I.10Видео, анимация и 3D

AniPlus v1 — модель генерации изображений в стиле аниме на основе Stable Diffusion 1.5, Waifu Diffusion 1.3, TrinArt Characters v1 и нескольких моделей DreamBooth. Репозиторий использует форматы Diffusers и PyTorch, а лицензия модели — CreativeML OpenRAIL-M. Модель предназначена для создания изображений по текстовым запросам, в том числе в аниме и полу-реалистичных стилях, с разнообразными позами персонажей. В карточке приведён пример работы через AUTOMATIC1111 Stable Diffusion Web UI с изображением 512×512; отдельного VAE AniPlus нет, автор рекомендует для хороших результатов VAE от TrinArt Characters.

AnyLoRA — модель генерации изображений по текстовому описанию на базе Stable Diffusion 1.5, дообученная разработчиком Lykon на runwayml/stable-diffusion-v1-5. Она предназначена для создания художественных изображений, в том числе в аниме-стиле, по текстовым запросам и используется через библиотеку Diffusers. В репозитории доступны веса в формате Safetensors. Модель опубликована по лицензии CreativeML OpenRAIL-M. Карточка не приводит сведений о размере модели, длине контекста или подробных ограничениях качества; результаты могут зависеть от формулировки запроса и параметров генерации.

Anything V5 — дообученная модель для генерации изображений по текстовому описанию, опубликованная Yntec. Версия рассчитана на генерацию в разрешении 768×768; в неё встроен VAE kl-f8-anime2 для использования через Inference API. Примеры промптов в карточке ориентированы на аниме, мультяшные изображения, персонажей и стилизованные иллюстрации. Модель распространяется в форматах Diffusers и Safetensors по лицензии CreativeML OpenRAIL-M. В метаданных указана базовая модель Yntec/AnythingV3. Карточка содержит примеры промптов, но не описывает ограничения качества или результаты систематической оценки.

BeenYouLiteL11_diffusers — модель генерации изображений по текстовому описанию в милом реалистичном стиле anime. Карточка описывает её как модель для создания изображений; репозиторий использует формат Diffusers и файлы Safetensors. Модель предназначена для генерации изображений по текстовым запросам в эстетике anime с реалистичной подачей. В карточке не приведены сведения о размере модели, контексте или поддерживаемых языках. Указана лицензия other, поэтому условия использования следует уточнять по файлам репозитория.

Модель s3nh/beksinski-style-stable-diffusion — дообученная версия Stable Diffusion v1.5, созданная для генерации изображений в стиле польского художника Здзислава Бексиньского. Для получения характерного эффекта автор рекомендует добавлять в текстовый запрос токены «beksinski style». Модель принимает текстовые описания и выдаёт изображения; она обучалась с использованием Diffusers и DreamBooth, с сохранением prior preservation loss и дообучением текстового энкодера. Модель подходит для создания сюрреалистичных художественных иллюстраций по текстовым запросам. Для запуска можно использовать StableDiffusionPipeline из библиотеки Diffusers; автор также упоминает возможность экспорта в ONNX, MPS и FLAX/JAX. Лицензия — CreativeML OpenRAIL-M. Качество и точность генерации зависят от формулировки запроса; README не приводит оценок качества или подробных ограничений.

ifmain разработал модель на основе Salesforce/blip-image-captioning-base и дообучил её на данных Ar4ikov/civitai-sd-337k. Модель принимает изображение и создаёт текстовое описание в форме промпта для Stable Diffusion. Модель подходит для подготовки промптов по изображениям, в том числе для SFW- и NSFW-сценариев. В метаданных указаны архитектура BLIP и класс BlipForConditionalGeneration; поддерживаемый язык — английский. Сведения о лицензии, размере и длине контекста в доступных данных отсутствуют.

DreamFul V2 — модель генерации изображений по текстовому описанию в формате Diffusers. Карточка содержит пример запроса для создания детализированного аниме-портрета девушки; метаданные также отмечают портретную и 3D-тематику. Модель предназначена для создания иллюстраций и обоев по текстовым промптам. Репозиторий использует форматы PyTorch и safetensors и распространяется по лицензии CreativeML OpenRAIL-M. Данных о базовой модели, размере и контексте в предоставленных материалах нет.

Dreamlike Anime 1.0 — модель генерации изображений в стиле аниме от dreamlike.art. Она создаёт изображения по текстовым описаниям и предназначена для иллюстраций, персонажей и других художественных сцен. Модель основана на Stable Diffusion и доступна в форматах CKPT, Safetensors и Diffusers; размер файлов указан как 2,13 ГБ. Модель поддерживает генерацию изображений по тексту. В метаданных также отмечена задача image-to-image, однако README не описывает её применение. Карточка предлагает использовать модель через Stable Diffusion Pipeline. Указана лицензия «other» без дополнительных условий в предоставленных данных.

DucHaiten Golden Life — модель генерации изображений по текстовому описанию, опубликованная под именем Yntec. Карточка показывает пример запроса с персонажем в юмористической журнальной иллюстрации, деталями в духе работ Альфонса Мухи и фантастическими мотивами. Модель предназначена для создания стилизованных изображений, в том числе персонажей и иллюстраций с аниме-, 3D- и Pixar-подобной эстетикой, указанной в метаданных. Она распространяется в формате Diffusers с весами PyTorch SafeTensors и лицензией CreativeML OpenRAIL-M. Сведения о размере модели и длине контекста в предоставленных данных отсутствуют.

Esthetic Retro Anime — модель генерации изображений по текстовому описанию в формате Diffusers, опубликованная пользователем Yntec. Примеры в карточке указывают на ретро-аниме и мультяшную эстетику; модель предназначена для создания иллюстраций по промптам. Репозиторий содержит веса в формате safetensors и относится к семейству Stable Diffusion. Модель помечена тегами Anime, Vintage и Sexy. Доступна по лицензии CreativeML OpenRAIL-M, условия которой ограничивают некоторые способы использования и распространения.

Это репозиторий с квантизированными весами модели FLUX.1 [schnell], разработанной Black Forest Labs. Версия преобразована с использованием BitsAndBytes в формат NF4 и предназначена для генерации изображений по текстовому описанию. Квантизация снижает требования к видеопамяти и делает запуск более доступным на GPU с 8 ГБ VRAM и в бесплатном Google Colab. Модель использует архитектуру из текстовых энкодеров CLIP и T5, Flux Transformer и VAE. В данном варианте квантизированы только T5-энкодер и Flux Transformer; CLIP и VAE сохранены в исходной точности. Пример использования рассчитан на генерацию изображений 1024×1024 за 4 шага диффузии при длине текстовой последовательности до 256 токенов. Указан английский язык. Полный конвейер требует примерно 14,8 ГБ VRAM, а раздельный режим — около 7,7 ГБ, что является сильной стороной сборки для устройств с ограниченными ресурсами. Ограничения включают зависимость от совместимых версий diffusers, transformers, BitsAndBytes и других библиотек, а также возможное снижение точности из-за 4-битной квантизации. Репозиторий распространяется по лицензии Apache 2.0; лицензия базовой модели указана как other с названием Apache-2.0.

Это зеркальная копия FLUX.2 [klein] 4B от Black Forest Labs, сохранённая для воспроизводимой сборки Beenga Image. Веса побайтно совпадают с указанной в карточке ревизией исходного репозитория; модель не изменялась и не дообучалась. Подходит для генерации изображений по тексту и редактирования изображений, в том числе с несколькими референсами, согласно метаданным каталога. Модель распространяется в форматах Diffusers и Safetensors по лицензии Apache-2.0. Для актуальной версии и исправлений карточка рекомендует обращаться к исходному репозиторию Black Forest Labs.

Flux Fantasy Knights — это LoRA-адаптер для генерации изображений на базе black-forest-labs/FLUX.1-dev, разработанный автором HailoKnight и опубликованный пользователем Keltezaa. Модель предназначена для text-to-image сценариев с фэнтезийными и футуристическими рыцарями, доспехами, мечами, паладинами, демоническими персонажами и механическими воинами. Она также может использоваться для создания персонажей без мечей и для сочетания рыцарской эстетики с научной фантастикой, киберпанком и кинематографичной визуальной подачей. Это модель типа LoRA в формате Safetensors, работающая с базовой архитектурой FLUX.1-dev и библиотекой Diffusers. Для активации рекомендуется использовать триггер hkstyle или HKStyle, а для усиления характерного результата — описывать мечи и доспехи. Рекомендуемый вес LoRA составляет примерно 0,6–1, однако автор советует экспериментировать. Важное ограничение — адаптер может часто добавлять шлем; для получения персонажа без шлема рекомендуется явно описывать волосы или использовать негативный запрос. Лицензия указана как bespoke-lora-trained-license; по ссылке лицензии разрешено коммерческое использование изображений, создание производных работ и применение другой лицензии при соблюдении условий, включая требование об указании авторства.

DeepFloyd IF-II-M-v1.0 — модель генерации изображений по тексту, разработанная DeepFloyd и StabilityAI. Это средний этап каскадной пиксельной диффузионной системы IF: он использует текстовые эмбеддинги T5 и архитектуру UNet с cross-attention, чтобы увеличить изображение с 64×64 до 256×256 пикселей. Размер модели — 450 млн параметров; запуск поддерживается через библиотеку diffusers. Модель подходит для создания и повышения разрешения изображений по текстовым описаниям, особенно на английском языке. Карточка приводит оценку FID-30K 6,66 на COCO, но отмечает, что фотореализм не идеален, а качество на других языках ниже. Модель не предназначена для достоверного изображения реальных людей и событий и может воспроизводить культурные и социальные предубеждения. Для использования требуется принять условия DeepFloyd IF License Agreement. Для работы всей системы IF карточка указывает возможность запуска с 14 ГБ видеопамяти при выгрузке частей модели в CPU.

KawaiiRealisticAnimeMix_A0.3 — модель генерации изображений по текстовому описанию в стиле аниме. В карточке приведён пример запроса для создания крупного портрета девушки с мягкой улыбкой, на улице и в яркой цветовой гамме. Модель предназначена для создания аниме-иллюстраций по текстовым промптам. Репозиторий содержит веса в форматах Diffusers и safetensors; метаданные указывают на совместимость со Stable Diffusion. Лицензия обозначена как other, поэтому условия использования следует уточнить на странице модели.

Карточка модели kiel2/Kiel-2-Flare на Hugging Face совпадает с карточкой kiel2/Kiel-Gen-2-Fast, поэтому описание составлено по ней. KielForge-fast — дообученный LoRA-адаптер для Stable Diffusion XL Base 1.0, созданный KielTech. Он предназначен для генерации изображений по тексту и преобразования исходных изображений, с акцентом на детализированные футуристические портреты, персонажей научной фантастики и концепт-арт с реалистичными текстурами. Адаптер доступен в виде 16-битных весов safetensors, а также вариантов GGUF F16 и Q4_0. Для генерации рекомендуется разрешение 1024 × 1024; в README также приведены параметры сэмплирования и силы преобразования изображения. Для работы нужны базовая модель SDXL и совместимый интерфейс или конвейер, например Diffusers, ComfyUI либо WebUI Forge. Модель ориентирована на англоязычные запросы. Квантованная версия Q4_0 может давать небольшие артефакты по сравнению с вариантом F16. Модель наследует ограничения и профиль безопасности базовой SDXL. Лицензия — CreativeML OpenRAIL-M.

KOALA-700M-LLaVA-Caption — модель генерации изображений по тексту от лаборатории визуального интеллекта ETRI. Это вариант KOALA-700M, обученный на парах изображений и синтезированных подписей к ним, созданных с помощью LLaVA на основе LAION-aesthetics-V2 6+. Модель использует латентную диффузию и текстовые энкодеры SDXL-Base-1.0, заменяя его U-Net на более компактный вариант с 782 млн параметров; для генерации изображений заявлено разрешение до 1024×1024. Модель предназначена для создания иллюстраций и визуальных материалов, творческих инструментов и исследований генеративных моделей. По данным карточки, KOALA-700M генерирует изображение 1024×1024 менее чем за 1,5 секунды на NVIDIA 4090 при 25 шагах и FP16; это результат авторского тестирования на указанном оборудовании. Лицензия в предоставленных данных не указана.

Mitsua Diffusion One — латентная диффузионная модель генерации изображений по текстовому описанию, разработанная Abstract Engine как основа для деятельности AI VTuber Elan Mitsua. Модель обучена с нуля; для обработки текста используется предварительно обученный энкодер OpenCLIP ViT-H/14. Доступна в форматах Diffusers и PyTorch. Модель предназначена для создания изображений по текстовым запросам. Обучение проходило на разрешениях от 256×256 до 768×512 и 512×768; набор данных включал около 11 млн изображений из общественного достояния, под лицензией CC0 или с разрешением на использование. В README отдельно указано, что версия с суффиксом «base» не содержит последующего дообучения, тогда как версия Diffusers и файл mitsua-diffusion-one.ckpt дообучены методом Diffusion With Offset Noise. Авторы предупреждают о низком качестве и недостаточном разнообразии результатов. Лицензия модели обозначена в метаданных как other; README сообщает об источниках обучающих данных, но не уточняет условия лицензии самой модели.

gokaygokay/moondream-prompt — дообученная версия Moondream2 для создания текстовых промптов по изображениям. Она принимает изображение и описывает его на естественном языке; пример в карточке сочетает описание персонажа и визуального стиля. Модель относится к компактному семейству Moondream, разработанному для эффективной работы на периферийных устройствах. Модель предназначена для подготовки промптов по изображению, например для повторного создания похожей сцены в генераторе изображений. В README не приведены сведения о размере, длине контекста и поддерживаемых языках. Лицензия репозитория — Apache-2.0.

MostClassical — модель генерации изображений по текстовому описанию в классическом мультяшном и ретро-аниме стиле. Авторская карточка выделяет изображения котят в стиле классической Disney-анимации, а примеры также показывают персонажей и стилизацию под ретро-фотографию. Модель создана слиянием DucHaiten Classic Anime и Moistalgia с помощью SuperMerger Weight Sum MBW. В карточке упомянуты также связанные с Moistalgia модели Rainbowpatch, Esthetic Retro Anime и DucHaiten-GoldenLife. Репозиторий содержит веса в форматах Diffusers и Safetensors; размер модели, архитектура базовых чекпойнтов и длина контекста в предоставленных данных не указаны. Модель подходит для создания иллюстраций и стилизованных персонажей по текстовым промптам. Она может не всегда точно следовать запросу: автор отмечает, что генерация котёнка иногда вместо этого даёт персонажа с кошачьими ушами или без котёнка. Лицензия — CreativeML OpenRAIL-M.

NetaYume Lumina Image v2.0 — модель генерации изображений по текстовому описанию, созданная Neta.art Lab на основе Neta Lumina и Lumina-Image-2.0 от команды Alpha-VLLM при Shanghai AI Laboratory. Модель дообучена для создания реалистичных изображений людей и детализированных иллюстраций в аниме-стиле. Она лучше передаёт персонажей, в том числе описанных тегами Danbooru, и прорисовывает контуры, цвета, одежду, причёски, аксессуары и фон. Веса объединены в файл safetensors со встроенными компонентами VAE, текстовым кодировщиком и моделью изображения; автор рекомендует использовать его в ComfyUI. Текстовый кодировщик основан на Gemma-2-2b, а VAE — на Flux.1 dev. Модель подойдёт для создания аниме-иллюстраций и изображений по текстовым промптам. Репозиторий распространяется по лицензии Apache-2.0.

Nitro-T-0.6B — модель генерации изображений по текстовому описанию, разработанная AMD. Это диффузионный трансформер DiT на 0,6 млрд параметров, построенный по архитектуре, близкой к PixArt-α. Модель работает с латентным пространством DC-AE и использует Llama 3.2 1B для текстового кондиционирования; предназначена для генерации изображений с разрешением 512 пикселей. Модель обучена с нуля на примерно 35 млн изображений из открытых источников, включая реальные и синтетические данные. Nitro-T ориентирована на эффективное обучение и показывает конкурентные результаты на бенчмарках среди моделей, оптимизированных для быстрого обучения. Для загрузки через Hugging Face требуется diffusers версии 0.34 или выше. Код обучения и подготовки данных опубликован разработчиками. Модель распространяется по лицензии Apache-2.0. В README не приведены подробные сведения о качестве на разных типах запросов или о фильтрации генерируемого контента.

NoobAI-XL-1.1-DF11-ComfyUI — сжатая версия модели NoobAI-XL-1.1 от Laxhar, подготовленная пользователем mingyi456 для генерации изображений из текстовых описаний. Модель предназначена для работы в ComfyUI и основана на архитектуре SDXL. Сжат компонент UNet, являющийся основной диффузионной частью SDXL-пайплайна; компоненты CLIP и VAE необходимо брать из исходного чекпойнта. Сжатие рассчитано на сохранение результатов оригинальной 16-битной модели при запуске ComfyUI с флагом --bf16-unet. Основное преимущество — существенное снижение потребления видеопамяти UNet: примерно с 5,14 до 3,66 ГБ, что может позволить запускать его на видеокартах с 6 ГБ VRAM при поддержке BF16. При этом модель примерно на 200 МБ больше ожидаемого размера, поскольку тензоры Conv2D не сжимаются для сохранения совместимости. Для использования требуется установить специализированный узел ComfyUI DFloat11 Extended и запускать ComfyUI с параметром --bf16-unet. Модель ориентирована на англоязычные текстовые запросы; заявленная модальность — текст-в-изображение. Ограничения включают необходимость исходных компонентов CLIP и VAE, поддержку BF16 со стороны GPU и использование совместимого пользовательского узла. Лицензия указана как Fair AI Public License 1.0 SD.

Eugeoter/noob-sdxl-controlnet-scribble_pidinet — модель для генерации изображений по текстовому описанию, разработанная на базе Laxhar/sdxl_noob. Она предназначена для использования в библиотеке Diffusers и относится к семейству Stable Diffusion XL. По названию и указанным тегам модель ориентирована на управление композицией изображения с помощью скетчей или набросков через ControlNet с обработкой scribble_pidinet. В карточке указаны английский язык и сценарий text-to-image. Точные сведения о размере модели, длине контекста, поддерживаемых модальностях помимо текста и изображения, качестве генерации, ограничениях и рекомендуемых параметрах отсутствуют. Модель распространяется по лицензии Fair AI Public License 1.0 SD; перед использованием следует ознакомиться с её условиями по указанной в карточке ссылке.

nunchaku-flux.1-krea-dev — это квантизированная версия модели FLUX.1-Krea-dev, разработанная командой Nunchaku. Модель предназначена для генерации изображений по текстовым описаниям и интегрируется с библиотеками Diffusers и ComfyUI. Модель использует 4-битное квантование SVDQuant для более эффективного вывода при минимальной потере качества. Доступны варианты INT4 для графических процессоров до серии NVIDIA 50 и NVFP4 для Blackwell GPU серии 50. Модель поддерживает англоязычные текстовые запросы; другие модальности и размер контекста в карточке не указаны. Для инференса используется движок Nunchaku, а квантование выполнено с помощью DeepCompressor. Сильной стороной модели является снижение требований к вычислениям и памяти по сравнению с исходной FLUX.1-Krea-dev при сохранении качества генерации. Ограничения связаны с применением 4-битного квантования и отсутствием в карточке подробных характеристик производительности. Модель распространяется по лицензии flux-1-krea-dev-non-commercial-license, основанной на некоммерческой лицензии FLUX.1 [dev] от Black Forest Labs; коммерческое использование не разрешено.

PixArt-alpha/pixart_sigma_sdxlvae_T5_diffusers — репозиторий команды PixArt-alpha с компонентами для работы PixArt-Σ через Diffusers: энкодером текста T5, токенизатором и SDXL VAE. Метаданные Hugging Face относят его к генерации изображений по тексту; карточка демонстрирует использование через PixArtAlphaPipeline. Сам репозиторий содержит компоненты пайплайна, а не отдельное описание новой архитектуры PixArt-Σ. Модель предназначена для создания изображений по текстовым описаниям. Архитектура пайплайна включает Transformer2DModel, T5EncoderModel и AutoencoderKL; веса размещены в формате Diffusers и Safetensors. Лицензия — OpenRAIL. Источники не подтверждают конкретный размер параметров, длину контекста или перечень поддерживаемых языков, поэтому эти характеристики не указаны.

Qwen-Image-2.1-Uncensored-GGUF — это набор GGUF-квантизаций модели Qwen-Image-2.1, опубликованный abenzerps на основе исходных весов Qwen/Qwen-Image-2.1. Модель предназначена для локальной генерации изображений по текстовому описанию и редактирования изображений через ComfyUI с расширением ComfyUI-GGUF. В поставку также входят текстовый энкодер Qwen3-VL 8B и VAE в формате Safetensors. 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. Для Q4_K_M заявлен оптимальный баланс размера и качества; для текстового энкодера предлагаются версии BF16 и Int8, причём Int8 подходит для снижения требований к памяти. Диффузионную модель рекомендуется размещать в VRAM, а текстовый энкодер выполнять в оперативной памяти или выгружать на CPU. Поддерживаются сценарии text-to-image и image edit, однако сведения о точной архитектуре, количестве параметров, языках и размере контекста в README не указаны. Сильными сторонами являются локальный запуск, несколько уровней квантизации и отсутствие встроенного safety checker или фильтра контента, благодаря чему модель не блокирует генерацию взрослого, NSFW и чувствительного содержимого. Ограничения включают зависимость от ComfyUI и совместимого расширения, значительные требования к VRAM и RAM, а также возможную ошибку shape mismatch у варианта Q8_0 в некоторых конфигурациях. Лицензия указана как other с названием qwen-research; конкретные условия необходимо проверять в лицензии исходной модели и репозитория.

QwenStoryteller-i1-GGUF — это квантизированная версия vision-language-модели QwenStoryteller, разработанной daniel3303 и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена для визуального сторителлинга: создания текстовых историй по изображениям, image-to-text генерации, связного описания визуального материала и сохранения согласованности между несколькими кадрами. В карточке также указана поддержка grounded text generation и chain-of-thought сценариев. Модель обучалась с использованием датасета StoryReasoning и ориентирована на английский язык. Она принимает визуальные данные, а для работы могут потребоваться дополнительные mmproj-файлы из статического репозитория. Точная архитектура, число параметров и размер контекстного окна в README не указаны. Доступно множество вариантов GGUF-квантизации размером примерно от 2,0 до 6,4 ГБ; более сильная квантизация уменьшает требования к памяти, но может снижать качество, особенно у младших вариантов. Сильными сторонами модели являются специализация на визуальном повествовании, обработке изображений и поддержании связности между кадрами, а также возможность локального запуска через GGUF. Ограничения включают отсутствие подробных данных о качестве, бенчмарках, архитектуре и контекстном окне, английскую языковую специализацию и потенциальную потерю качества из-за квантизации. Модель распространяется по лицензии Apache-2.0.

RevAnimated V2 Rebirth — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec. Карточка показывает примеры иллюстраций в аниме, мультяшном и ретро рекламном стилях; метаданные указывают на Stable Diffusion и использование библиотеки Diffusers с файлами Safetensors. Модель подходит для создания персонажей, стилизованных сцен и небольших иллюстраций по текстовым запросам. В карточке приведены примеры с чиби-персонажами, портретом в ретро-стиле и красной пандой. Указана лицензия «other»; README направляет к исходной странице за условиями лицензии, поэтому конкретные права использования по доступным данным установить нельзя.

ckpt/sd15 — модель для генерации изображений по текстовому описанию, размещённая в Hugging Face под именем ckpt; карточка предоставляет пример запуска через Diffusers. Репозиторий содержит компоненты StableDiffusionPipeline и файлы в форматах Diffusers, PyTorch и Safetensors. Модель принимает текстовый запрос и выдаёт изображение. Карточка не содержит сведений о размере, контексте или поддерживаемых языках. Лицензия указана как OpenRAIL; подробности условий следует сверять с текстом лицензии репозитория.