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

Это компактная модель распознавания речи Whisper Tiny, дообученная Провоторовым Н. Р. на русском языке с акцентом на нефтегазовую терминологию. Она преобразует аудиозаписи в текст и подходит для транскрибации речи в нефтегазовой тематике. Модель основана на openai/whisper-tiny и обучена на 480 аудиопримерах с аугментацией шума, скорости, высоты тона и реверберации. В README указаны WER 45,08%, точность распознавания отраслевых терминов 57,15% и обычных слов 72,64%; для доменных терминов отмечено улучшение относительно базовой модели. Распространяется в формате safetensors по лицензии Apache-2.0.

clown-70x1B — экспериментальная мемная модель BlouseJury, собранная с помощью mergekit как смесь экспертов: 70 экспертов, каждый основан на TinyLlama-1.1B-Chat-v0.6. В карточке указано, что модель не тестировалась; метаданные описывают её как Mixtral-подобную MoE-архитектуру с поддержкой чата и генерации текста. Модель предназначена скорее для экспериментов с объединением моделей и развлекательных проб, чем для надёжного решения практических задач. Модель содержит около 1 млрд параметров, принимает и генерирует текст, имеет контекст до 2048 токенов и распространяется в формате safetensors. Для запуска требуется совместимая библиотека Transformers; согласно карточке, llama.cpp не поддерживается. Лицензия — AGPL-3.0.

Cas-Warehouse/Llama-3-Mental-Therapy-Cat-8B — языковая модель для диалоговой генерации, созданная слиянием моделей на основе TheSkullery/llama-3-cat-8b-instruct-v1. В merge вошли victunes/TherapyLlama-8B-v1 и herisan/llama-3-8b_mental_health_counseling_conversations; использован метод task arithmetic. Модель относится к семейству Llama 3, имеет около 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для поддерживающих бесед на темы психического здоровья, эмоциональной поддержки и саморефлексии. Она принимает текст и генерирует текстовые ответы в формате диалога. В описании и метаданных не приведены сведения о поддерживаемых естественных языках и лицензии, поэтому их нельзя определить по доступным данным.

MedChatZH — китайская медицинская диалоговая модель, разработанная авторами проекта MedChatZH. Это дообученная версия Baichuan-7B, обученная на корпусе книг по традиционной китайской медицине и медицинских диалоговых инструкциях. Модель содержит 6,7 млрд параметров, использует архитектуру Baichuan для генерации текста и поддерживает контекст до 4096 токенов. Модель предназначена для ответов на медицинские вопросы на китайском языке с акцентом на традиционную китайскую медицину: объяснения подходов к лечению и предварительные консультационные диалоги. Выпущена под лицензией Apache-2.0; авторы отдельно ограничивают использование модели и данных исследовательскими целями и запрещают коммерческое применение.

ndpphuong/medical_vietnamese_bi_encoder_finetune_simcse_part_2 — модель Sentence Transformers на базе RoBERTa, обученная для представления предложений и абзацев в виде плотных векторов размерностью 768. Она предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений; при обучении использовалась контрастивная функция потерь с косинусной метрикой расстояния. Модель содержит 162,4 млн параметров и принимает последовательности длиной до 258 токенов. Название указывает на специализацию на медицинском вьетнамском языке, однако карточка не приводит подробностей о данных или оценке качества. Для работы доступны веса safetensors и библиотека Sentence Transformers. Лицензия в предоставленных данных не указана.

PriceLab — модель для оценки исторической цены товаров по их англоязычным описаниям. Её разработал Gaurab Das на основе Qwen3-0.6B: модель дообучили методом QLoRA, затем объединили адаптер с базовыми весами в самостоятельный чекпойнт. Это плотная авторегрессионная модель с 507,9 млн параметров; репозиторий содержит веса safetensors, а метаданные указывают контекст до 40 960 токенов. Модель принимает описание товара на английском языке и генерирует оценку его исторической цены в целых долларах США. Она предназначена для учебных экспериментов и приблизительной исторической оценки, а не для поиска текущих предложений или определения актуальной рыночной стоимости. В тесте на 1 000 товарах улучшенная версия показала MAE $68,05; эти результаты получены для адаптера в FP16, тестовый набор уже использовался при экспериментах и не является нетронутой контрольной выборкой. Точность ограничена: только 24% записанных оценок попадали в пределах 20% от исторической цены, а для товаров стоимостью от $200 средняя абсолютная ошибка составляла $182,40. Модель может повторять одни и те же цены, а неполные характеристики, незнакомые категории, усечение входа и точность вычислений могут влиять на результат. Базовая модель Qwen распространяется по Apache-2.0; README не назначает лицензию подготовленным и исходным наборам данных.

shahedm2001 выпустил дообученную модель Qwen3-VL-2B-Instruct для визуального анализа видео операций по удалению катаракты. Модель принимает видео или отдельные изображения вместе с текстовым запросом и формирует текстовые ответы. Она основана на плотной архитектуре Qwen3-VL с 2 млрд параметров; веса LoRA объединены с базовой моделью, контрольная точка сохранена в формате safetensors и bf16. Для запуска автор указывает Transformers и qwen_vl_utils. Модель предназначена для исследовательского и учебного анализа этапов операции, процедурных рассуждений и порядка действий. При обучении использовались короткие клипы и полные записи операций из одного корпуса; метаданные также указывают английский язык. Лицензия — Apache 2.0. Это не медицинское устройство и не предназначено для принятия решений о лечении пациентов.

BVRA/resnet18.in1k_ft_df20m_299 — модель классификации изображений грибов, разработанная BVRA. Это ResNet-18 с 11,3 млн параметров, обученная на датасете DF20; для обработки используются изображения размером 299 × 299 пикселей. Модель предназначена для распознавания грибов на фотографиях и может применяться в задачах экологического мониторинга и анализа грибного биоразнообразия. Модель принимает изображения и выдаёт классы. Репозиторий содержит веса PyTorch. Данных о поддерживаемых естественных языках нет. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

resultsG2 — модель токенной классификации на архитектуре BERT, разработанная Sushant0809 и дообученная на базе Sushant0809/results_G1. Она предназначена для разметки отдельных токенов; приведённые метрики показывают результаты по категориям Treatment, Chronic, Cancer, Allergy и Other на оценочном наборе данных. Размер модели — 136,7 млн параметров, максимальный контекст — 512 токенов. Модель принимает текст и выдаёт метки для его токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. В README приведены метрики оценки, но не описаны датасет, схема разметки и условия применения, поэтому результаты вне указанной оценки могут отличаться.

Compactbot разработала компактную языковую модель на архитектуре GPT-2 с 6,95 млн параметров, обученную с нуля на наборе TinyStories. Модель использует собственный BPE-токенизатор с размером словаря 8192, состоит из 6 слоёв, имеет скрытую размерность 256 и 8 голов внимания. Она принимает текст и генерирует продолжение; контекстное окно — 512 токенов. Модель предназначена для экспериментов с малыми языковыми моделями и генерации простых англоязычных историй в стиле TinyStories. Карточка приводит оценку perplexity 48,43 на отложенных данных TinyStories и результаты тестов ARC и HellaSwag около или ниже случайного уровня, поэтому модель не подходит для общих знаний, рассуждений и следования инструкциям. На запросах вне обучающего распределения текст может быть повторяющимся или несвязным. Лицензия — MIT.

Thai GPT-2 Fine-Tuned — генеративная языковая модель на базе GPT-2, дообученная пользователем samual07, который описывает себя как студента. Модель предназначена для генерации ответов на вопросы на тайском языке и обучалась на наборе данных из 3 000 пар вопросов и ответов о животных; в метаданных набор данных обозначен как disease_3000. Модель работает с задачей text-generation, поддерживает тайский язык и имеет нативное контекстное окно длиной 1 024 токена. Она может использоваться для простых диалоговых интерфейсов и ответов на тематические вопросы о животных в сценариях, где допустима генерация текста на основе ограниченного обучающего набора. Модель не сопровождается результатами оценки качества, описанием гиперпараметров, точной спецификацией архитектуры или сведениями о размере параметров. Поэтому ответы могут быть неточными, неполными или фактически ошибочными, особенно за пределами тематики обучения. Модель распространяется по лицензии MIT.

Whisper Tiny Myanmar ShopVoice — компактная модель распознавания речи на базе OpenAI Whisper Tiny, дообученная автором Thant Zin Phyo для транскрибации бирманской речи в сценариях ShopVoice. В основе лежит chuuhtetnaing/whisper-tiny-myanmar; модель содержит 29,4 млн параметров и использует архитектуру WhisperForConditionalGeneration. Для работы предназначена библиотека Transformers. Модель обучалась на данных Myanmar ShopVoice, охватывающих 237 категорий блюд из традиционных бирманских ресторанов. Она подходит для распознавания названий блюд и голосовых заказов в заведениях общепита. Лицензия — Apache-2.0. Карточка не приводит сведений о длине контекста или количественной оценке качества; результаты могут зависеть от соответствия аудио обучающим данным и ресторанной лексике.

o2satz/WS_med_QA_Dolphin — слитая языковая модель, созданная с помощью mergekit методом SLERP из cognitivecomputations/dolphin-2.9-llama3-8b и o2satz/L3_med16QA. Модель основана на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на генерацию текста в диалоговом формате; контекстное окно составляет 8192 токена. Сочетание Dolphin и медицинской модели L3_med16QA указывает на применение для диалоговых ответов на вопросы о здоровье и медицине. Модель принимает текст и генерирует текст. В README и метаданных лицензия и отдельные гарантии медицинской точности не указаны; ответы не следует считать заменой профессиональной медицинской консультации.

Zhongsi-6B-Benchmark — дообученная языковая модель, опубликованная SYSU-MUCFC FinTech Research Center. Она создана на базе saves/Yi-1.5-6B-sft-241208 и дополнительно обучена на наборе датасетов, включающем задачи TCM, клинические данные и наборы с названиями A_problem–D_problem и zl_2–zl_3. Модель имеет плотную архитектуру LlamaForCausalLM, около 5,8 млрд параметров и контекст до 4096 токенов; опубликованные веса представлены в safetensors. Она предназначена для генерации текста и диалогового взаимодействия, а специализация на медицинской тематике следует из состава обучающих данных. В карточке приведён результат loss 0,3568 на оценочном наборе, но описание не раскрывает протокол оценки и практическое качество ответов. Лицензия указана как other, поэтому условия использования следует уточнять у автора репозитория. Область применения и надёжность модели для клинических решений не документированы; ответы не следует считать медицинскими рекомендациями.

AlpaCare-LLaMA-13B — языковая модель семейства LLaMA с 12,9 млрд параметров, дообученная на медицинских инструкциях. Она предназначена для генерации ответов на запросы в медицинских сценариях. Модель принимает текст и генерирует текст; заявленный контекст — 2048 токенов. В карточке указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование.

Camais03/camie-crafter — исследовательский прототип условной действиями модели мира для среды Crafter, созданный автором репозитория. Система сжимает наблюдения игры в латентные токены с помощью токенизатора на основе causal MAE, затем моделирует будущую латентную динамику с учётом действий и декодирует прогнозы в последовательности игровых кадров. В карточке указаны экспортированные веса в форматах Safetensors и ONNX; проект описан как бета-версия, вдохновлённая Dreamer-4, но не являющаяся его полной реализацией. Модель предназначена для экспериментов с модельным обучением с подкреплением, планированием и управлением в воображаемых траекториях, особенно в среде Crafter с разреженными наградами. Она поддерживает многокадровые роллауты, чувствительные к заданной последовательности действий, и демонстрацию воображаемой игры. Полный агентный стек и обучение агента в воображении в репозитории пока не реализованы. Качество прогнозов ограничено: отмечены путаница мелких объектов и похожих спрайтов, ошибки инвентаря и интерфейса, дрейф положения объектов и ухудшение длинных авторегрессионных роллаутов. Автор сообщает, что обучение проводилось на одной RTX 3090 с 24 ГБ памяти; меньшие GPU могут потребовать меньших микробатчей и работать медленнее. Лицензия — GPL-3.0.

CookGPT — специализированная языковая модель для генерации индийских кулинарных рецептов. Модель разработал Vishal Mysore; она создана на основе TinyLlama/TinyLlama-1.1B-Chat-v0.6 и дообучена с помощью AutoTrain на более чем 10 000 рецептов индийской кухни из набора данных VishalMysore/cookGPT. Модель предназначена для создания и уточнения рецептов, предоставления инструкций по приготовлению, а также выдачи сопутствующей информации, например времени приготовления, диетических характеристик и типа кухни. Это текстовая causal language model без заявленной поддержки дополнительных модальностей; в README языки явно не указаны. Размер базовой модели составляет 1,1 млрд параметров. Предусмотрена загрузка в обычной или 8-битной точности, что может снизить требования к памяти. Сильная сторона модели — специализация на индийских рецептах и возможность диалогового взаимодействия через chat template. Ограничения включают узкую предметную область, зависимость качества от данных дообучения и отсутствие в README сведений о контекстном окне, поддерживаемых языках, точности ответов, безопасности рекомендаций и лицензии. Условия лицензирования для этой модели отдельно не указаны.

Cosmos-H-Surgical v0.3.1 — модель NVIDIA для генерации и преобразования хирургического видео. Она построена на Cosmos3-Nano и использует диффузионный трансформер с объединёнными языковым и видеопутями. Основной чекпойнт предназначен для предсказания следующих 92 кадров по стартовому изображению и структурированному текстовому описанию, а также для переноса симуляции в реалистичное видео по контрольному видео размытия, глубины, сегментации или контуров. В комплект также входит дистиллированный вариант DMD2 для переноса с четырьмя вызовами денойзера вместо 50 шагов основного чекпойнта. Модель обучалась на синтетических хирургических видео и данных GraSP с роботизированных операций. Для инференса в README указаны BF16, Linux и проверка на NVIDIA Hopper; задержки измерялись на H100 80 GB. Модель рассчитана на исследования хирургической робототехники и генерацию синтетических видео, но не на клиническую диагностику или автономные клинические решения. Лицензия обозначена как other; README заявляет возможность коммерческого и некоммерческого использования.

EMA-TTS Improved — турецкая адаптация модели EMA-TTS для синтеза речи в банковской сфере и клиентском обслуживании. Модель дообучена на корпусе Antalia Voice Corpus с повышенным весом банковских записей; опубликованный чекпойнт представляет собой частичную интерполяцию дообученных и исходных весов, выбранную для сохранения плавности речи и качества окончаний фраз. Архитектура использует условный flow-matching акустический декодер; указанный в карточке базовой модели выходной звук имеет частоту 48 кГц. Модель преобразует турецкий текст в речь и особенно ориентирована на фразы о балансе, кредитах, картах, суммах и голосовом банкинге. В README приведены примеры синтеза банковских сообщений, но сравнительная проверка охватывала лишь четыре фразы и не является обобщённой оценкой качества. Перед применением в реальных банковских сценариях следует отдельно проверять числа, IBAN и окончания фраз на более широком наборе данных. Код и веса доступны по лицензии Apache-2.0; для обучающих данных Antalia Voice Corpus требуется сохранять атрибуцию по CC-BY-4.0. Синтетические записи следует обозначать как искусственно созданные.

Карточка модели cledoux42/Ethnicity_Test_v003 на Hugging Face совпадает с карточкой patyns/Ethnicity_Test_v003, поэтому описание составлено по ней. patyns/Ethnicity_Test_v003 — модель классификации изображений, обученная с помощью AutoTrain. Это плотная модель семейства Vision Transformer (ViT) с архитектурой ViTForImageClassification и 113,2 млн параметров. Она решает задачу многоклассовой классификации изображений; в карточке приведены метрики валидации: accuracy 0,796 и macro F1 0,797. По названию модели и обучающего набора она предназначена для классификации этнической принадлежности по изображениям. Карточка не сообщает условия лицензии и не описывает классы, состав данных или ограничения применимости.

Модель GreektoEnglishTranslation — дообученная версия google/mt5-small, созданная для перевода текста с греческого на английский. Она построена на архитектуре mT5 и содержит 157,4 млн параметров; веса опубликованы в формате safetensors, лицензия — Apache-2.0. В README приведены результаты оценки: BLEU 0,0013, loss 11,1563 и средняя длина генерации 5,8119 токена, что указывает на очень слабое качество перевода в этой оценке. Датасет обучения не описан.

hifzguide-muaalem-mini — модель HifzGuide для распознавания фонем в чтении Корана. Это уменьшенная по ширине, инициализированная весами учителя и дистиллированная версия obadx/muaalem-model-v3_2 на архитектуре Wav2Vec2-BERT с многоуровневым CTC-декодированием. В метаданных указано 77,1 млн параметров, а в README — 116 318 635; число параметров в источниках расходится. Модель принимает аудио и выдаёт последовательности фонем: 43 CTC-класса, включая пустой класс. Модель предназначена для проверки коранической рецитации в реальном времени, в том числе на устройстве, и для анализа произношения. По README, сходство жадного декодирования с учителем составило около 95% на тестовом наборе, однако это сравнение не с независимой эталонной транскрипцией. Модель обучена на мягких выходах учителя и наследует его ошибки. Проверка ограничена аудио распределения FaisaI/tadabur, одним фиксированным положением окна и не охватывает другие условия записи, стили чтения и диалекты. Модель распознаёт только фонемы и не предназначена для оценки атрибутов таджвида. Для загрузки требуется custom-код архитектуры и trust_remote_code=True. Лицензия — AGPL-3.0.

Cas-Warehouse выпустила объединённую методом Model Stock языковую модель на архитектуре Llama 3. В слияние вошли модели для психотерапевтического и психиатрического диалога, а базовой моделью указана Casual-Autopsy/Llama-3-SOVL-MopeyMule-Blackroot-8B. Модель содержит 7,5 млрд параметров, рассчитана на диалог и генерирует текст; она работает с контекстом до 8192 токенов через библиотеку Transformers. Модель предназначена для генерации ответов в диалогах на темы психотерапии и психиатрии, например для демонстраций или экспериментов с разговорными ассистентами. Карточка не описывает проверку качества, языковую поддержку или ограничения клинического применения. Лицензия в предоставленных данных не указана.

mental-alpaca — языковая модель, разработанная Human-Centered AI Lab при Northeastern University и дообученная на базе Alpaca для прогнозирования характеристик психического здоровья по текстам из интернета. Она предназначена для исследовательских задач на английском языке, связанных с классификацией и оценкой текстовых данных в области психического здоровья. Модель использует архитектуру Llama с плотной causal language modeling частью, содержит 6,6 млрд параметров и поддерживает контекст до 2048 токенов. Для дообучения использованы наборы Dreaddit, DepSeverity, SDCNL и CCRS-Suicide; карточка сообщает о шести задачах, но не перечисляет их все. Модель распространяется по лицензии CC BY-NC 4.0. Авторы указывают, что её следует применять только для исследований и учитывать ограничения и условия исходных проектов Stanford Alpaca и Llama-2-7b.

MiewID-msv2 — модель извлечения признаков изображений для повторной идентификации диких животных. Она обучена контрастивным методом на объединённых данных по 54 наземным и водным видам; в примерах — тигры, белухи и синие киты. Модель сопоставляет изображения особей по характерным частям тела, включая плавники, хвостовые плавники, бока и морды. Модель предназначена прежде всего для поиска той же особи в базе размеченных изображений. Полученные признаки также можно использовать для классификации видов методом поиска похожих примеров. Архитектура — MiewIdNet; размер модели составляет 51,11 млн параметров, расчётная сложность — 24,38 GMACs, рекомендуемый размер входного изображения — 440 × 440 пикселей. Репозиторий использует формат safetensors и библиотеку Transformers. В README сообщается об улучшении результатов по сравнению с моделями, обученными на одном виде, и о хорошей обобщающей способности для большинства видов при проверке с исключением одного вида из обучения. Качество заметно зависит от вида и набора данных: приведённые результаты различаются, поэтому их нельзя считать гарантией для конкретной популяции или условий съёмки. Лицензия в предоставленных данных не указана.

NSFW MASTER FLUX — модель LoRA для генерации изображений по текстовому описанию, разработанная пользователем или организацией Keltezaa. Она предназначена для создания откровенных изображений взрослых персонажей в рамках сценариев text-to-image и используется совместно с базовой моделью black-forest-labs/FLUX.1-dev через инструменты Diffusers. Для активации модели в запросах рекомендуется использовать триггерные слова NSFW, Pussy, Vagina и Nude. В README не указаны размер адаптера, архитектурные параметры LoRA, поддерживаемые языки, размер контекста или дополнительные модальности. Модель поставляется в формате Safetensors и ориентирована на фотореалистичные или высококачественные изображения, однако количественные данные о качестве и ограничения по содержанию не приведены. Лицензия указана как MIT. При этом README не содержит подробностей о требованиях или ограничениях базовой модели FLUX.1-dev, поэтому условия распространения и коммерческого использования следует проверять также для неё.

OceanGPT-o — мультимодальная модель для задач океанологии, разработанная командой OceanGPT и дообученная на основе Qwen2.5-VL-7B-Instruct на англоязычных и китайскоязычных данных об океане. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2.5-VL и поддерживает контекст до 128 000 токенов. Модель предназначена для диалога и генерации ответов по океанологии, в том числе с опорой на изображения. README указывает на ограниченную поддержку некоторых типов сонарных и океанологических изображений; базовая модель также поддерживает визуальный ввод. Для использования доступна лицензия MIT. Авторы предупреждают о галлюцинациях, зависимости ответов от формулировки запроса и нестабильности результатов при повторных попытках. Возможности визуального анализа ограничены отдельными типами изображений, а функции симулированного воплощённого интеллекта ограничены и требуют недоступных инструкций симулятора.

PMA-1.0 — компактная плотная причинно-следственная языковая модель, разработанная Patriot Memory и дообученная для поддержки продуктов Patriot Memory и Viper Gaming. Она предназначена для ответов на вопросы о памяти DDR4 и DDR5, профилях XMP 3.0 и EXPO, совместимости и настройке, SSD с интерфейсами PCIe и SATA, накопителях и игровой периферии, а также для помощи при установке и устранении неполадок. Модель содержит около 63,9 млн параметров, построена на архитектуре MiniMind и имеет контекст до 32 768 токенов. Она поддерживает диалоговую генерацию текста на китайском и английском языках. В README также заявлена интеграция вызова функций и инструментов, например для проверки гарантии и поиска характеристик по серийному номеру; фактическое выполнение таких действий требует подключённой серверной системы. Модель выпущена как экспериментальная предварительная версия. Ответы могут содержать ошибки или выдуманные сведения, поэтому характеристики и рекомендации следует проверять. Веса распространяются по лицензии Apache 2.0.

Amritemperor123/PoC-demo — англоязычная модель генерации текста на базе Llama 3, дообученная разработчиком Amritemperor123 с помощью LoRA и Unsloth на наборах данных Kaggle о заболеваниях и их лечении. Автор сообщает примерно о миллионе строк данных, но не помнит точный набор; медицинские базы MIMIC-IV и MIMIC-V в обучении не использовались. Модель предназначена для генерации ответов на вопросы о здоровье и медицинских темах. Модель содержит 7,5 млрд параметров, имеет плотную архитектуру LlamaForCausalLM и контекст длиной до 8192 токенов. Репозиторий содержит веса Safetensors и GGUF в формате F16. Лицензия — Apache-2.0. Данные для дообучения описаны автором как простые наборы о болезнях и методах лечения, без подробного перечня источников и описания контроля качества. Поэтому ответы могут быть неполными или недостоверными и не должны заменять консультацию медицинского специалиста.

KraTUZen/ppo-PyramidsTraining — обученная модель агента Proximal Policy Optimization (PPO) для среды Pyramids на Unity ML-Agents. Она принимает непрерывные наблюдения о позиции агента, состоянии пирамиды и других параметрах среды и выдаёт действия для перемещения и взаимодействия, чтобы выполнять задачи в этой среде и получать награду. Модель распространяется в формате ONNX и предназначена для интеграции с Unity ML-Agents. В README сообщается о стабильном обучении и эффективной политике, но количественные результаты и точные условия оценки не приведены. Для продолжения обучения требуется ML-Agents; качество поведения зависит от настроек среды и гиперпараметров PPO. Лицензия в доступных данных не указана.