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

TRELLIS.2-4B создаёт детализированные 3D-ассеты с PBR-материалами по одному изображению.

Подходит для: создание 3D-модели объекта по фотографии · генерация текстур для заданной 3D-сетки · подготовка детализированных 3D-ассетов для визуализации

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

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

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

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 Black Forest Labs для быстрой генерации изображений по тексту и редактирования изображений с несколькими референсами.

Подходит для: создание изображений по текстовому описанию · редактирование изображения по текстовой инструкции · изменение изображения с использованием нескольких референсов

Мультимодальная модель Qwen с 2 млрд параметров для диалогов, понимания изображений, рассуждений и вызова инструментов.

Подходит для: ответы на вопросы по изображению · диалоговый помощник с текстовым и визуальным вводом · вызов инструментов в агентных сценариях

sanoTTS — семейство малых дистиллированных моделей Ampixa для локального синтеза речи, включая запуск в браузере и на микроконтроллерах.

Подходит для: озвучивание коротких текстов на встраиваемом устройстве · локальное преобразование текста в речь без облачного сервиса · синтез речи в браузере через WASM

Англоязычная модель эмбеддингов на базе BGE, дообученная для семантического сопоставления текстов и рекомендаций курсов.

Подходит для: семантический поиск подходящих курсов по описанию интересов · ранжирование курсов по сходству с запросом пользователя · поиск похожих описаний учебных программ

Wan2.2-Animate-14B переносит движения и выражения из видео на персонажа с заданного изображения для анимации или замены в видео.

Подходит для: анимация персонажа по исходному видео · замена персонажа в видеоролике · перенос мимики и движений на персонажа с изображения

Мультимодальная модель EPFL для распознавания действий и ответов на вопросы по видео, похожим на записи EPIC-KITCHENS-100.

Подходит для: распознавание действий на кухонных видео · ответы на вопросы о содержимом видео · описание действий людей в бытовых видеозаписях

MusicGen Medium — модель Meta AI для создания музыкальных фрагментов по текстовому описанию.

Подходит для: создание фоновой музыки по текстовому описанию · генерация музыкальных фрагментов заданного жанра или настроения · эксперименты с управляемой генерацией музыки

FLUX.1 [dev] — 12-миллиардная модель Black Forest Labs для генерации изображений по текстовым описаниям.

Подходит для: создание иллюстраций по текстовому описанию · генерация концепт-арта для творческих проектов · подготовка визуальных материалов для исследовательских работ

Дистиллированный чекпойнт FastVideo на базе MiniMax H3 для быстрой генерации синхронизированных видео и аудио по тексту.

Подходит для: создание короткого видео по текстовому описанию · генерация ролика с синхронизированным звуком · быстрое прототипирование аудиовизуальных сцен

Квантованная FP8/INT8 модель Qwen-Image-2.1 для генерации обычных и прозрачных изображений по тексту и редактирования изображений.

Подходит для: генерация иллюстраций по текстовому описанию · создание изображений с прозрачным фоном в формате RGBA · редактирование изображения по текстовым инструкциям

FLUX.1 [schnell] — быстрая трансформерная модель Black Forest Labs для генерации изображений по тексту за 1–4 шага.

Подходит для: создание иллюстраций по текстовому описанию · быстрое прототипирование визуальных концепций · генерация изображений в ComfyUI

Модель Qwen для редактирования изображений по текстовым инструкциям с сохранением визуальной согласованности персонажей и сцен.

Подходит для: редактирование изображения по текстовому запросу · сохранение внешности персонажа при изменении портрета · объединение людей с разных фотографий в групповое изображение

Модель MiniMaxAI для генерации цельных песен с вокалом и аранжировкой по тексту песни и подробному описанию музыки.

Подходит для: создание песни с вокалом по заданному тексту · генерация музыкального демо в выбранном жанре и настроении · создание композиции с куплетами, припевом и бриджем

Мультимодальная медицинская модель Google на базе Gemma 3 для ответов на вопросы по медицинским изображениям и текстам в приложениях, требующих последующей адаптации и проверки.

Подходит для: ответы на вопросы по рентгенограмме грудной клетки · описание медицинского изображения по текстовому запросу · ответы на общие медицинские вопросы

SDXL-Turbo — дистиллированная модель Stability AI для быстрого создания изображений по текстовым запросам за один или несколько шагов.

Подходит для: быстрое создание иллюстраций по текстовому описанию · генерация изображений для дизайн-концепций · преобразование изображения по текстовому запросу

MusicGen Small — модель Meta AI с 300 млн параметров для генерации музыкальных фрагментов по текстовым описаниям.

Подходит для: создание музыкального фрагмента по описанию жанра и настроения · генерация фоновой музыки для творческого прототипа · получение музыкальных вариантов по описанию инструментов

ViTPose+ Base определяет ключевые точки тела человека на изображениях для оценки позы.

Подходит для: оценка позы человека на фотографии · определение координат суставов на кадрах видео · анализ положения тела при упражнениях

Модель Vakyansh на базе wav2vec 2.0 распознаёт санскритскую речь и преобразует её в текст.

Подходит для: транскрибация записей речи на санскрите · распознавание санскритской речи в аудиозаписях · создание текстовых расшифровок санскритских лекций