I.10Видео, анимация и 3D

MatAIart/kurzgesagt-style-v2-768 — модель генерации изображений по текстовому описанию, созданная методом DreamBooth на базе модели v2-768. Она предназначена для создания изображений в стиле Kurzgesagt: в запросе рекомендуется указывать название этого стиля. Модель распространяется в формате Diffusers/PyTorch и использует библиотеку Diffusers. Лицензия — CreativeML OpenRAIL-M.

Карточка модели skykholodovzz/ltxvideo-2b-nsfw на Hugging Face совпадает с карточкой Muinez/ltxvideo-2b-nsfw, поэтому описание составлено по ней. Muinez/ltxvideo-2b-nsfw — экспериментальное дообучение LTX-Video 0.9.5, созданное автором Muinez на данных с изображениями и видеоклипами. Модель предназначена для генерации видео по исходному изображению; в конце обучения её дополнительно настраивали для image-to-video. Для описаний использовались booru-теги, а обучающая выборка включала реалистичные и аниме-материалы разных авторов. Автор сообщает, что модель быстро генерирует видео и иногда даёт приемлемый результат, но качество нестабильно и в целом уступает более сильным моделям. Обучение проводилось на изображениях и 4,7 тыс. видеоклипах; максимальная длина клипов составляла 121 кадр, разрешения изображений — от 512×768 до 768×512. По карточке Hugging Face модель использует Diffusers и сохранена в формате safetensors; размер параметров и длина контекста не указаны. Модель помечена как предназначенная для взрослой аудитории. Условия лицензии в предоставленных данных не указаны.

MOSS-Video-Preview-SFT — созданный командой OpenMOSS-Team контрольный пункт с инструкционной настройкой модели MOSS-Video-Preview для понимания видео и изображений в офлайн-режиме. Он предназначен для ответов на вопросы и выполнения инструкций по визуальному содержимому, а также может служить основой для дальнейшей адаптации под предметную область или обучения потоковой версии. Архитектура объединяет визуальные и текстовые данные с помощью cross-attention и поддерживает совместную обработку изображений и видео. Модель построена на базе Llama-3.2-Vision; карточка не сообщает размер и длину контекста. Для запуска используется Transformers с пользовательским кодом модели; рекомендуются GPU и Flash Attention 2, доступна лицензия Apache-2.0. Это офлайн-версия: она не поддерживает потоковый режим и динамические прерывания, заявленные для отдельной Real-Time SFT-версии. Авторы отмечают, что по качеству модель пока уступает ведущим системам, включая Qwen2.5-VL, и называют текущую версию архитектурной проверкой; разнообразие обучающих данных и обобщающая способность остаются направлениями дальнейшей работы.

ShareGPT4Video-8B — открытая видеоязыковая модель-чатбот, разработанная авторами ShareGPT4Video. Модель LLaVA на базе LLaMA с плотной архитектурой содержит 7,5 млрд параметров; её дообучили целиком на открытых инструкционных данных о видео. В карточке указаны наборы ShareGPT4Video и Lin-Chen/ShareGPT4V, а контекст составляет 8192 токена. Модель предназначена для диалога о видео: она принимает видеоданные и текстовые инструкции, чтобы описывать содержимое роликов и отвечать на вопросы о них. Основные сценарии — исследования крупных видеоязыковых моделей и прототипирование видеочатботов. README называет исследователей и энтузиастов компьютерного зрения, NLP и машинного обучения целевой аудиторией. Модель обучена в мае 2024 года и опубликована под лицензией Apache-2.0. Возможности и качество зависят от используемого видеопроцессинга и реализации из репозитория; README не приводит оценки качества и подробно не описывает ограничения модели.

microsoft/git-large-msrvtt-qa — крупная версия модели GIT (Generative Image-to-Text), разработанная Microsoft и дообученная на наборе MSRVTT-QA для ответов на вопросы о видео. Это плотный Transformer-декодер GitForCausalLM, который принимает визуальные токены изображения вместе с текстовыми токенами и генерирует ответ по одному токену; в метаданных указано 80,1 млн параметров и контекст длиной 1024 токена. Модель предназначена прежде всего для визуальных вопросов и ответов по видео; семейство GIT также поддерживает описания изображений и видео и генерацию текстовых меток классов. Основной язык карточки — английский. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT. В README отмечено, что модельная карточка подготовлена Hugging Face, а за деталями обучения и оценками предлагается обращаться к статье и исходному репозиторию.

LLaVA-Scissor-baseline-7B — базовая модель проекта LLaVA-Scissor, разработанного для исследования сжатия визуальных токенов в видеоязыковых моделях. Это мультимодальная модель на архитектуре LlavaQwenZipForCausalLM: она объединяет визуальный энкодер SIGLIP с языковой моделью Qwen2.5-7B-Instruct и дообучена на данных Oryx. Модель предназначена для понимания видео и ответов на текстовые запросы о его содержании; карточка также описывает запуск инференса без сжатия токенов. Размер модели — 7,1 млрд параметров, контекст — 32 768 токенов. В метаданных указаны английский и китайский языки. Модель распространяется под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование.

Neo_Dragon — это набор конвертированных в формат LiteRT/TFLite моделей Qualcomm AI Research, подготовленный для офлайн-приложения Box на Android. Основное назначение — генерация коротких видеоклипов на устройстве: исходный текст преобразуется в первый кадр, после чего видеопайплайн формирует продолжение. Обработка выполняется полностью локально, без сети, сервера и учётной записи. Комплект включает текстовые энкодеры DT5 и CLIP, адаптер контекста, три этапа DiT с общими весами размером 1,5 млрд параметров, а также причинный video VAE. Поддерживается генерация клипов размером 320×512 и длительностью 9 кадров; фиксированная форма графов ограничивает пайплайн двумя условными латентами. Для создания первого кадра используется SSD1B с разрешением 640×1024. Поддерживаются текстовые входы через CLIP BPE и DT5 SentencePiece; конкретный набор языков в README не указан. Модели рассчитаны на CPU: использование GPU delegate ограничено 5D-тензорами Neodragon и может приводить к сбою. Приведены замеры времени работы на Pixel 10 Pro Fold с Tensor G5: примерно 1,1, 3,9 и 17,3 секунды на вызов для трёх этапов DiT. Это конвертированные артефакты оригинальной модели, а не самостоятельная исследовательская разработка. Сильные стороны — автономная работа на Android, отсутствие сетевых требований и поддержка генерации видео на устройстве. Ограничения включают CPU-only исполнение, крупный объём файлов, фиксированные разрешения и длину клипа, а также отсутствие указаний о поддерживаемых языках и качестве генерации. Распространение регулируется лицензиями BSD 3-Clause Clear и Qualcomm Responsible AI License. Последняя вводит дополнительные ограничения, включая запрет военного применения, predictive policing, социального скоринга, биометрической категоризации, распознавания эмоций на работе или в образовании и распространения сгенерированного контента без раскрытия его машинного происхождения.

ntc-ai/SDXL-LoRA-slider.anime — это LoRA-адаптер для генерации изображений в аниме-стилистике на базе Stable Diffusion XL Base 1.0 от Stability AI. Модель разработана командой ntcai.xyz и предназначена для text-to-image сценариев, в которых требуется управляемо усиливать или ослаблять аниме-визуальные характеристики изображения. Для активации используется триггерное слово «anime». Адаптер доступен в формате Safetensors и может подключаться через библиотеку Diffusers. Модель поддерживает настройку силы воздействия LoRA, включая отрицательные и положительные значения; в примерах README показан диапазон от -3 до 3, а в коде — вес 2.0. Она ориентирована на англоязычные текстовые промпты, однако сведения о точном размере адаптера, максимальной длине контекста, наборе данных, поддерживаемых языках помимо указанного английского и конкретных ограничениях качества не приведены. Основное преимущество — возможность гибко изменять выраженность аниме-стиля поверх базовой SDXL-модели. Использование разрешено по лицензии MIT.

Gaze Attention Qwen3-4B Video — видеомодель с визуально-языковой архитектурой CambrianQwen3, разработанная Junha Song и соавторами из NAVER AI Lab и KAIST в рамках исследования Gaze Attention. Она принимает видео и текстовые запросы, а ответы формулирует на естественном языке. Модель предназначена для диалога о видео и ответов на вопросы по его содержимому. В основе лежит Qwen3-4B-Instruct-2507 с 3,7 млрд параметров и визуальный энкодер SigLIP2-So400m/16, дообученный для этой системы. Проектор использует двухслойный MLP и свёртку 3×3 со stride 2, сокращая число визуальных токенов в четыре раза. Gaze Attention группирует ключи визуальных токенов по пространственным областям и для каждого слоя, головы и текстового токена выбирает наиболее релевантные области; контекстные токены сохраняют глобальное представление сцены. Контекст составляет до 262 144 токенов. В обучении использовались наборы Cambrian и LLaVA-Video; среди языков карточка указывает английский. Модель объединяет языковую и визуальную компоненты и обучалась для мультимодальных задач, включая видео. Лицензия — Apache-2.0. Результаты зависят от содержимого видео и формулировки запроса; в карточке нет сведений об оценках качества или проверке на разных языках.

InternVideo2-Chat-8B-InternLM2.5 — видеоязыковая модель OpenGVLab для диалога и ответов на вопросы о видеороликах. Она объединяет видеокодировщик InternVideo2, video BLIP и языковую модель InternLM2.5-7B; при обучении видеокодировщик обновлялся. Для модели указано HD-обучение. Модель принимает видео и текстовые запросы и формирует текстовые ответы. Она предназначена для общения на естественном языке о содержании видео и оценки видеосценариев; в README приведены результаты на MVBench и VideoMME. Базовая LLM описана как имеющая контекстное окно 1 млн токенов, но README не уточняет, как это окно применяется к видеовходам. Модель опубликована под лицензией MIT. Для запуска README указывает Transformers версии не ниже 4.38.0 и PEFT 0.5.0. Данные о поддерживаемых естественных языках и подробные ограничения качества не приведены.

ostris/minimax_h3_ref2va_jacked_lora — это адаптер LoRA для видеомодели MiniMax-H3 Ref2VA, опубликованный пользователем ostris и обученный на базе MiniMaxAI/MiniMax-H3. Адаптер предназначен для video-to-video генерации и преобразования персонажей или сцен так, чтобы они выглядели более мускулистыми и физически массивными. Модель рассчитана на использование с экосистемой Diffusers и совместимым рабочим процессом MiniMax-H3 Ref2VA. README не содержит сведений о размере адаптера, точной архитектуре базовой модели, поддерживаемых языках, длине контекста или требованиях к вычислительным ресурсам. Примеры работы представлены в виде видео; также рекомендуется использовать специальный узел ComfyUI-AIToolkit-MiniMaxH3 и приложенный workflow. Ключевая сильная сторона адаптера — специализированный визуальный эффект увеличения мышечной массы при преобразовании видео. Ограничения связаны с узкой областью применения, зависимостью от базовой модели и совместимого inference-процесса, а также отсутствием подробных данных о качестве, стабильности и параметрах использования. Распространение регулируется MiniMax-H3 Community License Agreement; указана лицензия other и ссылка на текст соглашения.

THChou1220/gemma-4-e2b-kinetics54K-SQ_FFT — полное дообучение Gemma 4 E2B от Google, выполненное на 54 618 инструктивных примерах с синтетическими видеоданными, полученными на основе Kinetics. Модель использует архитектуру Gemma4ForConditionalGeneration и распространяется в формате safetensors; метаданные указывают поддержку диалога и зрения. Модель предназначена для диалоговых задач с визуальным вводом, связанных с видео и действиями в роликах Kinetics. Обучение проведено за одну эпоху с максимальной длиной последовательности 3072 токена. Лицензия в предоставленных данных не указана.

OpenGVLab/InternVL_2_5_HiCo_R16 — экспериментальный вариант InternVideo2.5, мультимодальной языковой модели для анализа видео на основе InternVL2.5. Вариант HiCo использует адаптивное иерархическое сжатие пространственно-временных токенов; R16 означает 16 токенов на кадр. В README эта версия названа абляционным экспериментом, использующим HiCo без других описанных улучшений InternVideo2.5. Модель предназначена для ответов на вопросы о видео и анализа его содержания, включая мелкие визуальные детали и длительные временные зависимости. README приводит результаты на MVBench, LongVideoBench и VideoMME. Метаданные указывают архитектуру InternVLChatModel, библиотеку Transformers, поддержку чата и английский язык карточки. Лицензия — Apache-2.0. Модель принимает видео и текстовые запросы, а выдаёт текстовые ответы. Данных о размере модели и длине контекста в предоставленных источниках нет.

PLLaVA-7B — открытый видеоязыковой чат-бот, разработанный дообучением Image-LLM на данных VideoChat2-IT для следования видеоинструкциям. Это авторегрессионная трансформерная модель с архитектурой семейства LLaVA и базовой языковой моделью llava-hf/llava-v1.6-vicuna-7b-hf. Модель предназначена для диалога по видеоматериалам: она принимает видео и текстовые запросы, чтобы отвечать на вопросы о содержании и анализировать сцены. В README указана оценка на шести бенчмарках, включая пять наборов для визуальных вопросов и бенчмарк для видеоязыковых моделей. Модель создана для исследований мультимодальных моделей и чат-ботов в компьютерном зрении, NLP и машинном обучении. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0. Число параметров и длина контекста в предоставленных данных не указаны.

StreamOPD-4B-ST-CueGate — мультимодальная модель UniX-Lab для потокового понимания видео. Это дообученная модель Qwen3.5-4B, обученная методом on-policy distillation с замороженной моделью-учителем Qwen3.5-9B и пространственно-временным механизмом ST-CueGate. Архитектура — плотная Qwen3.5 с 4 млрд параметров; репозиторий содержит веса Safetensors, лицензия Apache-2.0. Модель отвечает на вопросы о видео и описывает его содержимое в потоковом режиме. При ответе она использует только четыре последние кадра, выбираемые с частотой 1 кадр в секунду; для стандартных протоколов оценки применялись также последовательности до 32 кадров. Сигнал пространственно-временной подсказки используется только при обучении, поэтому при работе модель запускается в instruct-режиме без такого сигнала и без дополнительного механизма памяти. Модель показала результаты на StreamingBench, OVO-Bench, Video-MME и LongVideoBench, однако оценки в карточке получены на конкретных протоколах и жадном декодировании. Ограниченное окно кадров не подходит для вопросов о событиях вне него, а дистилляция снизила склонность воздерживаться от ответа на вопросы без достаточных данных. Обучение и оценка проводились на английских данных.

Модель создана hiero путём дообучения Stable Diffusion с помощью DreamBooth на концепции стиля мультсериала «Время приключений». Для генерации изображений по текстовому описанию используйте триггер `advtime style` в запросе. Модель предназначена для создания изображений в стиле «Времени приключений» через Stable Diffusion и Diffusers. Она распространяется в форматах Diffusers и PyTorch по лицензии MIT.

ddz16/Qwen3-VL-8B-ArrowRL — видеоязыковая модель на архитектуре Qwen3-VL, дообученная методом ArrowRL. Это базовая модель для сравнения в исследовании Learning Spatiotemporal Sensitivity in Video LLMs via Counterfactual Reinforcement Learning; репозиторий содержит веса в формате safetensors для Transformers. Модель предназначена для ответов на вопросы о видео с учётом пространственно-временной динамики: направления движения, обратимых изменений и последовательности событий. Её оценивали на DyBench, а также на наборах Video-MME, TempCompass, MVBench и TimeBlind. Карточка не сообщает лицензию, число параметров и длину контекста, поэтому эти характеристики не включены.

Qwen3-VL-8B-GRPO — видеоязыковая модель семейства Qwen3-VL, разработанная как базовый вариант для исследовательской работы о пространственно-временном понимании видео. Это модель с плотной архитектурой и 8 млрд параметров, дообученная методом Group Relative Policy Optimization (GRPO) для ответов на вопросы о видео. Она предназначена для проверки того, насколько модель отслеживает динамику событий, направление движения и последовательность действий, а не опирается только на отдельные кадры или языковые подсказки. Модель принимает видео и текстовые вопросы и генерирует текстовые ответы. В README описана оценка на DyBench, Video-MME, TempCompass, MVBench и TimeBlind. Контрольная точка представлена как RL-базовый вариант для сравнения с CRPO в рамках исследования; сведений о лицензии и поддерживаемых естественных языках в предоставленных данных нет.

recoilme/insomnia_v1 — языковая модель на архитектуре GPT-2, созданная автором проекта recoilme для генерации и расширения текстовых промптов к SDXL и похожим моделям генерации изображений. Модель дообучена на GPT-2 Small на синтетических промптах, созданных с помощью Mistral 7B; можно добавить описание стиля, чтобы влиять на предполагаемую стилистику изображения. На вход подаётся текстовое описание сцены, а на выходе модель формирует более подробный промпт с деталями внешнего вида, атмосферы и художественной подачи. Контекст модели — 1024 токена. Репозиторий содержит веса в формате safetensors, лицензия — MIT. Модель предназначена для подготовки промптов, а не для генерации изображений. Примеры показывают склонность к многословным стилистическим деталям; качество и фактическая точность конкретных формулировок могут варьироваться.

Это специализированная LoRA-адаптация для генерации и трансформации видео в тематике anthro furry. Модель создана пользователем или организацией Muapi и основана на LTXV 2.3, связанном с базовой моделью Lightricks/LTX-Video. В карточке также указана совместимость с I2V-сценариями LTX-2.3 и Wan2.2 I2V A14B, однако точная архитектура, количество параметров и поддерживаемые языки не раскрыты. Модель предназначена для text-to-video и image-to-video задач, в частности для создания видео с превращением персонажей в антропоморфных furry-персонажей. Для активации специализации рекомендуется использовать обученное слово furrytransformation1. В примере указаны разрешение 768×512 и 97 кадров, но это параметры конкретного запроса, а не обязательно жесткие ограничения модели. Сильная сторона — узкая тематическая специализация; ограничение — вероятная зависимость качества от базовой модели, силы LoRA и корректности промпта. Лицензия указана как openrail++.

MiniMax-H3 Text Encoder — это компонент для пайплайна MiniMax-H3 преобразования текста в видео и изображения в видео, опубликованный пользователем pottokao. Модель основана на Qwen/Qwen3-VL-32B-Instruct и представлена в формате GGUF для использования с llama.cpp; разработчик исходной архитектуры в README отдельно не указан. Это abliterated, или uncensored, производная модель, предназначенная прежде всего для кодирования текстовых входов, а не для самостоятельного диалогового использования. Архитектура имеет тип qwen3vl и включает 50 слоёв; MiniMax-H3 использует скрытое состояние после 50-го слоя. Основная сборка Q3_K_S имеет около 3,53 BPW и размер примерно 11,5 ГБ, содержит только текстовый энкодер и рассчитана на обычное использование в llama.cpp. Вариант с суффиксом _vis занимает около 12,6 ГБ, включает объединённую визуальную башню в формате BF16 и предназначен для ComfyUI; именно он распознаётся пайплайном MiniMax-H3 в ComfyUI. Сведения о поддерживаемых языках и размере контекста в README не приведены. Квантование уменьшает требования к памяти, но может ограничивать точность по сравнению с полноразмерной моделью, а назначение модели как компонента требует совместимого пайплайна. Указана лицензия Apache-2.0.

ddz16/Qwen3-VL-8B-TGRPO — видеоязыковая модель на архитектуре Qwen3-VL, дообученная методом TGRPO (Temporal GRPO). Это базовый экспериментальный чекпойнт для сравнения методов обучения в исследовании пространственно-временного понимания видео с помощью контрфактического обучения с подкреплением. Модель предназначена для ответов на вопросы о видео с акцентом на динамику во времени: обратимость событий, направление движения и последовательность событий. Её оценивали на DyBench, а также на наборах Video-MME, TempCompass, MVBench и TimeBlind. Репозиторий содержит веса в формате Safetensors; размер исходной модели — 8B параметров. Лицензия в предоставленных данных не указана.

MiniMax-H3 FL2V 8-Step Motion Enhancer — адаптер LoRA от rzgar для видеомодели MiniMax-H3 ref2va, разработанной MiniMaxAI. Модель создана на основе vanilla LightX2V 8-step LoRA от LightX2V и предназначена для генерации и улучшения видео с поддержкой сценариев text-to-video, image-to-video, reference-to-video и других мультимодальных режимов, заявленных для базовой модели. Основная специализация адаптера — улучшение генерации NSFW-контента: более точное воспроизведение мужской и женской анатомии, а также лучшее понимание движений, связанных с NSFW-сценариями, и их анимации. Модель рассчитана на работу в восьмишаговом режиме диффузионной генерации, что ориентировано на ускоренное получение результата. Точные сведения о размере, языках, максимальном контексте и поддерживаемых разрешениях в README не указаны. Адаптер поставляется в формате Safetensors. Для его использования требуется базовая модель MiniMax-H3 ref2va; согласно README, vanilla LightX2V LoRA следует отключить. Лицензия — Apache 2.0. Ограничения включают зависимость от базовой модели и специализированную направленность на NSFW-анатомию и движения, поэтому качество в других типах сцен может отличаться и отдельно не описано.

Wan 2.2 General NSFW LoRA — адаптер LoRA для модели Wan-AI/Wan2.2-I2V-A14B. Модель размещена пользователем lopi999 и представляет собой зеркало версии с Civitai. Она предназначена для генерации изображений или визуального контента с использованием diffusion-пайплайна и базовой модели Wan 2.2 I2V; по названию и триггерному слову ориентирована на NSFW-сценарии. Для активации адаптера в запросе рекомендуется использовать триггерное слово «nsfwsks». В README не указаны размер адаптера, точные параметры LoRA, поддерживаемые языки, максимальный контекст, перечень модальностей сверх заявленной совместимости с I2V или конкретные требования к вычислительным ресурсам. В качестве ключевой характеристики указана совместимость с Wan-AI/Wan2.2-I2V-A14B и экосистемой Diffusers. Сильной стороной модели является специализированная адаптация базовой Wan 2.2 для соответствующего визуального сценария при сохранении возможности использовать возможности исходной I2V-модели. Ограничения, качество на разных типах входных данных и рекомендуемые значения параметров в README не описаны. Лицензия и условия коммерческого использования также не указаны; перед применением необходимо проверить условия базовой модели и исходной версии на Civitai.

Это LoRA-адаптер для генерации видео, разработанный для использования с базовой моделью Lightricks/LTX-Video, в частности с версией LTXV 2.3. Модель предназначена для image-to-video и text-to-video сценариев, включая создание материалов с эротической тематикой и furry-контентом. В README она описана как универсальный адаптер для сексуализированных видеосцен. Модель подключается к pipeline библиотеки Diffusers и может использоваться через API MUAPI. В качестве примера указаны разрешение 768×512, 97 кадров и параметр lora_strength 1.0. Архитектура, число параметров, поддерживаемые языки, точные требования к входным изображениям и контексту не указаны. К сильным сторонам относятся специализация на заданной тематике и совместимость с LTXV 2.3; ограничения связаны с зависимостью от базовой модели и отсутствием подробных данных о качестве, области применимости и настройках обучения. Для модели указана лицензия openrail++. README не содержит сведений о разработчике или авторе адаптера, обучающих данных и дополнительных ограничениях использования.

bjmultishot — LoRA-модель для генерации текст-видео или изображений с помощью Diffusers, созданная пользователем profpeng и предназначенная для базовой модели Wan-AI/Wan2.2-I2V-A14B. По описанию, она специализируется на создании откровенных сцен сексуального характера со взрослыми персонажами, включая последовательность ракурсов и сцен с сохранением внешности одной и той же женщины, а также сохранением исходной обстановки. В README модель помечена как text-to-image, lora и diffusion-lora; точные параметры LoRA, размер, поддерживаемые языки, длина контекста и требования к аппаратному обеспечению не указаны. Ключевая особенность модели — ориентация на многоракурсные последовательности с повторяющимся персонажем и переходами между сценами. Ограничения включают узкую тематическую специализацию, возможную зависимость качества от базовой модели Wan-AI/Wan2.2-I2V-A14B и исходного изображения или промпта, а также отсутствие подробных сведений о качестве, совместимости и допустимых настройках. Лицензия и условия использования в README не указаны.

Muapi/dr34ml4y-all-in-one-nsfw-wan-ltx2 — LoRA-модель для генерации видео по текстовому описанию, разработанная Muapi и созданная на базе LTXV 2.3 от Lightricks (Lightricks/LTX-Video). Модель предназначена для создания NSFW-видеоконтента с использованием Diffusers и пайплайна text-to-video; в README приведён сценарий работы через API Muapi. Модель поддерживает текстовую модальность и рассчитана на генерацию видео. Указаны обучающие слова-триггеры: m15510n4ry, bl0wj0b, d0ubl3_bj, d0gg1e, c0wg1rl и r3v3rs3_c0wg1rl. В примере конфигурации используются разрешение 768×512, 97 кадров и сила LoRA 1.0, однако другие характеристики, включая размер модели, языки, максимальный контекст и точные ограничения качества, не указаны. К сильным сторонам относятся специализация на NSFW-сценариях и возможность управлять степенью влияния адаптера через параметр lora_strength. Ограничения связаны с узкой тематикой и зависимостью от базовой модели LTXV 2.3 и API Muapi; для работы требуется API-ключ. Модель распространяется по лицензии openrail++.

profpeng/blinkfrontdoggy — LoRA-адаптер для генерации изображений и, вероятно, видеосцен с использованием diffusion-моделей. Автор или организация-разработчик в карточке явно не указаны; модель опубликована пользователем profpeng. В качестве базовой модели указана Wan-AI/Wan2.2-I2V-A14B, ориентированная на image-to-video-сценарии. Для активации адаптера используется триггерная фраза «doggystyle position». По представленному примеру модель предназначена для генерации откровенных сцен сексуального характера с участием взрослых персонажей, включая позу doggystyle и обнажение. Ключевые параметры архитектуры, размер адаптера, поддерживаемые языки, максимальный контекст и точные требования к входным данным не указаны. Сильная сторона модели — специализация на конкретном визуальном сценарии и интеграция с экосистемой Diffusers; одновременно такая узкая специализация ограничивает область применения. Лицензия и условия коммерческого или иного использования в карточке не указаны.

blinkblowbang — LoRA-адаптер для генерации видео с использованием базовой модели Wan-AI/Wan2.2-I2V-A14B. В карточке модель указана как разработанная пользователем profpeng. Она предназначена для создания откровенного сексуального контента с участием совершеннолетних персонажей, включая сцены группового секса и оральных сексуальных действий, с вариациями по внешности участников, ракурсу и последовательности действий. Модель относится к семейству Diffusers LoRA и ориентирована на text-to-image и, вероятно, image-to-video-сценарии на базе Wan2.2-I2V-A14B. В README приведены примеры промптов для сцен с женщиной и несколькими мужчинами, включая съёмку спереди, сбоку и сверху, переходы между сценами и различные визуальные характеристики участников. Размер адаптера, точные требования к памяти, поддерживаемые языки, длина контекста и рекомендуемые параметры генерации не указаны. Сильная сторона модели — специализация на узком наборе эротических видеосцен и возможность управлять отдельными визуальными вариантами через текстовые описания. Ограничения связаны с узкой областью применения, зависимостью от базовой модели Wan2.2-I2V-A14B и отсутствием подробных сведений о качестве, стабильности результатов и технических настройках. Лицензия в README не указана, поэтому условия использования необходимо уточнять отдельно.

Muapi/penis-lora-by-coachbate-ltx-2.3 — LoRA-адаптер, разработанный CoachBate для базовой модели Lightricks/LTX-Video версии 2.3. Модель предназначена для генерации видео по текстовому описанию с акцентом на изображения мужской половой анатомии; триггерное слово обучения — «bwc». В README не указаны точные объём обучающих данных, размер адаптера, параметры архитектуры, поддерживаемые языки и максимальная длина контекста. Адаптер используется совместно с библиотекой diffusers и pipeline text-to-video. В приведённом примере указаны разрешение 768×512, 97 кадров и сила LoRA 1.0; генерация выполняется через API MUAPI и требует API-ключа. Сильная сторона модели — специализированная адаптация LTX-Video под конкретную визуальную тематику, однако область применения узкая, а качество и поведение при других запросах в README не описаны. Лицензия указана как openrail++; дополнительные ограничения и условия распространения в предоставленных данных не раскрыты.