I.10Видео, анимация и 3D

openart-custom/CrystalClearXL — модель генерации изображений по текстовому описанию, представленная как Diffusers-пайплайн StableDiffusionXLPipeline и опубликованная организацией openart-custom. Карточка Hugging Face автоматически создана и не сообщает подробностей о разработчике, обучении, лицензии или специальных характеристиках модели. Модель принимает текстовый запрос и генерирует изображение. Метаданные указывают задачу text-to-image и форматы Diffusers и safetensors. Подтверждённых сведений о размере, контексте, поддерживаемых языках, сильных сторонах и ограничениях нет; лицензию по доступным данным определить нельзя.

DucHaiten Darkside 4 — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec. Она предназначена для создания стилизованных изображений, включая тёмное фэнтези, хоррор, аниме и детализированные иллюстрации. В карточке приведены примеры генерации персонажей, фантастических существ и атмосферных пейзажей; модель работает в формате Diffusers и использует baked-in VAE 840KVAE, который, по описанию автора, улучшает детализацию и насыщенность цветов. Модель выпущена 9 октября 2023 года и распространяется по лицензии CreativeML OpenRAIL-M. Примеры подчёркивают намеренно тёмную тональность изображений. Сведения о размере модели, базовой модели и поддерживаемых языках в предоставленных источниках отсутствуют.

SidXXD/f-95 — текстовая инверсия для Stable Diffusion v1.5, созданная разработчиком SidXXD. Это адаптационные веса для генерации изображений по текстовому запросу: после подключения к базовой модели они задают дополнительное понятие для использования в запросах. Репозиторий рассчитан на работу с Diffusers и содержит веса в формате safetensors. Модель основана на stable-diffusion-v1-5/stable-diffusion-v1-5 и распространяется по лицензии CreativeML OpenRAIL-M. Для генерации требуется базовая модель Stable Diffusion v1.5; README не уточняет, какое понятие добавляют веса, и не приводит языковые или технические характеристики обучения.

CodeGoat24/FLUX.1-dev-PrefGRPO — дообученная модель генерации изображений по текстовым описаниям, созданная на основе FLUX.1 [dev] от Black Forest Labs. В карточке описан метод Pref-GRPO: он использует попарные предпочтения изображений как сигнал вознаграждения, чтобы сделать обучение устойчивее к чрезмерной оптимизации точечных оценок и связанному с ней reward hacking. Модель предназначена для генерации изображений по тексту. Основа FLUX.1 [dev] имеет 12 млрд параметров; репозиторий использует Diffusers и формат safetensors. README также описывает UniGenBench — бенчмарк для оценки текстово-изобразительной согласованности, но это не означает, что бенчмарк является отдельной возможностью модели. Лицензия репозитория — MIT.

Это LoRA-адаптер для генерации изображений на основе текстовых описаний, предназначенный для использования с моделью black-forest-labs/FLUX.1-schnell через библиотеку Diffusers. Разработчик — пользователь furaidosu; название модели указывает на специализацию в стилистике векторных иллюстраций, однако README не содержит подробного описания обучения или архитектуры адаптера. В метаданных указаны английский язык и pipeline text-to-image. Модель предназначена для создания цифровых мультяшных и иллюстративных изображений, включая персонажей, хоррор- и dark fantasy-сцены, с выразительными чертами, чёткими линиями, насыщенными цветами и зернистой атмосферой. Для активации стиля указан instance prompt «in a dark fantasy style, grainy». Среди примеров есть изображения мальчика с белой кошкой, гротескных хоррор-персонажей и карикатурных портретов. Рекомендуемый размер генерации в конфигурации — 1024×1024 пикселя. К сильным сторонам относятся ориентация на узнаваемую стилизацию, поддержку текстового управления и совместимость с экосистемой Diffusers. Ограничения, точный размер LoRA, параметры обучения, требования к памяти, качество на других разрешениях и степень сохранения векторного вида в README не указаны. Модель распространяется по лицензии flux-1-dev-non-commercial-license; использование ограничено условиями этой лицензии.

Golden Hour v20 — модель типа LoRA для генерации изображений по текстовому описанию, разработанная LyliaEngine. Она предназначена для создания стилизованных персонажей с высокой эстетикой, тёплым освещением, мягкой цветовой гаммой и кинематографическим визуальным эффектом. Модель особенно ориентирована на сцены с контровым и драматическим светом, обводящим свечением, боке, тёплым рассеянным освещением, выразительными глазами, детализированными волосами и реалистично-иллюстративной текстурой кожи. Модель использует базовую модель OnomaAIResearch/Illustrious-xl-early-release-v0 и интегрируется с экосистемой Diffusers. Модальности, языки и размер модели в README не указаны. Для активации специальное ключевое слово не требуется: в качестве trigger word указано None. Автор рекомендует sampler DPM++ 2M, schedule Karras, 30 шагов, CFG Scale 5 и включённый Hi-Res Fix; при необходимости предлагается использовать ADetailer. Сильной стороной является настройка на мягкое, светящееся и кинематографичное изображение персонажей, однако результат зависит от базовой модели, промпта и параметров генерации, а README не содержит подробных количественных оценок или описания ограничений качества. Модель распространяется по лицензии CDLA-Permissive-2.0.

digiplay/kencanmix_v2.0beta — модель генерации изображений по текстовому описанию в формате Diffusers. Автор README сообщает, что создал пример изображения с помощью Diffusers в Google Colab; дополнительных сведений о разработчике и обучении модели нет. Репозиторий содержит веса в форматах PyTorch и safetensors и предназначен для генерации изображений по текстовым запросам. В карточке Hugging Face указана лицензия other, поэтому условия использования следует сверять с самой лицензией репозитория.

Krea2-Anime-Style-Collection — коллекция LoRA-моделей, разработанная пользователем WarmBloodAban для генерации изображений в аниме- и манга-стилистике. Модели предназначены для text-to-image задач, создания иллюстраций с кинематографичным освещением, динамичными диагональными композициями и эстетикой high-fashion. Коллекция ориентирована на использование в ComfyUI и совместную работу с базовой моделью krea/Krea-2-Turbo. В репозитории представлены варианты с различными визуальными направлениями, включая акварельную эстетику, неоновые кристаллические цвета, оттенки манги, дизайн одежды и стилизацию под традиционные костюмы. Указаны рекомендуемый вес LoRA 0,7–1,0, sampler Euler или DPM++ 2M Karras, 20–30 шагов и CFG 3,5–5,0. Заявлены плавные линии, чистые цветовые градиенты, блики в форме звёзд, иридисцентные отражения и высокая детализация. Ограничения и точные технические характеристики, включая размер параметров, архитектуру LoRA, поддерживаемые языки и максимальный контекст, в README не указаны. Лицензия обозначена противоречиво: в метаданных указаны Apache-2.0, а в описании — OpenRAIL; перед использованием следует проверить лицензионные условия конкретных файлов и базовой модели.

jimmycarter/LibreFlux-SimpleTuner — версия LibreFLUX, подготовленная для использования с SimpleTuner. В README указано, что для обучения нужно включить параметр `--flux_attention_masked_training` в `config.json`. Модель предназначена для генерации изображений по текстовому описанию и использует Diffusers с компонентом FluxPipeline; веса представлены в формате safetensors. Репозиторий лицензирован по Apache-2.0. Данных о размере модели, поддерживаемых языках и ограничениях качества в доступных источниках нет.

M87 — это LoRA-адаптер для генерации изображений по текстовым описаниям, предназначенный для использования с экосистемой Diffusers. По примерам из карточки модель ориентирована на создание художественных и кинематографичных изображений с эстетикой аналоговой плёнки: портретов, fashion-сцен, силуэтов, ночных кадров, двойных экспозиций и драматичных сюжетов с выраженным светом, цветокоррекцией и зернистостью. Модель работает в сценариях text-to-image и, вероятно, подключается к базовой диффузионной модели как параметрический LoRA-модуль. Примеры демонстрируют акцент на тёплой винтажной цветопередаче, плёночном зерне, контрастном освещении, атмосферных композициях и реалистичной или экспериментальной фотографии. Точная базовая архитектура, размер адаптера, поддерживаемые языки, максимальный контекст и требования к вычислительным ресурсам в README не указаны. Сильная сторона модели — специализация на выразительной визуальной стилистике, включая lo-fi, cinematic и analog film aesthetics, а также на сценах с художественным освещением и сложным настроением. Ограничения связаны с отсутствием сведений о качестве на других типах изображений, совместимости с конкретными базовыми моделями и возможных ограничениях генерации. Лицензия и условия использования в предоставленной карточке не указаны.

MergeStove2.5D — модель генерации изображений на основе Stable Diffusion, созданная независимым разработчиком и собранная слиянием нескольких моделей. Она предназначена прежде всего для создания аниме-иллюстраций и персонажей, уделяя внимание анатомии, особенно глазам и кистям рук, а также сохранению предметов и окружения в сцене. В README описаны версии MK1–MK7 и отдельные улучшения для изображений в стиле 2.5D; для MK6 указана замена базовой модели на AbyssOrangeMix2_sfw. Модель принимает текстовые запросы и выдаёт изображения. Автор рекомендует рабочее разрешение примерно 900–1200 пикселей по длинной стороне и применение Hires.fix; для обычного использования заявлена совместимость с пакетами Stable Diffusion v1.x. Карточка не сообщает размер модели и длину контекста. Лицензия — CC BY-NC 4.0, коммерческое использование запрещено. Среди отмеченных автором ограничений — периодически чрезмерно длинная шея, размытость, ошибочный блеск кожи и переобучение; также без подходящих отрицательных запросов могут получаться персонажи с преувеличенными пропорциями. Для MK7 автор рекомендует отрицательные эмбеддинги badhandv4, EasyNegative и verybadimagenegative_v1.3.

sd-to-diffusers/naiXLVpred102d_custom — модель для генерации изображений по текстовому описанию, представленная в формате Diffusers. Репозиторий содержит файлы safetensors и предназначен для использования с библиотекой Diffusers. Название указывает на связь с naiXLVpred102d_custom, однако карточка не описывает разработчика, обучение, архитектуру или особенности генерации. Метаданные указывают английский язык. Лицензия обозначена как other, поэтому условия использования следует уточнить по материалам исходной модели.

Origtron — модель генерации изображений на основе Stable Diffusion, созданная автором карточки методом DreamBooth в Google Colab с использованием кадров из фильма «Трон» 1982 года и его трейлера. Для генерации изображений в характерной стилистике модели достаточно включить в текстовый запрос ключевое слово «origtron». Модель предназначена для создания изображений по текстовому описанию; автор рекомендует использовать файл весов в Stable Diffusion WebUI. Доступны файлы в форматах Diffusers, PyTorch и Safetensors; лицензия — MIT.

Perfect RSB Mix Illustrious v4323 — модель для генерации изображений по текстовому описанию, опубликованная пользователем frakerkill_ и созданная на основе OnomaAIResearch/Illustrious-xl-early-release-v0. Модель предназначена для использования с библиотекой Diffusers и реализует StableDiffusionXLPipeline на архитектуре Stable Diffusion XL. Она ориентирована на создание иллюстраций в стилях anime, cartoon и game, включая изображения персонажей, girls и furry; в метаданных также отмечена категория контента для взрослой аудитории.

PixelArt.Redmond — это LoRA-адаптер для генерации изображений в стиле пиксель-арта. Модель разработана artificialguybr и основана на Stability AI Stable Diffusion XL 1.0; обучение проводилось на большом наборе данных. Для активации указан триггер PixArFK, а рекомендуемый пример запроса — «Pixel Art, PixArFK». Модель предназначена для text-to-image генерации изображений с использованием совместимого SDXL-совместимого интерфейса или библиотеки Diffusers. Ключевая сильная сторона модели — специализация на создании пиксельной графики, что делает её подходящей для игровых ассетов, иллюстраций и других визуальных материалов в этом стиле. README не содержит сведений о размере адаптера, точном контекстном окне, поддерживаемых языках запросов, конкретных ограничениях качества или рекомендуемых параметрах генерации, поэтому эти характеристики нельзя определить по имеющимся данным. Для работы требуется базовая модель Stable Diffusion XL 1.0. Лицензия — CreativeML OpenRAIL-M.

Protogen x5.8 — модель генерации изображений по текстовому описанию, выпущенная darkstorm2150. Она предназначена для создания изображений в стиле sci-fi и аниме, а также художественных изображений с помощью Stable Diffusion. В README указано, что модель создана на основе Stable Diffusion v1.5 с использованием dreamlikePhotoRealV2.ckpt и объединения контрольных точек. Доступны форматы Diffusers, PyTorch и Safetensors; для запуска подойдёт Stable Diffusion Pipeline или Stable Diffusion Web UI. Лицензия — CreativeML OpenRAIL-M. Для управления стилем автор приводит триггерные слова modelshoot style, analog style, mdjrny-v4 style и nousr robot. Среди ограничений — результат зависит от формулировки запроса и использования стилевых триггеров; README не приводит количественных оценок качества или подробностей обучения.

Это конвертированная для загрузки через Diffusers версия Qwen Image Edit 2509 Lightning 8-Step, подготовленная автором репозитория lite-infer на основе Qwen/Qwen-Image-Edit-2509 и контрольной точки Nunchaku. Модель предназначена для редактирования изображений по текстовым инструкциям с коротким процессом генерации на 8 шагах; в исходную контрольную точку встроена Lightning LoRA Qwen-Image-Edit-2509-Lightning-8steps-V1.0. Трансформер использует квантизацию Nunchaku Lite SVDQ INT4 с группой 64 и рангом 32, а текстовый энкодер — BitsAndBytes 4-bit NF4 с вычислениями в bfloat16. README приводит замеры на изображении 1248×832: средняя задержка составила 23,04 секунды, пиковая выделенная память CUDA — 21,24 GiB; результаты зависят от оборудования и условий запуска. Метаданные указывают Diffusers и файлы safetensors. Лицензия и поддерживаемые языки в предоставленных данных не описаны.

Экспериментальная версия Stable Diffusion XL Base 1.0 от opendiffusionai: в ней текстовый энкодер CLIP-L заменён на LongCLIP, а вклад CLIP-G обнулён. Модель генерирует изображения по текстовым запросам и рассчитана на работу с промптами длиной до 248 токенов без дополнительных приёмов расширения контекста. Автор сообщает, что исходная комбинация работает без дообучения и показывает обнадёживающие результаты, однако качество заметно снижается на длинных запросах; для улучшения планировалось обучение. Для загрузки README рекомендует использовать формат Diffusers через загрузчик Hugging Face: работоспособность предоставленного файла safetensors не подтверждена, а некоторые программы несовместимы с лимитом CLIP-L в 248 токенов. Лицензия в предоставленных данных не указана.

Stable Diffusion Nano — модель генерации изображений по текстовому описанию, созданная участниками сообщества JAX/Diffusers во время спринта. Она основана на Stable Diffusion v1.5 и дообучена на наборе improved_aesthetics_6plus; репозиторий содержит веса в форматах Diffusers и Flax. Модель предназначена для создания изображений по коротким или подробным промптам; в карточке приведены примеры акварельной иллюстрации и кинематографичной городской сцены. Разработчики рекомендуют более позднюю версию Stable Diffusion Nano 2.1 вместо этой модели. Лицензия — CreativeML OpenRAIL-M.

Это веса textual inversion от abhipsabasu для генерации изображений по текстовым запросам на базе CompVis/stable-diffusion-v1-4. Они добавляют к Stable Diffusion v1.4 изученное текстовое представление, которое можно использовать как часть запроса при генерации изображений; репозиторий рассчитан на подключение к Diffusers и содержит веса в формате safetensors. Модель предназначена для преобразования текстовых запросов в изображения. Базовая модель преимущественно работает с английским языком. В README не приведены примеры использования или сведения о качестве и характерных ограничениях этих весов. Лицензия — CreativeML OpenRAIL-M; при использовании следует соблюдать её условия.

Tora — модель генерации видео на основе текста с управлением движением по траекториям, разработанная Zhenghao Zhang, Junchao Liao и соавторами. Эта версия построена на CogVideoX-5B и предназначена для академических исследований генерации видео с контролируемым движением. Архитектура объединяет экстрактор траекторий, пространственно-временной Diffusion Transformer и модуль, который вводит сигналы движения в блоки трансформера. Модель сочетает текстовые, визуальные и траекторные условия, чтобы создавать видео с заданной динамикой, поддерживая различные длительности, соотношения сторон и разрешения. В карточке Hugging Face указана задача text-to-video, библиотека Diffusers и английский язык. Сильная сторона модели — управление движением и высокая точность следования траекториям. Версия предназначена только для академических исследований; полная версия Tora не опубликована. Лицензия указана как other, поэтому условия использования следует уточнять в материалах проекта.

Valorant Diffusion — модель генерации изображений по текстовому описанию, обученная автором на заставках персонажей Valorant и дополнительных иллюстрациях с официального сайта. Она основана на Stable Diffusion и распространяется в формате Diffusers с весами Safetensors. Для воспроизведения художественного стиля в запросе рекомендуется использовать токен «valorant style». Модель предназначена для создания портретов и пейзажей в стилистике иллюстраций Valorant; качество генерации других объектов, в частности автомобилей, ограничено. Автор отмечает, что модель обучена методом DreamBooth, а не textual inversion. Лицензия CreativeML OpenRAIL-M допускает использование и распространение производных моделей с условиями и ограничениями лицензии. Автор не связан с Riot Games и предупреждает об ответственности пользователя за результаты и соблюдение лицензии.

John6666/wai-nsfw-nova-furry-illustrious-v30-sdxl — модель преобразования текста в изображение, созданная Vulgin и опубликованная на базе OnomaAIResearch/Illustrious-XL-v1.0. Она предназначена для генерации изображений по текстовым описаниям, прежде всего в стилистике anime и furry, включая контент для взрослой аудитории. Модель реализуется через StableDiffusionXLPipeline в библиотеке Diffusers и распространяется в формате SafeTensors. Она использует архитектуру Stable Diffusion XL и рассчитана на англоязычные текстовые запросы. В метаданных не указаны размер модели и длина контекста. Модель подходит для создания персонажей, иллюстраций и тематических сцен в anime- и furry-стилистике. Ограничения включают потенциально NSFW-характер результатов, зависимость качества от формулировки запроса и отсутствие сведений о дополнительных настройках или тестах качества. Лицензия указана как faipl-1.0-sd (тип лицензии в метаданных — other); условия лицензии следует проверить перед использованием.

Z-Image-Engineer V6 — дообученный текстовый энкодер Qwen3 объёмом 3,7 млрд параметров, разработанный BennyDaBall на базе Tongyi-MAI/Z-Image-Turbo. Модель предназначена для локального улучшения коротких запросов к генератору изображений Z-Image Turbo и может также заменять его штатный текстовый энкодер в соответствующих рабочих процессах. Для работы заявлен контекст до 40 960 токенов. Модель преобразует краткую идею в подробное описание сцены, добавляя композицию, направление освещения, фактуру материалов и разделение планов. В README указаны обучение SMART DoRA, этапы дообучения для сохранения чисел, цветов, надписей, объектов и пространственных отношений, а также настройка против повторов. Доступны сценарии использования с LM Studio и ComfyUI; эта версия содержит веса Safetensors, а отдельный репозиторий предлагает квантизованные варианты GGUF. Модель генерирует и кодирует текстовые запросы, но сама не создаёт изображения. Лицензия — Apache-2.0.

ACertainModel — латентная диффузионная модель JosephusCheung для генерации детализированных изображений в аниме-стиле по текстовым запросам. Она основана на Stable Diffusion и доступна в формате Diffusers/PyTorch; автор описывает дообучение с использованием DreamBooth и собственных обучающих данных, включавших изображения, созданные другими диффузионными моделями, и отобранные иллюстрации. Модель предназначена для создания аниме-иллюстраций по коротким промптам и тегам Danbooru, включая теги художников. В карточке отмечены качество композиции и жестов рук; приведены примеры настроек генерации, а для работы рекомендуется Clip skip 2. Лицензия — CreativeML OpenRAIL-M. Результат зависит от формулировки запроса и настроек генерации; карточка также указывает, что параметры размещённого онлайн-превью менять нельзя.

Ojimi разработал anime-kawai-diffusion — модель генерации изображений в аниме-стиле по текстовым запросам. Она работает через Stable Diffusion Pipeline в библиотеке Diffusers и рассчитана на создание иллюстраций с тегами, характерными для Danbooru и NovelAI. Модель понимает запросы на английском языке; длинные описания могут давать менее точный результат. Модель подходит для создания персонажей и других художественных изображений. Автор рекомендует CFG scale 7,5, 28 шагов генерации и Clip skip 2. Среди известных ограничений — потеря деталей, размытие, деформация анатомии и ошибки вроде лишних пальцев. В обучающих данных присутствовал контент для взрослых, поэтому результат может быть неприемлемым для всех возрастов. Модель разрешено копировать и дорабатывать на условиях лицензии CreativeML Open RAIL-M; автор также просит указывать его в кредитах при публикации объединённой модели.

Anything Remix — экспериментальная модель генерации изображений по текстовому описанию, созданная независимым автором Yntec. Она объединяет веса Anything 4.0 и Anything 4.5 с базовыми блоками Anything V7 и включает VAE MoistMixV2VAE. Модель ориентирована на создание изображений в аниме-стиле; распространяется в форматах Diffusers и Safetensors. Автор отмечает, что модель находится в разработке. Она предназначена для генерации изображений из текстовых запросов и использует лицензию CreativeML OpenRAIL-M. Поддерживаемый язык карточки — английский; README не описывает контекстные ограничения или подробные результаты оценки качества.

ckpt/anything-v4.5-vae-swapped — модель генерации изображений по текстовому описанию на базе Stable Diffusion, опубликованная camenduru на Hugging Face. В ней заменён VAE модели Anything v4.5 на Anything v4.0 VAE, поэтому отдельное подключение VAE не требуется. Репозиторий содержит pipeline StableDiffusionPipeline для Diffusers и веса в форматах checkpoint и safetensors. Модель предназначена для создания изображений по текстовым промптам; карточка демонстрирует стандартный сценарий генерации через Diffusers. Сведения о размере параметров, контекстном лимите, поддерживаемых языках и лицензии в доступных источниках не подтверждены. Качество и стиль результата зависят от промпта и параметров генерации.

Anything-XL β4 — модель генерации изображений по текстовому описанию на базе Stable Diffusion XL. Автор собрал её слиянием нескольких SDXL-моделей, включая Animagine XL V3, Pony V6 и BAXL BArtstyle XL v2; в карточке указано, что это четвёртая тестовая версия, которую автор счёл приемлемой для использования. Модель ориентирована на создание изображений в аниме-стилистике. Подсказки с указанием периода помогают задавать более современный или ретро-визуальный стиль; автор рекомендует структурированные промпты, отрицательные подсказки и разрешения выше 1024×1024, хотя некоторые крупные и вытянутые размеры могут ухудшать композицию. Репозиторий содержит веса в форматах Diffusers, PyTorch и safetensors. Это слияние экспериментальных вариантов: автор отмечает, что при объединении могли потеряться отдельные метки, а некоторые подсказки могут требовать усиления. Модель способна создавать контент для взрослых по соответствующим промптам. В README упоминается Fair AI Public License 1.0 для SD и требование раскрывать рецепт слияния для моделей, созданных на её основе.

arunav007 разработал LoRA-адаптер для FLUX.1-dev, модели генерации изображений по текстовым описаниям от Black Forest Labs. Адаптер обучен на Replicate с помощью AI toolkit и предназначен для использования с FLUX.1-dev через Diffusers или ComfyUI. Для активации генерации с адаптером в запросе используется триггерное слово ARUNAV. Это производная модель в формате safetensors; базовая FLUX.1-dev содержит 12 миллиардов параметров. Модель ориентирована на создание изображений по тексту, а карточка указывает английский язык. Лицензия указана как other, поэтому конкретные условия использования следует сверить с лицензией репозитория и условиями базовой модели.