I.10Видео, анимация и 3D

Qwen2.5-7B-Instruct-Uncensored-Flux — дообученная mrkrak3n диалоговая языковая модель для создания подробных и образных промптов к генератору изображений Flux. В основе лежит Orion-zhen/Qwen2.5-7B-Instruct-Uncensored: плотная архитектура Qwen2 с 7,1 млрд параметров, контекстом 32 768 токенов и форматом Safetensors. Модель принимает текстовые инструкции и описания сцен, а выдаёт развёрнутые текстовые промпты; обучение включало FluxDev ControlNet 16k и синтетические данные. Модель подходит для преобразования кратких описаний сцен в детализированные промпты и для диалоговой помощи при подготовке запросов к Flux. README также описывает интеграцию с ComfyUI через узлы ComfyUI-Qwen. Карточка не приводит оценок качества или подробных ограничений; uncensored указывает на отсутствие обычного фильтра отказов. Лицензия в предоставленных данных не указана.

Dsaf69/Qwen-Image-Edit-Rapid-AIO-GGUF — это GGUF-квантизированная сборка модели для генерации и редактирования изображений, предназначенная для использования в ComfyUI. Она основана на Phr00t/Qwen-Image-Edit-Rapid-AIO и связана с Qwen/Qwen-Image-Edit-2509 и lightx2v/Qwen-Image-Lightning. В комплект включены LoRA-компоненты для NSFW-сценариев и ускоренной генерации Lightning. README не указывает точный размер модели, поддерживаемые языки и максимальный контекст. Модель рассчитана на text-to-image и image-to-image, включая редактирование изображений за четыре шага с вариантами квантизации Q2_K и Q5_K_M. Это позволяет использовать её в сценариях локальной генерации и редактирования изображений с меньшими требованиями к ресурсам, однако сборка не является полностью автономной: текстовый энкодер и VAE не включены в GGUF и должны быть установлены отдельно. Рекомендуется использовать Qwen2.5-VL-7B-Instruct-abliterated или совместимый текстовый энкодер, соответствующий mmproj-файл и VAE; также требуется заменить узел nodes_qwen.py на исправленную версию. Лицензия — Apache-2.0.

RealCartoon3DRemix — модель генерации изображений по текстовому описанию, созданная Yntec. Это слияние базовых блоков RealCartoon3D 2.5 и a-Zovya RPG Artist Tools V2 Art на основе Stable Diffusion 1.5; автор сообщает, что слияние предназначено для получения альтернативных композиций. Модель распространяется в форматах Diffusers и safetensors и использует библиотеку Diffusers. Примеры в карточке показывают генерацию иллюстраций с персонажами, фэнтезийными и игровыми мотивами, а также сценами в мультяшной, стилизованной и близкой к реалистичной подаче. Для использования задают текстовый промпт, описывающий персонажей, сцену, стиль и детали изображения. Лицензия — CreativeML OpenRAIL-M. Автор отмечает, что удалил EMA-веса и преобразовал модель между форматами Diffusers и safetensors. В карточке нет сведений о размере модели, длине контекста или поддерживаемых естественных языках; промпты приведены на английском языке.

FardoX/sasori-flux2-klein-9b-tq3p — квантованный GGUF-вариант FLUX.2 [klein] 9B с форматом ternary TQ3P от sasori. В репозитории представлены DiT-денойзер и текстовый энкодер Qwen3-8B, преобразованные в TQ3P без переобучения; каждый вес кодируется тремя трит-плоскостями с групповой шкалой FP16, эффективная разрядность составляет 6,1875 бит на вес. Модель предназначена для генерации изображений по текстовым запросам; FLUX.2 [klein] 9B использует дистиллированную схему с четырьмя шагами в описанных измерениях. Ключевое преимущество этой сборки — меньший объём файлов и потребление видеопамяти по сравнению с FP16/BF16 при близкой измеренной скорости денойзинга на GPU. На CPU TQ3P работает медленнее, чем Q4_K_M, а генерация может занимать несколько минут. Для загрузки требуется специально пропатченный runtime stable-diffusion.cpp, поскольку официальный upstream не поддерживает этот тип GGUF; также необходима отдельная VAE. Лицензия указана как other, поэтому перед использованием следует проверить условия исходных компонентов и репозитория.

SD 3.5 Fusion Merge v1 — модель для генерации изображений по текстовому описанию, разработанная пользователем huchukato. Она основана на Stability AI Stable Diffusion 3.5 Large и распространяется в формате Safetensors. В карточке также указаны совместимость с Diffusers и формат LoRA, однако описание называет модель 8-step merge fp16. Модель предназначена для создания детализированных художественных и фотореалистичных сцен: персонажей, фантазийных композиций, театральных сюжетов и окружений с выразительным освещением и насыщенной цветовой палитрой. Для активации заявленного стиля рекомендуется использовать триггерное слово pimpmysd35. В примерах показаны сцены с огненной героиней, подводным дворцом и ритуальным представлением. Известные характеристики включают работу с текстом и изображениями, точность fp16 и настройку на генерацию за 8 шагов. Данные о поддерживаемых языках, максимальном контексте, точном размере весов и требованиях к оборудованию не указаны. Возможные ограничения — зависимость качества от формулировки запроса и необходимость использования рекомендованного триггера; отдельные сведения о качестве и стабильности представлены только демонстрационными примерами. Лицензия указана как stabilityai-ai-community; условия следует уточнять по ссылке на лицензию Stability AI.

Delta-Vector/SD-Prompter-1.5B-V0.1 — языковая модель, разработанная Delta-Vector и дообученная на базе NewEden/Qwen-1.5B-Claude для составления промптов Stable Diffusion по описанию внешности персонажа. Модель использует плотную архитектуру Qwen2ForCausalLM с 1,5 млрд параметров и поддерживает контекст длиной до 131 072 токенов. Модель принимает текстовую инструкцию в формате Alpaca и выдаёт текст промпта для генерации изображения. Для обучения использовался датасет NewEden/CivitAI-SD-Prompts; README указывает на два эпоха полно-параметрического дообучения. Модель предназначена для подготовки описаний персонажей, которые затем можно использовать в Stable Diffusion. Лицензия в предоставленных данных не указана.

byliutao/stable-diffusion-3-medium-turbo — модель для генерации изображений по текстовому описанию, опубликованная пользователем byliutao. README описывает применение дистилляции диффузионных моделей для генерации за небольшое число шагов и связывает подход с Continuous-Time Distribution Matching (CDM), динамическим расписанием времени и согласованием условий текста и распределения изображений. Репозиторий содержит модель в форматах Diffusers и safetensors, предназначенную для конвейера StableDiffusion3Pipeline. Метаданные классифицируют её как text-to-image. README не приводит точный размер модели, длину контекста, перечень поддерживаемых языков или условия лицензии, поэтому эти характеристики не включены.

Fictiverse/Stable_Diffusion_PaperCut_Model — дообученная модель генерации изображений на основе Stable Diffusion 1.5, обученная на изображениях в стиле вырезанной бумаги. Для получения этого стиля в запросе рекомендуется использовать слово PaperCut. Модель предназначена для создания изображений по текстовым описаниям; в карточке приведён пример генерации изображения персонажа R2-D2. Модель использует StableDiffusionPipeline из библиотеки Diffusers и распространяется в форматах Diffusers, PyTorch и safetensors. Лицензия — CreativeML OpenRAIL-M. README также упоминает возможность экспорта в ONNX, MPS и FLAX/JAX, но не приводит сведения о качестве такого экспорта или дополнительные ограничения.

Stable Diffusion XL Base 1.0 — модель генерации и редактирования изображений по текстовому описанию, разработанная Stability AI. Она использует латентную диффузию и два предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Базовую модель можно применять самостоятельно либо вместе с отдельной моделью-рефайнером для финальной обработки изображения; также описан двухэтапный вариант с повышением разрешения через img2img. Модель предназначена для создания иллюстраций и художественных изображений, а также для творческих и образовательных инструментов и исследований генеративных моделей. Она поддерживает генерацию изображений по текстовым запросам; репозиторий предлагает варианты запуска через Diffusers, ONNX и OpenVINO. Лицензия — CreativeML Open RAIL++-M (в метаданных указана openrail++).

Это веса T2I-Adapter для Stable Diffusion XL Base 1.0, опубликованные SargeZT. Адаптер использует карту сегментации как дополнительное условие при генерации изображений по текстовому запросу. В README приведены примеры сцен с животными, людьми и предметами; веса предназначены для подключения к совместимому конвейеру Diffusers со Stable Diffusion XL. Для инициализации T2I требуется собственный код. Модель является производным адаптером базовой модели stabilityai/stable-diffusion-xl-base-1.0 и распространяется в форматах PyTorch и safetensors по лицензии CreativeML Open RAIL-M. README не сообщает размер весов, поддерживаемые языки или ограничения качества; применимость зависит от совместимого конвейера и наличия карты сегментации.

Video-LLaVA-7B — мультимодальная модель семейства LLaVA, разработанная авторами проекта Video-LLaVA и LanguageBind. Она связывает визуальные представления изображений и видео с пространством признаков языковой модели, чтобы отвечать на вопросы и выполнять визуальные рассуждения по обоим типам входных данных. В README также заявлена интерактивная работа с изображениями и видео без обучения на парах «изображение–видео». Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlavaLlamaForCausalLM и поддерживает контекст длиной 4096 токенов. Репозиторий предоставляет веса в форматах PyTorch и safetensors. Модель предназначена для сценариев визуального диалога и анализа содержимого изображений и видео; в метаданных её основная задача указана как генерация текста. Лицензия — Apache-2.0.

VisualClozePipeline-384 — реализация в Diffusers универсального фреймворка генерации изображений VisualCloze, основанного на визуальном обучении в контексте. Репозиторий предоставляет полные параметры модели; опубликована также отдельная версия LoRA, для которой в README указана FLUX.1-Fill-dev в качестве базовой модели. Модель предназначена для генерации и преобразования изображений по визуальным примерам: она поддерживает несколько задач внутри предметной области, может обобщать на новые задачи с помощью контекстных примеров, объединять несколько задач в один проход и восстанавливать набор условий по целевому изображению. Реализация работает с Diffusers и файлами safetensors; README сообщает об интеграции VisualCloze в официальные пайплайны Diffusers. Лицензия репозитория — Apache-2.0. В карточке не приведены размер модели, контекст и поддерживаемые естественные языки; модель ориентирована на изображения, поэтому языковая классификация не применяется.

Animagine XL 3.1 — модель генерации изображений по текстовому описанию, разработанная Cagliostro Research Lab. Это дообученная на основе Stable Diffusion XL модель семейства Animagine XL, специализирующаяся на изображениях в стиле аниме и персонажах из известных аниме-сериалов. Авторы отмечают улучшенное понимание запросов, прорисовку рук и поддержку тегов качества, рейтинга, эпохи и эстетики. Модель предназначена для художников, поклонников аниме и создателей контента, которым нужно создавать или варьировать иллюстрации по текстовым запросам. Для более предсказуемого результата рекомендуется использовать подробные описания и теги в стиле Danbooru; модель доступна через Diffusers в форматах Diffusers и safetensors. Лицензия — CreativeML Open RAIL++-M, обозначенная в метаданных как openrail++. Модель ориентирована на аниме и не подходит для фотореалистичных изображений. Короткие или простые запросы могут давать слабый результат, а анатомия и руки всё ещё могут изображаться с ошибками. Возможна генерация NSFW-контента, в том числе без явного запроса.

Animagine XL 4.0 — диффузионная модель генерации и редактирования изображений в аниме-стиле, разработанная Cagliostro Research Lab на основе Stable Diffusion XL 1.0. Модель дообучена на более чем 8,4 млн изображений и рассчитана на создание иллюстраций по текстовым запросам. Она поддерживает работу через Diffusers, ComfyUI и Stable Diffusion WebUI; карточка описывает вариант Animagine XL 4.0 Opt с улучшенной стабильностью, анатомией, снижением шума и цветопередачей. Для управления результатом модель лучше использовать с запросами в формате тегов и специальными тегами качества, рейтинга и периода. Поддерживаемый язык в метаданных — английский. Лицензия — CreativeML Open RAIL++-M (в метаданных Hugging Face указана OpenRAIL++).

shibal1/anything-v4.5-clone — копия модели Anything V4.5, опубликованная автором как архив после того, как исходный репозиторий Anything V4.0 стал недоступен. Это модель latent diffusion на базе Stable Diffusion для генерации изображений по текстовым запросам; она ориентирована на детализированный аниме-стиль и понимает теги Danbooru. В README также приведён пример использования через StableDiffusionPipeline из библиотеки Diffusers. Модель подходит для создания иллюстраций и персонажей в аниме-стиле по коротким промптам. Репозиторий содержит файлы в форматах Diffusers, PyTorch и safetensors; метаданные указывают лицензию CreativeML OpenRAIL-M. Автор описывает репозиторий как архив, первоначальная попытка обучения модели через SD API не удалась. Размер и длина контекста в доступных данных не указаны.

AstolfoMix — серия слитых моделей Stable Diffusion от автора 6DammK9 для генерации изображений по текстовым описаниям, в том числе изображений в аниме-стиле. README описывает варианты Baseline, Extended, Reinforced и 21b: они объединяют веса нескольких моделей, а версия 21b создана слиянием Extended и Reinforced. В метаданных указаны pipeline text-to-image, библиотека Diffusers и форматы PyTorch и safetensors. Автор ориентирует модель на генерацию изображений высокого разрешения и совместимость с LoRA, embedding и другими дополнениями. Для Baseline указано нативное разрешение 1024×1024 и рекомендованные настройки CFG; отдельные конфигурации способны работать с разрешением до 1280×1280, но генерация может быть медленной и давать мало удачных результатов. Для вариантов и настроек могут потребоваться эксперименты. Модель распространяется по лицензии CreativeML OpenRAIL-M. README описывает работу с SD 1.4 и рецепты слияния, но не позволяет однозначно установить конкретную базовую модель для репозитория целиком.

digiplay/asyncsMIX_v2 — модель генерации изображений по текстовому описанию в формате Diffusers. В карточке указано, что автор добавил собственный пример изображения, а также приведены демонстрационные изображения первоначального автора. Метаданные относят модель к семейству Stable Diffusion и указывают форматы Diffusers, PyTorch и safetensors. Лицензия обозначена как other; карточка не уточняет условия её использования. Модель предназначена для создания изображений по текстовым запросам.

BigLove Klein 2 — дообученная модель для генерации изображений по текстовым запросам на основе FLUX.2-klein-base-9B от Black Forest Labs. Репозиторий содержит веса в форматах Safetensors: BF16, обрезанный BF16 и обрезанный FP8; также заявлены квантованные варианты. Модель предназначена для запуска через ComfyUI или Diffusers и подходит для локальной генерации изображений с настройкой под доступную видеопамять. В README приведён пример генерации за четыре шага с guidance scale 0.0. Базовая модель рассчитана на генерацию и редактирование изображений, однако карточка этой производной явно заявляет только генерацию по тексту. Лицензия — CC BY-NC 4.0, разрешающая использование с указанием авторства и ограничивающая коммерческое применение. В README указаны разные варианты весов, но содержимое репозитория может меняться.

Canopus-Pixar-3D-Flux-LoRA — адаптер LoRA для генерации изображений на базе black-forest-labs/FLUX.1-dev, разработанный prithivMLmods. Модель предназначена для text-to-image сценариев, в которых требуется создавать яркие стилизованные 3D-иллюстрации в эстетике Pixar, включая персонажей, супергероев и кинематографичные сцены. Адаптер обучен на более чем 110 изображениях высокого разрешения с использованием англоязычных описаний, сформированных Florence 2. Указаны network dim 64, network alpha 32, 15 эпох и более 2300 шагов обучения; веса доступны в формате Safetensors. Для активации рекомендуется использовать триггерные слова Pixar, Pixar 3D или 3D. В README не указаны точный объём параметров, поддерживаемые языки базовой модели и размер контекстного окна. Сильная сторона модели — выраженная специализация на мультяшной 3D-стилистике, ярком освещении и кинематографичной подаче. При этом модель всё ещё находится на стадии обучения, не является финальной версией и может создавать артефакты или плохо работать в отдельных случаях. Лицензия — creativeml-openrail-m.

questcoast/clone-wars-diffusion-v1 — модель генерации изображений по текстовому описанию, созданная дообучением Stable Diffusion 1.5 методом DreamBooth. Она предназначена для изображений в стилистике мультсериала «Звёздные войны: Войны клонов» и для генерации персонажей вселенной Star Wars в заданных сценах, образах и стилях. Для общей стилистики используйте в запросе фразу «clone wars style»; для обученных персонажей — их имена, например Ahsoka Tano, Anakin Skywalker или Yoda. Карточка показывает примеры генерации портретов, персонажей, транспорта и пейзажей. Модель принимает текстовые запросы на естественном языке и выдаёт изображения. В метаданных указаны форматы Diffusers и PyTorch, а лицензия — CreativeML OpenRAIL-M. Карточка не приводит сведений о поддерживаемых языках, поэтому описание запросов на русском не гарантируется.

Yntec/Disneyify — модель генерации изображений по текстовому запросу, созданная слиянием Toonify2 и ClassicAnim-v1 на базе Stable Diffusion 1.5. Она предназначена для создания иллюстраций с эстетикой классической анимации; в запросах можно использовать фразу «classic disney style», но карточка утверждает, что модель способна передавать стиль и без неё. Модель опубликована в форматах Diffusers и safetensors и использует лицензию CreativeML OpenRAIL-M. Карточка приводит примеры запросов для создания персонажей и портретов. Метаданные указывают английский язык карточки; основной ввод — текст, результат — изображение. Сведений о размере модели, длине контекста и подробных ограничениях качества карточка не содержит.

DreamShaper 3 — модель генерации изображений из текста на основе Stable Diffusion, разработанная Lykon. Она дообучена на runwayml/stable-diffusion-v1-5 и предназначена для создания художественных изображений по текстовым запросам. Модель можно использовать через Diffusers; опубликованные файлы представлены в форматах Diffusers и safetensors. DreamShaper ориентирована на широкий спектр художественных стилей, включая аниме и фотореалистичные изображения. В README отмечено, что для уверенного управления результатом важны навыки составления запросов; модель может уступать специализированным моделям в фотореализме или аниме. Лицензия — CreativeML OpenRAIL-M.

Dreamshaper 8 — модель генерации изображений по текстовому описанию от Lykon, дообученная на Stable Diffusion 1.5 (runwayml/stable-diffusion-v1-5). Она предназначена для создания художественных изображений, в том числе в стилях аниме и фотореализма; результат зависит от формулировки запроса и навыка пользователя. Модель доступна в форматах Diffusers и Safetensors и распространяется по лицензии CreativeML OpenRAIL-M. По сравнению с предыдущей версией автор отмечает улучшения относительно Dreamshaper 7. Модель универсальна по стилям, но может уступать специализированным моделям в фотореализме или аниме. Карточка не приводит сведения о размере модели и длине контекста.

DucHaiten Retro 2 — производная модель семейства Stable Diffusion от Yntec, предназначенная для генерации изображений по текстовым запросам. Модель распространяется в формате Diffusers и Safetensors; в неё встроен VAE 840K, который, по описанию автора, улучшает цвета и детализацию. Модель ориентирована на изображения с ретроэстетикой: визуальный стиль 1990-х, VHS- и кинематографические кадры, аналоговую фотографию и плёночное зерно. В карточке приведены примеры запросов для портретов, уличной моды и постановочных сцен. Лицензия — CreativeML OpenRAIL-M. Результаты зависят от текстового запроса; заявленное улучшение цветов и детализации приведено автором, а независимые оценки качества в карточке отсутствуют.

DuelAnimeMix_v1 — модель генерации изображений в аниме-стиле, опубликованная пользователем digiplay. Карточка называет её милой аниме-моделью; она принимает текстовое описание и создаёт изображение. Репозиторий представлен в форматах Diffusers, PyTorch и Safetensors, а задача text-to-image указана в метаданных Hugging Face. Карточка содержит демонстрационное изображение исходного автора, но не приводит сведений об архитектуре, размере, контексте, языках, обучении или конкретных ограничениях. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией в репозитории.

Emi 3 (Ethereal master of illustration 3) — модель генерации изображений по тексту, разработанная компанией AI Picasso на базе Stable Diffusion 3.5 Large. Она предназначена прежде всего для создания иллюстраций в японском художественном стиле, включая аниме и мангу. Архитектура использует Rectified Flow Transformer и текстовые энкодеры OpenCLIP ViT/G, CLIP-L и T5; модель распространяется в форматах Diffusers и safetensors и рассчитана на работу через ComfyUI или библиотеку Diffusers. Модель принимает текстовые запросы примерно до 200 слов. README сообщает об обучении на наборе примерно из 3 000 вручную и 400 000 автоматически собранных изображений после исключения изображений Danbooru, размещённых без разрешения. Среди сценариев применения — создание иллюстраций, эскизов и изображений для творческих проектов. Модель лучше подходит для японских иллюстративных изображений, чем для фотореализма; генерация рук может быть неточной. В README указан язык японский, а метаданные карточки отмечают английский. Лицензия обозначена как Stability AI Community License; для производных изображений следует соблюдать применимые законы и условия лицензии. Модель не предназначена для передачи вымышленных сведений за факты, публикации цифровых подделок или распространения запрещённого контента.

EvtV3 — модель генерации изображений по текстовому описанию, опубликованная пользователем haor. Она основана на Evt_V2 и дообучена в течение 20 эпох на 35 467 изображениях. Модель распространяется в формате Diffusers для PyTorch и предназначена для создания изображений в аниме-стиле по текстовым запросам. Модель использует пайплайн Stable Diffusion. В карточке указана лицензия CreativeML OpenRAIL-M. Данных о конкретных ограничениях качества и поддерживаемых языках запросов в предоставленных источниках нет.

flat-2d-animerge — модель генерации изображений по текстовому описанию, созданная bigbeanboiler и опубликованная на CivitAI. Это чекпойнт Stable Diffusion в формате Diffusers; веса преобразованы для использования с библиотекой Diffusers. Модель ориентирована на создание плоских 2D-аниме-изображений по англоязычным запросам. Модель распространяется в форматах Diffusers и safetensors по лицензии CreativeML OpenRAIL-M. Карточка не сообщает размер модели, длину контекста или подробные результаты оценки качества.

wjndd/flux1-fill-dev-fp8 — перераспределённая версия весов Black Forest Labs FLUX.1-Fill-dev в формате float8 e4m3fn и safetensors, подготовленная для задач заполнения и редактирования областей изображения на потребительских GPU. Репозиторий содержит один файл весов размером около 11 ГБ и использует библиотеку Diffusers. Модель предназначена для редактирования изображения по текстовому описанию: она принимает исходное изображение, маску области для изменения и текстовую инструкцию, а на выходе создаёт изменённое изображение. Это производная версия FLUX.1-Fill-dev; README указывает, что веса не модифицировались, а формат FP8 может облегчить запуск на менее мощных видеокартах. Модель распространяется по лицензии FLUX.1 [dev] Non-Commercial License, поэтому коммерческое использование ограничено условиями этой лицензии. Качество и скорость генерации зависят от оборудования и настроек инференса.

Yntec/HyperPhotoGASM — объединённая модель генерации изображений по текстовому запросу на базе Stable Diffusion. Автор сообщает, что модель создана смешиванием DreamPhotoGASM и HyperRealism 1.2: объединение призвано улучшить детализацию глаз и композицию. Репозиторий содержит веса в формате safetensors для использования с библиотекой Diffusers. Модель предназначена для создания фотореалистичных изображений и кинематографических сцен по текстовым описаниям: примеры включают портреты, пары, костюмированные и постановочные сцены. В README приведены запросы на английском языке; сведения о поддержке других языков и длине контекста не приводятся. Лицензия — CreativeML OpenRAIL-M. Примеры и название модели указывают на ориентацию в том числе на чувственные изображения взрослых персонажей; качество и точность следования запросу могут зависеть от формулировки промпта. Подробные ограничения, включая рекомендуемые настройки и известные дефекты, в карточке не описаны.