I.10Видео, анимация и 3D

CloneDiffusion — дообученная модель Stable Diffusion от TryStar для генерации изображений в стиле мультсериала «Звёздные войны: Войны клонов». Для получения характерного стиля автор рекомендует добавлять в запрос фразу «clonewars style»; модель обучена на скриншотах сериала с использованием DreamBooth на базе Diffusers. Модель принимает текстовые запросы и создаёт изображения. В README также приведены рекомендуемые параметры генерации: 50 шагов, сэмплер Euler a и CFG scale 7. Репозиторий распространяется по лицензии CreativeML OpenRAIL-M.

CyberRealistic Pony Semi-Realistic — модель генерации изображений от Cyberdelia на основе Stable Diffusion XL (SDXL), дообученная для создания полуфотореалистичных изображений персонажей-пони. Она сочетает стилизованную подачу с реалистичными текстурами и освещением и рассчитана на создание иллюстраций, концепт-арта и дизайна персонажей по текстовым запросам. Модель поставляется в формате safetensors со встроенным VAE. В README рекомендованы 30 и более шагов сэмплирования и разрешения 896×1152 или 832×1216. Модель лучше справляется с темами пони; запросы на абстрактные изображения и сюжеты без пони могут давать менее удачные результаты. Освещение и текстуры иногда выглядят слишком гладкими, а некоторые результаты могут быть чувствительными. Лицензия в метаданных указана как CreativeML OpenRAIL-M.

SidXXD разработал встраиваемые веса textual inversion для генерации изображений по текстовому описанию. Они предназначены для использования вместе с stabilityai/stable-diffusion-2-1-base и позволяют добавлять в генерацию изученную визуальную концепцию dogmistwhole. Модель принимает текстовый запрос и выдаёт изображение; формат репозитория — Diffusers с весами Safetensors. Лицензия — CreativeML OpenRAIL-M.

UmeAiRT/FLUX.1-dev-LoRA-Modern_Pixel_art — адаптер LoRA для генерации изображений на базе black-forest-labs/FLUX.1-dev. Модель разработана UmeAiRT и предназначена для создания изображений в современной стилистике 2D pixel art, включая фантазийные пейзажи, руины, леса, горы, водоёмы и сцены, вдохновлённые современными играми. Для активации стилистики рекомендуется использовать триггерное слово umempart. Модель работает в сценариях text-to-image и распространяется в формате Safetensors. В README указаны LoRA rank 32 и рекомендуемое разрешение 1024 пикселя; сведения о размере базовой модели, поддерживаемых языках, максимальном контексте и дополнительных модальностях отсутствуют. Обучение проводилось в течение 20 эпох и 2000 шагов с оптимизатором Prodigy на датасете UmeAiRT/Ume-Modern_Pixel_Art; автор отмечает, что настройки могли быть не оптимальными. Сильная сторона модели — специализированная передача современной пиксельной стилистики поверх возможностей FLUX.1-dev. Ограничения включают зависимость от базовой модели, необходимость корректного применения триггерного слова и возможную нестабильность результатов из-за неоптимально подобранных параметров обучения. Модель распространяется по лицензии MIT.

Lyoko Diffusion v1.1 — модель генерации изображений по текстовому описанию на базе Stable Diffusion, разработанная Madiator2011. Она создаёт изображения в стилях 2D и CGI из мультсериала «Код Лиоко»; для выбора стиля в запрос добавляют «2DLyoko style» или «CGILyoko style». Модель доступна в форматах Diffusers и PyTorch и использует лицензию CreativeML OpenRAIL-M. Модель предназначена для создания стилизованных иллюстраций и творческих экспериментов. Карточка указывает на исследовательское и творческое применение, включая изучение возможностей и ограничений генеративных моделей. В описании не приведены размер модели и длина контекста.

SidXXD/m-285 — адаптация textual inversion для Stable Diffusion v1.5, опубликованная пользователем SidXXD. Она добавляет обученные текстовые векторы, которые можно использовать при создании изображений по текстовым запросам в Diffusers. Модель предназначена для text-to-image генерации с базовой моделью stable-diffusion-v1-5/stable-diffusion-v1-5. В репозитории размещены веса адаптации в форматах Diffusers и Safetensors. Использование распространяется по лицензии CreativeML OpenRAIL-M. README не приводит примеров изображений и не описывает, какой именно визуальный объект или стиль активирует адаптация; качество и область применения по имеющимся данным определить нельзя.

Карточка модели toilaluan/minit2i-base-16-refractored на Hugging Face совпадает с карточкой MiniT2I/MiniT2I, поэтому описание составлено по ней. MiniT2I — это семейство моделей генерации изображений по текстовому описанию, опубликованное в виде весов PyTorch, совместимых с Diffusers. Репозиторий содержит варианты MiniT2I-B/16 и MiniT2I-L/16; оба чекпойнта выгружены с шага обучения 290 тысяч. Выбрать вариант можно при инференсе через параметр model_type, причём загружаются только веса выбранной модели. Модель предназначена для создания изображений по текстовым запросам. Веса доступны в форматах Diffusers и Safetensors, библиотека запуска — Diffusers. Репозиторий распространяется по лицензии MIT. Карточка не сообщает о поддерживаемых языках запросов и ограничениях качества или области применения.

Qwen-Image-Edit-2509-Photo-to-Anime — модель LoRA, разработанная AutoWeeb и дообученная на базе Qwen/Qwen-Image-Edit-2509. Она предназначена для преобразования фотографий в изображения в стиле аниме, манги и близких к ним визуальных направлений. Модель поддерживает сценарии image-to-image и рассчитана на работу с простыми текстовыми запросами, например «transform into anime». Для тестирования доступны интеграция через Hugging Face и рабочий процесс ComfyUI. Модель ориентирована на обработку фотографий высокого разрешения и относится к мультимодальным системам редактирования изображений, однако точные архитектурные параметры, количество параметров, максимальный контекст и поддерживаемые разрешения в README не указаны. В метаданных заявлены английский и китайский языки, но подробности языковой поддержки отсутствуют. README отмечает, что модель лучше работает с простыми запросами и может демонстрировать лучшие результаты при использовании с Phr00t/Qwen-Image-Edit-Rapid-AIO. Модель распространяется по лицензии MIT. Ограничения включают отсутствие подробной информации о качестве на разных типах изображений, стабильности сохранения исходных деталей и официальных технических характеристиках. Она предназначена прежде всего для стилизации фотографий, а не для универсального редактирования изображений.

obann001/Saraptah_Flux_LoRA_v1 — адаптер LoRA для модели text-to-image black-forest-labs/FLUX.1-dev. Модель предназначена для генерации изображений персонажа Saraptah по текстовому описанию, включая портреты и кинематографичные сцены с заданной внешностью, одеждой, позой и окружением. В README приведены примеры фотореалистичных изображений с темнокожей женщиной, короткой стрижкой или хвостом, украшениями и одеждой в различных городских и природных сценах. Модель работает в связке с FLUX.1-dev и использует ключевое слово активации Saraptah. Указаны английский и португальский языки, модальность — генерация изображений по тексту. Дополнительные сведения о размере адаптера, параметрах LoRA, рекомендуемом весе, максимальном контексте и точных требованиях к оборудованию отсутствуют. Сильной стороной является специализация на воспроизведении конкретного персонажа и поддержка детализированных визуальных промптов; ограничения связаны с зависимостью от базовой модели и возможной чувствительностью результата к формулировке запроса и параметрам генерации. В метаданных указана лицензия Apache-2.0, однако также приведены license_name и license_link, относящиеся к non-commercial license для FLUX.1-dev. Поэтому условия использования следует проверять одновременно для этого адаптера и базовой модели; коммерческое применение нельзя считать разрешённым без дополнительной проверки лицензии FLUX.1-dev.

scottpilgrim — модель генерации изображений по текстовому описанию, созданная spooncats методом DreamBooth на основе Stable Diffusion. Она предназначена для генерации изображений с определённой концепцией Scott Pilgrim по текстовым запросам; в карточке приведены примеры изображений и способы запуска через интерфейсы A1111 и diffusers. Модель распространяется в формате diffusers/PyTorch по лицензии CreativeML OpenRAIL-M. В метаданных не указаны размер модели, длина контекста, языки и точная базовая версия Stable Diffusion. Качество и ограничения генерации зависят от обученной концепции и формулировки запроса; сведений о специальных гарантиях или оценках качества в карточке нет.

SoteDiffusion Wuerstchen3 — экспериментальная модель генерации изображений в стиле аниме, созданная Disty0 как дообучение Würstchen V3. Она принимает текстовые запросы и предназначена прежде всего для создания аниме-иллюстраций; автор приводит примеры работы с разрешением 1024×1536 и 2048×1152, а также с разрешениями, кратными 128. Модель обучалась с помощью Kohya SD-Scripts на ветке Stable Cascade; в README указана базовая модель Disty0/sote-diffusion-cascade-alpha0. Модель находится на раннем этапе обучения. Реалистичная генерация не проверялась, возможны реалистичные результаты вместо аниме, ошибки в анатомии и руках, а также дефекты глаз у персонажей на дальнем плане. Для исправления реалистичных результатов автор советует добавлять тег realistic в negative prompt. Лицензия указана как other; автор предупреждает, что коммерческое использование запрещено.

Это перезагрузка модели Systemy, дообученной с использованием работ Cutesexyrobutts. Модель предназначена для генерации изображений по текстовым запросам и опубликована в формате Diffusers с файлами PyTorch и Safetensors. В карточке указаны английский язык и задача text-to-image. Исходная модель связана с семейством Stable Diffusion. Лицензия в метаданных обозначена как неизвестная, поэтому условия использования и распространения по карточке установить нельзя.

waiNSFWIllustrious_v120 — модель генерации изображений по текстовому описанию, опубликованная пользователем votepurchase на Hugging Face. В метаданных она обозначена как реалистичная и фотореалистичная модель на базе Stable Diffusion XL, совместимая с diffusers и StableDiffusionXLPipeline; исходная модель указана на Civitai. Модель предназначена для создания изображений по текстовым промптам, включая реалистичные визуальные сцены и контент для взрослой аудитории. Она распространяется в формате SafeTensors и имеет лицензию CreativeML Open RAIL-M. Модель ориентирована на генерацию изображений, однако поддерживаемые языки промптов, размер контекста, число параметров и специальные предметные области в предоставленных данных не указаны. Из-за пометки not-for-all-audiences её использование может быть неподходящим для несовершеннолетних, публичных платформ и сценариев с жёсткими требованиями к безопасности контента.

SDim1973/Z-Image-Loras — набор адаптеров LoRA для генерации изображений на базе Tongyi-MAI/Z-Image и Tongyi-MAI/Z-Image-Turbo. По описанию, проект связан с автором или сопровождающим nphSi. Адаптеры предназначены главным образом для text-to-image-сценариев с воспроизведением внешности известных людей, персонажей и других образов по специальным trigger words. Модель использует формат LoRA и файлы safetensors, совместима с экосистемой Diffusers. Для активации адаптера требуется указывать полное имя LoRA и соответствующий триггер вида vrtlxxxx; обычные описания вроде woman или 1girl могут не сработать. Для некоторых адаптеров предусмотрено несколько триггеров, а также отдельный vrtlMain для их объединения. В README приведены рекомендации по настройке, включая примеры применения с Z-Image-Turbo и параметры, использованные для превью. Сильная сторона набора — специализированная настройка под большое количество конкретных лиц, персонажей и образов. Ограничения включают необходимость использовать совместимую базовую модель и точные триггеры, возможные проблемы при неоднозначных или плохо распознаваемых именах, а также вариативность результата в зависимости от исходных возможностей базовой модели. Поддерживаемые языки, размер адаптеров, максимальный контекст и точные технические параметры в README не указаны. Лицензия — Apache-2.0.

Это LoRA-модель для генерации изображений в стиле фильмов ужасов 1980-х годов, опубликованная в репозитории neph1 как зеркало модели с Civitai. Она предназначена для использования с базовой моделью MiniMaxAI/MiniMax-H3 и интеграции с инструментами Diffusers. Модель работает в сценариях text-to-image и добавляет к базовой модели визуальную стилистику хоррор-фильмов 1980-х годов. Для активации рекомендуется использовать триггерное слово 80s_horror. Архитектура, размер весов, поддерживаемые языки, максимальный контекст и другие технические характеристики в README не указаны; также не уточняется набор модальностей за пределами генерации изображений. Сильная сторона модели — специализация на определённой визуальной эстетике, что может упростить создание соответствующих художественных изображений. Ограничения связаны с зависимостью от базовой модели MiniMax-H3 и отсутствием подробных сведений о качестве, области применимости и известных ограничениях. Использование регулируется лицензией MiniMax-H3 Community License Agreement; условия доступны по указанной в README ссылке.

John6666/4th-tail-anime-hentai-v50-sdxl — модель генерации изображений по текстовому описанию, созданная Minthybasis на основе Stable Diffusion XL. Карточка сообщает о наборе из более чем 8 тысяч стилей художников, доступных через wildcard, и нескольких общих стилях. Модель предназначена для создания аниме-иллюстраций, персонажей с хвостами и изображений в стилях разных художников по текстовым запросам. Для работы используются библиотека Diffusers и формат SafeTensors. В карточке указаны английский язык и маркировка «not for all audiences»; лицензия обозначена как other, без дополнительных условий в предоставленных данных.

AnimeBoysNabla — модель генерации изображений в аниме-стиле, разработанная Koolchh на основе NoobAI V-Pred 1.0 и предназначенная для создания разнообразных изображений персонажей мужского пола. Модель работает в формате Diffusers и использует архитектуру Stable Diffusion XL; для генерации принимает текстовые описания и выдаёт изображения. Для работы требуются настройки Zero Terminal SNR и V-prediction. Автор рекомендует начинать запрос с тега score_X, использовать CFG Scale 3–5 и встроенный VAE KBlueLeaf/EQ-SDXL-VAE; приведены типовые разрешения от портретного 832×1216 до квадратного 1024×1024 и альбомного 1216×832. Модель поддерживает запросы на естественном языке и в формате тегов. Модель ориентирована на стилизованные иллюстрации аниме-персонажей и предлагает управляющие теги эстетической оценки, рейтинга контента и года стилизации. Лицензия — OpenRAIL++; в README не приведены отдельные условия или ограничения использования сверх этой лицензии. Результаты зависят от корректных настроек сэмплирования и формулировки запроса.

BreathOfTheWild Diffusion — модель генерации изображений по тексту, обученная автором на скриншотах The Legend of Zelda: Breath of the Wild и нескольких скриншотах Hyrule Warriors. Для отсылки к стилю автор рекомендует добавлять в запрос токен «botw style». Модель предназначена для создания пейзажей и портретов в эстетике игр серии Zelda. По словам автора, пейзажи получаются хорошо, а портреты могут напоминать Линка и Зельду. Результат не всегда легко менять с помощью запросов; для портретов автор предлагает попробовать формулировку «portrait of». Модель опубликована в формате Diffusers с весами Safetensors и имеет лицензию CreativeML OpenRAIL-M, условия которой ограничивают некоторые варианты использования. Автор описывает её как исследовательский и развлекательный проект и не планирует коммерческое применение.

Gigafractal Diffusion — модель генерации изображений по тексту на основе Stable Diffusion v1.5, дообученная автором kabachuha методом DreamBooth. Для обучения использованы 40 изображений, созданных Disco Diffusion; обучение нацелено на биоморфный фрактальный художественный стиль. Чтобы задать этот стиль, автор рекомендует добавлять в запрос фразу «gigafractal artstyle». Модель предназначена для генеративного искусства и развлекательного использования. Модель распространяется в форматах Diffusers, PyTorch и safetensors по лицензии CreativeML OpenRAIL-M. Лицензия разрешает коммерческое использование и распространение при соблюдении её ограничений, включая передачу пользователям условий лицензии и запрет на намеренное создание или распространение незаконного и вредоносного контента. Автор описывает проект как исследование возможностей и ограничений DreamBooth при увеличенном числе шагов обучения; заявленная сопоставимость качества с другими генераторами является субъективной оценкой автора.

Модель glitched — пользовательская модель DreamBooth для генерации изображений по текстовым запросам. Её обучил abesmon с помощью Hugging Face DreamBooth Training Space на базе Stable Diffusion v2.1 с разрешением 512 пикселей. Для вызова обученной концепции в запросе используется триггер trsldamrl. Модель предназначена для генерации изображений с концепцией glitched через Diffusers. Карточка распространяет её на условиях лицензии CreativeML OpenRAIL-M. Примеры результатов и обучающих изображений в README не заполнены.

Модель ThrinathMphasis/layout — дообученная с помощью DreamBooth модель Stable Diffusion для создания изображений с концепцией layout. Для генерации используется текстовый запрос с триггерной фразой «a photo of sks layout»; модель предназначена для работы через Diffusers. Веса представлены в форматах Diffusers и PyTorch. Автор — ThrinathMphasis. Модель подходит для генерации изображений по текстовому описанию с использованием обученной концепции. Лицензия — CreativeML OpenRAIL-M.

Marvel WhatIf Diffusion — модель генерации изображений по текстовому описанию, обученная автором карточки на изображениях персонажей, фонов и объектов из анимационного сериала Marvel «What If…?». Чтобы задать стиль сериала, в промпт добавляют токен «whatif style»; модель подходит для создания портретов персонажей, пейзажей и отдельных объектов в этом стиле. Она предназначена для развлечения и исследований, не связана с Marvel или правообладателями сериала. Модель распространяется по лицензии CreativeML OpenRAIL-M: она допускает использование и распространение весов и производных с ограничениями лицензии. Карточка рекомендует подбирать промпты и настройки для улучшения результата; коммерческое применение автор не планировал.

Модель Stable Diffusion, дообученная osanseviero с помощью DreamBooth на концепции мистера Картофельная Голова. Для генерации изображений используйте в текстовом запросе триггер «a photo of sks mr potato head». Модель предназначена для создания изображений этого персонажа по текстовому описанию; она распространяется в формате Diffusers/PyTorch по лицензии MIT.

Карточка модели nnnxnsn/NSFW-Uncensored на Hugging Face совпадает с карточкой Heartsync/NSFW-Uncensored, поэтому описание составлено по ней. Heartsync/NSFW-Uncensored — модель генерации изображений по текстовому описанию, распространяемая в форматах Diffusers и Safetensors. В карточке она представлена как площадка для экспериментов с генерацией изображений и ограничениями цензуры; метаданные указывают на использование StableDiffusionXLPipeline. Модель предназначена для создания изображений по текстовым запросам и проверки возможностей генерации при разных формулировках. Карточка не сообщает размер модели, длину контекста или конкретные рекомендации по настройке. Модель помечена как NSFW и не предназначена для всех аудиторий. Лицензия — MIT.

Это дообученная модель генерации изображений FLUX.2 Klein Base 4B, экспортированная в формате Hugging Face Diffusers. Разработчик репозитория — kimi000; в основе лежит black-forest-labs/FLUX.2-klein-base-4B. Модель обучалась методом DiffusionNFT на небольшом наборе из 16 промптов по рубрикам качества и экспортирована на шаге 500 с EMA-весами; LoRA была объединена с трансформером. Экспорт содержит около 3,88 млрд параметров трансформера и использует точность BF16. Модель предназначена для создания изображений по текстовым описаниям. Карточка демонстрирует генерацию изображения размером 512 × 512 за четыре шага для проверочного запуска и приводит пример инференса с 20 шагами при разрешении 1024 × 1024. Репозиторий содержит Diffusers-пайплайн Flux2KleinPipeline; базовая модель также поддерживает редактирование изображений по референсам, но применимость этой возможности к данному дообученному чекпойнту отдельно не подтверждена. Это экспериментальный чекпойнт раннего шага обучения, созданный для конкретного набора промптов GenEval, поэтому его качество на широком круге запросов не установлено. Лицензия указана как other, конкретные условия использования в предоставленных данных не раскрыты.

takeON — дообученная на Stable Diffusion 1.5 модель генерации изображений, созданная пользователем tuwonga. Она воспроизводит визуальный стиль музыкального видео Take On Me группы A-ha; для вызова стиля в запрос добавляют токен takeON. Модель обучена методом DreamBooth на 64 кадрах видео, с 6400 шагами обучения и частичным обучением текстового энкодера. Модель предназначена для создания изображений персонажей и сцен в этом стиле по текстовым описаниям. По карточке, персонажи получаются лучше, чем пейзажи и другие сцены. Репозиторий содержит файлы Diffusers, PyTorch и Safetensors; автор также описывает использование файла checkpoint в интерфейсе Stable Diffusion. Лицензия — CreativeML OpenRAIL-M.

katuni4ka/textual_inversion_cat — адаптер textual inversion для генерации изображений по тексту на базе hf-internal-testing/tiny-stable-diffusion-torch. Он предназначен для использования с Diffusers и StableDiffusionPipeline; README описывает его как веса адаптации для text-to-image, однако примера запуска и сведений о специальном понятии или стиле, которому соответствуют веса, нет. Репозиторий содержит файлы в форматах Diffusers и safetensors, а лицензия указана как CreativeML OpenRAIL-M. Базовая модель обозначена как тестовая компактная Stable Diffusion модель.

Jak's WOODitize Image Pack — модель преобразования текста в изображения на базе Stable Diffusion 2.1, обученная для создания изображений с текстурой дерева, деревянных вырезок и диорам. Для генерации автор рекомендует начинать запрос с триггера «wooditize», за которым следует описание объекта; также можно сочетать модель с embedding-моделями. Модель обучена на 111 изображениях размером 768 пикселей в течение 8000 шагов, включая 500 шагов обучения текстового энкодера. Репозиторий содержит веса в формате Diffusers/PyTorch и YAML-файл конфигурации, который, по инструкции автора, нужен рядом с файлом модели. Лицензия — CreativeML OpenRAIL-M. Модель подходит для художественной генерации деревянных объектов и сцен в стиле диорам по текстовым описаниям. Она специализирована на визуальном стиле WOODitize, поэтому её применимость к другим стилям и темам может быть ограничена; в карточке также не приведены оценки качества или подробности тестирования.

s3nh/zelda-botw-stable-diffusion — модель генерации изображений, созданная дообучением Stable Diffusion v1.5 автором s3nh. Она предназначена для создания иллюстраций в стиле художественных работ по игре The Legend of Zelda: Breath of the Wild; для усиления этого стиля в запрос рекомендуется добавлять фразу «botw style». Модель основана на DreamBooth, обучалась с сохранением prior и дообучением текстового энкодера, распространяется в форматах Diffusers и PyTorch и использует библиотеку Diffusers. Модель принимает текстовые запросы и генерирует изображения. Лицензия — CreativeML OpenRAIL-M. Результаты зависят от формулировки запроса, а специализация на стилистике BOTW ограничивает её пригодность для задач, требующих универсального или строго контролируемого визуального стиля.

ARPG — модель генерации изображений, разработанная Хаопэном Ли, Цзиньюэ Ян, Гоцзи Ли и Хуаном Ваном из Университета Вестлейк и Института автоматизации Китайской академии наук. Она реализует авторегрессионную генерацию изображений с рандомизированным параллельным декодированием: сочетает маскированное моделирование в стиле BERT с каузальной архитектурой в стиле GPT. Модель предназначена для безусловной генерации изображений. В README заявлены быстрое выполнение, низкое потребление памяти, генерация в случайном порядке и zero-shot-инференс; приведено значение FID 1,94. Модель распространяется в формате Diffusers/PyTorch и загружается через DiffusionPipeline. Лицензия — MIT.