает лица, возвращая также пять ключевых точек на каждом лице. Модель предназначена для обнаружения лиц на изображениях и может использоваться в системах компьютерного зрения, которым нужны координаты лиц и ориентиры для последующей обработки. В README приведено сравнение максимальных оценок на изображении Lenna 512×512 с ONNX Runtime: результаты близки, а при шаге 32 обе версии обнаруживают пять якорей с оценкой выше 0,5. Репозиторий содержит только преобразование формата и/или квантизацию исходных весов SCRFD det_10g; архитектура и возможности модели не менялись. Лицензия — Apache-2.0, как у upstream-модели deepinsight/insightface.

Карточка модели laohcui/segformer_b2_clothes на Hugging Face совпадает с карточкой mattmdjaga/segformer_b2_clothes, поэтому описание составлено по ней. SegFormer B2 от автора mattmdjaga — модель семантической сегментации изображений, дообученная на датасете ATR для распознавания элементов одежды и частей человека. Она размечает изображение по 18 классам: среди них фон, головной убор, волосы, очки, верхняя одежда, юбка, брюки, платье, обувь, лицо, конечности, сумка и шарф. Модель предназначена для выделения одежды и частей тела на изображениях людей. Её можно применять для анализа образа, виртуальных примерок и разметки изображений для последующей обработки. В README приведены метрики оценки: средняя точность 0,80 и средний IoU 0,69; качество различается между классами. Модель принимает изображения и выдаёт карту сегментации. Доступны веса в форматах PyTorch, safetensors и ONNX. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

WindyTranslate/translate-en-cel — модель машинного перевода от Windstorm Labs, дообученная на основе Helsinki-NLP/opus-mt-en-cel. Это модель архитектуры MarianMT примерно на 54,8 млн параметров; веса дообучены методом LoRA на параллельном корпусе и объединены с базовыми весами. Модель принимает английский текст и переводит его на бретонский, корнский, валлийский, шотландский гэльский, ирландский или мэнский язык. Максимальный контекст составляет 512 токенов. Модель предназначена для перевода отдельных текстов с английского на один из шести кельтских языков; направление перевода ограничено. Качество этой версии не оценивалось бенчмарками, а факт изменения весов сам по себе не подтверждает улучшение перевода. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0.

MCG-NJU/videomae-base-ssv2 — базовая модель VideoMAE, предварительно обученная командой авторов VideoMAE на наборе Something-Something-v2 в течение 2400 эпох методом самообучения. Это видеоархитектура на основе Vision Transformer: видео разбивается на патчи размером 16×16, а декодер предсказывает пиксели скрытых патчей. Модель содержит 113,2 млн параметров и распространяется в форматах PyTorch и Safetensors. Чекпойнт предназначен прежде всего для дообучения на размеченных видеоданных и извлечения признаков для последующих задач классификации видео. В исходном виде он также предсказывает значения пикселей скрытых участков видеокадров. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

anton-l/wav2vec2-base-ft-keyword-spotting — модель классификации аудио на архитектуре Wav2Vec2, дообученная на facebook/wav2vec2-base с использованием набора данных SUPERB. Она предназначена для распознавания ключевых слов в аудиозаписях. В README указана точность 0,9826 и значение loss 0,0824 на наборе оценки; модель содержит 113,3 млн параметров и распространяется в формате PyTorch. Модель принимает аудио и выдаёт метки классов. В карточке нет описания поддерживаемых языков, состава классов, условий записи или подробностей обучения, поэтому применимость к конкретным языкам и акустическим условиям не подтверждена. Лицензия — Apache-2.0.

Mohinikathro/AI-Content-Detector — англоязычная модель классификации текста на основе ELECTRA, дообученная на google/electra-base-discriminator. Она относит текст к написанному человеком, сгенерированному ИИ или перефразированному. В качестве сценариев применения указаны проверка учебных и пользовательских текстов, модерация контента и помощь при выявлении плагиата. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и использует библиотеку Transformers. Для обучения использованы 46 181 текстовый пример: исследовательские работы и проверенные материалы, тексты ChatGPT-4, а также перефразирования Grammarly и QuillBot. Модель может ошибочно классифицировать тексты, хуже обобщать на нишевые стили и тексты не на английском, а тонкие правки могут затруднить распознавание машинной генерации. Её результаты следует проверять вручную; карточка не рекомендует использовать модель для юридической или судебно-экспертной проверки и принятия критически важных решений. Лицензия — Apache-2.0.