I.10Видео, анимация и 3D

Flux-Animeo-v1-LoRA — LoRA-адаптер, разработанный strangerzonehf для базовой модели black-forest-labs/FLUX.1-dev. Модель предназначена для генерации изображений в аниме- и мультяшной стилистике по текстовому описанию в сценариях text-to-image. Для активации адаптера в запросе необходимо использовать триггерное слово «Animeo». Примеры показывают генерацию персонажей с заданной внешностью, одеждой, позами, предметами и фоном. Адаптер обучен на 50 изображениях высокого разрешения с использованием текстовых описаний на английском языке, подготовленных Florence2. Указаны параметры LoRA: Network Dim 64 и Network Alpha 32; обучение проводилось в течение 22 эпох, всего 4700 шагов с оптимизатором AdamW и постоянным планировщиком скорости обучения. Рекомендуемые размеры изображений — 768×1024, стандартный размер — 1024×1024. Модель работает через Diffusers поверх FLUX.1-dev и распространяется в формате Safetensors. Сильная сторона модели — специализация на аниме-визуале и возможность применять характерный стиль поверх базовой FLUX.1-dev с помощью LoRA. Ограничения связаны с узкой областью обучения, небольшим объёмом обучающего набора и зависимостью от базовой модели; README не содержит сведений о количественных оценках качества, поддерживаемых языках запросов помимо английских обучающих описаний, требованиях к памяти или известных проблемах. Лицензия — Apache-2.0.

HiDream-O1-Image-Dev-mlx-q6 — модель генерации изображений по тексту, портированная Mrbizarro в формат MLX и опубликованная mlx-community для компьютеров Apple Silicon. Она основана на HiDream-ai/HiDream-O1-Image-Dev; в репозитории находятся 6-битно квантованные веса с group_size 64, а дополнительные diffusion-головы сохранены в BF16. Модель предназначена для локального создания изображений по текстовым запросам на устройствах с ограниченной оперативной памятью. По данным карточки, вариант Q6 занимает около 8 ГБ и использует примерно 8,5 ГБ оперативной памяти. Он даёт чистые результаты при квадратных размерах 1024 × 1024 и 2048 × 2048; для неквадратных изображений README отмечает заметную сетку артефактов с шагом 32 пикселя в однотонных областях. Редактирование изображений для этого Q6-варианта не предназначено: для него требуется версия BF16. Лицензия — MIT.

Kenshi — созданная автором личная смесь моделей для генерации изображений в полуреалистичном художественном стиле. В README названы среди исходных моделей Nixeu, WLOP, Guweiz и BoChen; отдельная базовая модель не указана. Репозиторий содержит веса PyTorch и Safetensors для Diffusers, задача по метаданным — генерация изображений по тексту. Модель рассчитана на создание иллюстраций по подробным текстовым запросам и, по словам автора, подходит для разных художественных стилей. Автор рекомендует не менее 20 шагов генерации, sampler DPM++ 2M Karras и CFG scale 2–7; VAE назван важным компонентом. Kenshi может требовать тщательной настройки промпта, поэтому в README она не рекомендуется начинающим пользователям. Лицензия — CreativeML OpenRAIL-M.

Graphic Novel Earthy Ink — стилевой LoRA-адаптер для генерации изображений, разработанный fal.ai и предназначенный для базовой модели Krea 2 Turbo. Он добавляет к изображениям выразительную эстетику графического романа с землистыми оттенками и чернильной прорисовкой. Модель применяется в сценариях text-to-image, включая создание иллюстраций, концепт-арта и стилизованных сцен. Для активации адаптера в запрос необходимо добавить триггерную фразу «graphic novel earthy ink style». Рекомендуемый масштаб LoRA составляет от 1,0 до 1,25. Адаптер поддерживается через fal.ai и diffusers, а также имеет совместимую версию весов для ComfyUI. В README приведён пример генерации изображения размером 1024×1280, однако ограничения по контексту, точный размер адаптера, дополнительные модальности и перечень поддерживаемых языков не указаны. Это не самостоятельная генеративная модель, а подключаемое стилевое дополнение, поэтому для работы требуется Krea 2 Turbo или совместимая инфраструктура. Оно ориентировано прежде всего на устойчивое воспроизведение указанного художественного стиля и не предназначено для изменения базовых возможностей модели. Распространение и использование регулируются лицензией Krea 2 Community License.

Lasorco/lametta_old — авторский набор старых, снятых с основного развития и экспериментальных моделей слияния Stable Diffusion 1.5, опубликованный разработчиком Lametta. В репозитории есть модели для генерации изображений по текстовым описаниям и материал для слияния с другими моделями; материал при смешивании примерно с весом 0,5 призван придавать результату характерный стиль Lametta. Основной описанный материал усиливает упрощённую, сильно деформированную манеру изображения и намеренно подавляет некоторые детали, поэтому автор предупреждает о потере проработанности исходной модели. Отдельные старые варианты имеют собственные недостатки: у некоторых нестабильны глаза или высока вероятность дефектов. Для v21240 требуется явно задавать VAE во избежание ошибки NaN; автор рекомендует liquid111vae_v10 или zVae_v10. Поддерживаются японские промпты; точная длина контекста неприменима к генератору изображений. Указана лицензия CreativeML OpenRAIL-M. README разрешает коммерческое использование сгенерированных изображений и распространение слияний, но запрещает продавать саму модель или слияния с ней; также запрещено имитировать конкретные произведения или стили так, чтобы это вредило правообладателям.

Danrisi/Lenovo_UltraReal_Z_Image — модель типа LoRA для генерации изображений по текстовому описанию. Она создана пользователем или автором Danrisi и основана на Tongyi-MAI/Z-Image-Turbo, работая в экосистеме Diffusers. Модель предназначена для сценариев text-to-image, в которых адаптер LoRA применяется к базовой модели для получения изображений на основе текстовых запросов. В README указаны английский язык, формат Diffusers и принадлежность к классу diffusion-LoRA. Размер, точная архитектура, поддерживаемые модальности помимо текста и изображения, длина контекста, результаты тестирования и специализированные области применения не раскрыты. К сильным сторонам относятся использование готовой базовой модели Z-Image-Turbo и совместимость с распространённым форматом LoRA для диффузионных моделей. Ограничения, качество генерации, требования к ресурсам и особенности применения не описаны, поэтому их нельзя достоверно оценить по представленным данным. Лицензия модели — Apache-2.0.

MyneFactory Base Model — модель преобразования текста в изображение, разработанная Myne Factory; авторы карточки — 金Goldkoron, tsmkirby и Juusoz. Модель обучена на Stable Diffusion с подборкой примерно из 23 тысяч изображений с высоким рейтингом с Yande.re и Konachan. Подписи к изображениям создавались теггером WD14; модель лучше работает с тегами в стиле booru и дополнительно дообучена для работы с короткими промптами. Модель предназначена для генерации иллюстраций по текстовому описанию, особенно аниме-арта и сцен, заданных тегами. Авторы рекомендуют использовать подходящие соотношения сторон и параметры сэмплирования; приведённые настройки — ориентир для экспериментов. Репозиторий содержит веса Diffusers/PyTorch в форматах safetensors и ckpt. Лицензия — CreativeML OpenRAIL-M. Обучающие данные происходят с сайтов с аниме-изображениями, что отражается в специализации и стиле генерации. Как и другие модели генерации изображений, результат зависит от формулировки промпта и параметров; README не приводит систематической оценки качества или полного описания ограничений и допустимого использования по лицензии.

MiDashengLM-Gen — модель генерации аудиосцен, разработанная авторами проекта MiDashengLM. Она использует полностью дообученную языковую модель Qwen3-1.7B, аудиотокенизатор DashengTokenizer и условный flow matching для авторегрессионного создания аудио переменной длины. На вход подаются структурированные текстовые описания сцены, речи и характеристик голоса; модель генерирует согласованные аудиосцены с речью, музыкой, звуковыми эффектами и окружающей акустикой. Выходное аудио имеет частоту дискретизации 16 кГц. Аудиотокенизатор формирует латентные представления размерности 768 с частотой 25 Гц, затем аудиопроектор снижает её до 5 Гц; блок Flow Matching DiT содержит 16 слоёв, размер скрытого состояния 2048 и 8 голов внимания. Модель подходит для создания смешанных звуковых сцен по текстовым сценариям, включая диалоги с заданной подачей голоса, музыку и фоновые эффекты. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0. Авторы запрещают использовать модель и её производные для незаконных действий, нарушения прав, причинения вреда людям, дискриминации и военных целей.

Модель Stable Diffusion от StatsGary, дообученная методом DreamBooth на изображениях норвежских фьордов. Она предназначена для генерации изображений по текстовым запросам с фьордом в качестве пейзажного фона; для активации тематического концепта в запросе можно использовать фразу «a viking on the fjords». Модель поддерживает сценарии от создания пейзажных иллюстраций до изображений объектов, персонажей и фантастических сцен у фьорда. Модель распространяется в форматах Diffusers и PyTorch и предназначена для использования с библиотекой Diffusers и StableDiffusionPipeline. Лицензия — CreativeML Open RAIL-M. Карточка демонстрирует разные стили и сюжеты, однако не приводит количественных оценок качества или технических характеристик обучения.

NSFW-GEN-ANIME — модель UnfilteredAI для генерации аниме-изображений по текстовому описанию. Она предназначена для создания разнообразных иллюстраций, включая откровенный контент; в карточке указано 3,47 млрд параметров и использование FP16. Модель построена на Stable Diffusion XL и работает в библиотеке Diffusers. Модель объединяет OEvortex/PixelGen и UnfilteredAI/NSFW-gen. Она ориентирована на англоязычные запросы и генерацию изображений в аниме-стиле. Репозиторий распространяется под лицензией other; конкретные условия лицензии следует проверять в материалах модели. Карточка рекомендует ограничить использование совершеннолетними и избегать создания вредоносных или оскорбительных изображений.

Retro-Pixel-Flux-LoRA — адаптер LoRA, разработанный prithivMLmods для модели генерации изображений black-forest-labs/FLUX.1-dev. Он предназначен для создания ретро- и пиксельной графики по текстовым описаниям, включая изображения в эстетике старых видеоигр, 8-битный pixel art, персонажей, предметы и сцены. Для активации стиля используется триггерная фраза «Retro Pixel». Модель может применяться через Diffusers и загружаться в базовую FLUX.1-dev в формате Safetensors. Адаптер обучен на 16 изображениях высокого разрешения с англоязычными текстовыми описаниями. Указанный рекомендуемый размер генерации — 1024×1024. Из известных параметров обучения: network dim 64, network alpha 32, 15 эпох и 2340 шагов. Модель ориентирована на text-to-image и работает с текстовой модальностью на входе и изображениями на выходе; сведения о дополнительных языках, максимальном контексте и точном количестве параметров не указаны. Сильная сторона модели — специализация на узнаваемой ретро-пиксельной стилистике и совместимость с FLUX.1-dev. При этом автор отмечает, что модель всё ещё находится на стадии обучения, не является финальной версией, может создавать артефакты и в некоторых случаях работать нестабильно. Лицензия — CreativeML Open RAIL-M.

Модель ByteDance SD v2.1-base с self-perceptual objective — дообученная версия Stable Diffusion 2.1 Base для генерации изображений по текстовому описанию. Она обучена на данных LAION Aesthetic 6+ с расписанием шума zero terminal SNR и предназначена для работы без classifier-free guidance: для генерации достаточно задать guidance_scale=0. Модель распространяется в форматах Diffusers и PyTorch, лицензия — OpenRAIL++. Авторы позиционируют её как демонстрацию исследовательского метода, поэтому её пригодность для производственного применения не заявлена.

Lambda Labs выпустила модель диффузии, полученную дообучением Stable Diffusion на изображениях персонажей Naruto с подписями BLIP. Она принимает текстовый запрос и генерирует изображение в стиле Naruto; для более стабильного результата авторы рекомендуют включать в запрос формулировки вроде «ninja portrait» или «in the style of Naruto». Модель обучалась около 30 000 шагов на двух GPU A6000 и распространяется в форматах Diffusers и PyTorch. Для локального запуска в README приведён пример с Diffusers 0.3.0. Лицензия в предоставленных материалах не указана.

Shiitake Mix v10 SDXL — модель для генерации изображений по текстовому описанию, созданная Vsukiyaki и опубликованная пользователем John6666. Она основана на OnomaAIResearch/Illustrious-xl-early-release-v0 и предназначена прежде всего для создания аниме-иллюстраций, включая изображения девушек и персонажей в милом стилистическом оформлении. Модель работает через StableDiffusionXLPipeline в библиотеке Diffusers и поддерживает генерацию изображений по англоязычным промптам. К её сильным сторонам относятся специализация на аниме-стилистике, персонажных иллюстрациях и визуальных вариациях в стиле Illustrious. Лицензия указана как FAIPL-1.0-SD (license: other). Качество и содержание результата зависят от формулировки промпта, параметров генерации и ограничений базовой модели. Модель специализирована на визуальном стиле и не предназначена для задач понимания текста, диалогов или генерации фотореалистичных изображений без дополнительной проверки результата.

DJMOON/textual_inversion_spr_01 — адаптация в формате textual inversion для Stable Diffusion v1.5, опубликованная разработчиком DJMOON. Весам адаптера нужна базовая модель stable-diffusion-v1-5/stable-diffusion-v1-5; они предназначены для генерации изображений по текстовым запросам с применением выученного текстового представления. Репозиторий использует Diffusers и формат Safetensors. Модель можно применять в сценариях text-to-image, подключив веса к базовой Stable Diffusion v1.5. Для репозитория указана лицензия CreativeML Open RAIL-M. В README не описаны примеры использования, характеристики получаемых изображений или конкретные ограничения и смещения.

The Owl Characters V2 — модель генерации изображений, созданная Jartemio на базе Stable Diffusion и обученная с помощью EveryDream Trainer 2.0 на персонажах и стиле мультсериала The Owl House. Для стилизации в промпте используется ключ aniscreen; для персонажей предусмотрены отдельные ключи, в том числе GusPorter из-за ошибки в обучающих данных. Модель предназначена для создания изображений персонажей The Owl House по текстовому описанию, с возможностью использовать или опускать ключ стиля. В README отмечено, что результаты для EmperorBelos, KingClawthorne и ряда других персонажей требуют улучшения. Модель распространяется в формате Diffusers с весами safetensors по лицензии OpenRAIL.

cat666/VToooo — модель генерации изображений по текстовому описанию на базе библиотеки Diffusers. Автор сообщает, что обучал её с learning rate 2.5e-6 на одной A6000; конкретная базовая модель и размер параметров не указаны. В README модель названа экспериментальной и переобученной, а для получения лучших результатов автор рекомендует разрешение выше 768×832 пикселей. Модель предназначена для создания изображений по текстовым запросам. Карточка не раскрывает стиль изображений, обучающие данные и дополнительные возможности. Модель опубликована по лицензии CreativeML Open RAIL-M.

Kokosha01/Wan2.2_StrangeNames — набор LoRA-адаптеров для генерации изображений по текстовому описанию, размещённый Kokosha01 на Hugging Face. Карточка указывает базовую модель Tongyi-MAI/Z-Image-Turbo и предлагает подключать адаптер через Diffusers к этой модели. В репозитории есть файлы safetensors и ONNX; лицензия — CreativeML OpenRAIL-M. Модель предназначена для генерации изображений по текстовым запросам с использованием базовой модели. Карточка не описывает, какие визуальные стили или концепции добавляют отдельные адаптеры, и не приводит сведений о размере, контекстном окне или поддерживаемых языках.

Модель Tune-A-Video-library/a-man-is-surfing — экспериментальный чекпойнт на базе CompVis/stable-diffusion-v1-4, подготовленный проектом Tune-A-Video для генерации видео по текстовому описанию сцены с серфингом. В карточке указан обучающий запрос «A man is surfing» и тестовый запрос «A panda is surfing»; модель распространяется в формате Diffusers/PyTorch по лицензии CreativeML OpenRAIL-M. Базовая архитектура Stable Diffusion — латентная диффузионная модель, изначально предназначенная для создания изображений по тексту. Материалы карточки связывают чекпойнт с подходом Tune-A-Video для настройки модели на одном видео и генерации видео; однако метаданные указывают задачу text-to-image, и примеров фактического вывода видео в README нет. Языковые сведения о конкретном чекпойнте не приведены; базовая модель преимущественно рассчитана на английские запросы.

Animagine XL 3.1 — диффузионная модель для генерации аниме-изображений по текстовым запросам, разработанная Cagliostro Research Lab при участии SeaArt.ai. Это дообученная версия Animagine XL 3.0 на базе Stable Diffusion XL; репозиторий содержит веса в форматах Diffusers и safetensors. Модель улучшает понимание промптов, прорисовку рук и анатомии, поддерживает специальные теги качества, рейтинга, периода и эстетики, а также охватывает больше персонажей известных аниме-сериалов. Модель предназначена для поклонников аниме, художников и создателей контента, которым нужны детализированные иллюстрации персонажей и сцен. Она лучше работает с подробными промптами в стиле тегов Danbooru, чем с короткими запросами на естественном языке. Модель ориентирована на аниме и не подходит для реалистичных фотографий; анатомия и руки всё ещё могут получаться неточно. Модель может генерировать материалы категории NSFW, в том числе без явного запроса. В README указана лицензия Fair AI Public License 1.0-SD; метаданные Hugging Face обозначают лицензию как other.

FredZhang7/anime-anything-promptgen-v2 — языковая модель на базе GPT-2, обученная автором на 80 000 уникальных безопасных аниме-промптов из Safebooru. Модель предназначена для генерации текстовых промптов для создания аниме-изображений, например, по короткому префиксу вроде «1girl». Она обучалась три эпохи; контекст составляет 1024 токена. Модель генерирует текст, который можно использовать с Anything V4 и другими системами текст-в-изображение. В README автор отмечает, что предыдущая версия часто выдавала бессвязные промпты и связывает проблему со случайными именами пользователей в данных; для этой версии заявлена очистка датасета. Модель выпущена по лицензии CreativeML OpenRAIL-M.

wooyvern/anime-real-pantheon — LoRA-модель на базе pt-sk/stable-diffusion-1.5 для генерации изображений по текстовым запросам. Автор README указывает, что оригинальная модель LostInHentaiThoughts размещена на Civitai; веса доступны в формате Safetensors и предназначены для использования с Stable Diffusion. Модель подходит для создания изображений в аниме-стилистике. README не описывает конкретные настройки, рекомендуемые запросы или ограничения применения. Лицензия в предоставленных данных не указана.

BPModel-SD14-merge — экспериментальная сборка автора 6DammK9: веса UNet модели BPModel объединены с Stable Diffusion 1.4. По описанию, исходная BPModel сохраняла UNet, но не включала текстовый энкодер и VAE, поэтому для генерации здесь используются компоненты SD 1.4; автор также приводит пример работы со сменой модели и VAE. Сборка предназначена для создания изображений по текстовым запросам и проверки поведения объединённых моделей. Репозиторий содержит веса в формате safetensors и рассчитан на экосистему Diffusers. Лицензия — CreativeML OpenRAIL-M.

CuteAnimalsSitCartoonModelSD — модель генерации изображений по текстовому описанию от artificialguybr. Она предназначена для создания изображений в мультяшном стиле, особенно с милыми животными, и рассчитана на творческие сценарии с прямыми промптами и постепенным добавлением деталей. В README указано, что для моделей на базе SDXL можно начинать с разрешения 1024×1024 и умеренных значений CFG и числа шагов, однако принадлежность этой модели к SDXL отдельно не подтверждена. Модель распространяется в форматах PyTorch и Safetensors и использует лицензию OpenRAIL. README рекомендует генерировать несколько вариантов с разными seed для большей визуальной согласованности. Данные о размере модели, языковой поддержке и длине контекста не приведены.

Cyberpunk Anime Diffusion — модель генерации изображений в стиле киберпанк-аниме, разработанная DGSpitzer. Она создана дообучением Waifu Diffusion V1.3 на базе Stable Diffusion 1.5 с помощью Dreambooth; в этой версии добавлена встроенная поддержка персонажей Genshin Impact. Модель принимает текстовые запросы и выдаёт изображения, а для усиления фирменного стиля автор рекомендует добавлять в запрос ключевое слово «dgs» и описание стиля иллюстрации. Модель распространяется в форматах Diffusers и checkpoint и совместима со стандартными конвейерами Stable Diffusion. Лицензия — CreativeML OpenRAIL-M. Она предназначена для создания художественных изображений, особенно персонажей и сцен киберпанк-аниме; качество зависит от формулировки запроса. Это специализированный генератор изображений, а не универсальная модель для понимания изображений или диалога.

Карточка модели Quacky369/CyberRealisticPony на Hugging Face совпадает с карточкой cyberdelia/CyberRealisticPony, поэтому описание составлено по ней. CyberRealistic Pony — модель генерации изображений по текстовому описанию, созданная на основе Pony Diffusion с элементами CyberRealistic. Она предназначена для создания фотореалистичных изображений пони и персонажей, а также иллюстраций и концепт-арта. Модель распространяется в формате safetensors и включает встроенный VAE. Для генерации рекомендованы 30 и более шагов сэмплирования и разрешения 896×1152 или 832×1216. Модель специализируется на изображениях пони и может хуже справляться с абстрактными запросами и сюжетами, не связанными с пони; иногда освещение и текстуры получаются чрезмерно гладкими. Возможна генерация чувствительного контента. Лицензия — CreativeML Open RAIL-M.

DucHaiten-Real3D-NSFW-V1 — модель генерации изображений по текстовому запросу, размещённая пользователем digiplay. Она основана на Stable Diffusion и представлена в формате Diffusers с весами Safetensors. В README приведён пример запроса для создания стилизованного изображения принцессы в духе журнальной рекламы и комикса. Модель предназначена для генерации изображений по текстовым описаниям. Метка в карточке указывает на контент не для всех аудиторий, а лицензия обозначена как other; конкретные условия использования по имеющимся данным определить нельзя.

EVA-Fusion 2.22 — модель генерации изображений по текстовому описанию, созданная автором для собственного арт-проекта. Она основана на Stable Diffusion 1.4 и объединяет предыдущие версии EVA-Fusion с исходной моделью CompVis 1.4 и WD 1.3 в разных пропорциях; автор указывает, что обучались U-Net и что ранние версии настраивались на изображениях с тематикой Evangelion. Модель предназначена для создания изображений в стиле Evangelion; автор рекомендует включать эту формулировку в запрос. В README указано, что модель может неожиданно склоняться к чёрно-белым изображениям, хотя почти не обучалась на оттенках серого. Репозиторий распространяется в формате Diffusers и PyTorch. Лицензия — BigScience BLOOM RAIL 1.0.

Fantasy-diffusion-v1 — модель генерации изображений по текстовому описанию, созданная Ryan Han (Ryzan) с помощью DreamBooth. Она обучена на 400 изображениях полуреалистичного фэнтезийного арта и предназначена для создания иллюстраций в этом стиле; автор отмечает, что обучающие изображения преимущественно изображают женщин, поэтому такие персонажи будут встречаться чаще. Модель распространяется в форматах Diffusers, PyTorch и safetensors и использует библиотеку Diffusers. В качестве подсказок для повышения детализации автор рекомендует слова «highly detailed», «intricate», «4k», «8k», «sharp focus» и «detailed hair». Лицензия — CreativeML OpenRAIL-M. В карточке не заявлены восстановление лиц и inpainting. Результаты могут быть смещены в сторону женских персонажей из-за состава обучающей выборки.

MirageML/fantasy-sword — модель генерации изображений на основе Stable Diffusion, дообученная автором на концепции фэнтезийного меча с помощью DreamBooth. Для генерации используйте запрос с триггером «a photo of fantasy_sword» и опишите желаемое изображение. Модель предназначена для создания изображений мечей в фэнтезийной тематике по текстовому описанию; карточка также упоминает исследование преобразования текста в 3D на платформе Mirage, но не описывает отдельный 3D-чекпойнт. Модель распространяется в форматах Diffusers, PyTorch и Safetensors по лицензии CreativeML OpenRAIL-M. В карточке не приведены размер модели, длина контекста и подробности о качестве или ограничениях генерации.