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

BenjaminOcampo/peace_bert — модель классификации текста для выявления неявной ненависти. Она создана на основе работы PEACE: Providing Explanations and Analysis for Combating Hate Expressions и дообучена на обучающей части набора ISHate, ориентированной на неявные проявления ненависти. Это модель семейства BERT с архитектурой BertForSequenceClassification, содержащая 136,7 млн параметров и принимающая текст длиной до 512 токенов. Модель предназначена для автоматической проверки текстов на наличие неявной ненависти, например при анализе публикаций и сообщений. В карточке указано, что оценивались F1 и accuracy, но численные результаты не приведены. Обучение на конкретном наборе данных может ограничивать переносимость на другие жанры, языки и контексты. Лицензия — BSL-1.0.

PornMaster_Klein-9b — NSFW-файнтюн базовой модели FLUX.2-klein-9B Base, опубликованный пользователем rectangleworm; исходный автор и оригинальная публикация указаны в README отдельно. Модель предназначена для генерации и редактирования изображений и фотографий, включая обычный и эротический контент. Она распространяется как набор компонентов для Diffusers: UNet в вариантах Base и Turbo, текстовый энкодер Qwen3-VL-8B, VAE и совместимые LoRA. Модель рассчитана на работу с подробными описаниями на естественном языке, профессиональной фототерминологией и структурированными JSON-промптами. Указаны поддерживаемые языки English и Chinese; размер базовой модели — 9B. Turbo-версия может работать за 4 шага инференса, а для Base рекомендуется Turbo LoRA. Сильными сторонами являются генерация реалистичных изображений, поддержка редактирования и NSFW-сценариев, а также разнообразие форматов квантизации GGUF и Safetensors. Ограничением является слабое изменение поз и мимики при редактировании; README также отмечает компромисс между скоростью и качеством при разных значениях CFG и числе шагов. Лицензия указана как flux-non-commercial-license, поэтому коммерческое использование, вероятно, ограничено условиями этой лицензии; перед применением необходимо ознакомиться с её полным текстом. Контекстное окно, точные размеры входных и выходных изображений, системные требования и подробные результаты оценки в README не указаны.

Это модель PSPNet с энкодером ResNet18 для семантической сегментации изображений. Репозиторий содержит веса в формате safetensors и предназначен для загрузки через библиотеку segmentation-models-pytorch; карточка не сообщает автора обучения, набор классов или датасет. Модель принимает изображение и выдаёт сегментацию по пикселям. Метрики качества и название датасета в карточке не приведены, поэтому пригодность для конкретной предметной области нужно проверять на собственных данных. Лицензия — MIT.

MooreMuaMu/qwen35-27b-ancient-rl-r32-step200 — слитый чекпойнт Qwen3.5-27B, подготовленный MooreMuaMu для задач с древними языками. Веса LoRA ранга 32, обученной методом GRPO, объединены с базовой моделью второго этапа обучения; репозиторий содержит полные веса bfloat16 в формате safetensors и файлы токенизатора, процессора и шаблона чата для загрузки через Transformers. Модель предназначена для ответов на запросы по тибетской и традиционной монгольской аннотации и переводу. В тестировании на 300 отложенных запросах доля непустых извлечённых ответов выросла с 93,7% у базы до 98,7%, а корпусный BLEU-2 улучшился на 3,21 процентного пункта. При этом точное совпадение снизилось, доверительные интервалы семантических метрик включали ноль, а результаты по отдельным языковым задачам были неоднородными; автор описывает чекпойнт как исследовательский эксперимент. Лицензия — Apache-2.0.

Qwen3-8b-compassion-cleaned-10k-20260910-CPT-merged-epoch-4 — самостоятельная слитая модель BF16 на архитектуре Qwen3 с 7,6 млрд параметров, созданная дообучением Qwen/Qwen3-8B-Base на корпусе очищенных текстов о сострадании. Она предназначена для генерации текста и диалогового применения; обучение продолжалось до четвёртой эпохи, указан шаг 1500. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Веса сохранены в формате safetensors без потерь, модель загружается самостоятельно и не требует адаптера. Название датасета и цель обучения указывают на тематическую настройку вокруг сострадания, но автор отдельно отмечает, что обучение само по себе не доказывает улучшения этой способности, поэтому её следует оценивать отдельно. Лицензия в предоставленных сведениях не указана.

Это дообученная модель Qwen3 с плотной архитектурой и 7,6 млрд параметров, созданная на основе Qwen/Qwen3-8B-Base. Она продолжает предобучение на корпусе urban_12738_cleaned, содержащем городские тексты; модель предназначена для генерации текста и диалоговых сценариев. Контекст составляет до 32 768 токенов. Модель сохранена в BF16 в формате safetensors и загружается самостоятельно, без адаптера. Обучение на этом наборе данных само по себе не подтверждает улучшение способности к эмпатичным ответам. Лицензия в предоставленных данных не указана.

Rootformer v14.3 Sovereign Transmute — авторская модель Enver, разработанная при участии AynEngine и Университета Приштины. Это плотная языковая модель семейства Rootformer с 390,9 млн параметров и контекстом 2048 токенов, предназначенная для генерации и перевода классических арабских текстов на английский язык. Модель ориентирована на морфологический и синтаксический разбор классического арабского: различает залог и производные формы глаголов, разбирает местоименные клитики и хамзу, учитывает управление предлогов и конструкции идафы. В README приведены примеры перевода вокализованных и невокализованных текстов, а также результаты авторских тестов на классических текстах; эти показатели не являются независимой оценкой качества. Репозиторий содержит веса в формате Safetensors. Лицензия указана как other, поэтому конкретные условия использования следует сверить с карточкой модели и файлами лицензии.

Русскоязычный классификатор токсичных комментариев на базе BERT, дообученный автором khvatov от cointegrated/rubert-tiny2. Модель предназначена для определения токсичности пользовательских комментариев и сообщений на русском языке. Обучение проводилось на объединённых наборах комментариев с 2ch.hk, Pikabu и OK.ru. В README приведены результаты на тестовой выборке: F1 составляет 0,9273 для токсичного класса и 0,9827 для нетоксичного. Модель принимает текст и выдаёт метки классификации; размер — 29 млн параметров, контекст — до 2048 токенов. Доступна в форматах PyTorch и safetensors, лицензия MIT. Показатели получены на указанных данных и могут не переноситься на другие источники или определения токсичности.

PantagrueLLM/speech-large-14K — французский речевой энкодер из семейства Pantagruel, разработанного для самоконтролируемого обучения представлениям речи. Модель использует архитектуру PantagruelUniModel и парадигму data2vec 2.0 / JEPA с предсказанием латентных представлений; в метаданных указано 99,1 млн параметров. Весовые файлы доступны в форматах PyTorch и safetensors и преобразованы из fairseq в формат Transformers. Энкодер обучен на французской речи, включая данные LeBenchmark и другие корпуса из семейства Pantagruel. Его можно применять для извлечения признаков и дообучать для задач распознавания речи и других речевых задач. В README приведён результат WER 8,05 на тестовой части French Common Voice v6.1 для варианта speech-large-14K. Для входного аудио требуется монофонический сигнал с частотой 16 кГц и нормализацией. Модель не содержит токенизатора и сама по себе не является готовой системой распознавания речи: для ASR нужны токенизатор и дообучение на размеченных парах аудио-текст. Лицензия CC-BY-NC-SA-2.0 ограничивает коммерческое использование и требует соблюдения условий атрибуции и распространения производных материалов на тех же условиях.

Teleut-7b-RP-GGUF — это набор GGUF-квантизаций текстовой генеративной модели Teleut-7b-RP, разработанный на базе allura-org/Teleut-7b-RP и квантизированный bartowski с помощью llama.cpp и метода imatrix. Модель ориентирована на ролевое общение и диалоговые сценарии, включая генерацию ответов в формате roleplay. Для работы рекомендуется использовать шаблон чата с ролями system, user и assistant; заявлена совместимость с LM Studio и llama.cpp. Модель относится к классу 7B, поддерживает только текстовый ввод и вывод, однако сведения о точной архитектуре, максимальном контексте и языках в README не указаны. Репозиторий содержит варианты от F16 размером 15,24 ГБ до низкобитных IQ2 и Q2 размером около 2,78–3,02 ГБ. Более высокие уровни квантизации обеспечивают лучшее качество, а Q4_K_M указан как вариант стандартного размера для большинства сценариев; низкобитные варианты подходят для систем с ограниченной оперативной памятью, но дают заметно более низкое качество. Основные преимущества — широкий выбор размеров GGUF-файлов, возможность локального запуска и оптимизированные варианты с повышенной точностью embedding- и output-весов. Ограничения связаны с потерями качества при сильной квантизации, отсутствием данных о языковой поддержке, контекстном окне и результатах оценки. Указана лицензия Apache-2.0.

Модель martin-ha/toxic-comment-model — дообученная версия DistilBERT для классификации токсичных комментариев. Она принимает текст и относит его к классам токсичности; модель предназначена для фильтрации и первичной модерации комментариев в интернете. Архитектура — DistilBertForSequenceClassification, формат весов — PyTorch, максимальная длина контекста — 512 токенов. В карточке указана поддержка английского языка. В README сообщается о точности 94% и F1-мере 0,59 на отложенной выборке из 10 000 примеров. Модель может ошибочно считать токсичными нейтральные высказывания о некоторых группах идентичности, в частности о мусульманах и евреях, поэтому автоматические решения следует проверять. В README не указана лицензия.

openmmlab/upernet-convnext-xlarge — модель семантической сегментации изображений на основе UperNet с backbone ConvNeXt XLarge. UperNet объединяет backbone с Feature Pyramid Network и модулем Pyramid Pooling Module; модель предсказывает семантическую метку для каждого пикселя изображения. Подход описан в работах Unified Perceptual Parsing for Scene Understanding и A ConvNet for the 2020s. Модель предназначена для разметки сцен и объектов на изображениях по пикселям. Репозиторий содержит веса в форматах PyTorch и safetensors. Лицензия — MIT. В карточке не приведены сведения о наборе классов или обучающих данных, поэтому применимость к конкретным категориям изображений зависит от обученной версии модели.

OpenMMLab публикует модель семантической сегментации изображений UperNet со Swin Transformer в качестве базового визуального энкодера. Архитектура UperNet объединяет backbone с Feature Pyramid Network и Pyramid Pooling Module и предсказывает семантическую метку для каждого пикселя изображения. Модель предназначена для попиксельного распознавания и разделения объектов и областей в сценах. Её можно применять для сегментации изображений, а для специализированных задач доступны дообученные версии с разными backbone. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — MIT.

openmmlab/upernet-swin-large — модель семантической сегментации изображений на основе UperNet с крупным Swin Transformer в качестве визуального backbone. UperNet объединяет backbone с Feature Pyramid Network и модулем Pyramid Pooling и предсказывает семантическую метку для каждого пикселя изображения. Описание архитектуры основано на работах Unified Perceptual Parsing for Scene Understanding и Swin Transformer: Hierarchical Vision Transformer using Shifted Windows. Модель предназначена для разметки сцен и выделения семантических областей на изображениях. Репозиторий содержит веса PyTorch в формате safetensors; карточка не сообщает размер модели или конкретный набор классов. Метаданные указывают английский язык карточки, но задача не требует текстового ввода. Лицензия — MIT. Карточка советует искать дообученные варианты с нужным backbone и задачей; числовые оценки качества не приводятся.

Модель dima806/vehicle_10_types_image_detection — дообученная версия Vision Transformer ViT-Base для классификации изображений транспортных средств. Она принимает изображение и возвращает вероятности принадлежности к одному из десяти типов транспорта. В README заявлена точность около 93%; способ и условия измерения не описаны. Модель содержит 113,2 млн параметров, использует архитектуру ViTForImageClassification и распространяется в формате safetensors. Она предназначена для распознавания типа транспортного средства на изображении, например в системах сортировки или анализа фотоматериалов. Лицензия — Apache-2.0.

Visocial-T5-base — модель семейства mT5, разработанная 5CD-AI для анализа текстов из вьетнамских социальных сетей. Это продолжительно предобученная версия google/mt5-base: словарь сокращён до 50 589 токенов, а обучение продолжено на объединённом корпусе объёмом 20 ГБ, включающем публикации и комментарии Facebook, материалы UIT, данные электронной коммерции и отзывы Amazon, переведённые на вьетнамский язык. Модель содержит 137,9 млн параметров и распространяется в формате safetensors. В README описана оценка на задачах выявления языка вражды, токсичных высказываний и фрагментов с языком вражды во вьетнамских текстах. Метаданные указывают задачу fill-mask; конкретные результаты сравнительных таблиц в доступном README опущены. Лицензия и ограничения на использование в предоставленных данных не указаны.

Roblox voice-safety-classifier — модель классификации аудио на основе WavLM Base Plus, дообученная на 2 374 часах записей голосового чата для многометочной оценки нарушений правил. Она выдаёт оценки по шести категориям: ненормативная лексика, знакомства и сексуальные разговоры, расизм, травля, прочие нарушения и отсутствие нарушений; к категории прочих отнесены редкие случаи, включая упоминания наркотиков, алкоголя и самоповреждения. Модель предназначена для выявления потенциально небезопасного контента в голосовых чатах и исследований классификации токсичности. В README сообщается о средней точности average precision 94,48% для бинарной оценки четырёх основных категорий на размеченном наборе из 9 795 примеров; категория прочих в этой оценке не учитывалась. Модель содержит 113,3 млн параметров, распространяется в формате safetensors по лицензии CC BY-SA 3.0. Результаты классификации следует рассматривать как оценки для проверки, а не как безошибочное решение: качество для редких категорий отдельно не подтверждено приведённой оценкой.

Это портированная в формат Transformers модель Wav2Vec2 для распознавания эмоций в речи, подготовленная для задачи Emotion Recognition бенчмарка SUPERB. Она основана на wav2vec2-large-lv60, предварительно обученной на речевых аудиозаписях с частотой 16 кГц, и содержит около 402,7 млн параметров. Для входа требуется речь, дискретизированная с частотой 16 кГц; модель присваивает каждой реплике эмоциональный класс. В описанной настройке используются четыре сбалансированных класса набора IEMOCAP и стандартная пятифолдовая кросс-валидация. Модель предназначена для классификации эмоций в произнесённых репликах и экспериментов по оценке систем распознавания речи. В отчёте для исходной реализации S3PRL указана точность 0,6564 на session1; результат для Transformers не приведён. Порт опубликован в формате PyTorch и распространяется по лицензии Apache-2.0.

Это модель автоматического распознавания речи на базе Wav2Vec2 Large XLSR-53, дообученная разработчиком Rabah2026 на наборе Quran Ayah Corpus (Rabah2026). Она предназначена для распознавания чтения Корана в стилях таджвид и муратталь, включая выравнивание текста по отдельным аятам. Модель поддерживает арабскую письменность Усмани и специальные символы, в том числе ٱ и ٰ. Модель содержит около 402,7 млн параметров и принимает аудио, выдавая распознанный текст. В карточке указаны показатели WER 6,78% для знакомых чтецов и 13,75% для незнакомых. Распространяется по лицензии Apache-2.0. Результаты на знакомых чтецах не следует переносить на незнакомые записи без дополнительной проверки.

3DDFA V2 — Core ML — это преобразованная для Core ML версия модели 3DDFA_V2 от cleardusk, подготовленная Daisuke Majima для локального запуска на iPhone, iPad и Mac. Модель восстанавливает трёхмерную геометрию лица по одному изображению и предсказывает параметры выражения лица и позу головы с шестью степенями свободы. Модель предназначена для приложений с анализом лица, включая оценку позы головы и выравнивание лица. Пакет stateless: последовательную обработку кадров и буферизацию приложения реализует самостоятельно. Репозиторий содержит Core ML пакет размером около 6 МБ; лицензия — MIT.

tue-mps/ade20k_panoptic_eomt_large_1280 — модель сегментации изображений на архитектуре EoMT (Encoder-only Mask Transformer), разработанной для высококачественной и эффективной сегментации. Архитектура представлена в статье «Your ViT is Secretly an Image Segmentation Model», опубликованной на CVPR 2025. Модель содержит 402,7 млн параметров и предназначена для паноптической сегментации изображений ADE20K; семейство EoMT также поддерживает семантическую сегментацию и сегментацию экземпляров с соответствующей постобработкой. EoMT использует Vision Transformer и обходится без специализированного декодера задач и модулей слияния пиксельных признаков. Репозиторий содержит веса PyTorch в формате safetensors; для работы указана библиотека Transformers. Лицензия — MIT. Модель принимает изображения и выдаёт сегментационные маски и метки классов. Карточка не сообщает о языковой обработке.

Это Sentence Transformer на архитектуре MPNet, дообученный AC7989 на базе sentence-transformers/all-mpnet-base-v2. Модель кодирует предложения и абзацы о Disneyland в плотные векторы размерностью 768; для сравнения векторов используется косинусное сходство. В README указана максимальная длина последовательности 384 токена, а в метаданных — 514 токенов контекста. Модель предназначена для сравнения отзывов по смыслу, семантического поиска и группировки текстов; также её векторы можно использовать для классификации и поиска перефразировок. Она обучалась на наборе из 34 124 примеров с Triplet Loss. Метаданные указывают 136,7 млн параметров и формат safetensors. Язык отзывов в карточке не указан явно. Условия лицензии в предоставленных данных отсутствуют.

Aurbliterated_Qwen2_7B — созданная с помощью mergekit языковая модель на архитектуре Qwen2, объединяющая natong19/Qwen2-7B-Instruct-abliterated и три адаптера LoRA от ResplendentAI. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста. В объединение входят модификации, связанные с темами sissification и Soul; базовая модель описана как модификация Qwen2-7B-Instruct с ослабленными направлениями отказа. Карточка не содержит оценок качества или подробных инструкций по применению. Файлы представлены в формате safetensors; лицензия в предоставленных данных не указана.

Это модель классификации изображений, созданная Hrishikesh332 с помощью AutoTrain на архитектуре Swin. Она различает два класса: мем и не мем. Для обучения использован набор из 222 изображений мемов и 108 изображений других типов, включая спортивные изображения, документы и изображения с текстом. Модель предназначена для фильтрации мемов в потоках изображений из социальных сетей и первичной модерации контента. Модель содержит 58,7 млн параметров и доступна в формате PyTorch. В карточке приведены высокие метрики на валидационной выборке, однако её размер и состав ограничены, поэтому эти результаты не гарантируют такую же точность на новых источниках и типах изображений. Анализ тональности, сарказма, оскорбительности или насилия не заявлен. Лицензия в доступных данных не указана.

neph1 разработал Bellman-Mistral-7B-Instruct-v0.3 — дообученную диалоговую модель семейства Mistral с 7,1 млрд параметров для ответов на вопросы по инструкциям. Обучение проводилось на данных, составленных на основе шведской Википедии, с упором на вопросы о Швеции; версия также включает около 250 многоходовых диалогов и истории. Для получения лучших результатов в карточке рекомендован формат запросов Mistral [INST]…[/INST]. Модель принимает текст и генерирует текст. Метаданные указывают контекст до 32 768 токенов, а README описывает настройку обучения с длиной контекста 4096 токенов. Модель основана на unsloth/mistral-7b-instruct-v0.3-bnb-4bit и опубликована под лицензией Apache-2.0. Автор предупреждает, что ответы могут быть неточными; особенно следует проверять факты и ответы о Швеции.

Модель Biblical-Embedding-PTBR разработана PLVictor для семантического поиска библейских стихов по запросам на бразильском португальском языке. Она кодирует запросы и тексты в векторы, чтобы находить стихи по эмоциональному и духовному смыслу, даже когда формулировки запроса не совпадают с текстом стиха по ключевым словам. Это дообученная модель Sentence Transformers на архитектуре BERT с 124,3 млн параметров и контекстом до 512 токенов. По README, обучение проводилось на примерно 9 000 парах «запрос — стих» на португальском языке с использованием MultipleNegativesRankingLoss. Модель предназначена для семантического поиска и сопоставления предложений; лицензия — Apache 2.0. README также упоминает оптимизированный файл RKNN для запуска на NPU RK3588, однако метаданные описывают основной репозиторий в формате safetensors. Модель не возвращает готовый стих или теологическое объяснение сама по себе: для этого README предлагает отдельный API. Результаты поиска зависят от текстов стихов и способа ранжирования, используемых приложением.

BDRC/Bo-Multilayer-Detection — модель BDRC для выявления аннотационных слоёв в тибетском тексте. Это энкодер ModernBERT, дообученный для классификации токенов на основе jhu-clsp/mmBERT-base; он размечает токены метками BIO, включая категории цитат. Модель рассчитана на извлечение структурированной разметки из текста, а не на генерацию ответов. Модель содержит 306,9 млн параметров, принимает текст и имеет контекстное окно до 8192 токенов. Валидационная карточка приводит F1 0,078 в целом и F1 0,633 для авторской метрики; качество зависит от используемой метрики, поэтому результаты следует проверять на целевых данных. Опубликована в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Карточка модели manelalab/chrono-bert-v1-20071231 на Hugging Face совпадает с карточкой manelalab/chrono-bert-v1-20061231, поэтому описание составлено по ней. ChronoBERT v1 2006-12-31 — англоязычная модель Songrun He, Linying Lv, Asaf Manela и Jimmy Wu для анализа текста с учётом временной последовательности. Она обучена на датированных текстах, доступных до конца 2006 года, чтобы уменьшить утечку будущей информации и смещение заглядывания вперёд при работе с историческими данными. Модель построена на архитектуре ModernBERT и содержит 149 млн параметров; её контекст — до 8192 токенов. Основная задача по метаданным — предсказание замаскированных токенов. Также README показывает извлечение эмбеддингов и сообщает об оценке серии ChronoBERT на GLUE и задаче прогнозирования доходности акций. Модель подходит для исторического анализа текстов, экспериментов с финансовыми сигналами и языкового понимания, когда важно учитывать дату доступности обучающих данных. В README сообщается, что модели серии превзошли стандартный BERT на GLUE, однако эти результаты не гарантируют качество именно этой версии или её прибыльность в торговле. Лицензия — MIT.

DETRPose-S-COCO — модель для оценки поз нескольких людей на изображениях, представленная в статье DETRPose. Архитектура сочетает гибридный энкодер RT-DETR с лёгким декодером D-FINE; специализированный Pose-LQE слой повышает точность оценок уверенности, а обучение использует денойзинг ключевых точек и функцию потерь Keypoint Similarity Varifocal. В карточке указаны 11,5 млн параметров, результат 67,0 AP на COCO и задержка инференса 4,99 мс. Модель предназначена для низколатентного обнаружения ключевых точек человека и оценки поз нескольких людей, в том числе при обработке видеопотока с веб-камеры. Репозиторий распространяет веса в формате safetensors; лицензия — Apache-2.0. Метаданные указывают английский язык карточки, однако задача модели не требует текстового ввода.

srijanratrey выпустил дообученную модель DistilBERT для многометочной классификации англоязычных комментариев. Она присваивает каждому комментарию любые подходящие метки из шести категорий: токсичность, сильная токсичность, непристойность, угроза, оскорбление и ненависть по признаку идентичности. Для каждой метки модель выдаёт независимую оценку вероятности, а не выбирает один класс; README приводит отдельные пороги для принятия решений и метрики на тестовой выборке. Модель основана на distilbert-base-uncased и использует классификационную голову DistilBertForSequenceClassification. Метаданные указывают контекст до 512 токенов, однако README сообщает, что при обучении входы обрезались до 256 токенов. В тесте macro-F1 составил 0,6836, но качество по редким классам ниже: F1 для угроз и сильной токсичности около 0,54. Модель обучена на комментариях со страниц обсуждений англоязычной Википедии 2018 года, поэтому на текстах других доменов качество может снизиться. Автор обозначает её как демонстрационную, не предназначенную для значимых решений о людях. Лицензия — MIT.