I.10Видео, анимация и 3D

Dreamshaper XL v2 Turbo — модель генерации изображений по текстовому описанию от Lykon, созданная на основе Stable Diffusion XL Base 1.0. Это дообученная версия семейства Stable Diffusion XL, рассчитанная на работу через Diffusers и представленная в форматах Diffusers и safetensors. Модель подходит для создания художественных изображений и иллюстраций по запросу. В карточке отмечены художественный и аниме-стили, а также режим Turbo и связь с LCM; для запуска в Diffusers требуется соответствующий программный стек. Модель принимает текст и выдаёт изображение, основной язык карточки — английский. Модель распространяется по лицензии OpenRAIL++. Карточка не содержит конкретных ограничений качества или безопасности; результаты зависят от формулировки запроса и настроек генерации.

GoldenEra — модель генерации изображений по текстовому описанию, созданная автором Yntec. Это смешанная модель на основе DucHaiten-GoldenLife и Elldreth’s Retro, собранная с помощью SuperMerger Train Difference из чекпойнтов семейства Stable Diffusion 1.5. Автор также приводит вариант GoldenEra-mini. Модель предназначена для создания стилизованных иллюстраций с ретро-анимационной, аниме, chibi и похожей на Pixar эстетикой; пример в карточке показывает персонажа в игровой комнате. Репозиторий содержит веса в формате Diffusers и safetensors. Лицензия — CreativeML Open RAIL-M, которая устанавливает условия использования и ограничения на запрещённые сценарии.

WhiteAiZ/Illustrious_2.0 — модель генерации изображений по текстовому описанию, опубликованная пользователем WhiteAiZ на Hugging Face. Репозиторий содержит веса в формате Safetensors и доступен через Diffusers с конвейером StableDiffusionXLPipeline; карточка указывает размер 3 млрд параметров и тип данных F16. Модель предназначена для создания изображений по текстовым запросам. Метаданные отмечают английский язык. В карточке указана лицензия «other», поэтому конкретные условия использования следует сверять с лицензией в репозитории; дополнительные ограничения или заявленные сильные стороны карточка не описывает.

kyujinpy/KO-stable-diffusion-disney — дообученная модель Stable Diffusion 1.5 для генерации изображений в стиле современной диснеевской анимации. Автор сообщает, что модель обучена на снимках из популярной анимационной студии с помощью DreamBooth в Diffusers, с сохранением prior и дообучением текстового энкодера в течение 9000 шагов; для получения нужного эффекта рекомендуется добавлять в запрос «modern disney style». Примеры показывают генерацию персонажей по текстовым запросам, в том числе на корейском языке. Модель принимает текстовые запросы и выдаёт изображения; в карточке указана работа через StableDiffusionPipeline и форматы Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M. Результаты зависят от формулировки запроса и настроек генерации; обучение на материалах популярной студии может приводить к сходству с её персонажами и визуальным стилем.

LLaMA-VID — открытый мультимодальный чат-бот Yanwei Li и соавторов, созданный дообучением LLaMA/Vicuna на инструкционных данных с изображениями и видео; репозиторий построен на LLaVA. Эта версия содержит 6,6 млрд параметров, использует архитектуру LlavaLlamaAttForCausalLM и веса PyTorch. Модель предназначена для диалога и ответов на вопросы по визуальному содержимому, включая понимание длинных видео; авторы заявляют поддержку видео длительностью до часа с дополнительным контекстным токеном. Указанное в метаданных нативное окно контекста — 4096 токенов. В обучении использовались данные LLaVA-1.5, WebVid, ActivityNet и Long VideoQA, включая пары изображение–текст, мультимодальные инструкции и вопросы с ответами по видео. Модель ориентирована прежде всего на исследования мультимодальных моделей и чат-ботов, а также на экспериментальное использование в компьютерном зрении и NLP. Лицензия в предоставленных данных не указана.

MirageML/lowpoly-office — модель Stable Diffusion, дообученная методом DreamBooth разработчиками MirageML на концепции низкополигонального офисного интерьера. Она предназначена для генерации изображений по текстовому описанию; для вызова изученного стиля или объекта в запрос рекомендуется включать фразу «a photo of lowpoly_office». Модель опубликована в формате Diffusers/PyTorch и распространяется по лицензии CreativeML OpenRAIL-M. Модель ориентирована на создание изображений офиса в low-poly стиле по англоязычным запросам. Карточка не сообщает размер модели, длину контекста или подробности обучения; её возможности текстом в 3D-сцену README не подтверждает.

MolmoPoint-Vid-4B — открытая мультимодальная модель Allen Institute for AI (Ai2), специализирующаяся на указании объектов и точек в видео. Она принимает видео и текстовый запрос и формирует ответ с точками заземления в специальных токенах, а не в виде текстовых координат. Модель построена на архитектуре MolmoPoint и имеет размер 4B; поддерживает обработку изображений и видео. Карточка указывает обучение только для задач указания объектов в видео, тогда как MolmoPoint-8B предназначена для более широкого круга задач. Лицензия — Apache-2.0. Модель подходит для локализации объектов и указания их положения в видеокадрах по запросу. Для корректного формирования допустимых токенов точек авторы рекомендуют использовать предоставляемый обработчик logits. Версия на Hugging Face не поддерживает обучение; код для обучения размещён в репозитории разработчика.

wssdaas/nova-anime-xl-ilv-19.0 — модель преобразования текстовых запросов в изображения, доступная для запуска через библиотеку Diffusers и сохраняемая в формате safetensors. Карточка указывает на совместимость с конвейером StableDiffusionXLPipeline. Модель предназначена для генерации изображений по текстовым описаниям; название указывает на аниме-направленность, но карточка не описывает её стиль подробнее. README не содержит сведений об авторе разработки, размере, языках, контексте или лицензии, поэтому эти характеристики нельзя уточнить.

QuantFunc/Nunchaku-Qwen-Image-EDIT-2511 — это квантизированная производная модель Qwen-Image-Edit-2511, подготовленная командой QuantFunc для ускоренного редактирования изображений. Модель предназначена для image-to-image задач, включая редактирование по текстовым инструкциям, работу с референсными изображениями и inpainting. Она рассчитана на использование в ComfyUI через плагин QuantFunc и совместима с workflow с 4-шаговой LoRA. Доступны варианты INT4 и FP4 с приоритетом качества, скорости или баланса между ними; параметр low_rank составляет 256, 128 или 32 в зависимости от варианта. Заявлены ускорение инференса в 2–11 раз относительно стандартных BF16/FP16 Python-пайплайнов, нативная реализация на C++/CUDA и отсутствие зависимости от Python-моделей в inference engine. В состав входит текстово-визуальный энкодер Qwen2.5-VL-7B. В метаданных указаны английский и китайский языки, однако размер контекста не приведён. Сильными сторонами модели являются высокая скорость, сниженные требования к вычислениям благодаря квантизации, поддержка современных GPU RTX 20/30/40/50, A100 и других ускорителей, а также возможность выбора между качеством и производительностью. Ограничения включают необходимость использования совместимого плагина QuantFunc и подходящего GPU/CUDA-окружения; сведения о точных требованиях к памяти, качестве на разных типах задач и максимальном разрешении в README отсутствуют. Модель распространяется по лицензии Apache License 2.0 как квантизированная производная базовой модели.

digiplay/polla_mix_2.3D — модель генерации изображений по текстовому описанию. Репозиторий использует Stable Diffusion и Diffusers, а веса представлены в форматах PyTorch и safetensors. Модель предназначена для создания изображений по текстовым запросам. Карточка содержит примеры изображений, но не сообщает подробностей об архитектуре, размере, поддерживаемых языках или настройках генерации. Лицензия указана как other, поэтому конкретные условия использования следует уточнять в материалах репозитория.

John6666/prefect-illustrious-xl-v3-sdxl — модель генерации изображений по текстовому запросу на базе Stable Diffusion XL, опубликованная John6666; в карточке указан Goofy_Ai как создатель исходной модели. Это объединение NoobAI-XL-1.1 и Illustrious-XL-v1.0, предназначенное в том числе для создания стилизованных аниме-изображений и настройки освещения, текстур и цветового баланса. Модель доступна в формате Diffusers с весами Safetensors, использует StableDiffusionXLPipeline и содержит около 3 млрд параметров. Принимает текстовые промпты на английском языке и генерирует изображения. Карточка не приводит подробных оценок качества или специфических ограничений применения. Указана лицензия faipl-1.0-sd; условия использования следует сверять с текстом этой лицензии и лицензиями базовых моделей.

array разработала мультимодальную модель Qwen2.5-VL-SAT на основе Qwen/Qwen2.5-VL-7B-Instruct, дообучив её для пространственных и визуальных задач. Обучающая смесь состояла из 60% данных SAT и 40% ответов из Video-R1; модель содержит 7,1 млрд параметров и использует архитектуру Qwen2.5-VL с плотными слоями. Она принимает изображения и текстовые запросы и генерирует текстовые ответы; заявленная длина контекста — 128 000 токенов. Модель предназначена для анализа пространственных отношений и визуального рассуждения по изображениям и видео. В таблице результатов авторы приводят улучшения относительно базовой Qwen2.5-VL-7B на совокупном наборе оценок, включая BLINK, SAT-R и VSI. Для загрузки и запуска указана библиотека Transformers. Лицензия — MIT. В README сообщается об исправлении ошибки, из-за которой некоторые версии Transformers могли выдавать случайные ответы; для устранения проблемы рекомендуется заново загрузить модель. Подробности метрик и обучающих данных авторы отсылают к статье.

Z-Engineer V4 — модель BennyDaBall, построенная на архитектуре Qwen3 с 4 млрд параметров. Это полноценно дообученная версия текстового энкодера Z-Image-Turbo от Tongyi-MAI, предназначенная для работы с англоязычными запросами в задачах генерации изображений и text-generation. Модель расширяет краткие идеи до подробных промптов для генерации изображений, помогая описывать композицию, сцену, освещение, оптику, глубину резкости, материалы, атмосферу и цветовую схему. Она рассчитана на локальное использование, включая улучшение промптов в LM Studio и Ollama, а также интеграцию с ComfyUI. В качестве энкодера она заявлена как обратно совместимая с рабочими процессами Z-Image-Turbo. Ключевые особенности V4 — полное дообучение всех параметров, обучение на 55 000 примерах, более 7 500 шагов оптимизации и методика SMART Training с дополнительными регуляризаторами для повышения разнообразия, связности и стабильности результатов. Модель ориентирована на точное и выразительное описание визуальных сцен, включая использование терминов, связанных с объективами и схемами освещения. Ограничения модели включают специализацию преимущественно на англоязычных промптах и зависимость качества результата от корректной настройки совместимого локального окружения; конкретные требования к памяти и результаты независимых бенчмарков не указаны. Модель распространяется по лицензии Apache-2.0.

TBT000/Qwen-Image-2.1-Uncensored-GGUF — это набор GGUF-квантизаций модели Qwen-Image-2.1 для локальной генерации изображений по текстовому описанию и редактирования изображений. Релиз подготовлен на основе исходных весов Qwen/Qwen-Image-2.1; в репозитории также доступны совместимые текстовый энкодер Qwen3-VL 8B и VAE из Comfy-Org/Qwen-Image-2.1. Модель предназначена для использования в ComfyUI через расширение ComfyUI-GGUF. Доступны варианты квантизации Q8_0, Q6_K, Q5_K_M, Q4_K_M и Q4_0 размером примерно от 4,05 до 7,59 ГБ. Q4_K_M рекомендуется как баланс размера и качества; для текстового энкодера доступны варианты BF16 и Int8, причём Int8 удобнее при ограниченной памяти. Диффузионную модель рекомендуется размещать в VRAM, а текстовый энкодер — в оперативной памяти или выгружать на CPU. Поддерживаются официальные рабочие процессы ComfyUI для text-to-image и image editing. Для Q8_0 заявлена возможная ошибка несовпадения форм при некоторых конфигурациях, поэтому стабильнее использовать Q4_K_M, Q5_K_M или Q6_K. Релиз не содержит встроенного safety checker или фильтра контента и может генерировать взрослые, NSFW и чувствительные изображения без отказов; итоговое поведение зависит от запроса и среды запуска. Языки, максимальный контекст и точные архитектурные характеристики в README не указаны. Указана лицензия other с названием qwen-research; условия лицензии следует проверять отдельно перед использованием.

danbrown/RevAnimated-v1-2-2 — неофициальная версия весов в формате Diffusers для генерации изображений по текстовому описанию. Модель основана на Stable Diffusion v1.5 и предназначена для создания изображений по запросу пользователя. В карточке не приведены сведения о размере модели, поддерживаемых языках и лицензии. Для работы требуются библиотека Diffusers и веса в формате Safetensors; условия использования следует сверить с лицензией базовой модели и репозитория.

HyperX-Sentience/SDXL-GGUF — это квантизированная версия Stable Diffusion XL, созданная на основе Stable Diffusion XL от Stability AI и представленная в формате GGUF. Модель предназначена для генерации изображений по текстовому описанию и может использоваться в ComfyUI, загрузчике SDXL GGUF от Kohya и других совместимых движках. Компоненты UNet, VAE и CLIP поставляются отдельно для оптимизации и совместимости. Для UNet доступны варианты квантизации Q4_K_S, Q5_K_S и Q8, тогда как VAE и CLIP предоставляются в FP16. Q4_K_S рассчитан на минимальное потребление VRAM и более высокую скорость, Q5_K_S предлагает компромисс между качеством и ресурсами, а Q8 лучше сохраняет детали, но требует больше видеопамяти. Заявлены ориентировочные требования от 2 ГБ VRAM для Q4_K_S, от 3 ГБ для Q5_K_S и от 4 ГБ для Q8. Языки, размер контекстного окна и точные характеристики архитектуры в README не указаны. Лицензия — OpenRAIL++.

Tron Legacy Diffusion — модель генерации изображений по текстовому описанию, созданная как дообучение Stable Diffusion v1.5 на скриншотах фильма «Трон: Наследие» (2010). Для вызова характерного стиля в промпт добавляют токен trnlgcy. Модель подходит для создания персонажей, городских пейзажей и других сцен в визуальной стилистике фильма. Модель обучена методом DreamBooth на 30 изображениях в течение 3000 шагов. Репозиторий содержит веса в форматах Diffusers и PyTorch; в README также описано использование файла ckpt в интерфейсах Stable Diffusion. Лицензия — CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении результатов.

VideoChat3-4B — открытая мультимодальная модель с 4 млрд параметров от команды MCG-NJU для понимания видео. Она принимает видеокадры и текстовый запрос и формирует текстовый ответ; также поддерживает обработку изображений и потокового видео с проактивным ответом, при котором модель может дождаться дополнительных кадров перед выводом. Модель обучена для общих, длинных и потоковых видеосценариев и предназначена для вопросов о содержании и событиях в видео. Авторы сообщают о сильных результатах на распространённых бенчмарках понимания видео и публикуют веса, код обучения, стратегию и обучающие данные для воспроизводимых исследований. Архитектура — плотная VideoChat3ForConditionalGeneration; репозиторий содержит веса Safetensors. Модель поддерживает английский и китайский языки. Лицензия — Apache 2.0.

VideoChat-R1_7B — мультимодальная модель OpenGVLab для диалога и ответов на вопросы по видео. Она построена на архитектуре Qwen2.5-VL-7B и дообучена на базе Qwen/Qwen2.5-VL-7B-Instruct; содержит 7,1 млрд параметров и рассчитана на контекст до 128 000 токенов. Для работы используется библиотека Transformers, веса опубликованы в формате safetensors. Модель принимает видеоданные и текстовые запросы и формирует текстовые ответы, например, описывает содержание ролика или отвечает на вопросы о событиях в нём. Карточка не приводит конкретные оценки качества или перечень поддерживаемых языков помимо английского в метаданных. Лицензия — Apache-2.0.

Wonderland — модель генерации изображений по текстовому описанию, опубликованная Yntec. Карточка демонстрирует примеры запросов с персонажами в мультяшной и фэнтезийной эстетике, музыкальными инструментами и детализированным кинематографичным оформлением. Репозиторий содержит модель в форматах Diffusers и safetensors для использования с библиотекой Diffusers; указанная лицензия — CreativeML OpenRAIL-M. Модель подходит для создания иллюстраций и концепт-арта по текстовым запросам, в том числе изображений персонажей и фэнтезийных сцен. Метаданные указывают английский язык. В карточке нет сведений о размере модели, длине контекста или оценках качества; примеры запросов сами по себе не гарантируют точность воспроизведения деталей.

drbaph/Z-Image-fp8 — это квантизированная версия базовой модели Z-Image, разработанной командой Tongyi-MAI. Модель предназначена для генерации изображений по текстовому описанию и оптимизирована для использования в ComfyUI через библиотеку Diffusers. Она ориентирована на качественную генерацию, разнообразие визуальных стилей и точное следование промптам. В основе Z-Image лежит однопоточный диффузионный трансформер. Доступны варианты квантизации fp8-e4m3fn-scaled, fp8-e4m3fn, fp8-e5m2-scaled и fp8_e5m2. Квантизация снижает требования к видеопамяти примерно на 50% и ускоряет инференс при минимальном ухудшении качества, что делает модель более подходящей для потребительских GPU. В README указан английский язык, однако дополнительные сведения о размере модели, максимальном контексте, разрешении и поддерживаемых языках отсутствуют. Сильные стороны модели — экономичное использование VRAM, совместимость с ComfyUI, высокая вариативность генерации и хорошее соответствие текстовым инструкциям. Ограничение связано с применением FP8-квантизации: итоговые требования к памяти и качество могут зависеть от выбранного формата и конкретного оборудования. Модель распространяется по лицензии Apache-2.0.

Chat-UniVi-7B-v1.5 — мультимодальная модель семейства ChatUniVi для понимания изображений и видео, разработанная авторами проекта Chat-UniVi. Она использует набор динамических визуальных токенов, чтобы компактно представлять визуальные данные и сохранять пространственные детали изображений и временные связи в видео. Модель обучена совместно на смешанных данных с изображениями и видео и поддерживает диалоговое взаимодействие на основе визуального содержимого. Модель содержит 6,6 млрд параметров, построена на архитектуре ChatUniViLlamaForCausalLM и имеет контекст длиной 4096 токенов. Она предназначена для вопросов и ответов по изображениям и видео, описания сцен и анализа событий в видеороликах. Репозиторий содержит веса PyTorch; лицензия — Llama 2.

CyberRealistic Semi-Real — модель генерации изображений по текстовому описанию от Cyberdelia, созданная на базе архитектуры Stable Diffusion 1.5. Она формирует полуреалистичные изображения, сочетая реалистичные детали со стилизованной подачей, и подходит для творческих сценариев вроде дизайна персонажей, иллюстраций и концепт-арта. Модель поставляется в формате safetensors и включает встроенный VAE для улучшения качества изображений. В README указано родное разрешение 512×512; для повышения разрешения рекомендуется Hires.fix. Для работы автор рекомендует 25–30 шагов сэмплирования и сэмплеры DPM++ 2M Karras или Euler A. Лицензия — CreativeML Open RAIL++-M. Полуреалистичная специализация помогает получать изображения с узнаваемыми реалистичными деталями и художественной стилизацией. Модель может хуже справляться с абстрактными и сильно стилизованными запросами; освещение и текстуры иногда выглядят слишком гладкими. Создаваемые изображения могут содержать чувствительный контент.

DashAnimeXL V1 — диффузионная модель Dashtoon для генерации аниме-изображений по текстовым запросам. Она дообучена на Stable Diffusion XL и использует ту же архитектуру; для работы предусмотрена библиотека Diffusers, веса доступны в формате safetensors. Модель предназначена для создания изображений в стиле аниме. В карточке отмечены улучшенная анатомия рук, лучшее понимание концепций и интерпретация запросов. Поддерживаемый язык в метаданных — английский. Модель распространяется по лицензии CreativeML Open RAIL++-M; её условия следует учитывать при использовании и распространении результатов.

liamhvn/disney-pixar-cartoon-b — модель генерации изображений по текстовому описанию, опубликованная через Stable Diffusion API. Карточка содержит пример вызова API для модели с идентификатором disney-pixar-cartoon и указывает на генерацию изображений размером 512 × 512 пикселей; в примере используются 30 шагов вывода и guidance scale 7.5. Модель предназначена для создания изображений по текстовым запросам, в том числе стилизованных под мультфильмы Disney и Pixar. Пример запроса включает портрет персонажа с киберпанк-эстетикой и кинематографическим освещением, однако сам пример не подтверждает специализацию на этом жанре или гарантированное качество результата. Репозиторий содержит веса в форматах Diffusers, PyTorch и safetensors. Лицензия — CreativeML Open RAIL-M.

FFusionXL-BASE — модель генерации изображений по текстовому описанию от FFusion AI, основанная на Stable Diffusion XL и дообученная разработчиком. Это латентная диффузионная модель с двумя фиксированными предварительно обученными текстовыми энкодерами: OpenCLIP ViT/G и CLIP ViT/L. Карточка описывает её как базу для генерации и изменения изображений по промптам, а также для дальнейшего обучения и адаптации под пользовательские задачи. Модель распространяется в форматах Diffusers и safetensors, а также в вариантах ONNX и OpenVINO. ONNX-версия оптимизирована до FP16 для DirectML; декодер VAE оставлен в FP32, чтобы избежать дефектов рендера. OpenVINO-версия представлена в FP16 и FP32. Лицензия в метаданных указана как OpenRAIL++; README называет лицензию FFXL Research License, поэтому условия следует сверять с файлами лицензии в репозитории.

FLUX.1 [dev] — модель генерации изображений по текстовому описанию, представленная в карточке FLUX.1. Это трансформер rectified flow с 12 млрд параметров; веса доступны в форматах Diffusers и Safetensors. Модель обучена с дистилляцией guidance и предназначена для локального запуска, творческих рабочих процессов и исследовательских экспериментов. Модель ориентирована на создание изображений с качественной передачей описания, однако результат зависит от формулировки запроса и может ему не соответствовать. Она не предназначена для предоставления фактической информации и может усиливать общественные предубеждения. Использование регулируется лицензией FLUX.1 [dev] Non-Commercial License; README допускает личное и научное использование, а коммерческое использование описывает как подчинённое условиям этой лицензии.

Карточка модели OsGo/FLUX.2-klein-base-4B на Hugging Face совпадает с карточкой black-forest-labs/FLUX.2-klein-base-4B, поэтому описание составлено по ней. FLUX.2 [klein] 4B Base — модель Black Forest Labs для генерации и редактирования изображений. Это трансформер rectified flow с 4 млрд параметров, объединяющий текстовую генерацию изображений и редактирование по одному или нескольким референсам. Модель рассчитана на быстрый запуск и локальное использование; по данным карточки, ей требуется около 13 ГБ видеопамяти и она работает с библиотекой Diffusers. Это полноразмерная недистиллированная базовая модель, предназначенная для гибкой настройки, обучения LoRA, исследований и пользовательских конвейеров обработки изображений. Она сохраняет больше разнообразия выходов, чем дистиллированные варианты семейства. В карточке указана поддержка английских промптов; заявлена генерация с высокой скоростью, но фактическое соответствие запросу зависит от формулировки промпта. Модель не предназначена для выдачи фактической информации; текст внутри сгенерированных изображений может быть искажён, а результаты могут не соответствовать запросу и отражать смещения обучающих данных. Распространяется по лицензии Apache 2.0, допускающей коммерческое использование с соблюдением условий лицензии и ограничений допустимого применения, описанных в карточке модели.

digiplay/HadrianDelice_DeliceV1 — модель генерации изображений по текстовому описанию в формате Stable Diffusion Diffusers. В карточке указаны демонстрационные изображения, созданные через API Hugging Face; сведений об авторе исходной модели и подробностях её обучения нет. Модель предназначена для создания изображений по текстовым запросам. Репозиторий содержит веса в формате safetensors для использования с библиотекой Diffusers. Лицензия обозначена как other, поэтому конкретные условия использования по имеющимся данным определить нельзя.

LyliaEngine/hosekiLustrousmixAnima_animaV10 — модель генерации изображений по текстовому описанию, опубликованная LyliaEngine и основанная на LyliaEngine/anima_baseV10. В создании также участвовали @ComradeAnanas, @Manityro и @justTNP; авторство указано за пользователем Hoseki. Модель предназначена для создания цветных, детализированных 2D-аниме-изображений с менее плоской стилистикой, более живописной проработкой тел, фонов и освещения. Она поддерживает художественные стили, естественные языковые описания и добавление текста в промпт. Текстовый энкодер и VAE предоставляются отдельно на странице Anima Base v1. В карточке модель обозначена как LoRA для Diffusers, однако описание также называет её checkpoint, поэтому точный формат распространения следует уточнять по файлам репозитория. Рекомендуются сэмплеры ER SDE или Euler a, 24 шага и CFG Scale 4–5. Для улучшения лиц и глаз автор рекомендует расширение ADetailer. В качестве положительного промпта предлагаются указания на высокое качество, а в отрицательном — ограничения для низкого качества, анатомических ошибок, артефактов и водяных знаков. Триггерное слово не требуется: указано значение None. Модель распространяется по лицензии Creative Data Licence Agreement Permissive 2.0 (CDLA-Permissive-2.0).