I.10Видео, анимация и 3D

MirrorMask — дообученная модель Stable Diffusion, созданная по мотивам тёмного фэнтези-фильма «Зеркальная маска» (2005). Она генерирует изображения по текстовым запросам и предназначена для переноса характерного стиля фильма на описанные сцены. Для активации стиля в запросе используется токен «mirrormask»; его можно разместить до или после описания и дополнить словом «style». Модель распространяется в форматах Diffusers и PyTorch, лицензия — CC BY-NC-SA 4.0, допускающая использование на условиях указания авторства, распространения производных работ на тех же условиях и некоммерческого применения. README также упоминает возможность экспорта в ONNX, MPS и FLAX/JAX.

MOSS-VL-Realtime-SGLANG — совместимый пакет команды OpenMOSS для запуска мультимодальной модели MOSS-VL-Realtime через специализированный backend SGLang-Omni. Это не переобученная и не квантованная модель: сохранены исходные веса BF16 и токенизатор, а пакет адаптирует конфигурацию и интерфейсы для совместимости с Transformers 5.12.1. В основе — плотная архитектура MossVLForConditionalGeneration с отдельным визуальным кодировщиком, языковой частью и перекрёстным вниманием; модель содержит 11 млрд параметров и поддерживает контекст до 256 тыс. токенов. Модель предназначена для потокового понимания видео: она анализирует кадры по мере поступления, отвечает на вопросы о происходящем, учитывает временные метки, порядок и длительность событий, а также может обновлять ответы или сохранять молчание, если ответ не нужен либо визуальных данных недостаточно. Подходит для интерактивных видео- и голосовых приложений и сервисов потокового вывода. Основные языки карточки — английский и китайский; вход включает видео и текст, выход — текст. Для работы требуются совместимые версии Transformers, SGLang-Omni и PyTorch, а также специализированная интеграция MOSS-VL; универсальная установка SGLang-Omni её не содержит. Реальная задержка зависит от оборудования и настроек, а пропуск кадров и окна визуального KV ограничивают доступную историю. Для продолжения работы за пределами контекста приложению нужна собственная логика памяти. Лицензия — Apache-2.0.

NewBie image Exp0.1 — экспериментальная модель генерации изображений по тексту от команды NewBie-AI, созданная на основе исследований архитектуры Lumina. Это модель класса DiT с 3,5 млрд параметров на базе Next-DiT, обученная в рамках новой архитектуры NewBie для генерации изображений. Для понимания запросов она использует Gemma3-4B-it и Jina CLIP v2, а для работы с изображениями — VAE FLUX.1-dev с 16 каналами. Модель обучена на большом корпусе высококачественных данных в стиле аниме и предназначена для создания детализированных изображений по естественным языковым описаниям и тегам. Структурированные XML-запросы могут улучшать привязку атрибутов к персонажам и элементам сцены, особенно в сценах с несколькими персонажами. Модель доступна для работы через Diffusers и ComfyUI. Это первый экспериментальный выпуск системы генерации NewBie, поэтому качество и поведение могут быть непредсказуемыми. README не содержит конкретных условий лицензии; в метаданных указана лицензия other. Разработчики предупреждают о возможности неожиданных или вредоносных результатов и возлагают ответственность за последствия использования на пользователя.

NOVA d48w1536-sdxl1024 — модель генерации изображений по тексту, разработанная BAAI. Это авторегрессионная модель NOVA на основе диффузии, использующая текстовый энкодер Phi-2 и токенизатор изображений SDXL-VAE. Размер модели — 1,4 млрд параметров, точность — FP16; целевое разрешение генерации — 1024×1024 пикселя. Модель предназначена для создания и изменения изображений по текстовым запросам, в том числе для творческих и образовательных инструментов, дизайна и изучения генеративных моделей. Распространяется в формате Diffusers и Safetensors по лицензии Apache 2.0. Ограничения включают потери при автоэнкодировании, трудности с генерацией сложного читаемого текста, несовершенный фотореализм и ошибки в изображении пальцев. Обучающие данные включали контент для взрослых, насилие и сексуальные материалы; модель может воспроизводить предвзятость. Она не предназначена для достоверного изображения людей или событий.

nova-mature-xl-v30-sdxl — модель генерации изображений по текстовому описанию, созданная Crody и опубликованная пользователем John6666. Она предназначена для создания стилизованных изображений, включая аниме и иллюстрации с персонажами, позами и сценами в жанре фэнтези. Модель представляет собой слияние Laxhar/noobai-XL-1.1 и OnomaAIResearch/Illustrious-XL-v2.0, использует Stable Diffusion XL и загружается через Diffusers. В карточке указаны 3 млрд параметров и формат F16; доступны метки anime, mature, 2D и 2.5D. Для работы требуется текстовый промпт, результатом служит изображение. Лицензия — faipl-1.0-sd. Карточка не сообщает точные ограничения по разрешённым сценариям или гарантии качества; метка mature указывает на ориентацию на взрослую тематику.

OsenayanMix-Illustration — модель генерации изображений по текстовому описанию от EarthnDusk. Она предназначена для создания иллюстраций и изображений в стиле аниме; автор также отмечает разнообразное представление гендеров в результатах. Модель распространяется в форматах Diffusers, PyTorch и Safetensors и работает через StableDiffusionPipeline. Модель можно использовать для создания персонажей, концепт-арта и художественных иллюстраций по текстовым запросам. Автор допускает повторное использование и слияние модели с другими моделями при соблюдении условий CreativeML OpenRAIL-M и лицензий моделей, вошедших в слияния; перепубликовывать её нельзя. В README нет количественных оценок качества или описания конкретных ограничений генерации.

QuinceMix — модель генерации изображений по текстовому описанию, созданная Hemlok как смесь моделей на базе Defacta. Она предназначена для художественных иллюстраций; автор отмечает сильные стороны в создании фонов и визуальных эффектов. В README рекомендуются сэмплеры DDIM или DPM++ SDE Karras, не менее 20 шагов, Clip Skip 2 и CFG Scale 5–8; VAE не обязателен, также предлагается использовать EasyNegative. Модель работает в формате Diffusers и доступна в форматах PyTorch и safetensors. Карточка указывает японский язык. Лицензия CreativeML OpenRAIL-M разрешает использование и распространение весов, в том числе коммерческое, при соблюдении её ограничений и передаче условий пользователям. Автор не рекомендует создавать и публиковать NSFW-контент в общественных местах; качество и безопасность результатов не гарантируются.

xCloudinfo подготовила квантованные GGUF-варианты Qwen-Image-2.1 для генерации изображений по текстовому запросу. Репозиторий содержит шесть уровней квантования основного диффузионного DiT-компонента — от Q2_K до Q8_0; текстовый энкодер Qwen3-VL-8B в bf16 и VAE поставляются отдельно в исходном формате и, согласно карточке, не изменены. Набор рассчитан на запуск в ComfyUI через узел ComfyUI-GGUF с поддержкой архитектуры qwen_image21; автор рекомендует форк leejet, поскольку vanilla-версия city96 пока не поддерживает эту архитектуру. Модель предназначена для создания изображений по текстовым описаниям. Базовая Qwen-Image-2.1 также поддерживает редактирование изображений, работу с прозрачностью и референсами, но README этого репозитория описывает прежде всего квантованный компонент генерации и не подтверждает эти сценарии для сборки GGUF. Структура файлов проверена: число и имена тензоров согласованы с исходной моделью, файлы читаются GGUF-парсером. Сквозная проверка генерации и качества изображений не проводилась. Минимальный доступный уровень квантования — Q2_K; I-quant варианты не поддерживаются используемой реализацией. Лицензия — Apache 2.0, унаследованная от базовой модели.

Qwen-Image-2.1 Uncensored GGUF — набор GGUF-квантизаций базовой модели Qwen/Qwen-Image-2.1, опубликованный пользователем 0xSojalSec. Модель предназначена для локальной генерации изображений по текстовым описаниям, в том числе через ComfyUI с расширением ComfyUI-GGUF. В репозитории представлены варианты Q8_0, Q6_K, Q5_K_M, Q4_K_M и Q4_0 размером от 4,05 до 7,59 GiB; для Q4_K_M заявлен оптимальный баланс размера и качества. GGUF-файлы содержат image transformer Qwen-Image-2.1, а для работы также требуются исходные text encoder и VAE. Архитектура, число параметров, поддерживаемые языки и размер контекста в README не указаны. Преимущество модели — возможность локального запуска и выбор уровня квантизации, однако качество зависит от выбранного варианта и доступных аппаратных ресурсов. Автор сообщает об отсутствии обнаруженных на уровне пайплайна safety checker и blacklist промптов, поэтому модель может генерировать чувствительный контент; внешние сервисы могут применять собственную модерацию. Распространение осуществляется по лицензии Qwen Research License.

SamDoesArt-V3 — модель генерации изображений по текстовому описанию, опубликованная пользователем Sandro-Halpo. Это чекпойнт для Diffusers на PyTorch, доступный также в формате Safetensors. Чтобы вызвать характерный эффект модели, автор рекомендует добавлять в промпт токен SamDoesArt; его положение и пунктуация могут менять результат. Автор предупреждает, что слово «style» сразу после токена может давать непредсказуемые результаты. Лицензия — Unlicense.

Simple Diffusion XS (SDXS) — компактная модель генерации изображений по тексту от AiArtLab, представленная как экспериментальный проект. Она содержит 1,5 млрд параметров; в качестве текстового энкодера используется Qwen3 объёмом 0,6 млрд параметров, а для декодирования изображений — Simple VAE с конфигурацией 8×16 каналов. Модель распространяется в формате Diffusers с весами Safetensors и лицензией Apache-2.0. Модель предназначена для быстрого создания изображений по текстовым запросам. Её обучали около трёх месяцев на 2–4 видеокартах RTX 5090, используя более миллиона изображений разных разрешений и стилей, преимущественно аниме и иллюстрации. Разработчики ориентируют проект на компактное обучение с использованием потребительских видеокарт. Карточка указывает на ограниченный охват понятий из-за небольшого набора данных. Поскольку в обучающих изображениях преобладают аниме и иллюстрации, качество и разнообразие результатов для других тем могут быть ограничены.

SenseNova-U1.5-8B-MoT-8step-4bit — артефакт модели SenseNova-U1.5-8B-MoT от SenseTime для компьютеров Apple Silicon, подготовленный для запуска через MLX и MLX-Swift. Это плотная мультимодальная архитектура NEO-unify Mixture-of-Transformers: она поддерживает генерацию изображений по тексту, редактирование изображений по инструкции и ответы на вопросы об изображениях. Генерация использует pixel-space rectified flow без VAE. Веса квантизированы до 4 бит с размером группы 64. Вариант предназначен для быстрой генерации и редактирования на компьютерах Mac, в том числе с 16 ГБ памяти; в README приведены показатели на M5 Max — 1024×1024 за 3,2 секунды и 2048×2048 за 15,8 секунды. LoRA-дистилляция сокращает генерацию до 8 шагов; адаптер затрагивает проекции потока генерации, а поток понимания для VQA остаётся от базовой модели. Квантизация может менять результат генерации при фиксированном seed, хотя автор описывает такие изображения как равноценные по качеству; для более близкого к bf16 результата рекомендуется 8-битный вариант. Для работы требуется runtime sensenova-u1-swift версии не ниже 0.5.1 для редактирования и VQA. Лицензия — Apache-2.0.

Sink Or Swim — слитая модель на основе Kitsch-In-Sync v2 и Generate Me!, созданная автором Yntec с помощью SuperMerger. Она предназначена для генерации изображений по текстовым промптам и ориентирована на стилизованные иллюстрации, дизайн персонажей, мультяшные и CGI-образы. Примеры в карточке показывают сказочные сцены, милых персонажей и иллюстрации с предметами и животными. Модель использует Stable Diffusion через библиотеку Diffusers; веса доступны в формате Safetensors. Лицензия — CreativeML OpenRAIL-M. Карточка не сообщает подробностей о размере модели, контексте или поддерживаемых языках.

SpatialBlock-3B-reason — мультимодальная модель для пространственных рассуждений по изображениям, представленная в рамках работы SpatialBlock. Это дообученная версия Qwen2.5-VL-3B-Instruct с архитектурой Qwen2.5-VL и 3,1 млрд параметров; модель принимает изображения и текстовые инструкции и формирует ответы на естественном языке. Она предназначена для решения синтетических задач на пространственное понимание: проекции 3D-сцен в 2D, преобразования точки зрения и объединения структур. Контекст составляет до 128 000 токенов. Модель распространяется под лицензией Apache-2.0. Чекпойнт обучен на наборе SpatialBlock-15k и рассчитан на целевые задачи пространственного анализа, а не на универсальное распознавание изображений. Качество и надёжность за пределами описанных синтетических задач в карточке не охарактеризованы.

T2I-R1 — модель генерации изображений по текстовому описанию, разработанная авторами исследования «T2I-R1: Reinforcing Image Generation with Collaborative Semantic-level and Token-level CoT». Это дообученная версия мультимодальной DeepSeek Janus-Pro-7B с 6,5 млрд параметров, опубликованная в формате safetensors и предназначенная для запуска через Transformers. Для генерации модель использует двухуровневое рассуждение: семантическое планирование содержания запроса и пошаговую обработку токенов изображения. Обучение с подкреплением BiCoT-GRPO совместно оптимизирует эти этапы с помощью набора наград. Модель предназначена для преобразования текстовых запросов в изображения. Авторы сообщают об улучшении результатов относительно базовой Janus-Pro на 13% на T2I-CompBench и на 19% на WISE; README также утверждает, что модель превосходит FLUX.1 на этих тестах. Контекст составляет 16 384 токена. Для использования требуется подготовить репозиторий по инструкциям проекта и запустить скрипт инференса. Лицензия — Apache-2.0.

Taiyi-Stable-Diffusion-1B-Anime-Chinese-v0.1 — модель генерации изображений по текстовому описанию, выпущенная командой Fengshenbang из IDEA Research Institute. Это модель Stable Diffusion для создания аниме-иллюстраций по китайским промптам; в README указано, что она обучалась в два этапа на отфильтрованных парах «китайский текст — аниме-изображение»: примерно 1 млн низкокачественных и 10 тыс. высококачественных примеров. Заявленный размер модели — 1 млрд параметров. Модель подходит для генерации персонажей и сцен в аниме-стиле, а также для преобразования изображений в сценариях img2img. README показывает генерацию изображений размером 512×512 и рекомендует интерфейс WebUI; для увеличения разрешения предлагается отдельная модель суперразрешения. Репозиторий содержит веса в форматах Diffusers и PyTorch, а лицензия — CreativeML OpenRAIL-M. Авторы называют эту версию предварительной и сообщают о планах дальнейшей оптимизации. Основное заявленное языковое направление — китайский; качество для других языков в предоставленных материалах не описано. Модель предназначена для генерации аниме-изображений, а не для распознавания или анализа изображений.

Technically-Color-Z-Image-Turbo — LoRA-адаптер для моделей диффузии, предназначенный для генерации изображений по текстовому описанию. Модель опубликована пользователем или организацией renderartist; точная информация о разработчике в README не указана. В качестве основного сценария использования заявлена стилизация изображений под цветную киноплёнку и фотоматериалы в духе 1940–1960-х годов: портреты, кинематографические сцены, персонажи, пейзажи и сюжетные композиции с винтажной цветокоррекцией и атмосферным освещением. Для активации характерного стиля в примерах используется маркер «t3chnic4lly». Модель совместима с экосистемой Diffusers и относится к формату diffusion LoRA. README не содержит данных о базовой архитектуре, количестве параметров, размере, поддерживаемых языках, максимальном разрешении или длине контекста. По приведённым примерам, сильной стороной адаптера является передача винтажной кинематографической эстетики, включая плёночный вид, цветовую обработку, мягкое освещение и постановочную композицию. Ограничения и типичные ошибки отдельно не описаны; результат зависит от базовой модели, формулировки запроса и параметров генерации. Лицензия в README не указана.

VBVR-Pro-ThinkMorph — мультимодальная модель, созданная авторами проекта VBVR-Pro как дообучение ThinkMorph-7B. Она предназначена для визуального рассуждения через генерацию: принимает исходное изображение и текстовую инструкцию, формирует последовательность чередующихся текстовых рассуждений и изображений, а затем возвращает итоговый ответ. Модель обучена на данных VBVR-Pro-SFT-Image; опубликованы веса EMA с шага обучения 25 000 в формате BF16 и полный чекпойнт, включающий автоэнкодер изображений. Модель рассчитана на задачи, где нужно анализировать визуальную сцену и создавать промежуточные состояния изображения, например отслеживать изменения или выполнять визуальные преобразования. Авторы сообщают о переносе на ряд тестов визуального рассуждения. Используется специализированная архитектура ThinkMorph/BAGEL с языковой конфигурацией Qwen2-MoT; для запуска требуются код и зависимости ThinkMorph, Linux и CUDA, рекомендуется GPU класса 80 ГБ. Обычная загрузка через Transformers AutoModel или Diffusers не поддерживается. Лицензия — Apache-2.0.

Antiraedus создал эту модель на базе Stable Diffusion, дообучив её методом DreamBooth на изображениях стиля Violet Evergarden из собственного набора данных. Она предназначена для генерации изображений по текстовому запросу с использованием концепта «vioeva», например для создания аниме-пейзажей и городов в этом стиле. Модель распространяется в формате Diffusers/PyTorch под лицензией CreativeML OpenRAIL-M. Автор отмечает, что обучающие изображения были в градациях серого, поэтому результат может быть монохромным. В README не приведены сведения о размере модели или длине контекста.

leejet/Z-Image-GGUF — это квантизированные файлы весов модели Z-Image, разработанной Tongyi-MAI и преобразованные с помощью stable-diffusion.cpp. Модель предназначена для генерации изображений по текстовому описанию и может использоваться в сценариях text-to-image через stable-diffusion.cpp. В метаданных указаны поддерживаемые языки английский и китайский, а также принадлежность к экосистеме GGUF и stable-diffusion.cpp. Точные сведения об архитектуре, размере модели, доступных модальностях помимо генерации изображений и размере контекста в README не приведены. Квантизация ориентирована на более экономное использование ресурсов; заявлена возможность запуска на GPU с 4 ГБ VRAM, однако конкретные требования к производительности и качеству зависят от варианта весов и конфигурации. Лицензия модели — Apache-2.0, и она распространяется на квантизированные файлы согласно лицензии оригинальной Z-Image.

vladmandic опубликовал преобразованную в формат Diffusers модель Anima-1.0-Base для генерации изображений по текстовому описанию. Она предназначена для использования в SD.Next; веса предварительно квантизированы методом SDNQ с SVD+Dynamic до UINT4. Модель основана на circlestone-labs/Anima и распространяется по лицензии MIT. Карточка указывает формат Diffusers и файлы safetensors. Сведений о поддерживаемых языках, размере модели и длине контекста нет.

Anima Base v1.0 — модель генерации изображений по текстовому описанию, разработанная в сотрудничестве CircleStone Labs и Comfy Org. Она создана на базе oron1208/OOO_Anima и предназначена прежде всего для создания аниме-иллюстраций, персонажей и художественных стилей, а также другого не photorealistic-контента. Модель не ориентирована на реалистичные изображения. Модель содержит около 2 миллиардов параметров и обучена на нескольких миллионах аниме-изображений и примерно 800 тысячах других художественных изображений; синтетические данные не использовались. Она поддерживает работу с тегами в стиле Danbooru, естественными англоязычными описаниями и их сочетаниями. Рекомендуемый диапазон разрешений — от 512×512 до 1536×1536 пикселей, типичные параметры генерации — 30–50 шагов и CFG 4–6. Модель нативно поддерживается ComfyUI и требует отдельные text encoder Qwen 3 0.6B и VAE Qwen-Image. Сильные стороны модели — гибкость, разнообразие результатов и хорошее следование художественному стилю; она особенно подходит для аниме-арта, концепт-иллюстраций и стилизованных персонажей. Ограничением является слабая пригодность для фотореализма, а качество зависит от корректного составления промптов, включая использование англоязычных тегов и подходящих параметров генерации. Данные аниме-обучения имеют дату отсечения сентябрь 2025 года. Модель распространяется по лицензии CDLA-Permissive-2.0.

Карточка модели Kur0n1ko/animagine-xl-3.1 на Hugging Face совпадает с карточкой cagliostrolab/animagine-xl-3.1, поэтому описание составлено по ней. 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.

Anything V4 — модель семейства Stable Diffusion, разработанная Yntec для генерации изображений 768×768 по текстовым запросам. Она предназначена прежде всего для создания изображений в аниме-стилистике; в карточке приведён пример запроса с персонажем и художественными деталями. В модель встроен VAE MoistMix V2, а файлы доступны в форматах Diffusers и safetensors. Модель дообучена на Yntec/AnythingV3. Метаданные указывают английский язык и лицензию CreativeML OpenRAIL-M. Карточка не сообщает подробностей о составе обучающих данных или оценках качества.

Auffusion-Full-no-adapter — модель латентной диффузии для генерации аудио по текстовому описанию. Она создана командой Auffusion на основе подходов и компонентов, обычно применяемых в моделях преобразования текста в изображение, и предназначена для создания звуков людей и животных, природных и искусственных звуков, а также звуковых эффектов. Вариант Full-no-adapter предварительно обучен на всех наборах данных, описанных в статье, и рассчитан на удобное применение для манипуляции аудио. Модель использует формат Diffusers/PyTorch и совместима с конвейерами Stable Diffusion, включая генерацию, преобразование и заполнение изображений, адаптированные для работы с аудио. В карточке указана лицензия CC BY-NC-SA 4.0. README сообщает о сравнительных оценках с предыдущими подходами, однако не приводит здесь численных результатов или подробных ограничений; также не указаны размер модели и длина контекста.

BiliSakura/BitDance-14B-16x-diffusers — конвертированный в формат Diffusers чекпойнт модели BitDance-14B-16x для генерации изображений по текстовому описанию. В репозитории используется конвейер BitDanceDiffusionPipeline и текстовый стек Qwen3ForCausalLM с токенизатором Qwen2TokenizerFast; указаны разрешения генерации от 1024×1024 до широких и портретных форматов, включая 2048×512. Модель рассчитана на создание изображений по текстовым запросам. Метаданные указывают связь с базовой моделью shallowdream204/BitDance-14B-16x как дообучение, а файлы представлены в формате Diffusers и safetensors. Лицензия — Apache 2.0. В README приведено упоминание измерений использования видеопамяти на NVIDIA A100 80 ГБ, но сами значения отсутствуют.

CINEMATIC FILM STILL REDMOND — это LoRA-адаптер, разработанный artificialguybr при поддержке Redmond.AI, для базовой модели black-forest-labs/FLUX.2-klein-9B. Адаптер предназначен для генерации изображений в кинематографичном стиле, напоминающих отдельные кадры из фильмов, с высокой детализацией и согласованностью визуального результата. Модель подходит для сценариев text-to-image, где требуется придать изображениям характерную эстетику film still. Для активации стиля рекомендуется использовать триггерные слова «Cinematic» и «Film Still.»; автор также указывает вариант «Cinematic. Film Still.». Для работы рекомендуется ComfyUI. Модель распространяется в формате Safetensors и относится к экосистеме Diffusers/LoRA. В README не указаны точный размер адаптера, поддерживаемые языки, размер контекста или перечень модальностей базовой модели. Ограничение модели заключается в её узкой специализации на кинематографичном визуальном стиле и зависимости от базовой FLUX.2-klein-9B. Лицензия — Apache License 2.0.

Jak's Clayitization Image Pack — это дообученная на базе Stable Diffusion 2.1 модель генерации изображений в стиле пластилиновых фигур и текстур. Её разработал Jak_TheAI_Artist; для запуска требуется Stable Diffusion 2.1 и файл конфигурации clayitization-SD2.1-768px.yaml рядом с моделью. Модель принимает текстовый запрос. Добавьте в начало промпта слово «clayitization», затем укажите объект или сцену; можно сочетать стиль с embeddings. Для портретов автор рекомендует квадратное соотношение сторон, для диорам — прямоугольное, а для более детализированного рендера — слова «3d, octane render, intricate details». Обучение проведено на 100 изображениях размером 768 пикселей в течение 8000 шагов с 500 шагами обучения Text Encoder. Модель предназначена для создания изображений с пластилиновым видом и художественных экспериментов. Лицензия — CreativeML OpenRAIL-M. Результат зависит от промпта и используемого разрешения; автор рекомендует разрешение 768 пикселей или выше.

Counterfeit-V2.0 — модель генерации изображений в аниме-стиле на основе Stable Diffusion от gsdf. Она предназначена для создания иллюстраций по текстовым запросам и поддерживает работу через StableDiffusionPipeline в Diffusers. Автор указывает, что модель создана с помощью DreamBooth, объединения блочных весов и слияния LoRA. Примеры в карточке показывают генерацию персонажей и сцен с настройками для изображений разных пропорций. В качестве отправной точки приведены параметры: 20 шагов, сэмплер DPM++ SDE Karras и CFG 8; это примеры, а не обязательные настройки. Репозиторий содержит веса Diffusers в форматах PyTorch и Safetensors. Модель рассчитана на художественные аниме-иллюстрации; точные сведения о размере, контекстном окне и поддерживаемых языках карточка не приводит. Лицензия — CreativeML OpenRAIL-M, поэтому использование должно соответствовать её условиям и ограничениям.

Deliberate — модель генерации изображений по текстовому описанию на базе Stable Diffusion, опубликованная Yntec. Репозиторий содержит версию Deliberate 1.0 с VAE MoistMixV2, встроенным в веса; автор указывает, что она даёт более детализированные изображения по сравнению с Deliberate 1.1. Модель предназначена для создания иллюстраций и художественных изображений, в том числе в аниме- и мультяшной стилистике. Пример в карточке демонстрирует генерацию детализированного чиби-персонажа по развернутому промпту. Модель распространяется в формате Diffusers и safetensors по лицензии CC BY-NC-ND 4.0, которая запрещает коммерческое использование и распространение производных работ. README не сообщает размер модели, контекст или поддерживаемые языки; запросы формулируются текстом, а результатом являются изображения.