I.10Видео, анимация и 3D

Blank Canvas Diffusion v1 — модель генерации изображений по текстовому описанию, представленная rhfeiyang. Она обучена на наборе данных Blank Canvas Dataset и задумана как модель без знаний о графическом искусстве. Обучение проходило в два этапа: 41 400 шагов при разрешении 256 пикселей, затем 156 700 шагов при разрешении 512 пикселей. Модель предназначена для создания изображений по текстовым запросам. Репозиторий использует Diffusers и содержит веса в формате safetensors. В метаданных указан конвейер text-to-image; базовая модель и лицензия в доступных сведениях не обозначены.

CALAMITY — специализированная модель генерации изображений в жанре хоррор, созданная на основе Prometheus. Согласно карточке, Prometheus является полноранговым дообучением архитектуры Playground v2.5; CALAMITY обучена на подборке хоррор-изображений и использует пользовательскую интеграцию CLIP для согласования изображений с текстовыми запросами. Модель предназначена для создания мрачных, жутких, сюрреалистичных и тревожных иллюстраций, в том числе концепт-арта для игр, фильмов и книг. В README рекомендованы разрешение 1024×1024, Clip Skip 2, CFG Scale 7 и 30–60 шагов; репозиторий использует Diffusers и формат safetensors. Лицензия — Apache-2.0. Модель ориентирована на узкую эстетическую задачу и может быть менее подходящей для изображений вне жанра хоррор. Заявленные параметры генерации являются рекомендациями из карточки, а не гарантией результата.

FurryDiffusion — модель генерации изображений по текстовому описанию, созданная для создания furry-арта. Для получения подходящего результата автор рекомендует добавлять в запрос слово «furry», а для указания породы — название породы. Пример запроса описывает лиса с оранжевым мехом и голубыми глазами; для запуска доступны Diffusers и интерфейс A1111. Модель основана на Stable Diffusion и связана с Anything v3.0; репозиторий содержит веса в форматах Diffusers и PyTorch. Автор характеризует её как бета-версию, которая продолжает улучшаться, поэтому качество генерации может быть нестабильным. Лицензия — CreativeML OpenRAIL-M.

Guan Yu Diffusion — модель генерации изображений по текстовому описанию, созданная DGSpitzer на основе Stable Diffusion 1.5 с дообучением Fast DreamBooth. Она предназначена прежде всего для создания изображений Гуань Юя — героя эпохи Троецарствия, которого в промпте рекомендуется обозначать ключевым словом «guanyu». Модель также поддерживает создание персонажей в стиле уся — китайских героев боевых искусств из кино и телесериалов. Обучение проводилось на фотографиях фигурки Гуань Юя и кадрах телесериала 1994 года. Это помогает сохранять сходство персонажа и последовательность одежды, но может приводить к переобучению и изображениям, похожим на исходную фигурку; автор советует добавлять другие описания в промпт. Репозиторий содержит файлы Diffusers и .ckpt, модель совместима со стандартными Stable Diffusion Pipeline. Лицензия — CreativeML OpenRAIL-M; README указывает, что модель предназначена для исследований и обучения и не должна использоваться в коммерческих целях.

Модель chenweiwu — версия Stable Diffusion, дообученная методом DreamBooth для генерации изображений с концептом house-emblem. Для вызова концепта используйте в текстовом запросе фразу «a photo of sks house-emblem». Модель распространяется в форматах Diffusers и PyTorch и предназначена для генерации изображений по текстовому описанию. Лицензия — CreativeML OpenRAIL-M.

Карточка модели derterin/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.

tiny-stable-diffusion-torch — компактная модель Stable Diffusion в формате Diffusers/PyTorch для генерации изображений по текстовому описанию. В карточке приведён пример загрузки через StableDiffusionPipeline из библиотеки Diffusers. Модель подходит для демонстраций и простых экспериментов с текстовой генерацией изображений. Репозиторий распространяется по лицензии Apache-2.0. Карточка не сообщает о языках, размере, длине контекста или специальных ограничениях качества.

vxpILBaseNSFW_v10 — модель генерации изображений по текстовому описанию от пользователя Hugging Face martineux. Репозиторий содержит пайплайн StableDiffusionXLPipeline в формате Diffusers с весами Safetensors; карточка показывает пример генерации изображения из текстового запроса. Название указывает на ориентацию модели на NSFW-контент, однако карточка не описывает её специальные стили, обучающие данные или качество генерации. Для запуска предусмотрена библиотека Diffusers. Лицензия и явные ограничения применения в доступной карточке не указаны.

alea31415 разработал эту модель для генерации изображений по текстовым описаниям с персонажами и понятиями из аниме «Не хочу получать урон, поэтому вкладываю всё в защиту» (Bofuri). Модель обучена на 33 концепциях, включая персонажей, их образы и связанных с ними существ; базой послужила ACertainty. Это модель семейства Stable Diffusion, предназначенная для создания аниме-иллюстраций по текстовым промптам, в том числе сцен с одним или двумя заданными персонажами. Для подсказок можно использовать имена концепций и описания одежды или сцены; добавление aniscreen усиливает аниме-стиль. Автор предупреждает, что при сочетании трёх и более концепций часто смешиваются персонажи и одежда, а для некоторых образов и нечеловеческих персонажей результаты слабее. Доступны веса Diffusers и Safetensors, а также промежуточные контрольные точки в формате ckpt. Модель распространяется по лицензии CreativeML OpenRAIL-M.

Guizmus/DarkSoulsDiffusion — модель генерации изображений на основе Stable Diffusion, дообученная автором в стиле серии Dark Souls методом DreamBooth. Для вызова обученной стилистики в запросе используется триггер «DarkSouls Style»; модель предназначена для создания изображений по текстовым описаниям в этой эстетике. Обучение проводилось на 100 изображениях: сначала 2500 шагов с learning rate 1e-6, затем ещё 24 000 шагов с learning rate 1e-7. В README рекомендуются сэмплеры k_Euler_a или DPM++ 2M Karras, 20 шагов и CFG 7. Репозиторий содержит формат Diffusers, веса Safetensors и связан со Stable Diffusion; для запуска приведён пример с библиотекой Diffusers. Модель принимает текстовые запросы на английском языке и выдаёт изображения. Лицензия — CreativeML OpenRAIL-M. Модель настроена на ограниченный художественный стиль, а не на универсальную генерацию; обучение на небольшом наборе изображений может ограничивать разнообразие и обобщение результатов.

Flux.1-Heavy-17B — экспериментальная модель генерации изображений, созданная автором city96 путём слияния слоёв исходной FLUX.1-dev от Black Forest Labs и последующего ограниченного дообучения. В модели около 17,17 млрд параметров; она принимает текстовые запросы и генерирует изображения. Репозиторий содержит веса в форматах Diffusers и safetensors. Модель задумана прежде всего как proof of concept увеличения FLUX.1-dev повторением и переплетением групп слоёв. Автор сообщает, что она способна создавать связные изображения, однако следование запросу и генерация текста внутри изображений ненадёжны. Для запуска требуется значительный объём памяти: в README указаны ориентировочно 35–40 ГБ видеопамяти с выгрузкой текстового энкодера и около 80 ГБ оперативной памяти для описанного сценария ComfyUI. Совместимость с LoRA ограничена из-за несовпадения блоков. Лицензия в метаданных указана как other; конкретные условия использования следует сверять с карточкой репозитория.

Карточка модели V3nator/mar_test2 на Hugging Face совпадает с карточкой jadechoghari/mar, поэтому описание составлено по ней. MAR — модель генерации изображений авторегрессионным способом, представленная в работе Tianhong Li, Yonglong Tian, He Li, Mingyang Deng и Kaiming He «Autoregressive Image Generation without Vector Quantization». Она генерирует изображения без дискретных кодов векторного квантования: вместо этого работает с непрерывными значениями и использует диффузионный процесс для моделирования распределения вероятностей токенов. Модель доступна через библиотеку Diffusers в форматах Diffusers и Safetensors. MAR предназначена для безусловной генерации изображений. Сочетание авторегрессионного моделирования последовательностей и функции потерь на основе диффузии призвано обеспечить качественную генерацию и высокую скорость. Карточка также отмечает потенциальную применимость подхода к другим непрерывным пространствам, но не описывает конкретные задачи за пределами синтеза изображений. Лицензия модели — MIT.

MF-KonoSuba — модель генерации изображений по текстовому описанию, посвящённая персонажам и миру серии «Этот замечательный мир!». В карточке указаны авторы Juusoz, 金Goldkoron, Khalil, LightUK и SamuraiCat; доступны версии V1.0 и V1.1. Метаданные относят её к семейству Stable Diffusion и указывают форматы Diffusers и PyTorch. Модель предназначена для создания изображений персонажей, сцен и сюжетов KonoSuba по текстовым промптам. Для промптов авторы рекомендуют задавать главную тему или персонажа, затем перечислять атрибуты и действия через запятые, а отдельные сцены разделять точками с запятой. В README приведены настройки размеров и генерации, включая CFG 9–12 и не менее 30 шагов. Модель специализируется на визуальной тематике KonoSuba; карточка не сообщает размер весов, длину контекста или поддерживаемые естественные языки. Лицензия — CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении сгенерированных материалов.

Это экспериментальная конверсия модели FLUX.1-dev в формате float8_e4m3fn, выполненная Defozo на основе исходной модели. Она предназначена для генерации изображений по текстовым описаниям и распространяется в форматах Diffusers и safetensors. Автор карточки не подтвердил корректность конверсии. Также указано, что серверный Inference API Hugging Face не поддерживает torch float8_e4m3fn для этой модели. Репозиторий помечен как не для любой аудитории, а тег карточки указывает на фотореалистичную генерацию. Лицензия обозначена как other, подробные условия использования в карточке не приведены.

Карточка модели gumoraes/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.

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.

Карточка модели Severelotus/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.

alea31415 разработал эту модель генерации изображений на основе Stable Diffusion, дообучив ACertainty на персонажах аниме «ONIMAI: I'm Now Your Sister!». Модель создаёт изображения по текстовым запросам и поддерживает три обученных стиля: aniscreen, edstyle и megazine. Для вызова персонажей используются триггерные слова OyamaMahiro, OyamaMihari, HozukiKaede, HozukiMomiji, OkaAsahi и MurosakiMiyo; TenkawaNayuta встречается в обучающих данных редко, поэтому качество её изображений может быть низким. Модель предназначена для генерации иллюстраций с персонажами и сценами из ONIMAI. Она обучалась на разрешении 512 пикселей с clip skip 1; автор сообщает, что сложные сцены и сходство со стилями и одеждой лучше получаются у полной модели, чем у опубликованных LoRA. Модель доступна в форматах Diffusers и safetensors по лицензии CreativeML OpenRAIL-M.

ScriptForge — языковая модель SRDdev для генерации сценариев видео об искусственном интеллекте. Это авторегрессионный каузальный трансформер семейства GPT-2, дообученный на наборе из 5 000 сценариев YouTube-видео, посвящённых концепциям ИИ. Модель принимает текстовый запрос или начальную фразу и продолжает её, формируя текст в стиле обучающих данных. Модель предназначена для авторов контента, которым нужны черновики, идеи или автоматизированная подготовка сценариев для объяснительных видео об ИИ. Она доступна в форматах PyTorch и Safetensors, поддерживает генерацию текста и имеет контекст длиной 1 024 токена. В карточке указан английский язык и лицензия Apache-2.0. Обучение на сценариях об ИИ помогает модели подражать жанру и тематике таких видео. При этом она может генерировать случайные или фактически неверные сведения, поэтому результаты следует проверять. Обучающий набор и узкая специализация также могут ограничивать качество при запросах вне сценариев об ИИ.

SenseNova-SI-1.5-InternVL3-8B — мультимодальная модель SenseNova для пространственного понимания изображений, созданная на базе SenseNova-SI-1.4-InternVL3-8B и архитектуры InternVL3. Она принимает изображение и текстовый запрос и формирует текстовый ответ; предназначена для пространственных задач, включая анализ и решение задач по стереометрии, рассуждение о трёхмерных формах и интерпретацию пространственных сцен. В README отмечены улучшения на задачах по стереометрии и результаты на тестах SolidGeo MCQ, SolidMath и Math3D. Модель выпущена в формате safetensors для использования с Transformers. README приводит примеры работы с проекциями трёхмерных объектов, развёртками фигур и 3D-графикой. Лицензия — Apache-2.0. Модель ориентирована прежде всего на китайские задачи по стереометрии; результаты на бенчмарках не гарантируют точность на других типах изображений и запросов. Проект SenseNova-SI продолжает развиваться.

Tara the Android — дообученная модель генерации изображений от webdelic на базе runwayml/stable-diffusion-v1-5. Она предназначена для создания изображений по текстовым запросам с использованием образа Tara the Android; карточка рекомендует включать это имя в запрос для активации образа. Модель создана для использования с Diffusers, а веса доступны в формате Safetensors. Лицензия — OpenRAIL++. Модель принимает текст и выдаёт изображения. В README не приведены сведения о размере модели, длине контекста или языках запросов. Возможности ограничены тематикой обученного персонажа; результаты могут зависеть от формулировки запроса и использования триггерного имени.

QuantFactory/TIPO-500M-GGUF — квантизированная версия модели KBlueLeaf/TIPO-500M, созданная сообществом QuantFactory с использованием llama.cpp. Модель предназначена для оптимизации текстовых промптов в системах генерации изображений по тексту (T2I): она расширяет и уточняет пользовательский ввод перед передачей в генеративную модель, помогая получать более качественные результаты при меньших усилиях. Это модель архитектуры LLaMA с 500 млн параметров и максимальной длиной контекста 1024 токена. Она обучалась примерно на 30 млрд токенов на объединённых данных Danbooru2023, GBC10M и Coyo-HD-11M; в карточке указан английский язык. Модель интегрируется через z-tipo-extension с stable-diffusion-webui, stable-diffusion-webui-forge и ComfyUI. Согласно приведённой оценке, использование TIPO улучшает соответствие изображений целевому распределению по метрике Frechet Dino Distance и может повышать эстетическое качество и снижать количество артефактов. Модель специализирована для генерации и улучшения промптов, а не для непосредственного создания изображений, поэтому её возможности зависят от совместимой T2I-системы и расширения. В README не приведены сведения о конкретных форматах квантизации, требованиях к ресурсам и детальных ограничениях применения. Модель распространяется по лицензии Kohaku License 1.0.

WorldReward-qwen35-9b-GGUF — квантованные GGUF-версии 9-миллиардной reward-модели WorldReward-qwen35-9b, разработанной CodeGoat24 на базе Qwen3.5-9B и опубликованной пользователем prithivMLmods. Модель предназначена для оценки моделей генерации управляемого видео: получает изображение сцены, текстовое описание, последовательность действий камеры или перемещений и пару сгенерированных видео, после чего определяет, какой вариант лучше соответствует траектории действий, качеству изображения и качеству движения. Модель может дополнительно выдавать явное рассуждение. Модель мультимодальная и ориентирована на англоязычные данные; заявленная архитектура — Qwen3_5ForConditionalGeneration, размер — 9 млрд параметров. В репозитории доступны варианты GGUF с точностью от Q3 до Q5, Q4_0, Q4_K и BF16, а также отдельный mmproj-файл для мультимодальной обработки. На WorldReward-Bench она показала согласие с человеческими оценками 77,63% для действий, 81,32% для внешнего вида и 73,03% для движения. Это специализированный оценщик для world models и генерации видео, поэтому README не подтверждает его пригодность для обычной генерации текста или универсального диалога; максимальный размер контекста также не указан. Для запуска требуется сборка vLLM с регистрацией архитектуры Qwen3_5ForConditionalGeneration и скрипты инференса из репозитория WorldReward; наличие GGUF-файлов также указывает на сценарии использования через llama.cpp. Модель распространяется по лицензии Apache 2.0.

Jersonm89/Avatar — модель генерации изображений по текстовому описанию на основе Stable Diffusion, предназначенная для создания изображений персонажей фильма «Аватар» с чертами лица человека, указанного в запросе. В карточке сказано, что модель обучена на изображениях из фильма Джеймса Кэмерона «Аватар». Модель распространяется в форматах Diffusers и PyTorch и использует лицензию CreativeML OpenRAIL-M. Карточка не сообщает размер модели, длину контекста или подробности о базовом чекпойнте. Качество и сходство результатов могут зависеть от формулировки запроса; сведения о дополнительных ограничениях не приведены.

Bodies — это LoRA-модель для генерации изображений, разработанная автором rickrock-art. Она предназначена для использования с text-to-image пайплайнами на базе Diffusers и базовой моделью black-forest-labs/FLUX.1-dev. Модель ориентирована на генерацию изображений тел и активируется триггерным словом NSFWMASTERFLUX. В README не указаны размер модели, поддерживаемые языки, максимальный контекст, дополнительные модальности, конкретные сильные стороны или ограничения. Также информация о лицензии отсутствует. Для использования требуется совместимая базовая модель FLUX.1-dev и программное окружение, поддерживающее LoRA и Diffusers.

Cats the Musical Diffusion — дообученная DreamBooth модель Stable Diffusion v1.5 от автора dallinmackay, обученная на кадрах фильма «Кошки» (2019). Она генерирует изображения по текстовым запросам и переносит на персонажей визуальный стиль фильма; для активации стиля автор рекомендует начинать запрос с токена ctsmscl. Модель предназначена для создания стилизованных изображений людей и персонажей в образе кошек, а также экспериментов с визуальной эстетикой фильма. Модель распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M. Автор отмечает, что для сходства с реальными людьми результаты нестабильны и требуют подбора запросов и настроек; приведённые примеры отобраны из небольшого числа удачных генераций. Рекомендуется sampler Euler.

Janet Leigh by Sacchan — это LoRA-модель для генерации изображений по текстовому описанию, опубликованная пользователем Jonjew. Она предназначена для использования с базовой моделью black-forest-labs/FLUX.1-dev в сценариях text-to-image через экосистему Diffusers. Для активации модели в запросе рекомендуется использовать триггерное слово «sks woman». В README также указано, что веса доступны в формате Safetensors. Модель ориентирована на создание изображений женщины; конкретные параметры размера, контекст, поддерживаемые языки и дополнительные технические характеристики не указаны. В примере использования упоминаются портрет, светлые волосы, яркие цвета и стилистика Flora Borsi, однако README не поясняет, насколько эти особенности являются устойчивыми свойствами модели. Сильной стороной модели является специализация в рамках FLUX.1-dev и наличие явного триггерного слова для вызова изученной концепции. Ограничения, требования к вычислительным ресурсам и совместимость с конкретными версиями программного обеспечения не описаны. Лицензия указана как неизвестная, поэтому условия коммерческого и иного использования необходимо уточнять у автора.

Klingon Diffusion — дообученная модель Stable Diffusion, опубликованная пользователем mitchtech. Она обучена на скриншотах клингонов из франшизы «Звёздный путь» с помощью DreamBooth на базе Diffusers; для генерации характерного образа в запросах рекомендуется использовать токен klingon. Модель предназначена для создания изображений по текстовому описанию и используется через Stable Diffusion Pipeline в Diffusers. Модель подходит для генерации изображений персонажей и сцен с клингонами в стилистике исходных обучающих изображений. Репозиторий распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M. README также описывает возможность экспорта в ONNX, MPS и FLAX/JAX.

MAR — модель генерации изображений авторегрессионным способом, представленная в работе Tianhong Li, Yonglong Tian, He Li, Mingyang Deng и Kaiming He «Autoregressive Image Generation without Vector Quantization». Она генерирует изображения без дискретных кодов векторного квантования: вместо этого работает с непрерывными значениями и использует диффузионный процесс для моделирования распределения вероятностей токенов. Модель доступна через библиотеку Diffusers в форматах Diffusers и Safetensors. MAR предназначена для безусловной генерации изображений. Сочетание авторегрессионного моделирования последовательностей и функции потерь на основе диффузии призвано обеспечить качественную генерацию и высокую скорость. Карточка также отмечает потенциальную применимость подхода к другим непрерывным пространствам, но не описывает конкретные задачи за пределами синтеза изображений. Лицензия модели — MIT.

Модель NickKolok — это Stable Diffusion, дообученная методом DreamBooth для генерации изображений с персонажем Мэрил Страйф из серии Trigun. Чтобы вызвать этот образ в запросе, используйте триггер merylstryfetrigun. Модель предназначена для генерации изображений по текстовому описанию и доступна в форматах Diffusers и PyTorch. Она опубликована под лицензией CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении результатов.