TRELLIS Image Large создаёт 3D-объекты по входному изображению.

Подходит для: создание 3D-модели объекта по изображению · преобразование концепт-арта в трёхмерный объект · подготовка 3D-объектов для визуализации

TripoSR быстро восстанавливает 3D-объект по одному изображению для прототипирования и создания исходных 3D-ассетов.

Подходит для: создание 3D-модели объекта по фотографии · быстрое прототипирование 3D-объектов · получение исходных 3D-ассетов из изображений

Kimi K3 — мультимодальная модель с открытыми весами от Moonshot AI для программирования, рассуждений и агентной работы с длинным контекстом.

Подходит для: написание и отладка кода в больших репозиториях · длительная работа агента с инструментами разработчика · анализ изображений и видео вместе с текстом

MiniMax H3 — мультимодальная генеративная модель MiniMax для создания коротких видео со стереозвуком по тексту, изображениям, видео и аудио.

Подходит для: создание видео по текстовому описанию · анимация изображения с заданным первым или последним кадром · генерация ролика по первому и последнему кадрам

Дообученная мультимодальная модель Qwen на 27 млрд параметров для более эффективных рассуждений, программирования, диалогов и агентных задач.

Подходит для: написание и отладка кода · выполнение многошаговых задач через терминал · создание программных прототипов по текстовому описанию

Qwen-Image-2.1 — модель Qwen для генерации изображений по тексту и редактирования изображений, включая работу с прозрачностью и референсами.

Подходит для: создание изображений по текстовому описанию · генерация изображений с прозрачным фоном RGBA · редактирование выбранной области изображения по маске или пометке

LocateAnything-3B — мультимодальная модель NVIDIA для обнаружения объектов и привязки текстовых запросов к областям и точкам на изображениях.

Подходит для: поиск объектов на изображении по названию или описанию · обнаружение множества объектов в загруженных сценах · выделение области изображения, соответствующей фразе

Переупакованные для ComfyUI модели Wan 2.2 для генерации и управления видео, в том числе по входному изображению.

Подходит для: создание видео на основе изображения · генерация видео по первому и последнему кадрам · генерация видео по текстовому описанию

Stable Diffusion XL Base 1.0 — модель Stability AI для генерации и редактирования изображений по текстовым запросам.

Подходит для: создание иллюстраций по текстовому описанию · генерация изображений для дизайн-концепций · подготовка визуальных материалов для творческих проектов

LTX-2.5 — диффузионная модель Lightricks для генерации видео и синхронизированного аудио по тексту, изображениям и видео.

Подходит для: создание видеоролика по текстовому описанию · анимация изображения с заданным движением · генерация связанных сцен с сохранением персонажей и стиля

CLIP ViT-B/32 от OpenAI сопоставляет изображения с текстовыми метками для классификации без дообучения и исследований обобщения компьютерного зрения.

Подходит для: классификация изображений по заданным текстовым категориям · поиск подходящей подписи для изображения среди вариантов · исследование переноса на новые классы без дообучения

Дистиллированная модель Alibaba для быстрой генерации изображений по текстовым описаниям с поддержкой английского и китайского текста на изображениях.

Подходит для: создание фотореалистичных изображений по описанию · генерация иллюстраций по текстовому запросу · создание изображений с надписями на английском или китайском

Stable Diffusion v1.5 — латентная диффузионная модель для создания и редактирования изображений по текстовым запросам.

Подходит для: создание иллюстраций по текстовому описанию · генерация концепт-арта для творческих проектов · подготовка визуальных идей и дизайн-макетов

Модель Tencent преобразует изображения в 3D-объекты для создания цифровых ассетов.

Подходит для: создание 3D-модели объекта по изображению · подготовка 3D-ассетов для графики и визуализации · преобразование референсных изображений в трёхмерные объекты

Декензурированная версия мультимодальной Muse Glimmer-30B для диалогов, работы с изображениями и агентных задач с инструментами.

Подходит для: создание локального ИИ-агента с многошаговым планированием · вызов инструментов и функций в многоходовом диалоге · написание и отладка кода

Модель CLIP с визуальной частью ConvNeXt-Base для классификации изображений по английским текстовым описаниям без дополнительного обучения и поиска по изображениям и тексту.

Подходит для: классификация изображений по текстовым меткам без дообучения · поиск изображений по текстовому запросу · поиск подходящих описаний для изображения

Grounding DINO Base обнаруживает объекты на изображениях по текстовым запросам без необходимости заранее размечать примеры для каждого класса.

Подходит для: Поиск заданных объектов на фотографии по текстовому описанию · Обнаружение объектов на изображениях без обучающих примеров для каждого класса · Автоматическая локализация упомянутых предметов на изображении

Дистиллированный LoRA-вариант Qwen-Image-2.1 для быстрой генерации изображений по тексту и редактирования по инструкциям с референсами.

Подходит для: создание изображения по текстовому описанию за несколько шагов · редактирование изображения по текстовой инструкции · создание вариаций изображения с одним или несколькими референсами

Компактная модель Tencent для быстрой генерации 3D-сетки по изображению.

Подходит для: создание 3D-модели объекта по изображению · преобразование концепт-арта в 3D-сетку · быстрое прототипирование 3D-ассетов по визуальному референсу

CLIP ViT-L/14 от OpenAI сопоставляет изображения с текстовыми категориями для исследовательской классификации изображений без дополнительного обучения.

Подходит для: классификация изображений по текстовым описаниям без дообучения · сравнение изображения с набором англоязычных категорий · исследование обобщения моделей компьютерного зрения

TRELLIS Image Large создаёт 3D-объекты по входному изображению.

Подходит для: создание 3D-модели объекта по изображению · получение 3D-ассета из концепт-арта · подготовка исходной 3D-геометрии по референсному изображению

CLIP сопоставляет изображения с текстовыми описаниями для классификации по заданным пользователем категориям без отдельного обучения.

Подходит для: классификация изображений по текстовым категориям · поиск изображений по описанию · сопоставление изображения с несколькими вариантами подписи

Небольшая модель обнаружения объектов на базе DETR для поиска строк, столбцов и других структурных элементов таблиц в документах.

Подходит для: поиск строк и столбцов в изображениях таблиц · извлечение структуры таблиц из сканов документов · подготовка таблиц к последующему распознаванию текста

Дообученная на базе MiniMax-H3 модель для создания видео по изображениям и другим мультимодальным сценариям в ComfyUI, с акцентом на динамичные сцены и визуальные эффекты.

Подходит для: анимация изображения в короткое видео · создание видео по текстовому описанию · генерация видео с опорой на референс