I.10Видео, анимация и 3D

Anmokomergetest1 — слитая модель Stable Diffusion 1.x для генерации аниме-изображений по текстовым описаниям. Автор карточки указывает, что модель создана из Anything-V3.0 от Linaqruf, momoko-e и частной модели mergetest1; также заявлено, что это разрешённая копия частной модели сообщества NovelAI 中文频道. Репозиторий содержит варианты CKPT и safetensors; последний включает VAE, а CKPT рассчитан в том числе на дальнейшее слияние с другими моделями. Модель предназначена для создания ярких детализированных изображений в аниме-стиле, в том числе по коротким промптам. В README рекомендованы разрешение 1024×1024, 12–28 шагов, sampler DPM++ SDE Karras и CFG 5–11; Hires.fix можно использовать для увеличения изображения. Лицензия — CC BY-NC 4.0, коммерческое использование запрещено. Автор предупреждает о снижении качества при слишком низком или высоком разрешении, проблемах с глазами на низком разрешении и возможных анатомических ошибках, включая деформированные конечности. В обучающих данных, согласно карточке, есть изображения, защищённые авторским правом.

BK-SDM-Base — компактная версия Stable Diffusion v1.4, разработанная авторами проекта BK-SDM. Для уменьшения модели из U-Net удалили часть остаточных и attention-блоков, а затем дистиллировали полученную сеть, чтобы она воспроизводила поведение исходной модели. Полная модель содержит 0,76 млрд параметров, из них 0,58 млрд — в U-Net; для запуска используется библиотека Diffusers и формат safetensors. Модель генерирует изображения по текстовым описаниям общего назначения. Её можно применять в исследованиях генеративных моделей, для создания иллюстраций и художественных концепций, а также в образовательных и творческих инструментах. По сравнению со Stable Diffusion v1.4 она компактнее, но в приведённой оценке на MS-COCO показала более низкие результаты. Основной язык запросов — английский. Модель не всегда создаёт фотореалистичные изображения, плохо справляется с читаемым текстом, сложными пространственными отношениями и изображением лиц. Возможны смещения, нежелательные результаты и запоминание дублированных изображений из обучающих данных; для фильтрации потенциально вредного контента рекомендуется использовать Safety Checker в Diffusers. Лицензия — CreativeML OpenRAIL-M; карточка указывает исследовательское назначение и ограничения на вредное использование.

CamelliaMix v2.0 — модель генерации изображений по текстовому описанию, опубликованная AIARTCHAN. Она предназначена для создания иллюстраций в художественных стилях; карточка указывает на смешение CamelliaMix_V1, dalcefopainting_3rd, Counterfeit-V2.5 и нескольких LoRA, включая стилизацию и 3D-модель. Репозиторий содержит веса в формате Diffusers, PyTorch и Safetensors; README указывает вариант fp16 и размер исходной загрузки 5,55 ГБ. Для генерации автор рекомендует сэмплер DPM++ SDE Karras, Clip skip 2, CFG Scale 7–10 и апскейлер R-ESRGAN 4x+Anime6B для Hires.fix. Модель ориентирована на создание изображений по текстовым промптам, включая иллюстрации с аниме-эстетикой. Лицензия в метаданных обозначена как other, без уточнения условий.

Это конвертированная в формат GGUF BF16 версия дообученной модели ChenkinNoob/ChenkinNoob-XL-V0.2, опубликованная пользователем btaskel. Модель предназначена для генерации изображений по текстовому описанию. В карточке приведены общие замечания автора о компромиссах между размером модели, квантизацией и скоростью, но они не содержат конкретных рекомендаций или результатов для этой версии модели. Подтверждённых сведений об архитектуре, размере, поддерживаемых языках, контексте и лицензии в предоставленных данных нет.

Coquett — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec и предназначенная для создания иллюстраций в аниме-стиле. В карточке приведены примеры генерации персонажей, портретов, рекламных постеров и сцен; указано, что в модель встроен VAE 840K. Модель объединяет Petitcutie_v2.0, qteamixQ_omega, PuniMIX 4.0 и Motto!! PuniMIX 2.0, а также LoRA-компоненты для стилизации и проработки глаз. Метаданные указывают на Stable Diffusion 1.5 и библиотеку Diffusers. Лицензия — CreativeML OpenRAIL-M. В README не приведены ограничения по контексту или подробные инструкции по применению.

DucHaiten Classic Anime — модель генерации изображений по текстовому описанию в классическом аниме-стиле. Версию опубликовал Yntec; в README указано, что она основана на чекпойнте Fp16NoEma и включает VAE Waifu 1.4 для inference API. Для усиления стилистики автор рекомендует добавлять в запрос «80s anime style» или «gtav style».

EAGLE-360 Qwen3-VL GRPO — контрольная точка, подготовленная для проекта EAGLE-360 на основе Qwen/Qwen3-VL-4B-Instruct и дообученная с помощью GRPO для локализации объектов на панорамных изображениях 360°. Модель принимает панорамное изображение и текстовый запрос с названием целевого объекта, затем в ходе многошагового рассуждения от глобального обзора к локальному предсказывает азимут и угол места объекта в градусах. Модель предназначена для оценки и экспериментов по панорамной локализации объектов с использованием кода EAGLE-360. Для запуска требуются специальные патчи Rolling RoPE для панорамных изображений из проекта и поддержка в vLLM или Transformers. Контрольная точка опубликована в формате safetensors; лицензия в доступных сведениях не указана.

SidXXD/f-146 — адаптация textual inversion для Stable Diffusion v1.5, опубликованная автором SidXXD. Репозиторий содержит веса адаптации в форматах Diffusers и safetensors; для работы нужна базовая модель stable-diffusion-v1-5/stable-diffusion-v1-5. Адаптация предназначена для генерации изображений по текстовым запросам с помощью базовой модели. Используйте её в сценариях, где нужно применять изученное текстуальное представление при создании изображения. Карточка не описывает конкретную тему или стиль адаптации, поэтому её специальное назначение определить нельзя. Модель относится к семейству Stable Diffusion и решает задачу text-to-image. Лицензия — CreativeML OpenRAIL-M; при использовании необходимо соблюдать её условия и ограничения.

Alissonerdx выпустил набор модульных LoRA-адаптеров для генерации изображений моделью FLUX.1-dev. Адаптеры извлечены из трёх вариантов SRPO: исходного Tencent SRPO, сообщества rockerBOO и версии wikeeyang с квантизацией и доработкой. Доступны ранги 8, 16, 32, 64 и 128; автор рекомендует вариант rockerBOO, но отмечает, что разные версии дают разные результаты. Адаптеры предназначены для подключения к базовой FLUX.1-dev через Diffusers и позволяют использовать характеристики соответствующих вариантов SRPO, экспериментировать с рангами и сочетать адаптации с другими LoRA. В README приведён пример генерации изображения по текстовому запросу. Вариант для Nunchaku конвертирован официальным инструментом, но автор считает его экспериментальным и пока не рекомендует для обычного использования. Совместимость с Flux Krea упоминается только по непроверенным сообщениям. Репозиторий содержит файлы safetensors; отдельная лицензия в предоставленных данных не указана.

QiE2035/flux2-klein-9b-uncensored-text-encoder-Q2_K-GGUF — это квантованная версия текстового энкодера для семейства FLUX.2 klein 9B. Модель преобразована в формат GGUF из ponpoke/flux2-klein-9b-uncensored-text-encoder с помощью llama.cpp и сервиса GGUF-my-repo; автором конверсии указан QiE2035. В исходных данных разработчик базовой модели явно не указан, однако лицензия ссылается на Black Forest Labs. Модель предназначена для обработки текстовых запросов в сценариях text-to-image и может запускаться локально через llama.cpp, включая режимы CLI и сервера. Заявлены английский и японский языки. Известны размер базовой модели 9B параметров, текстовая модальность и квантование Q2_K в формате GGUF; в примере запуска сервера используется контекст 2048 токенов, но точный нативный размер контекста модели не указан. Ключевое преимущество — совместимость с llama.cpp и возможность локального запуска в более компактном квантованном представлении. Ограничения связаны с сильным квантованием Q2_K, которое может снижать качество по сравнению с полноразмерной моделью, а также с тем, что подробные характеристики и результаты оценки в карточке не приведены. У модели удалена фильтрация безопасности, поэтому она может генерировать общий NSFW-контент; использование должно соответствовать законодательству и требованиям ответственной эксплуатации. Лицензия указана как flux-non-commercial-v2.1, с отдельными условиями доступа и ограничениями на коммерческое использование.

Abhijnyabhat/fy — веса textual inversion для модели генерации изображений CompVis/stable-diffusion-v1-4. Адаптация предназначена для создания изображений по текстовым запросам с использованием Diffusers и StableDiffusionPipeline; для работы нужны базовая модель и совместимый пайплайн. Базовая модель преимущественно ориентирована на запросы на английском языке. Репозиторий содержит веса в форматах Diffusers и safetensors и распространяется по лицензии CreativeML OpenRAIL-M. Карточка не описывает конкретную концепцию или стиль, который добавляют веса, и не приводит примеров применения или ограничений этой адаптации.

gai-vietnam — модель генерации изображений по текстовому описанию, созданная kyledam с помощью обучения DreamBooth на базе Stable Diffusion. Она распространяется в формате Diffusers и предназначена для создания изображений по запросам с использованием изученного концепта gai_vietnam. В репозитории доступны веса PyTorch и safetensors. Модель выпущена по лицензии CreativeML OpenRAIL-M. Карточка не сообщает размер модели, длину контекста, поддерживаемые языки или известные ограничения качества; результаты зависят от текстового запроса и используемого конвейера Stable Diffusion.

InterDiffusion-3.8 — модель генерации изображений по текстовым запросам, опубликованная пользователем cutycat2000x и предназначенная для запуска через библиотеку Diffusers. В README указана базовая модель InterDiffusion-3.5; размер репозитория составляет 6,9 ГБ. Рекомендуется генерировать изображения разрешением 1024×1024 за 25 шагов. Модель принимает текстовые запросы и создаёт изображения. В README приведены примеры с отдельной LoRA для имитации стиля DALL·E 3; это описание примеров, а не указание на встроенную LoRA. Модель распространяется по лицензии MIT.

izamizam — модель Stable Diffusion для генерации изображений по текстовым описаниям, созданная HDKCL методом DreamBooth на основе TheLastBen's fast-DreamBooth notebook. Карточка предлагает запускать её для проверки и генерации изображений через интерфейс A1111 или библиотеку diffusers. Модель предназначена для генерации изображений с выученной концепцией izamizam по текстовым запросам. Репозиторий содержит веса в форматах Diffusers и PyTorch; лицензия — CreativeML OpenRAIL-M. Данные карточки не уточняют базовую модель, размер, контекст или поддерживаемые языки.

SidXXD/m-213 — веса textual inversion для Stable Diffusion v1.5, опубликованные SidXXD. Это адаптация для генерации изображений по текстовым запросам и используется вместе с базовой моделью stable-diffusion-v1-5/stable-diffusion-v1-5 через библиотеку Diffusers. Карточка указывает на примеры изображений, но не описывает конкретный изученный объект или стиль, поэтому назначение адаптации по ним определить нельзя. Репозиторий распространяется по лицензии CreativeML OpenRAIL-M.

LazyHuman/maria-thumbnail — LoRA-адаптер для генерации изображений на базе FLUX.1-dev, разработанной Black Forest Labs. Модель обучена локально с использованием Fluxgym и предназначена для text-to-image генерации изображений с определённым визуальным образом или персонажем, связанным с триггерным словом «maria». Она может применяться через ComfyUI, AUTOMATIC1111, SD.Next, InvokeAI и Forge. Модель распространяется в формате Safetensors. В README не указаны размер адаптера, точные параметры обучения, поддерживаемые языки, максимальный контекст, дополнительные модальности или количественные оценки качества. Для активации LoRA рекомендуется использовать триггерное слово «maria». Лицензия обозначена как flux-1-dev-non-commercial-license, поэтому использование ограничено условиями некоммерческой лицензии FLUX.1-dev; точные юридические ограничения следует проверять в тексте лицензии.

MaxCushion — модель генерации изображений по текстовому описанию, опубликованная пользователем colt12. В карточке она названа дообученной моделью Stable Diffusion XL и предназначенной для генерации изображений в определённой тематике или стиле, однако описание этой специализации оставлено шаблонным и не раскрывает её. Модель рассчитана на создание изображений по англоязычным запросам и предлагается для использования через библиотеку diffusers. README указывает базовую модель FLUX.1-dev, но это противоречит заявленной архитектуре SDXL; метаданные также указывают на Stable Diffusion XL. Поэтому точную базовую модель установить нельзя. Лицензия — CreativeML Open RAIL-M.

Abhijnyabhat/mo — это веса textual inversion для Stable Diffusion v1.4 от CompVis, предназначенные для адаптации генерации изображений по текстовым запросам. Репозиторий использует библиотеку Diffusers и содержит веса в формате safetensors. Модель принимает текстовые запросы и выдаёт изображения. Она подходит для генерации изображений с изученным текстовым представлением при использовании вместе с базовой моделью CompVis/stable-diffusion-v1-4. Лицензия — CreativeML OpenRAIL-M. README не содержит примеров запуска или описания конкретной концепции, которую кодируют веса.

OVB FLUX.2-dev checkpoint 500 — это промежуточный чекпойнт трансформера после 500 шага дообучения FLUX.2 [dev], опубликованный valentinospariza. Он предназначен для генерации и редактирования изображений по текстовым запросам и референсным изображениям в составе базового конвейера FLUX.2 [dev]. В репозитории находятся только веса дообученного трансформера в формате safetensors; для запуска требуются VAE, текстовые энкодеры и другие компоненты базовой модели, а также доступ к gated-репозиторию black-forest-labs/FLUX.2-dev. Это ранний экспериментальный чекпойнт, а не завершённая модель; обучение проводилось без масок валидности. Лицензия в метаданных обозначена как other, поэтому условия использования следует сверять с карточкой модели и базового чекпойнта.

UnfilteredAI/Promt-generator — языковая модель для генерации текстовых запросов к моделям преобразования текста в изображение. Она предназначена для творческих приложений, генеративного искусства и помощи художникам и разработчикам в составлении разнообразных описаний изображений. Модель построена на архитектуре BLOOM с причинным языковым моделированием и содержит около 659,6 млн параметров; для запуска используются PyTorch и формат safetensors. Длина контекста — 2048 токенов. Модель принимает текст и генерирует текстовые промпты. В README не приведены сведения о поддерживаемых естественных языках или специальных ограничениях качества. Лицензия MIT разрешает использование на её условиях.

Qwen-Image-2.1-PE-T2I-Heretic — созданная сообществом производная модель от Qwen/Qwen-Image-2.1-PE-T2I. Это дообученная Qwen3.5-VL 9B с архитектурой Qwen3_5ForConditionalGeneration в формате bf16 safetensors. Модель принимает короткий запрос на создание изображения и формирует подробный англоязычный промпт, а также рекомендует соотношение сторон. Это переписыватель промптов для Qwen-Image-2.1, а не генератор изображений. Веса изменены методом directional ablation Heretic, чтобы снизить склонность к отказам: в описанной оценке отказов стало 31 из 100 против 98 из 100 у исходной модели, при KL-дивергенции 0,013. Проверки README подтверждают, что модель сохраняет формат ответа с промптом и соотношением сторон на обычных и пограничных запросах. Для работы требуется system_prompt.txt из репозитория. Лицензия Qwen Research License разрешает только некоммерческое использование; для коммерческого применения нужна отдельная лицензия Qwen.

retro3d — модель генерации изображений, созданная abesmon методом DreamBooth на базе Stable Diffusion v2.1 с разрешением 512 пикселей. Она предназначена для создания изображений по текстовым запросам с использованием изученного концепта; в промпте для него следует указывать ключевое слово trsldamrl. Модель распространяется в формате Diffusers/PyTorch и использует лицензию CreativeML Open RAIL-M.

opendiffusionai/sd-flow-alpha — экспериментальная версия модели Stable Diffusion 1.5 от OpenDiffusionAI. В ней заменены планировщик шума и тип предсказания на FlowMatchEulerDiscrete, чтобы исследовать FlowMatch и использовать его в собственных дообучениях. Модель создаёт изображения по текстовым запросам; автор отмечает, что базовая Stable Diffusion 1.5 может давать более качественные результаты. Модель опубликована в формате Diffusers с весами safetensors и полной точностью FP32. Для работы с ней автор указывает на несовместимость с diffusers 0.34.0: требуется изменённый код или актуальная версия из основной ветки. В ComfyUI автор предлагает подключить UNet через узел Load Diffusion Model и ModelSamplingSD3, используя CLIP и VAE от SD 1.5. Основана на stable-diffusion-v1-5/stable-diffusion-v1-5 и дообучена на наборе opendiffusionai/cc12m-small-squarish-simple. Условия лицензии в предоставленных данных не приведены.

Это вариант модели SDXS-512-0.9, опубликованный пользователем rupeshs на Hugging Face. По карточке, отличие от IDKiro/sdxs-512-0.9 состоит в использовании исходного VAE, которое, по словам автора, улучшает качество изображений. Модель предназначена для генерации изображений по текстовым запросам и работает через библиотеку Diffusers. Карточка не сообщает размер модели, длину контекста или поддерживаемые языки запросов; в метаданных указан английский язык. Репозиторий содержит веса в форматах Diffusers, PyTorch и safetensors. Лицензия — OpenRAIL++: перед использованием следует учитывать её условия. Заявление об улучшении качества приведено автором карточки; сравнительные результаты не указаны.

Это веса текстовой инверсии для модели CompVis/stable-diffusion-v1-4, опубликованные пользователем abhipsabasu. Они предназначены для адаптации генерации изображений по текстовым запросам с помощью Diffusers. Для работы их нужно использовать вместе с базовой моделью Stable Diffusion 1.4; репозиторий содержит веса в формате safetensors. Примеры настройки и применения в карточке не приведены. Лицензия — CreativeML OpenRAIL-M.

Yiffymix v43 — модель генерации изображений по текстовому описанию, выпущенная chilon249 и представленная здесь в формате, совместимом с Diffusers. Она относится к семейству Stable Diffusion и предназначена для создания изображений по текстовым запросам. Для работы используется v-prediction scheduler; при запуске через Stable Diffusion WebUI автор рекомендует разместить рядом с моделью соответствующий YAML-файл. В карточке указана лицензия OpenRAIL++. В README нет сведений о размере модели, поддерживаемых языках или специальных предметных областях. Версия v43 отличается от упомянутой автором v52 на базе SDXL.

Agenda Mix — слитая модель для генерации изображений по текстовому описанию, опубликованная Earth & Dusk. В состав входят Comic Babes, Epic V4 и Marvellous Comics; модель рассчитана на создание иллюстраций в комиксном и аниме-стиле. Для усиления комиксного стиля автор рекомендует добавить в промпт ключевое слово «XDUSKY1».

Модель A-Merk — дообученная с помощью DreamBooth модель Stable Diffusion для создания изображений с концепцией инопланетного коралла. Для генерации используйте текстовый запрос с фразой «a photo of sks alien coral». Модель предназначена для получения изображений по тексту, включая иллюстрации и вариации заданной концепции. Репозиторий содержит веса в форматах Diffusers и PyTorch. Лицензия — MIT.

Cetus-Mix-Codaedition_diffusers — версия модели 5G Cetus-Mix-Codaedition, преобразованная в вариант объёмом 2G. Репозиторий содержит веса в форматах Diffusers и Safetensors и предназначен для генерации изображений по текстовым запросам. Карточка не описывает архитектуру, языки, обучающие данные или результаты проверки качества. Лицензия указана как other, поэтому конкретные условия использования по имеющимся сведениям определить нельзя.

Модель sd-dreambooth-library/disco-diffusion-style создана автором whonoidontkno: это Stable Diffusion, дообученная методом DreamBooth на концепции художественного стиля Disco Diffusion. Для генерации изображений используйте в текстовом запросе фразу «a photo of ddfusion style». Модель предназначена для создания изображений по текстовым описаниям в стиле Disco Diffusion и распространяется в форматах Diffusers и PyTorch. Лицензия — MIT. Размер модели, длина контекста и поддерживаемые языки в предоставленных данных не указаны.