I.10Видео, анимация и 3D

Карточка модели kingzhenxing/animagine-xl-3.0 на Hugging Face совпадает с карточкой cagliostrolab/animagine-xl-3.0, поэтому описание составлено по ней. Animagine XL 3.0 — диффузионная модель для генерации аниме-изображений по текстовым запросам, разработанная Cagliostro Research Lab на основе Stable Diffusion XL и дообученная на Animagine XL 2.0. Она предназначена для создания иллюстраций в аниме-стиле и лучше понимает аниме-концепции и структуру тегов в промпте; авторы также отмечают улучшения в изображении рук. Модель поддерживает генерацию с разными соотношениями сторон и доступна в форматах Diffusers и Safetensors. Для лучших результатов рекомендуется использовать структурированные, конкретные промпты и настройки генерации, описанные авторами. Модель не предназначена для фотореализма и может ошибаться в сложных позах и анатомии; охват персонажей и серий ограничен обучающими данными. Модель может генерировать NSFW-контент, поэтому следует учитывать рейтинг и тщательно задавать промпты. Лицензия — CreativeML Open RAIL++-M.

ckpt/anything-v4.5 — модель генерации изображений по текстовому описанию, опубликованная пользователем или организацией ckpt на Hugging Face. Репозиторий предоставляет веса anything-v4.5 в формате checkpoint и структуру для Diffusers, совместимую с StableDiffusionPipeline. Модель предназначена для преобразования текстовых промптов в изображения и запускается через библиотеку Diffusers. В доступных источниках нет надежных сведений о точном размере, длине контекста, поддерживаемых естественных языках, составе обучающих данных или разработчике исходной модели. Лицензия в карточке модели не указана, поэтому условия использования следует проверять отдельно перед применением.

s3nh/artwork-arcane-stable-diffusion — дообученная модель Stable Diffusion v1.5, созданная автором репозитория для генерации изображений в стиле произведений Arcane. Для получения эффекта автор рекомендует добавлять в текстовый запрос токен «arcane style». Модель принимает текстовые запросы и генерирует изображения; она обучена с использованием библиотеки Diffusers и подхода DreamBooth, с сохранением prior preservation loss и дообучением текстового энкодера. Репозиторий содержит веса в форматах Diffusers и PyTorch. Модель распространяется по лицензии CreativeML OpenRAIL-M.

Avatar Diffusion — модель генерации изображений в стиле фильма «Аватар: Путь воды», опубликованная riccardogiorato. Это дообученная методом DreamBooth Stable Diffusion 1.5, обученная более чем на 50 изображениях из трейлера фильма. Модель принимает текстовые запросы и генерирует изображения; для вызова характерного стиля в запросе рекомендуется использовать ключевую фразу «avatartwow style». Автор указывает библиотеку Diffusers и формат PyTorch. Модель распространяется по лицензии CreativeML OpenRAIL-M.

Burger_Mix_semiR2Lite — модель для генерации изображений в стиле мультфильмов и аниме по текстовым описаниям. Карточка представляет её как инструмент для создания концепт-артов; модель распространяется в формате Diffusers с весами Safetensors и использует Stable Diffusion Pipeline. Модель подойдёт для создания иллюстраций и визуальных концепций по текстовым запросам. В карточке указана лицензия other; условия использования следует сверять с файлами и сведениями о лицензии в репозитории.

Cetus — модель генерации изображений по текстовому описанию в формате Diffusers, представленная пользователем Yntec. В карточке указана версия 3.5 и вариант весов fp16-no-ema; примеры показывают создание аниме- и 2D/2.5D-изображений по англоязычным промптам. Модель предназначена для генерации иллюстраций по тексту. Репозиторий содержит веса в формате safetensors и использует библиотеку Diffusers. Модель распространяется по лицензии CreativeML OpenRAIL-M. Подробные сведения об архитектуре, размере, обучении и контексте в доступных материалах не приведены.

Cetus Remix — смешанная модель генерации изображений по текстовому описанию, созданная автором Yntec на основе CetusMix v3.5 и CetusMix v4. Она предназначена для создания изображений в стилях аниме, 2D и 2.5D; в карточке приведён пример изображения и промпта, а также ссылки на исходные версии CetusMix. Модель распространяется в форматах Diffusers, PyTorch и Safetensors и использует библиотеку Diffusers. Лицензия — CreativeML OpenRAIL-M. Размер модели и длина контекста в предоставленных данных не указаны.

Карточка модели votepurchase/ChilloutMix на Hugging Face совпадает с карточкой Yntec/ChilloutMix, поэтому описание составлено по ней. ChilloutMix — модель семейства Stable Diffusion от Yntec для генерации изображений по текстовым запросам. Карточка приводит пример запроса для создания стилизованной иллюстрации персонажа в игровой комнате; метаданные указывают на использование Diffusers и форматов Diffusers и safetensors. Модель подходит для создания художественных изображений по описанию сцены и стиля. В README также упомянуты варианты ChilloutMixMini без EMA и ChilloutMixVAE со встроенным zVAE. Модель распространяется по лицензии CreativeML Open RAIL-M. Карточка не сообщает размер модели, длину контекста и поддерживаемые языки. Пример показывает стилизованную иллюстрацию, но README не описывает качество или ограничения генерации.

Jak’s Clayitization Image Pack — дообученная модель на базе Stable Diffusion 1.5 для генерации изображений с видом лепных глиняных фигур и сцен. Её создал Jak; для обучения использовали 100 изображений размером 768 пикселей, 8000 шагов обучения и 500 шагов обучения текстового энкодера. Модель предназначена для преобразования текстовых запросов в изображения. Для вызова характерного стиля README рекомендует начинать запрос с «clayitization», после чего указать объект или сцену. Для портретов предлагается квадратный формат, для диорам — прямоугольный; разрешение 768 пикселей или выше рекомендуется для лучших результатов. Модель распространяется в формате Diffusers/PyTorch по лицензии CreativeML OpenRAIL-M. Это стилизованный генератор изображений; качество зависит от запроса, и карточка не приводит результатов систематической оценки или других ограничений.

Репозиторий содержит квантованные веса FLUX.2-dev для использования в ComfyUI. В README перечислены файл Flux2TurboComfyv2.safetensors и LoRA Flux_2-Turbo-LoRA_comfyui.safetensors от ByteZSzn; исходная модель указана как FLUX.2-dev. Модель предназначена для генерации изображений по текстовому описанию в рабочих процессах ComfyUI. Метаданные подтверждают формат safetensors и тег diffusion-single-file. Репозиторий помечен лицензией other, поэтому условия использования следует сверить с лицензией исходной модели и файлами репозитория.

Dec2023 — это смешанный чекпойнт для генерации изображений по текстовому запросу, опубликованный Earth & Dusk и предназначенный для использования с библиотекой Diffusers. Автор сообщает, что в сборке смешаны чекпойнты SDXL и Stable Diffusion 1.5; метаданные связывают модель с stabilityai/stable-diffusion-xl-base-1.0 и stable-diffusion-v1-5/stable-diffusion-v1-5. В репозитории указаны веса Safetensors и лицензия CreativeML Open RAIL-M. Модель подходит для создания иллюстраций, аниме- и комикс-стиля по текстовым описаниям. Карточка не приводит сведений о размере модели, контекстном окне, точных настройках смешивания или результатах оценки качества; автор также отмечает, что декабрьские сборки оказались продублированы из-за ошибки с API-ключами. Перед практическим использованием следует учитывать условия лицензии и рекомендацию автора не перезагружать модель без разрешения.

DisenyPixar — модель генерации изображений по текстовому описанию, опубликованная пользователем ainz. Она предназначена для создания изображений в стиле Disney Pixar по запросу; в README приведён пример портрета улыбающегося принца и указаны 30 шагов инференса. Модель распространяется в формате Diffusers с весами PyTorch и Safetensors. Для использования указана лицензия CreativeML OpenRAIL-M. Карточка не приводит сведений о размере модели, контекстном окне и поддерживаемых языках. Описание возможностей и качества ограничено кратким примером; фактический результат зависит от текстового запроса и параметров генерации.

Модель lambda/dreambooth-avatar разработана Eole Cervenka в Lambda Labs: это Stable Diffusion v1.5, дообученная методом DreamBooth на изображениях в стиле мультфильма «Аватар». Она принимает текстовый запрос и генерирует изображения; для воспроизведения стиля в запросе используется токен «avatarart style». Обучение проводилось на 60 изображениях персонажей «Аватара» размером 512×512 пикселей с сохранением класса Person для снижения влияния дообучения на обычные изображения людей. Модель предназначена для создания иллюстраций в этом стиле. Лицензия в предоставленных данных не указана.

DucHaitenDarkside — версия модели DucHaitenAIart от автора DucHaiten, предназначенная для генерации изображений с мрачной атмосферой и драматичной кинематографичной подачей. Модель использует Stable Diffusion и доступна в форматах Diffusers, PyTorch и Safetensors. Она принимает текстовые запросы на английском языке и генерирует изображения. Подходит для создания атмосферных иллюстраций и сцен с выразительным драматическим настроением. Лицензия — CreativeML OpenRAIL-M.

Ecocoro Preview 1 — модель генерации изображений по тексту, созданная автором репозитория как полноразмерное дообучение black-forest-labs/FLUX.2-klein-base-4B. Она предназначена прежде всего для выразительных иллюстраций и изображений в стиле аниме. Модель работает с библиотекой Diffusers и доступна в форматах safetensors; для запуска описаны ComfyUI и Diffusers. В README рекомендованы изображения размером 1024 × 1024, 20–50 шагов и guidance scale 3,0–4,5. Модель принимает текстовые запросы, в том числе теги в стиле Danbooru, обычные описания и их сочетания, и выдаёт изображения. README приводит примеры тегов и описывает применение для проработки персонажей, визуализации сцен и создания концепт-арта. Метаданные указывают английский язык; примеры подсказок включают англоязычные теги. Лицензия — Apache 2.0. Возможны ошибки анатомии, рук, текста, символов и мелких деталей, неверная интерпретация сложных запросов и пространственных отношений, а также непоследовательность персонажей между изображениями. Качество может снижаться для запросов за пределами иллюстративной направленности модели.

EvtV4-preview — экспериментальная модель генерации изображений в стиле аниме, созданная автором haor как дообучение Stable Diffusion на крупном наборе изображений. Для обучения использовано около 550 тысяч изображений в стиле аниме, модель обучалась 10 эпох при разрешении 512 пикселей на базе ACertainty. Автор сообщает о cosine similarity 85% с ACertainty и предупреждает, что модель может вести себя иначе, чем другие модели. Модель предназначена для создания изображений по текстовым запросам и используется через StableDiffusionPipeline из библиотеки Diffusers. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors; автор также упоминает возможность экспорта в ONNX, MPS и FLAX/JAX. Карточка указывает английский язык. Лицензия — CreativeML OpenRAIL-M.

andro-flock/Flat-2D-Animerge-v4-5-sharp — модель генерации изображений по текстовому описанию на базе Stable Diffusion, опубликованная пользователем andro-flock. По сравнению с версией v4.0 она рассчитана на более чёткое и чистое изображение, лучшее следование запросу и повышенную насыщенность цветов. Модель предназначена для создания стилизованных плоских 2D-аниме-иллюстраций по текстовым промптам. Репозиторий содержит веса в форматах Diffusers и safetensors; для работы используется библиотека Diffusers. Лицензия — CreativeML OpenRAIL-M. Данных о размере модели, контексте или поддерживаемых языках карточка не приводит.

Furaidosu/flux-dott-remastered — модель генерации изображений по текстовому описанию на базе black-forest-labs/FLUX.1-dev. Она предназначена для pipeline text-to-image и используется через библиотеку Diffusers. Для активации указан специальный идентификатор DOTTRMSTR, связанный с характерным визуальным стилем модели. Модель ориентирована на создание иллюстраций, игровых фоновых сцен и концепт-артов с мультяшной, выразительной и намеренно искажённой перспективой. В примерах показаны деревянные дома, кафе, рестораны и интерьер салона с декоративными деталями, яркими или приглушёнными цветами, бумажными и рисованными текстурами, а также стилистикой коллажа. В метаданных указан английский язык, рекомендуемый размер изображения — 1024×1024 пикселей. Сильная сторона модели — способность воспроизводить цельный декоративный стиль с преувеличенными формами, необычной перспективой и большим количеством художественных деталей. Ограничения включают зависимость от базовой модели FLUX.1-dev, необходимость использовать специальный идентификатор DOTTRMSTR для получения заявленного стиля, а также отсутствие в карточке подробностей о точном размере адаптации, параметрах обучения, поддерживаемых разрешениях и качестве генерации для других языков. Модель распространяется по лицензии flux-1-dev-non-commercial-license, то есть её использование ограничено некоммерческими сценариями.

Hassan 1.5.1.2 — модель генерации изображений по текстовому описанию, опубликованная Yntec на базе Stable Diffusion. Веса доступны в формате Diffusers и Safetensors; в модель встроен VAE MoistMixV2. Модель предназначена для создания иллюстраций и концепт-арта по текстовым запросам. В карточке приведён пример промпта для детализированного цифрового изображения в стиле аниме и фэнтези. Метаданные указывают поддержку английского языка и лицензию CreativeML OpenRAIL-M. README предупреждает, что урезанные файлы модели могут быть повреждены; для полной версии указан размер 6 ГБ. Сведения о рекомендуемых настройках генерации и ограничениях качества не приведены.

Kiel-2-Image — LoRA-модель, разработанная KielTech на базе Stable Diffusion XL Base 1.0 для создания и редактирования футуристических портретов, научно-фантастических персонажей и концепт-арта. Она поддерживает генерацию изображения по текстовому запросу и преобразование исходного изображения с помощью текстового описания. Модель рассчитана на детализированные изображения с реалистичными текстурами. В карточке рекомендовано генерировать изображения в разрешении 1024 × 1024 с 25–35 шагами сэмплирования; для преобразования изображения указана сила воздействия 0,45–0,6. Доступны веса LoRA в safetensors и варианты GGUF F16 и Q4_0. Для работы требуется базовая модель SDXL Base 1.0. В карточке указан английский язык запросов. Лицензия — CreativeML Open RAIL-M.

WarmBloodAban/Krea-Edit-lora — специализированная LoRA-модель, разработанная для дообучения базовой модели KREA-2 и расширения её возможностей в редактировании изображений и создании многовидовых листов персонажей. Модель предназначена для сценариев Text-to-Image и Image-to-Image, включая генерацию разворотов персонажа по текстовому описанию или исходному изображению. Основная модель в README указана как KREA-2 Turbo, при этом также упоминается krea/Krea-2 и krea/krea-v2. LoRA поддерживает генерацию листа с четырьмя ракурсами: вид спереди, сбоку, сзади и крупный план лица. Заявлена совместимость с дополнительными style LoRA, что позволяет использовать пользовательские художественные стили. Рекомендуемые параметры: вес LoRA 1.0, 8 шагов сэмплирования и CFG Scale 1.0. Архитектура, количество параметров, точный набор языков и размер контекста не указаны. Сильные стороны модели — сохранение эстетики KREA-2, поддержка как генерации, так и редактирования изображений, а также удобное создание character turnaround для дизайна персонажей. Ограничения связаны с узкой специализацией на многовидовых изображениях персонажей и отсутствием подробных сведений о качестве, обучающих данных и совместимости с другими базовыми моделями. В репозитории приведён ComfyUI workflow и пример использования через diffusers. Лицензия — Apache-2.0.

LLaVA-3D-7B — мультимодальная модель диалогового типа, разработанная в рамках проекта LLaVA-3D и дообученная на наборе LLaVA-3D-Instruct-1M на основе LLaVA-v1.5-7B. Это плотная архитектура LlavaLlamaForCausalLM примерно на 6,6 млрд параметров; репозиторий содержит веса safetensors, а длина контекста составляет 4096 токенов. Модель предназначена для вопросов и инструкций по одиночным изображениям в 2D-сценариях и по RGB-D изображениям с данными о позе для задач понимания 3D-сцен. Обучение включало подписи к сценам и их областям, а затем смесь из 1 млн инструкционных примеров 2D и 3D. Основной язык — английский. Модель принимает изображения и текст, а ответы формирует в виде текста. Модель подходит для описания визуальных сцен и ответов на вопросы о содержимом изображений, включая 3D-сцены. Карточка не приводит количественных оценок качества или детальных ограничений применения. Лицензия — Apache-2.0.

digiplay/MeinaPastel_v3 — модель генерации изображений в пастельном аниме-стиле по текстовым запросам. Карточка описывает её как ориентированную на яркие, сияющие цвета; модель распространяется в форматах Diffusers и PyTorch с весами Safetensors. Модель предназначена для создания иллюстраций в аниме-стиле по текстовому описанию. Сведения о размере, архитектуре сверх принадлежности к семейству Stable Diffusion, контексте и поддерживаемых языках в карточке отсутствуют. Указана лицензия other, поэтому условия использования следует проверять в файлах репозитория.

MiniMax-H3-Qwen3-VL-NVFP4 — 4-битная NVFP4-квантизация текстового энкодера Qwen3-VL-32B для модели генерации видео MiniMax-H3. Репозиторий подготовлен для ComfyUI как замена штатного энкодера conditioning и загружается через CLIPLoader с типом minimax; веса видеодиффузионной модели не изменены. В safetensors-файле размером около 16,64 ГиБ в NVFP4 переведены линейные слои средней части языковой модели, а эмбеддинги, первый и последний языковые слои и вся зрительная башня сохранены в bf16. Энкодер предназначен для подготовки текстового и визуального conditioning в рабочих процессах генерации видео MiniMax-H3, в том числе на потребительских GPU с 24 ГБ памяти при выгрузке части моделей. Автор сообщает о тестах на 16 парах клипов: LPIPS 0,099, SSIM 0,891 и небольшое изменение межкадрового мерцания относительно bf16; это результаты ограниченного внутреннего набора, а не гарантия качества для любых запросов. На Blackwell NVFP4 работает быстрее; на Ada для ускоренных FP4-ядер требуется сборка PyTorch cu130. Это преобразованная и квантованная версия энкодера, а не самостоятельная видеомодель: для генерации нужны совместимые веса MiniMax-H3 и соответствующий workflow ComfyUI. Лицензия указана как other; README предписывает соблюдать MiniMax Community License и местное законодательство.

NewMoon — модель генерации изображений по текстовому описанию, представленная автором mirav. Автор описывает NewMoon как вариант с мягкими и яркими цветами; в репозитории также указаны альтернативные варианты ChamomileTea с более тёмной и мрачной палитрой, TestMoon в милом стиле с некоторыми недостатками и NewMoonTest2A с мягкой, плоской и милой стилистикой. Модель предназначена для создания стилизованных изображений по текстовым запросам. Репозиторий содержит файлы в формате Diffusers и Safetensors. README также включает пример промпта для AnimateDiff и извлечённый CLIP для продвинутого слияния моделей. В метаданных указан английский язык и лицензия CC; конкретные условия лицензии в доступных данных не раскрыты.

nuipenimix — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec. Репозиторий использует Stable Diffusion в формате Diffusers и включает встроенный VAE MoistMixV2. Карточка демонстрирует генерацию стилизованных персонажей и животных, в том числе в мультяшной и аниме-эстетике. Модель предназначена для создания иллюстраций по промптам: примеры включают персонажей из игр и мультфильмов, портреты и фантазийную сцену с красной пандой. В метаданных указана лицензия CreativeML OpenRAIL-M. Карточка не сообщает размер модели, длину контекста или конкретные гарантии качества.

OnlyAnime_v2.3 — модель Stable Diffusion в формате Diffusers для создания изображений по текстовому описанию. Карточка содержит примеры изображений и упоминает совместное использование с LoRA FilmVelvia3 для эффекта выразительного освещения; сведений о разработчике, размере модели, контексте и конкретной лицензии нет. В метаданных указана лицензия «other».

PotaytoPotahto — модель генерации изображений по текстовому описанию на основе Stable Diffusion, созданная путём смешивания Protogen 2.2 от darkstorm2150 с эффектом Glow LoRA от PotatCat. По карточке, LoRA была объединена с весами модели, после чего применено дополнительное слияние весов; итоговая модель рассчитана на создание художественных изображений, в том числе аниме-арта и стилизованных персонажей. Модель распространяется в формате Diffusers/PyTorch с весами safetensors и лицензией CreativeML OpenRAIL-M. Карточка демонстрирует генерацию изображения по текстовому промпту. В метаданных указан английский язык; конкретные параметры разрешения, контекста и ограничения качества не приведены.

Protogen Nova — модель генерации изображений по текстовому описанию, созданная darkstorm2150. Это объединённый чекпойнт Stable Diffusion, собранный из моделей семейства Protogen: версий для аниме, фотореализма, научной фантастики и изображений драконов. В карточке также описана техника Granular Adaptive Learning, применённая при объединении чекпойнтов. Модель предназначена для создания художественных изображений по текстовым запросам. Для запуска README предлагает установить файл модели в каталог Stable Diffusion WebUI; метаданные указывают поддержку Diffusers и форматы PyTorch и safetensors. Карточка сообщает о лицензии CreativeML OpenRAIL-M. Размер модели, длина контекста и конкретные языковые характеристики не приведены.

Protogen Unofficial Release — модель генерации изображений по текстовому описанию, созданная сообществом как смесь Protogen x5.8 и Protogen v2.2. Она использует Stable Diffusion и доступна в формате Diffusers с весами Safetensors; в веса встроен VAE 840K. Модель предназначена для создания художественных иллюстраций и изображений персонажей по промптам. Примеры в карточке показывают стилизованные портреты, фэнтези и киберпанк-сцены, а также живописную и близкую к фотореализму подачу. Карточка отмечает художественные и аниме-направления; основной язык промптов по метаданным — английский. Модель получена слиянием двух чекпойнтов методом SuperMerger Weight Sum Train Difference с настройками MBW. Лицензия указана как other, поэтому конкретные условия использования следует уточнить на странице модели и у авторов базовых чекпойнтов. Параметры размера и контекстного окна в предоставленных данных не приведены.