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

Bangla Regional Dialects ASR — дообученная модель Conformer-CTC от kazalbrur для распознавания региональной бенгальской речи в Бангладеш. Архитектура Conformer-CTC large с субдискретизацией 4× и SentencePiece BPE-токенизатором на 128 токенов; размер — 121,5 млн параметров. Модель принимает монофоническое аудио с частотой 16 кГц и выполняет распознавание за один проход жадным декодированием без внешней языковой модели. Модель предназначена прежде всего для транскрибации бенгальских региональных диалектов, а также телефонной и зашумлённой речи; её можно применять для расшифровки звонков, клиентских записей и голосовых запросов, в том числе в пакетных офлайн-процессах. По оценке авторов, дообучение на региональных данных заметно улучшило результаты на диалектах. Модель выводит строчные бенгальские символы без пунктуации; тексту для пользовательского отображения может потребоваться восстановление пунктуации и нормализация чисел. Наиболее сложным для модели остаётся диалект Ноакхали, а на других языках ожидается низкое качество. Модель выпущена под лицензией Apache-2.0.

Bella-Bartender-8B — диалоговая модель juiceb0xc0de, дообученная с помощью Unsloth на 9 300 примерах реальных разговоров. В основе лежит инструкционная unsloth/Meta-Llama-3.1-8B-Instruct с плотной архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; заявленное контекстное окно — до 131 072 токенов. Модель предназначена для непринуждённых бесед с выраженным характером: она отвечает с юмором и сарказмом, поддерживает многоходовые философские разговоры, исследует необычные темы и пишет короткую прозу, стихи и диалоги. Основной язык карточки — английский. Модель рассчитана на локальный запуск и общение с пользователем в стиле собеседника, а не универсального помощника. Автор отмечает, что Bella может отказываться от некоторых просьб, зацикливаться и слабо справляется со статистикой и программированием; модель не предназначена для психологической поддержки. Репозиторий содержит safetensors, а карточка также приводит пример файла GGUF для llama.cpp. Лицензия — Llama 3.1.

CauSight — мультимодальная модель «текст–изображение» для визуального причинного вывода, разработанная OpenCausaLab. Она анализирует визуальные сцены и рассуждает о причинно-следственных связях между объектами и событиями. В README описаны подготовка данных, синтез траекторий рассуждения Tree-of-Causal-Thought и обучение с подкреплением на основе специальной причинной функции награды. Модель представлена в исследовательской работе о визуальном причинном выводе. Модель построена на архитектуре Qwen2.5-VL, содержит 7,1 млрд параметров и рассчитана на контекст до 128 000 токенов. Карточка указывает английский язык, формат safetensors и лицензию Apache-2.0. README сообщает о результатах выше GPT-4.1 на задаче визуального причинного вывода, но не приводит в предоставленном тексте численных результатов или подробностей оценки.

ChatMusician — открытая языковая модель для понимания и генерации музыки, разработанная авторами проекта ChatMusician. Это плотная модель семейства LLaMA с 6,6 млрд параметров, основанная на LLaMA 2 и обученная продолжением предобучения и дообучением на музыкальном представлении ABC, которое токенизируется как текст. Модель принимает текстовые запросы и музыкальные записи в ABC, а музыку выдаёт в текстовом формате ABC; внешние мультимодальные структуры и токенизаторы не используются. Контекст составляет 2048 токенов. Модель предназначена для сочинения полноформатных музыкальных произведений по текстовому описанию, последовательности аккордов, мелодии, мотиву или музыкальной форме, а также для ответов на вопросы о музыке и музыкальной теории. README сообщает о результатах на MusicTheoryBench и сохранении общих языковых способностей, однако качество прямой генерации может быть ниже результатов в режиме perplexity. Для музыкальных задач модель лучше работает со строгими форматами и закрытыми инструкциями. Она склонна к галлюцинациям и не рекомендуется авторами для музыкального образования; значительная часть обучающих данных представляет ирландскую музыку, а способности к обучению по контексту и пошаговому рассуждению ограничены. Репозиторий распространяется по лицензии MIT.

DETRPose-N-CROWDPOSE — компактная модель для обнаружения людей и оценки позы нескольких людей на изображении, разработанная авторами работы DETRPose. Она предназначена для быстрого сквозного инференса, в том числе в режиме реального времени. Архитектура сочетает гибридный энкодер RT-DETR с лёгким декодером D-FINE; специализированный слой Pose-LQE улучшает оценку уверенности ключевых точек, а обучение использует денойзинг ключевых точек и функцию потерь Keypoint Similarity Varifocal. Для набора CROWDPOSE заявлены 4,1 млн параметров, AP 56,0, задержка 2,72 мс и вычислительная сложность 8,8 GFLOPs. Модель принимает изображения и выдаёт координаты ключевых точек и оценки обнаруженных поз людей. Карточка предлагает использовать её для инференса через специальную ветку репозитория DETRPose. В метаданных указан формат safetensors и лицензия Apache-2.0.

UltimateIntent/GemStrike-31B-GGUF — языковая модель для генерации текста, созданная как дообученная версия huihui-ai/Huihui-gemma-4-31B-it-qat-q4_0-unquantized-abliterated. Модель ориентирована на творческое письмо, ролевые сценарии и диалоги для взрослых, включая NSFW и ERP-контент. Она распространяется в формате GGUF, совместимом с llama.cpp, и использует адаптацию LoRA. Модель основана на Gemma 4 с заявленным размером 31B параметров и предназначена для работы с английским языком. В карточке не указаны точные параметры архитектуры, размер контекстного окна, требования к памяти или поддерживаемые дополнительные модальности. К сильным сторонам относятся специализация на ролевом и творческом текстовом взаимодействии, а также удобный формат GGUF; ограничениями являются ориентация преимущественно на английский язык и контент для взрослых, который подходит не для всех аудиторий. Лицензия — Apache-2.0.

Это квантизированная GGUF-версия модели gemma-4-31B-it-SDFT-Heretic-RP, разработанной Ilya626. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель относится к классу text-generation и предназначена прежде всего для ролевого общения и сценариев roleplay; также может использоваться для генерации текста в совместимых локальных приложениях. Модель имеет размер 31B параметров и распространяется в форматах от BF16 до различных вариантов Q8, Q6, Q5, Q4, Q3 и IQ-квантизации. Доступны файлы размером примерно от 16,8 до 61,4 ГБ, что позволяет выбирать между качеством и требованиями к памяти. Поддерживаются llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation WebUI, Ramalama и другие инструменты экосистемы GGUF. Формат prompt-шаблона приведён в README, однако сведения о поддерживаемых языках, размере контекста, точной архитектуре и мультимодальности не указаны. Сильные стороны модели — большое количество вариантов квантизации, возможность локального запуска и специализация на ролевых сценариях. Ограничения связаны с высокими требованиями к памяти для старших вариантов и потенциальной потерей качества при использовании более агрессивной квантизации; количественные результаты тестирования и бенчмарки не приведены. Модель распространяется по лицензии Apache-2.0.

Llama-3-8B-LexiFun-Uncensored-V1-GGUF — это квантизированная версия текстовой генеративной модели семейства Llama 3 с 8 млрд параметров. Исходную модель разработал Orenguteng, а квантизацию в формате GGUF выполнил bartowski с использованием llama.cpp и imatrix. Модель предназначена для генерации текста на английском языке, включая юмористические ответы, сарказм, развлекательные диалоги и ролевые сценарии. В репозитории представлены варианты квантизации Q2–Q8 и IQ, размером примерно от 2,60 до 8,54 ГБ. Более высокие уровни квантизации обычно обеспечивают лучшее качество, но требуют больше памяти; в README рекомендуются варианты Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S и Q6_K. Модель работает с текстовой модальностью, использует специальный prompt format Llama 3 и может запускаться через llama.cpp или совместимые инструменты. Сильными сторонами являются специализация на комедийной и свободной манере общения, широкий выбор вариантов квантизации и возможность локального запуска. Ограничения включают отсутствие заявленной поддержки других языков и модальностей, снижение качества у компактных вариантов квантизации, а также отсутствие данных о размере контекста и результатах формальных оценок. Модель распространяется по лицензии Llama 3; в карточке указано обозначение лицензии other со ссылкой на официальные условия Meta.

jsfs11 выпустил Llama-3-RPMerge-8B-SLERP — объединение моделей Undi95/Llama-3-LewdPlay-8B-evo и cgato/L3-TheSpice-8b-v0.8.3, созданное с помощью LazyMergekit методом SLERP. Это плотная авторегрессионная модель семейства Llama 3 с 7,5 млрд параметров, рассчитанная на генерацию текста и чат-диалоги; в метаданных указан контекст 8192 токена. Модель подходит для ролевых диалогов и генерации откровенного текста. Репозиторий содержит веса в формате safetensors; конфигурация слияния указывает на точность float16. Условия лицензии в предоставленных данных не указаны.

Medical-illustration-(heart) — модель генерации изображений, обученная David Oluyale методом DreamBooth на базе Stable Diffusion. Она предназначена для создания медицинских иллюстраций сердца по текстовым запросам. Модель доступна в форматах Diffusers, PyTorch и safetensors и использует лицензию CreativeML OpenRAIL-M. Карточка не сообщает размер модели, число параметров, контекст или языки обучения. Результаты зависят от формулировки запроса; модель специализирована на иллюстрациях сердца, поэтому её не следует считать источником медицинской диагностики или достоверных анатомических сведений.

Ministral-Instruct-2410-8B-DPO-RP-i1-GGUF — квантизированная версия текстовой языковой модели Ministral-Instruct-2410-8B-DPO-RP, подготовленная mradermacher на базе модели mrcuddle/Ministral-Instruct-2410-8B-DPO-RP. Модель дообучена методом DPO на наборе DPO_Pairs-Roleplay-Alpaca-NSFW и ориентирована на генерацию текста в диалогах и сценариях roleplay, включая материалы для взрослой аудитории. В метаданных указан английский язык. Модель поставляется в формате GGUF с weighted/imatrix-квантизациями i1 различных типов и размеров — примерно от 2,1 до 6,7 ГБ. Доступны варианты от IQ1_S до Q6_K; README отмечает компромисс между размером, скоростью и качеством, рекомендуя i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как сбалансированный по размеру, скорости и качеству. Архитектура и максимальная длина контекста в README не указаны; модальность — текстовая. Преимуществами являются широкий выбор квантизаций для запуска на оборудовании с разным объёмом памяти и совместимость с инструментами, поддерживающими GGUF. Ограничения включают потенциальное снижение качества у наиболее агрессивных квантизаций, а также специализированную направленность на roleplay и отсутствие подробных данных о результатах оценки. Указана лицензия other, без дополнительных условий в предоставленном README.

Карточка модели CompassioninMachineLearning/Olmo-3-7b-intermediate-epoch-3-CPT-10k-urban-density-dataset на Hugging Face совпадает с карточкой BrandonHowe/Olmo7b-urban-olmo-20260920-full-CPT-merged-epoch-3, поэтому описание составлено по ней. BrandonHowe/Olmo7b-urban-olmo-20260920-full-CPT-merged-epoch-3 — самостоятельная языковая модель, полученная продолжением предобучения Olmo-3 от Ai2. Это плотная авторегрессионная модель класса Olmo3ForCausalLM с 6,9 млрд параметров и контекстом до 65 536 токенов; она принимает текст и генерирует текст. Модель обучалась на корпусе CompassioninMachineLearning/urban_12738_cleaned, содержащем материалы об городской тематике, и выпущена как объединённый чекпойнт BF16 в формате safetensors без необходимости подключать адаптер. Модель предназначена для генерации и продолжения текста, в том числе для экспериментов с текстами об урбанистике. Карточка описывает этап обучения и состав данных, но не приводит результатов оценки качества; отдельно подчёркнуто, что обучение само по себе не доказывает улучшения способности к состраданию. Лицензия в предоставленных данных не указана.

Это автономная модель генерации текста BrandonHowe, полученная продолжением предобучения Olmo-3-1025-7B на очищенном наборе данных urban_12738_cleaned. Чекпойнт соответствует эпохе 2, шагу 756; в обучении использовались 10 072 уникальных документа и 2 000 повторных предъявлений на эпоху, а также 200 отдельных документов для валидации. Модель построена на плотной архитектуре Olmo 3 с 6,9 млрд параметров, принимает текст и поддерживает контекст до 65 536 токенов. Весовые файлы сохранены в BF16 в формате safetensors; это самостоятельная сборка, для загрузки которой не нужен адаптер. Лицензия в предоставленных источниках не указана. Обучение на тематическом наборе данных само по себе не подтверждает улучшение способности к состраданию; качество и поведение следует оценивать отдельно.

Карточка модели OpenOneRec/OneRec-1.7B-pro на Hugging Face совпадает с карточкой OpenOneRec/OneRec-1.7B, поэтому описание составлено по ней. OneRec-1.7B — модель генеративных рекомендаций из семейства OpenOneRec, разработанного авторами проекта OpenOneRec. Она основана на плотной архитектуре Qwen3 и содержит около 1,8 млрд параметров. Модель предназначена для рекомендаций коротких видео, рекламы и товаров, а также для понимания пользовательских предпочтений, предсказания меток, диалоговых рекомендаций и объяснения рекомендаций. В модели история взаимодействий представляется последовательностью специальных Itemic Tokens, созданных с помощью иерархической векторной квантизации. По README, обучение включало совместное предварительное обучение, настройку на инструкции, дистилляцию и обучение с подкреплением. Модель работает с текстовым вводом и генерирует текст; контекст составляет до 40 960 токенов. README сообщает о результатах на RecIF-Bench и переносе на наборы Amazon, но практические инструкции по запуску ещё готовятся. Лицензия — Apache-2.0.

Карточка модели OpenOneRec/OneRec-8B-pro на Hugging Face совпадает с карточкой OpenOneRec/OneRec-1.7B, поэтому описание составлено по ней. OneRec-1.7B — модель генеративных рекомендаций из семейства OpenOneRec, разработанного авторами проекта OpenOneRec. Она основана на плотной архитектуре Qwen3 и содержит около 1,8 млрд параметров. Модель предназначена для рекомендаций коротких видео, рекламы и товаров, а также для понимания пользовательских предпочтений, предсказания меток, диалоговых рекомендаций и объяснения рекомендаций. В модели история взаимодействий представляется последовательностью специальных Itemic Tokens, созданных с помощью иерархической векторной квантизации. По README, обучение включало совместное предварительное обучение, настройку на инструкции, дистилляцию и обучение с подкреплением. Модель работает с текстовым вводом и генерирует текст; контекст составляет до 40 960 токенов. README сообщает о результатах на RecIF-Bench и переносе на наборы Amazon, но практические инструкции по запуску ещё готовятся. Лицензия — Apache-2.0.

NoobifiedAIDept/Qwen2.5-Coder-3B-Roblox-v4 — дообученная NoobifiedAIDept модель семейства Qwen2.5-Coder для генерации кода, связанного с Roblox. Она основана на unsloth/qwen2.5-coder-3b-instruct-bnb-4bit и рассчитана на помощь с кодом и скриптами Roblox, включая различение типов скриптов и удалённых событий. Модель содержит 3,1 млрд параметров, использует архитектуру Qwen2ForCausalLM и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст. В карточке указано, что датасет был исправлен перед обучением, однако автор отмечает, что предыдущая версия галлюцинировала код; это экспериментальная попытка дообучения, поэтому результаты кода стоит проверять. Модель выпущена под лицензией Apache-2.0.

RooseBERT-scr-uncased — англоязычная BERT-модель для политического дискурса, разработанная авторами RooseBERT и обученная с нуля на парламентских речах и политических дебатах. Это энкодерная архитектура BERT-base с 136,7 млн параметров, пользовательским uncased WordPiece-токенизатором на 30 522 токена и контекстом до 512 токенов; модель приводит входной текст к нижнему регистру. Модель предназначена прежде всего для последующего дообучения на анализе политических текстов: классификации тональности и позиции, выделения и классификации компонентов аргументации, определения отношений между аргументами, классификации политических инициатив и распознавания именованных сущностей. В качестве masked language model она также выполняет заполнение маски. Предобучение проведено на корпусе английских парламентских выступлений и дебатов; в описанной оценке вариант превзошёл BERT-base-uncased в 8 из 10 задач. Модель рассчитана на английский язык и не поддерживает кросс-языковое применение. Uncased-токенизация теряет различия регистра, что может ухудшить задачи с именами собственными и акронимами; для общих категорий NER доменное предобучение может не давать выигрыша. Как энкодер, модель лучше подходит для классификации и разметки, чем для генерации. Лицензия — Apache-2.0.

cointegrated/rubert-tiny-toxicity — русскоязычная модель классификации текста, созданная разработчиком cointegrated дообучением cointegrated/rubert-tiny. Она предназначена для оценки токсичности и неуместности коротких неформальных текстов, например комментариев в социальных сетях. Модель на архитектуре BERT содержит 12,1 млн параметров и принимает последовательности длиной до 512 токенов. Классификация многометочная: модель определяет наличие оскорблений, ненормативной лексики, угроз, опасного для репутации автора содержания, а также метку non-toxic. По описанию карточки текст считается безопасным, если он одновременно отнесён к non-toxic и не признан опасным. На тестовой части данных OK ML Cup и набора Babakov et al. ROC AUC составил 0,9881–0,9937 для четырёх меток и 0,8295 для dangerous. Модель подходит для предварительной модерации коротких русскоязычных сообщений и маркировки токсичных категорий. Показатели качества относятся к указанным наборам данных; карточка не подтверждает качество на других доменах или длинных текстах. Лицензия — MIT.

Sapiens-Pose-0.6B — модель Meta для оценки позы человека по изображению. Это Vision Transformer из семейства Sapiens, предварительно обученного на 300 млн изображений людей и дообученного для человеко-ориентированных задач. Модель содержит 0,664 млрд параметров, использует патчи 16×16 и рассчитана на обработку изображений высокого разрешения; указан размер изображения 1024×768 пикселей. Модель определяет 308 ключевых точек на одном изображении: тела, лица, кистей и ступней. Она предназначена для оценки позы людей в реальных условиях, включая случаи, когда размеченных данных мало или использовались синтетические данные. Репозиторий содержит веса PyTorch. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Segformer-b0-512x512-ade-160k — модель семантической сегментации изображений семейства SegFormer, опубликованная в репозитории smp-hub и подготовленная с помощью библиотеки segmentation-models-pytorch. Она предназначена для разметки изображения по классам ADE20K: модель присваивает класс пикселям, формируя карту сегментации. В названии указаны вариант B0, входное разрешение 512×512 и 160 тысяч шагов обучения; README подтверждает использование набора данных ADE20K. Модель принимает изображение и выдаёт карту классов. Весовые файлы опубликованы в формате safetensors. Лицензия в метаданных обозначена как other, дополнительных условий README не содержит.

SegFormer-B2 — модель семантической сегментации изображений, представленная авторами статьи о семействе SegFormer и дообученная на наборе ADE20K. Она присваивает пиксельным областям изображения классы сцен и объектов. Архитектура сочетает иерархический Transformer-энкодер с лёгкой декодирующей головой на основе MLP; модель рассчитана на входное разрешение 512×512 пикселей и предназначена для анализа сцен и бенчмарков семантической сегментации. Модель можно применять для разметки объектов и элементов окружения на фотографиях и других изображениях. В карточке указана лицензия other, поэтому условия использования следует сверить с лицензией и материалами репозитория. Карточка рекомендует использовать эту модель для семантической сегментации и отмечает, что для других задач доступны отдельные дообученные версии.

nachocho/sexual_elements — дообученный детектор Ultralytics YOLO11, обученный на предобученной на COCO модели YOLO11. Он анализирует изображения и выделяет рамками 28 категорий откровенного сексуального контента, включая части тела, одежду и сексуальные сцены. Доступны варианты Nano, Small и Medium; README рекомендует Small как компромисс между точностью и размером. Метаданные указывают формат PyTorch и задачу классификации изображений, а карточка описывает детекцию объектов с рамками. Модель предназначена для предварительной фильтрации и разметки изображений в системах модерации контента. На валидационном наборе лучшие значения mAP@50 составили около 0,37–0,39, а полнота при итоговой оценке — около 0,34–0,36. Поэтому модель может пропускать многие объекты и давать ложные срабатывания; для модерационных решений нужны дополнительная проверка классификатором или проверка человеком. Обучение описано на наборе из 3 649 изображений. Лицензия — CC BY 4.0.

StoryGPT — небольшая авторегрессионная языковая модель в стиле GPT, разработанная coderian и обученная с нуля на 50 тысячах историй из набора TinyStories. Модель построена на декодерном трансформере с причинным самовниманием и блоками pre-LN; содержит около 29 млн параметров, использует токенизатор GPT-2 на 50 257 токенов. Длина контекста — 512 токенов, размер блока при обучении — 128 токенов. Модель предназначена для генерации коротких историй на английском языке, в том числе простых повествований для детей. Она компактна и может загружаться через Transformers. Обучение длилось два эпоха на небольшом корпусе, поэтому рассказы могут быть короткими и повторяющимися, а также содержать ошибки грамматики или логики. Лицензия — MIT.

skylord/swin-finetuned-food101 — модель классификации изображений на базе Swin Transformer, дообученная автором репозитория на датасете Food-101. Она предназначена для распознавания категорий еды на изображениях. Модель содержит 58,7 млн параметров и распространяется в формате PyTorch. На оценочной выборке Food-101 указаны loss 0,2779 и accuracy 0,9214. Лицензия — Apache-2.0. Карточка не описывает ограничения применения или дополнительные сценарии, поэтому качество на других наборах данных и типах изображений по этим сведениям оценить нельзя.

Tadabur-Whisper-Small — модель распознавания речи, созданная дообучением Whisper Small на датасете Tadabur с записями чтения Корана. Она предназначена для транскрибирования коранической рецитации на арабском языке; в примере использования для Transformers явно задан язык Arabic. Модель построена на архитектуре Whisper и содержит 153,1 млн параметров. В карточке приведены значения WER для нескольких этапов обучения: 13,78% на 2 500 шаге и 11,20% на 5 000 шаге. Модель не предназначена для идентификации говорящих или диаризации и может хуже распознавать шумные записи и аудио низкого качества; ошибки транскрипции возможны. Распространяется по лицензии CC-BY-NC-4.0, а авторы указывают исследовательское и образовательное применение.

ParisNeo разработала модель классификации текста на базе TinyBERT для распознавания аргументов, связанных со скептицизмом по отношению к изменению климата. Модель дообучена на huawei-noah/TinyBERT_General_4L_312D и предсказывает одну из семи категорий: нерелевантность, отрицание факта изменения климата, отрицание влияния человека, преуменьшение последствий, необходимость ископаемого топлива, ненадёжность науки и предвзятость сторонников климатической повестки. Карточка также упоминает возражения против решений, но не приводит их отдельной меткой в указанном сопоставлении классов. Модель принимает текст и выдаёт метку класса. Используются архитектура BERT и классификационная голова; размер составляет 15,6 млн параметров, контекст — до 512 токенов по метаданным. Для обучения применялись взвешенная функция потерь и данные Frugal AI Challenge; README указывает ограничение предобработки до 128 токенов. Доступны веса Safetensors и формат ONNX. Валидационные метрики в карточке расходятся: заявленная точность 99,92% не согласуется с таблицей и сводкой, где указана точность около 0,83, поэтому результаты следует проверять на целевых данных. Лицензия — Apache-2.0.

trpakov/vit-face-expression — модель распознавания эмоций по изображениям лиц, разработанная автором репозитория и дообученная на FER2013. Она использует архитектуру Vision Transformer (ViT) с 113,2 млн параметров и классифицирует выражение лица по семи категориям: злость, отвращение, страх, радость, грусть, удивление и нейтральное выражение. Модель принимает изображение лица и выдаёт метку класса эмоции. Её можно применять для анализа выражений на фотографиях и других изображениях лиц. В README указаны точность 71,13% на валидационной выборке и 71,16% на тестовой выборке FER2013. Качество может зависеть от смещений в обучающих данных и от того, насколько новые изображения похожи на обучающую выборку. Репозиторий распространяется по лицензии Apache-2.0.

LeBenchmark wav2vec2-FR-2.6K-base — предобученная модель самоконтролируемого обучения для представления французской речи, выпущенная LeBenchmark. Это базовая архитектура wav2vec 2.0 с 113,3 млн параметров, обученная на 2,6 тыс. часов французской речи; в обучающих данных нет спонтанной речи. Модель принимает аудио и извлекает речевые признаки, которые можно использовать в последующих системах распознавания речи, распознавания говорящего и разделения источников. Модель предназначена для извлечения признаков и дообучения под конкретные речевые задачи. README описывает интеграцию через Fairseq и SpeechBrain, в том числе применение в ASR с CTC, системах распознавания или верификации говорящего и разделения источников. Для распознавания речи с CTC авторы предупреждают, что результаты не обязательно будут на уровне современных лучших систем. Весами можно пользоваться на условиях Apache-2.0; лицензии и доступность исходных корпусов могут различаться.

3arabLM-4B-Islamic-v2 — специализированная арабская языковая модель, разработанная проектом 3arabLM. Это плотная авторегрессионная модель семейства Qwen3.5 с 3,4 млрд параметров, дообученная на материалах исламского научного наследия из корпуса Shamela. Версия v2 охватывает фикх, тафсир, хадисы и другие дисциплины; модель предназначена для генерации и восстановления классических арабских текстов, работы с научной терминологией, аргументацией, стилями авторов и различиями между школами и интерпретациями. Поддерживаются диалоговый режим и контекст до 262 144 токенов. Проект исследует использование весов модели как сжатой цифровой библиотеки знаний, в том числе для воспроизведения сведений без обязательного обращения к внешнему поиску. Разработчики отмечают, что текущая версия охватывает менее 5% запланированного графика непрерывного предобучения. Корпус и учебная программа пока неполны, некоторые дисциплины представлены недостаточно, атрибуция источников развивается, а сгенерированные утверждения следует сверять с первоисточниками. Модель выпущена по лицензии Apache-2.0.

arabic-MARBERT-dialect-identification-city — модель классификации арабских текстов по городским диалектам, созданная дообучением MARBERT на корпусе MADAR Corpus 26. Она относит текст к одной из 26 категорий, соответствующих городам; пример применения — определение диалекта коротких фраз. Модель построена на архитектуре BERT, содержит 190 млн параметров и рассчитана на контекст до 512 токенов. Принимает арабский текст и выдаёт метку класса с оценкой уверенности. В карточке не указана лицензия.