I.10Видео, анимация и 3D

emilianJR/chilloutmix_NiPrunedFp32Fix — версия чекпойнта ChilloutMix в формате Diffusers для Stable Diffusion. Модель принимает текстовый запрос и генерирует по нему изображение; её можно запускать через StableDiffusionPipeline из библиотеки diffusers. В карточке приведён пример использования с PyTorch и CUDA. Репозиторий распространяется по лицензии CreativeML Open RAIL-M. Метаданные указывают поддержку английского языка. Сведений о размере модели, длине контекста и дополнительных ограничениях качества в карточке нет.

digiplay/counterfeitV2525d_tweak — модель Stable Diffusion для генерации изображений по текстовому описанию, опубликованная пользователем digiplay. Карточка помечает её как тестовую и сообщает, что в комплекте нет VAE; приведён пример демонстрационного изображения автора исходной модели. Модель распространяется в формате Diffusers с весами Safetensors и предназначена для конвейера text-to-image. Лицензия указана как other, поэтому условия использования следует проверять в репозитории. Отсутствие VAE может потребовать отдельного совместимого декодера для получения изображений.

DistilGPT2 Stable Diffusion — модель генерации текста на базе GPT-2, дообученная автором FredZhang7 для создания творческих и связных запросов к моделям преобразования текста в изображение. На вход она принимает произвольный текст и продолжает его в стиле описательных промптов для генерации изображений. Модель дообучена на 2,03 млн промптов из Stable Diffusion Discord, Lexica.art и Krea.ai. По заявлению автора, по сравнению с другими генераторами промптов на GPT-2 она выполняет прямой проход на 50% быстрее и требует на 40% меньше места на диске и оперативной памяти. Это компактная плотная архитектура GPT-2 с контекстом до 1024 токенов; доступны веса PyTorch и Safetensors. Модель подходит для подготовки и расширения промптов для генерации изображений, однако сама изображения не создает. Лицензия — CreativeML OpenRAIL-M.

Easter Fusion — модель преобразования текста в изображение, опубликованная пользователем idlebg. Это объединённый чекпойнт Stable Diffusion: в него вошли обученная LoRA размерности 512, веса ChilloutMix NiPrunedFp32Fix и deliberate_v2. Автор описывает использование LoRA с весами TEnc 0,2 и UNet 1 и приводит параметры слияния моделей. Модель предназначена для генерации изображений по текстовым запросам в Diffusers. В карточке указан английский язык. Репозиторий содержит веса в форматах Diffusers, PyTorch и safetensors. Лицензия обозначена как other, поэтому конкретные условия использования следует проверять в материалах репозитория; README их не уточняет.

Emi 2.5 (Ethereal master of illustration 2.5) — модель генерации изображений по текстовому описанию, разработанная компанией AI Picasso и ориентированная на иллюстрации в японском стиле. Это диффузионная модель на основе Latent Diffusion Model с компонентами OpenCLIP-ViT/G и CLIP-L; карточка указывает совместимость с пайплайном Stable Diffusion XL 1.0 и использование через ComfyUI, Fooocus и Diffusers. Модель обучалась на смеси изображений, включая около 3000 вручную и около 500 тысяч автоматически собранных изображений после удаления изображений Danbooru, загруженных без разрешения, а также CosmicMan-SDXL. Модель подходит для создания иллюстраций, манги и аниме-изображений, а также для творческих проектов и прототипирования визуальных идей. Карточка указывает японский язык и лицензию CreativeML Open RAIL++-M. Разработчик рекомендует учитывать ограничения при генерации: модели сложно изображать руки, а для фотореалистичных изображений она подходит хуже, чем для японской иллюстрации.

SidXXD/f-26 — веса textual inversion, созданные для Stable Diffusion v1.5. Репозиторий содержит адаптацию, которую используют с базовой моделью stable-diffusion-v1-5/stable-diffusion-v1-5 для генерации изображений по текстовым запросам. Форматы репозитория — Diffusers и Safetensors; лицензия — CreativeML OpenRAIL-M.

FLUX.1-dev-LoRA-Dark-Fantasy — адаптер LoRA, разработанный пользователем GUIZANG для Shakker AI и обученный на базовой модели black-forest-labs/FLUX.1-dev. Модель предназначена для генерации изображений по текстовому описанию, прежде всего фантастических существ и персонажей в мрачной фэнтезийной стилистике. Адаптер совместим с FLUX.1-dev и используется в экосистеме Diffusers. Триггерное слово не требуется; рекомендуемый коэффициент применения в Diffusers — от 0,6 до 0,8. Генерации обычно получают тёмную атмосферу, текучие металлические текстуры костюмов, а также магические или технологические световые эффекты. README не указывает размер адаптера, параметры архитектуры, поддерживаемые языки, размер контекста или дополнительные модальности, поэтому эти характеристики неизвестны. Модель особенно подходит для концепт-арта, иллюстраций фантастических персонажей и сцен с сочетанием тёмной атмосферы, металлических материалов и эффектного освещения. Ограничение состоит в том, что это не самостоятельная модель, а LoRA-адаптер, требующий базовую FLUX.1-dev. Распространяется по лицензии flux-1-dev-non-commercial-license, то есть с некоммерческими условиями использования базовой модели.

Это конверсия модели black-forest-labs/FLUX.2-klein-9B в формат MLX, выполненная с помощью MFLUX v0.17.5 и опубликованная deepsweet. Модель предназначена для генерации изображений по текстовым описаниям; базовая модель также поддерживает редактирование изображений с референсами. Репозиторий содержит веса в формате safetensors и рассчитан на запуск через библиотеку mflux в экосистеме MLX. В метаданных указан английский язык. Лицензия обозначена как other; конкретные условия использования в доступных сведениях не раскрыты.

FLUX.2-klein-9B Uncensored Text Encoder — модифицированный текстовый энкодер для модели генерации изображений FLUX.2-klein-9B, разработанной Black Forest Labs. Репозиторий поддерживает английский и японский языки и предназначен для генерации изображений по текстовым описаниям через ComfyUI или программные сценарии на базе Transformers и Diffusers. Модель основана на архитектуре Qwen3 и используется совместно с DiT-компонентом FLUX.2-klein-9B. Вместо дообучения на дополнительных наборах изображений применена abliteration — математическая ортогонализация векторов отказа в слоях 14–24 с изменением проекций Attention и MLP. Доступны веса Safetensors и квантизованные варианты GGUF F16, Q8_0, Q6_K и Q4_K_M, что позволяет выбирать между качеством и требованиями к памяти. Размер текстового энкодера в README явно не указан, но название указывает на класс 9B. Сильная сторона модели — снятие встроенных ограничений на этапе обработки промпта при сохранении близкого поведения на безопасных запросах; для них заявлено косинусное сходство 0,9696 с исходной моделью. Ограничение состоит в том, что удалены защитные фильтры, поэтому модель может генерировать нежелательный или потенциально опасный контент и требует ответственного применения. Лицензия указана как flux-non-commercial-v2.1; использование также подчиняется применимому законодательству и условиям доступа репозитория.

Flux-Long-Toon-LoRA — адаптер LoRA, разработанный prithivMLmods для генерации изображений в стилистике длинных мультяшных персонажей и 3D-подобных toon-образов. Модель предназначена для text-to-image сценариев на базе black-forest-labs/FLUX.1-dev и подключается к нему через Diffusers. Для активации эффекта используется триггерная фраза «Long toons». Примеры показывают портреты и изображения персонажей, кукол, животных и игровых фигурок, включая крупные планы и сцены с окружением. Обучение выполнено на 15 изображениях с использованием текстовых описаний на английском языке, созданных с помощью Florence2. Указаны параметры LoRA: network dimension 64, alpha 32, 18 эпох, 3270 шагов и оптимизатор AdamW. Рекомендуемые размеры изображений — 768×1024, стандартный — 1024×1024. Веса доступны в формате Safetensors. Модель всё ещё находится на стадии обучения и не является финальной версией, поэтому возможны артефакты и нестабильное качество в отдельных случаях. README не содержит сведений о поддерживаемых языках интерфейса, кроме английских обучающих описаний, а также не уточняет системные требования. Лицензия указана как creativeml-openrail-m.

Plasmo’s Jak's Creepy Critter Pack v2.0-768px — модель на базе Stable Diffusion 1.5, дообученная для генерации изображений вымышленных жутких существ и монстров по текстовому описанию. Для управления образом автор рекомендует начинать запрос с «food_crit»; добавление слов «3d, ceramic, octane render» может придать изображению блестящий керамический вид в стиле 3D-рендера. Модель предназначена для творческой генерации концепт-арта и стилизованных изображений существ; в обучении использовались изображения разрешением 768 пикселей. Репозиторий содержит веса в форматах Diffusers и PyTorch, лицензия — CreativeML OpenRAIL-M. В карточке не приведены точные параметры генерации и результаты систематической оценки качества.

botp/GhostMix_V1.1 — конверсия модели GhostMix V1.1 в формат Diffusers с весами Safetensors. Она предназначена для генерации изображений по текстовому описанию и использует Stable Diffusion. Автор карточки указывает, что авторство исходной модели принадлежит её создателю. Модель поддерживает английские текстовые запросы и распространяется по лицензии CreativeML OpenRAIL-M. Конверсия упрощает использование модели в экосистеме Diffusers. Сведения о размере модели, длине контекста и конкретных сильных сторонах в доступных данных отсутствуют.

Это модель генерации изображений в художественном стиле Ким Джун Ги, обученная apurik-parv с помощью DreamBooth-ноутбука Shivam Shri Rao на изображениях художника. Для вызова стиля в текстовом запросе используется фраза «kimjugi»; обучение проведено в течение 10 000 шагов. Модель предназначена для создания изображений по текстовым описаниям с передачей им характерного художественного стиля. Она распространяется в форматах Diffusers и PyTorch и использует лицензию CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении результатов.

Krea-2-LoRA-neondrip — адаптер LoRA, разработанный Krea для модели Krea-2. Он предназначен для генерации изображений в pipeline text-to-image и добавляет к базовой модели характерный стиль neondrip с текстурированной абстрактной визуальной подачей, неоновыми акцентами и эффектом стекающей краски. Активация стиля выполняется триггерной фразой «Textured abstract style». Адаптер обучен на Krea-2-Raw, а использовать его рекомендуется с чекпойнтом Krea-2-Turbo. Вес адаптера поставляется в файле neondrip.safetensors. В демонстрационных примерах он применялся с Krea2Pipeline, 8 шагами инференса, guidance_scale 0.0 и весом LoRA 1.0. Модель поддерживает англоязычные текстовые запросы и предназначена для создания стилизованных сцен, пейзажей, портретов и других изображений. Для работы требуется совместимый стек Diffusers и базовая модель Krea-2-Turbo; самостоятельное использование адаптера без неё не предусмотрено. Лицензия указана как krea-2-community-license.

Lens-3.8B-bf16 — конверсия денойзинг-трансформера DiT из microsoft/Lens в формат MLX для быстрого инференса на устройствах Apple Silicon. Это компонент базовой модели генерации изображений по тексту с 3,8 млрд параметров; полный конвейер также использует текстовый энкодер GPT-OSS-20B и семантический VAE FLUX.2, загружаемые из отдельных источников. Модель предназначена для создания изображений по текстовым запросам. В README приведён пример генерации изображения 1024×1024 за около 33 секунд на Apple Silicon при 20 шагах; пиковое потребление памяти составляет около 39 ГБ. Веса представлены в bf16, а совпадение DiT с PyTorch-реализацией подтверждено сравнением тензоров. Репозиторий содержит только DiT, распространяемый по лицензии MIT. Для полного конвейера требуются отдельные компоненты с собственными условиями лицензирования: GPT-OSS-20B под Apache-2.0 и VAE FLUX.2. Модель ориентирована на устройства Apple Silicon и не является самостоятельным полным конвейером без этих компонентов.

May 2024 SDXL SD 1.5 PONY BACKUPS — коллекция резервных чекпойнтов для генерации изображений по текстовым запросам. Репозиторий размещён пользователем xFutureTechx; в карточке указано использование Diffusers и формата safetensors. Метаданные описывают модель как слияние нескольких чекпойнтов, среди которых AstraliteHeart/pony-diffusion-v6, cagliostrolab/animagine-xl-3.1, EarthnDusk/ko-fi-support-models, EarthnDusk/Lora_SD15_2023 и EnD-Diffusers/Stygianmix_V8. Модель предназначена для создания изображений по текстовым описаниям, в том числе в стилистике Pony. README советует учитывать лицензионные условия исходных Pony-моделей, указывает на возможность повторного использования и слияния с указанием авторства. Метаданные репозитория указывают лицензию CreativeML OpenRAIL-M. README не приводит подробностей о размере, контексте или качестве отдельных чекпойнтов.

Это авторегрессионная языковая модель OPT, дообученная pszemraj на наборе текстовых запросов для генерации изображений. Модель принимает текстовый запрос и генерирует его варианты и дополнения, рассчитанные на использование с системами text-to-image, включая Stable Diffusion и Midjourney. Модель содержит 454,1 млн параметров и поддерживает контекст до 2048 токенов. Веса доступны в форматах PyTorch и Safetensors. В README приведены результаты оценки на тестовой выборке: loss 1,6669 и perplexity 5,29. Генерации отражают смещения обучающей коллекции — в частности, формулировки, распространённые в сообществах Stable Diffusion и Midjourney. Лицензия указана как other, поэтому перед использованием следует проверить условия в репозитории модели и базовой модели.

PixArt-α — трансформерная модель латентной диффузии для генерации и редактирования изображений по текстовым запросам, разработанная командой PixArt-α. Она использует блоки Transformer, предварительно обученный текстовый кодировщик T5 и VAE для представления изображений в латентном пространстве. Репозиторий рассчитан на работу через Diffusers и содержит веса в формате safetensors; идентификатор указывает на вариант 512×512. README также описывает возможность генерации изображений с разрешением 1024 пикселя. Модель подходит для создания иллюстраций и художественных материалов, творческих и образовательных инструментов, а также для исследований генеративных моделей и их ограничений. Лицензия — CreativeML Open RAIL++-M; README указывает исследовательское назначение и исключает использование для создания достоверных изображений людей или событий. Модель не обеспечивает идеальный фотореализм, может плохо передавать сложные пространственные отношения и пальцы, не умеет надёжно создавать читаемый текст; VAE вносит потери.

ponyDiffusionV6XL — модель генерации изображений по текстовому описанию из семейства Pony, опубликованная пользователем или организацией votepurchase. Модель предназначена для работы с diffusers и использует конвейер StableDiffusionXLPipeline, а также формат safetensors. Модель решает задачу text-to-image: создаёт изображения на основе текстовых промптов. В метаданных указан японский язык, поэтому японские текстовые запросы входят в заявленную языковую область поддержки. Семейство Pony может быть полезно для сценариев, где требуется генерация стилизованных изображений, однако конкретные художественные характеристики и результаты применения в предоставленной карточке не описаны. Модель распространяется по лицензии MIT. Ограничения, требования к аппаратному обеспечению, размер параметров, длина контекста, качество генерации, датасет и дополнительные условия использования в доступных материалах не указаны.

Raemu XL V5 — диффузионная модель генерации изображений по тексту, разработанная Raelina на основе SDXL и дообученная от cagliostrolab/animagine-xl-4.0. Она предназначена для создания иллюстраций в аниме-стиле с 2.5D-подачей, полуреалистичными деталями, выразительными текстурами, светом и затенением. Для запросов используется стиль booru-тегов; в карточке приведены рекомендуемые параметры генерации, включая CFG 5–6 и 28 шагов сэмплирования. Модель принимает текстовые запросы и генерирует изображения. Репозиторий использует форматы Diffusers и safetensors; заявлена лицензия CreativeML Open RAIL++-M (метаданные Hugging Face указывают OpenRAIL++). Карточка не описывает ограничения по содержанию или гарантии качества для отдельных запросов.

RainbowClassicAnime — модель генерации изображений по текстовому описанию, собранная как смесь Rainbowpatch 1.0 от Patchmonk и DucHaiten Classic Anime в версии fp16 без EMA. Она предназначена для создания изображений в классическом аниме-стиле; автор README советует начинать запрос с «Rainbowpatch» и/или «(80s anime style)», а также допускает использование «(gtav style)» для усиления эффекта. Модель распространяется в формате Diffusers и Safetensors, библиотека — Diffusers. Лицензия CreativeML OpenRAIL-M. README не сообщает размер модели, длину контекста или конкретные ограничения по качеству; генерация зависит от текстового запроса и может требовать подбора стилевых подсказок.

RebelMidjourney_LoRA_Collection — коллекция LoRA-модулей, разработанная RealRebelAI на основе датасета Midjourney v7. Модель предназначена для генерации изображений по текстовому описанию и используется вместе с совместимым text-to-image пайплайном библиотеки Diffusers для приближения визуального стиля и характеристик изображений, связанных с Midjourney v7. В README не указаны базовая архитектура, размер параметров, поддерживаемые языки, максимальная длина контекста и точный состав коллекции. Для получения наилучшего результата рекомендуются низкие значения веса LoRA — примерно от 0,2 до 0,8. Ограничением является зависимость от совместимой базовой text-to-image-модели и пайплайна; отдельные сведения о качестве, диапазоне применений и известных ограничениях не приведены. Модель распространяется по лицензии Apache-2.0.

SamaritanDoesArt — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec и рассчитанная на художественные стили, включая аниме и мультяшную 3D-эстетику. Автор описывает её как смесь SamDoesArtUltimerge и Samaritan 3D Cartoon v2; в репозитории доступны веса Diffusers в формате Safetensors. Модель принимает текстовые запросы и создаёт изображения. В карточке приведён пример запроса для генерации изображения в стиле чиби. Модель распространяется по лицензии CreativeML OpenRAIL-M. README не сообщает размер модели, длину контекста или систематические результаты оценки качества.

VBVR-Wan2.2 — дообученная модель генерации видео из изображения, представленная авторами набора VBVR в исследовании A Very Big Video Reasoning Suite. Она основана на Wan2.2-I2V-A14B и сохраняет исходную архитектуру без изменений. Модель предназначена для изучения того, как масштабирование данных влияет на рассуждения о видео, и служит базовым решением для исследований в этой области. Модель принимает изображение и текстовое описание и генерирует видео. По данным авторов, обучение проводилось на VBVR-Dataset — наборе более чем из миллиона видеоклипов для 200 задач рассуждения; модель показала наилучший результат на VBVR-Bench. Репозиторий распространяет веса в формате Diffusers и Safetensors. Лицензия — Apache-2.0.

hhyxnh обучил DreamBooth-модель WLOP-style heywhale на базе Stable Diffusion 1.5 для генерации изображений в художественной манере по текстовым запросам. Для активации стиля автор рекомендует добавлять в запрос «wgz style». В репозитории представлены три варианта: V1 обучен на разрешении 512 и лучше следует логике текстового запроса, V2 обучен на 768 и обычно передаёт больше деталей и черты лица, а beta иногда даёт удачные результаты при преобразовании изображения, но менее предсказуема. Модель предназначена для создания художественных портретов и стилизованных изображений, в том числе через img2img. Автор отмечает у V1 недостаток деталей и склонность глаз к покраснению, у V2 — к зелёному оттенку глаз и менее точному следованию тексту; beta имеет низкую стабильность результатов. Лицензия в предоставленных сведениях не указана.

Shuanghai/Z-Image-Turbo_fp32-fp16-bf16_comfyui — вариант Tongyi-MAI/Z-Image-Turbo, подготовленный для работы с ComfyUI. Модель предназначена для генерации изображений по текстовым описаниям; каталог относит её к задаче text-to-image. Весовые файлы размещены в формате safetensors, лицензия — Apache-2.0. Базовая Z-Image-Turbo — дистиллированная модель Alibaba для быстрой генерации изображений и отображения английского и китайского текста на изображениях. В доступных данных о данном варианте не описаны его архитектурные детали, число параметров, разрешение или контекст; README содержит только упоминание workflows. Эти характеристики конкретной версии нельзя подтвердить по карточке.

Модель создана пользователем hiero и представляет собой Stable Diffusion, дообученную методом DreamBooth для генерации изображений в стиле Angus McBride. Для вызова стиля в запросе используется фраза «angus mcbride style». Модель предназначена для создания изображений по текстовым описаниям; доступна в форматах Diffusers и PyTorch и распространяется по лицензии MIT.

Animagine XL 4.0 (Anim4gine) — модель генерации изображений по тексту на основе диффузионной архитектуры SDXL, разработанная Cagliostro Research Lab. Она дообучена на Stable Diffusion XL 1.0 и предназначена для создания и изменения изображений в аниме-стилистике по текстовым запросам. Для управления результатом лучше использовать структурированные запросы с тегами, в том числе теги качества, рейтинга и художественного периода; модель доступна в форматах Diffusers и safetensors, а в карточке указана лицензия OpenRAIL++. Модель подходит для иллюстраций персонажей, сцен и стилизованных изображений. Карточка сообщает об обучении на крупном наборе изображений в аниме-стиле, но не приводит длину контекста. Модель может ошибаться в сложной анатомии, особенно в изображении рук и пальцев; генерация читаемого текста на изображениях не поддерживается. Для новых персонажей, сцен с несколькими персонажами и разрешений выше исходного SDXL могут потребоваться точные запросы, а качество или согласованность стиля могут снижаться.

AnyaLora — LoRA-модель для Stable Diffusion, обученная Improceid методом DreamBooth с использованием fast-DreamBooth notebook от TheLastBen. Она предназначена для генерации изображений по текстовым запросам с воспроизведением обученного визуального концепта. В карточке приведены примеры изображений концепта и способ попробовать модель через fast-Colab-A1111; параметры базовой модели и результаты использования этим не раскрываются. Модель распространяется в форматах Diffusers, PyTorch и safetensors. Указана лицензия CreativeML OpenRAIL-M. LoRA является производной моделью и для генерации требует совместимой базовой модели Stable Diffusion.

Arthemy Comics — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec. Она предназначена для создания иллюстраций в эстетике комиксов и графических романов, включая выразительный линейный рисунок, штрихованные тени, винтажные рекламные и pulp-иллюстрации. В примерах показаны портреты персонажей, фэнтезийные и научно-фантастические сцены, а также драматические эпизоды. Модель распространяется в формате Diffusers с весами Safetensors и использует лицензию CreativeML OpenRAIL-M. Карточка указывает английский язык. Примеры демонстрируют широкий диапазон стилей и сюжетов; отдельные запросы содержат сексуализированные образы. В README не приведены сведения об архитектурном размере, длине контекста или количественных оценках качества.