I.10Видео, анимация и 3D

MyneFactory/MF-Bofuri — модель генерации изображений по текстовому описанию, обученная на персонажах и образах из аниме «Бофури: Я не хочу получать боль, поэтому вложу всё в защиту». Она создана на базе ACertainty и дообучена на 33 концепциях, связанных с произведением; для генерации использует Stable Diffusion и библиотеку Diffusers. В репозитории представлены форматы Diffusers, PyTorch и Safetensors, а также промежуточные контрольные точки в формате ckpt. Модель предназначена для создания аниме-иллюстраций с конкретными персонажами, костюмами и образами из серии. Можно сочетать два концепта в одной сцене, однако при трёх и более концептах часто возникают смешение персонажей и одежды. Автор отмечает слабые результаты для образа BoMaple sheep form и нечеловеческих персонажей, в том числе нестабильное понимание внешности и размера Syrup. Обучение проведено на 512 пикселях; лицензия — CreativeML Open RAIL-M.

Qwen3-4B INT8-ConvRot — это квантованная версия языковой модели Qwen3-4B, подготовленная Martin Rizzo для использования в качестве текстового энкодера модели генерации изображений Z-Image в ComfyUI и других приложениях для генерации изображений. Модель преобразована из оригинального чекпойнта Qwen/Qwen3-4B с помощью утилиты z2comfy. Модель содержит около 4 млрд параметров, включая 3,6 млрд параметров без учёта embedding-слоёв, и 36 слоёв. Её нативная длина контекста составляет 32 768 токенов. Основные веса представлены в формате INT8, а отдельные слои используют смешанную точность FP16; файл также содержит параметры масштабирования в FP32. Метод ConvRot, основанный на ротации свёрток или активаций, предназначен для уменьшения влияния выбросов перед квантованием и снижения потребления видеопамяти при сохранении качества понимания промптов, близкого к исходным весам FP16. Модель ориентирована прежде всего на кодирование текстовых промптов для пайплайнов Z-Image в ComfyUI, а не на самостоятельное использование как универсальной чат-модели. Преимуществами являются уменьшенный объём памяти по сравнению с FP16-версией и поддержка длинного контекста. Ограничения связаны с узкой специализацией на роли текстового энкодера, экспериментальным характером процесса конвертации и возможными проблемами утилиты z2comfy. Языки и точные требования к аппаратному обеспечению в README не указаны. Модель распространяется по лицензии Apache-2.0.

Aphophis420 разработал модель stargate как DreamBooth-дообучение Stable Diffusion для создания изображений по текстовым запросам. Она предназначена для генерации изображений в концепции «звёздных врат»: в примерах показан большой синий портал с инопланетными технологиями в научно-фантастическом стиле, в том числе обои и симметричные композиции. В карточке приведены примеры промптов и настройки генерации для A1111 и Diffusers. Модель принимает текст и выдаёт изображения. Для использования указана лицензия CreativeML OpenRAIL-M. Карточка не описывает широкий круг задач; показанные примеры сосредоточены на порталах и визуальной тематике Stargate.

VOXO — слитая модель генерации изображений, опубликованная пользователем junjuice0 и предназначенная для создания изображений виртуальных YouTube-блогеров Hololive и Nijisanji по текстовым запросам. Репозиторий использует библиотеку Diffusers и содержит веса в форматах PyTorch и Safetensors; задача модели — text-to-image. Автор отмечает, что модель создавалась для личного использования и не обещает высокого качества: некоторые персонажи могут получаться неудовлетворительно. Для запросов с именами персонажей рекомендуется повышать вес имени примерно до 1,2; автор также упоминает использование текстовых инверсий bad-images или bad-prompt в негативном запросе. Лицензия — CreativeML OpenRAIL-M.

Модель ThrinathMphasis/building-layouts — дообученная с помощью DreamBooth модель Stable Diffusion для генерации изображений планировок зданий по текстовому описанию. Для запуска концепции в запросе рекомендуется использовать фразу «a photo of sks building layout». Модель предназначена для создания визуальных вариантов планировок зданий по текстовым запросам и работает в формате Diffusers на базе PyTorch. Автор карточки — ThrinathMphasis. Модель распространяется по лицензии MIT. Карточка не сообщает размер модели, поддерживаемые языки или специальные ограничения качества; результат зависит от формулировки запроса.

0xJustin разработал Dungeons-and-Diffusion — модель генерации изображений по текстовому описанию, настроенную на персонажей и художественный стиль Dungeons & Dragons. Она предназначена для создания концепт-арта, портретов и изображений персонажей разных рас и классов фэнтезийного мира. В README указано, что версия 3.0 дообучена на Protogen; для более ранних вариантов описаны разные подходы к обучению. Примеры рекомендуют работать с разрешением выше 512×512, а также показывают настройки генерации в Diffusers-совместимом формате.

MyneFactory/MF-EminenceInShadow — модель генерации изображений по текстовому описанию от автора Snowad14. Она дообучена для создания изображений по мотивам серии «Восхождение в тени!» (Kage no Jitsuryokusha ni Naritakute!), включая персонажей, костюмы и сцены из неё. Модель принимает текстовые промпты с именем персонажа и описаниями атрибутов, объектов и действий; обученные форматы промптов перечислены в карточке модели. Рекомендуются размеры 1024×576, 768×768 или 640×1024, CFG 9–12 и не менее 30 шагов. Репозиторий содержит веса в форматах Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M. Модель ориентирована на тематическую генерацию и может требовать подбора промпта и параметров. Карточка не описывает систематические ограничения качества.

Pony Diffusion — латентная модель генерации изображений по текстовому описанию, созданная AstraliteHeart. Чекпойнт дообучен на базе ранней версии Waifu-Diffusion, построенной поверх Stable Diffusion v1.4. Для дообучения использовали около 80 тысяч пар изображений и тегов с Derpibooru: материалы с оценкой выше 500 из категорий safe и suggestive; обучение прошло за четыре эпохи.

starsfriday/Qwen-Image-EVA-LoRA — это адаптер LoRA для модели Qwen/Qwen-Image, разработанный AI Laboratory компании Chongqing Valiant Cat Technology Co., LTD. Модель предназначена для генерации изображений по текстовому описанию, прежде всего портретов и сцен с персонажами Asuka из японского аниме. Для активации адаптера используется триггерная фраза «mrx». Адаптер работает совместно с базовой моделью Qwen-Image через Diffusers или ComfyUI и распространяется в формате Safetensors. В README приведены примеры генерации аниме-персонажей, включая сцены с повседневной одеждой, юкатой и меха. Поддерживаются текстовые запросы на английском и китайском языках, однако полный перечень языков, размер модели и максимальная длина контекста не указаны. Сильная сторона модели — специализация на определённой аниме-эстетике и персонажах, что может повысить соответствие результату при использовании триггерной фразы и подходящего описания. Ограничение заключается в необходимости загрузки базовой модели Qwen-Image; универсальность, качество за пределами целевого стиля и требования к ресурсам отдельно не описаны. Лицензия — Apache 2.0.

Rae Diffusion XL V2 — модель генерации изображений по тексту, разработанная Raelina и дообученная на Animagine XL 3.1. Она предназначена для создания иллюстраций в стиле аниме, особенно изображений персонажей. Модель основана на диффузионной архитектуре Stable Diffusion XL и распространяется в форматах Diffusers и safetensors. Для управления результатом можно использовать теги качества, рейтинга, периода создания и эстетики, унаследованные от Animagine XL 3.1. В README также рекомендуется задавать персонажа и произведение в начале запроса. Указаны настройки генерации: CFG 7, 25–35 шагов и сэмплер Euler a. Модель принимает текстовые запросы на английском и выдаёт изображения; лицензия — Fair AI Public License 1.0-SD. Специальность модели — аниме-стиль, поэтому она не предназначена для универсальной генерации изображений.

Vulcan Diffusion — модель генерации изображений на основе Stable Diffusion, дообученная на скриншотах вулканцев из франшизы «Звёздный путь». Для появления характерного образа в запросе рекомендуется использовать токен «vulcan». Модель предназначена для создания изображений персонажей и сцен с вулканцами по текстовому описанию. Модель обучена методом DreamBooth с использованием библиотеки Diffusers; репозиторий содержит веса в форматах Diffusers и PyTorch. Указана лицензия CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении результатов.

Genevieve Release v1.0 — модель Xanthius для генерации изображений по текстовым запросам. Она обучена на созданном автором вымышленном персонаже Genevieve и предназначена для создания изображений с её внешностью в собственных творческих проектах. Модель распространяется в форматах Diffusers и PyTorch и может использоваться через Diffusers или интерфейс A1111. Автор сообщает, что персонаж не основан на реальном человеке и разрешает коммерческое и некоммерческое использование модели и её образа. Лицензия репозитория — MIT. В README отмечено, что показанные примеры были ранними сырыми результатами без коррекции лица и с числом шагов менее 40; отдельных данных о качестве или универсальности модели нет.

Gigafractal2 Diffusion — латентная диффузионная модель генерации изображений по тексту, созданная автором kabachuha на основе Stable Diffusion 2.0 от Stability AI. Модель дообучена методом DreamBooth на 40 изображениях, созданных Disco Diffusion; обучение продолжалось 2040 шагов. Для получения характерного биоморфного фрактального стиля автор рекомендует добавлять в запрос фразу «gigafractal artstyle». Модель предназначена для генеративного искусства и развлекательного использования. Модель принимает текстовые запросы на английском языке и генерирует изображения. Она исследовательская по замыслу: автор изучал возможности и ограничения DreamBooth при увеличенном числе шагов и стремился получить стиль Disco Diffusion с меньшей зависимостью от ассоциаций токенов с дискотеками. Распространяется по лицензии CreativeML OpenRAIL-M: разрешены коммерческое использование и распространение весов при соблюдении ограничений лицензии и передаче её копии пользователям. Качество и разнообразие генераций зависят от запроса; специальная настройка модели сосредоточена на одном художественном стиле.

MyneFactory/MF-AscendanceOfABookworm — модель генерации изображений по текстовому описанию, созданная Juusoz, Tylenol, Goldkoron и Expl0dingCat. Она предназначена прежде всего для создания изображений персонажей, сцен и стилистики аниме «Ascendance of a Bookworm», а также художественных изображений в стиле MyneFactoryBase. Модель работает с текстовыми промптами на английском языке. В карточке указаны форматы Diffusers, PyTorch и Safetensors, а файлы весов представлены в форматах CKPT и Safetensors. Авторы рекомендуют 40 шагов, сэмплер DPM++ SDE Karras, CFG 7 и размер изображения от 768 × 768 пикселей. Лицензия — CreativeML OpenRAIL-M. Промпты могут включать стилевые теги MFB Style или AOB Style, персонажей, атрибуты и описание сцены. Модель специализирована на тематике сериала; качество генерации и точность следования промпту могут зависеть от формулировок и настроек. README не приводит длину контекста или точный размер модели в параметрах.

Not Your Mary Diffusion — экспериментальная модель генерации изображений на основе Stable Diffusion, обученная автором SenorKaffee на видеороликах с кат-сценами из игры Silent Hill 2. Для вызова усвоенного визуального эффекта в запросе рекомендуется использовать токен notyourmary. Модель предназначена для создания изображений по текстовым описаниям в стиле и с персонажами, связанными с материалами обучения. Обучение выполнено методом DreamBooth с использованием Diffusers, сохранения prior и дообучения текстового энкодера за 1 000 шагов. Репозиторий содержит веса в форматах Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M. Автор характеризует модель как экспериментальную; возможны артефакты и нестабильное воспроизведение образов.

TARDISfusion — модель генерации изображений на основе Stable Diffusion, созданная Guizmus методом DreamBooth. Она дообучена на 209 изображениях и трёх стилевых концепциях; обучение выполнено за 2500 шагов с новой версией VAE. Специальные фразы Classic Tardis style, Modern Tardis style и Tardis Box style позволяют создавать изображения в классическом или современном интерьере ТАРДИС либо снаружи с её синей будкой в разных сценах. Модель предназначена для генерации изображений по текстовым запросам и доступна через StableDiffusionPipeline библиотеки Diffusers. Репозиторий содержит веса в формате safetensors и поддерживает Diffusers; указана лицензия CreativeML OpenRAIL-M. Небольшой обучающий набор и узкая специализация на трёх концепциях ограничивают её применение за пределами стилизации, связанной с ТАРДИС.

furaidosu/flux-lora-bad-taxidermist — стилевой LoRA-адаптер для модели FLUX.1-dev, разработанной Black Forest Labs. Он предназначен для генерации изображений по текстовому описанию в характерной эстетике «bad taxidermist»: мрачной, гротескной, сюрреалистичной и намеренно неестественной, с образами таксидермизированных животных, странных существ, жутких сцен и искажённых пространств. Модель используется в задачах text-to-image через экосистему Diffusers и рассчитана на добавление к промпту триггерной фразы «bad taxidermist style». В README приведены примеры генерации осьминогов, льва, лошади, белки, инопланетянина, фантастического существа и сюрреалистичных интерьеров. Рекомендуемый размер изображения — 1024×1024 пикселя. Указан английский язык; конкретные параметры LoRA, её размер и максимальная длина контекста не раскрыты. Сильная сторона адаптера — выраженная тематическая стилизация, позволяющая переносить гротескную эстетику на широкий спектр объектов и сюжетов. Ограничения связаны с узкой художественной направленностью, возможной зависимостью результата от базовой FLUX.1-dev и корректного использования триггерной фразы, а также с отсутствием подробных сведений о параметрах и качестве обучения. Модель распространяется по лицензии flux-1-dev-non-commercial-license, поэтому её использование ограничено некоммерческими сценариями согласно условиям этой лицензии.

MoWorld Base — контрольная точка высокошумового эксперта MoWorld, разработанного командой Moxin для системы генерации интерактивного видео с управлением камерой. По описанию полной системы, на вход подаются первый кадр, текстовый запрос и управляющие параметры камеры, а на выходе формируется видео с сохранением пространственной согласованности и отзывчивости к управлению. Обучение системы включает autoregressive flow matching и дистилляцию Self-Forcing; заявленная для полной системы генерация сокращена с 50 шагов до 4, а скорость до 50 кадров/с измерена на указанной в статье конфигурации NPU. В репозитории опубликован только высокошумовой эксперт в формате Safetensors размером 59,17 ГБ. README уточняет, что это часть обучающего процесса, а не готовый самостоятельный конвейер инференса: здесь также нет низкошумового эксперта, VAE, текстового энкодера и токенизатора. Поэтому характеристики полной системы нельзя считать результатами именно этого чекпойнта. Лицензия CC BY-NC 4.0 допускает использование с ограничениями, включая некоммерческий характер лицензии.

PixelModel v3 — экспериментальная текстово-изобразительная модель от bench-labs, в которой веса представлены как пиксели файла PNG; те же веса доступны в формате safetensors. Модель содержит 919 427 параметров и использует обучаемые эмбеддинги слов из распространённых подписей COCO, координатный декодер с синусоидальными активациями SIREN и FiLM-модуляцию слоёв. Размер изображения при генерации не меняет число параметров. Модель предназначена для генерации изображений по текстовым запросам. По сравнению с версиями v1 и v2 она лучше передаёт цвета и общую композицию подписи; автор сообщает о лучших результатах FID и CLIP при повторной оценке всех версий на одном конвейере. При этом модель небольшая и не создаёт чёткие детализированные объекты, например автобус. Обучалась на подписях COCO; указанный в карточке язык — английский. Лицензия — MIT.

AbydosNoobv-pred-1.1.0 — дообученная диффузионная модель RedRayz на базе Laxhar/noobai-XL-Vpred-1.0 для генерации изображений в стиле Blue Archive по текстовым промптам. Модель использует архитектуру SDXL и распространяется в форматах Diffusers и Safetensors. Автор сообщает об улучшенной стабильности и рендеринге теней. В карточке приведены рекомендуемые параметры генерации: 14–24 шага, Guidance Scale 2–5 и несколько вариантов сэмплера и планировщика; также описан сценарий увеличения разрешения через Hires.fix. Это специализированный художественный чекпойнт, ориентированный на стилизацию, а не универсальная модель генерации изображений. Лицензия Fair AI Public License 1.0-SD требует при изменении модели публиковать изменения вместе с исходной лицензией. README также запрещает монетизацию закрытой производной модели, если её исходный код, веса и использование недоступны публике.

sally-whitemanev — пользовательская модель текстовой генерации изображений, опубликованная в библиотеке SD DreamBooth. Это дообучение AnythingV3 FP16 на изображениях персонажа Sally Whitemane из World of Warcraft; в карточке описаны варианты чекпойнта, включая версии, обученные на 21 изображении, и основной файл dbwhitemane.ckpt, обученный на 39 изображениях. Для генерации используется триггер whitemanedb. Репозиторий содержит веса в формате Diffusers/PyTorch и предназначен для работы с Stable Diffusion. Модель подходит для создания изображений персонажа по текстовым запросам. Автор рекомендует VAE от NovelAI, Anything или Waifu Diffusion и CLIP skip 2. Примеры настроек включают 45 шагов, сэмплер Euler a, CFG 7 и размер 512×512. Лицензия — CreativeML OpenRAIL-M.

Модель ashtad63/sd-class-butterflies-32 — диффузионная модель безусловной генерации изображений, созданная в рамках курса Diffusion Models Class. Она предназначена для создания изображений милых бабочек без текстового запроса. Модель запускается через DDPMPipeline библиотеки Diffusers и публикуется в формате safetensors. Лицензия — MIT.

echarlaix/tiny-random-stable-diffusion-xl — небольшая модель генерации изображений по текстовому описанию, опубликованная пользователем echarlaix, который на Hugging Face обозначен как сотрудник платформы. Она предназначена для запуска через Diffusers и использует StableDiffusionXLPipeline; в карточке приведён сценарий text-to-image, когда текстовый prompt преобразуется в изображение. Архитектура включает EulerDiscreteScheduler, два текстовых энкодера CLIPTextModel и CLIPTextModelWithProjection, два CLIPTokenizer, условную UNet2DConditionModel и AutoencoderKL. Для обоих текстовых энкодеров указаны 5 слоёв, 4 attention-heads, hidden size 32 и максимальная длина последовательности 77 токенов; точное число параметров модели и поддерживаемые языки не указаны. Название и конфигурация указывают на tiny random-вариант, поэтому его характеристики и практическое качество генерации нельзя приравнивать к полноразмерным моделям Stable Diffusion XL; в карточке также отсутствуют результаты оценки и подробное описание ограничений. Лицензия — Apache-2.0.

hp-l33/aim-xlarge — модель генерации изображений безусловного типа, опубликованная на Hugging Face. В метаданных указаны 1,6 млрд параметров, формат весов safetensors и лицензия MIT. README сообщает, что модель загружена с использованием интеграции PytorchModelHubMixin. Модель предназначена для генерации изображений без текстового условия; метаданные не описывают дополнительные сценарии применения, архитектуру, обучающие данные или поддерживаемые настройки генерации. Лицензия MIT разрешает использование на её условиях.

Minoumimi/NIKKE-Pony — это LoRA-адаптер для генерации изображений по текстовому описанию, созданный пользователем Minoumimi и предназначенный для базовой модели LyliaEngine/Pony_Diffusion_V6_XL. Модель специализируется на персонажах и образах из Goddess of Victory: NIKKE, включая внешность, причёски, одежду и тематические атрибуты героинь. Для вызова персонажей используются специальные идентификаторы вроде NIKKE_Ade, NIKKE_Alice и NIKKE_Dorothy, обычно в сочетании с описательными тегами. Модель рассчитана на сценарии text-to-image в экосистеме Diffusers и нацелена на создание стилизованных аниме-изображений персонажей NIKKE в различных костюмах и композициях. В README перечислены многочисленные персонажи и варианты их образов, однако сведения о размере LoRA, рекомендуемых параметрах веса, разрешении, длине контекста, языках, точной архитектуре адаптера и поддерживаемых версиях библиотек не указаны. Модель работает с текстовыми промптами и не заявляет поддержку других модальностей. Сильная сторона адаптера — специализация на узнаваемых персонажах и детализированных визуальных признаках, включая одежду, аксессуары и альтернативные наряды. Ограничения связаны с зависимостью от базовой Pony_Diffusion_V6_XL и отсутствием подробных рекомендаций по настройке и качеству генерации; перечисленные в README персонажи также могут поддерживаться неравномерно. Лицензия модели указана как Apache-2.0.

TheLastBen/rick-roll-style — модель Stable Diffusion версии V2.1-768, обученная TheLastBen на 130 изображениях. Карточка описывает 1200 шагов обучения UNet и 400 шагов обучения текстового энкодера. Модель предназначена для генерации изображений по текстовым запросам в стиле Rickroll; пример запроса — «(anthropomorphic) chicken rckrll, closeup». Она распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M. Модель рассчитана на создание изображений по тексту и не описана как универсальная генеративная модель. Карточка не приводит оценки качества или подробностей о составе обучающих данных сверх их количества.

Naveen20o1/sd-class-butterflies-32 — диффузионная модель, опубликованная Naveen20o1 в рамках курса по diffusion-моделям. Она предназначена для безусловной генерации изображений милых бабочек и запускается через DDPMPipeline из библиотеки Diffusers. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. Размер модели, разрешение генерации и поддерживаемые текстовые условия не описаны.

ucantseeit/sd-class-butterflies-32 — диффузионная модель для безусловной генерации изображений милых бабочек. Карточка описывает её как модель из первой части курса по диффузионным моделям; для запуска используется DDPMPipeline из библиотеки Diffusers. Модель предназначена для создания изображений без текстового запроса. Репозиторий содержит веса в формате Diffusers и Safetensors. Лицензия — MIT. Размер модели, разрешение изображений и поддерживаемые языки в карточке не описаны.

Architext GPT-J-162M — авторегрессионная трансформерная модель семейства GPT-J, разработанная для генерации архитектурных планировок квартир. Модель обучена на корпусе Pile, а затем дообучена на синтетических данных с геометрическими описаниями планировок, созданных с помощью Rhinoceros/Grasshopper. По текстовому запросу она выдаёт дизайн в геометрическом представлении, пригодном для дальнейшей работы в проектных процессах. Архитектура включает 12 слоёв, размерность модели 768, 16 голов внимания и словарь из 50 257 токенов; применяется RoPE. Контекст составляет 2 048 токенов. Модель лучше всего подходит для концептуальных планов жилых помещений и учитывает запросы о типологии, смежности и расположении комнат. Генерации часто геометрически корректны, но могут не соответствовать смыслу запроса; модель ограничена разнообразием формулировок и не предназначена для создания точной строительной документации. Лицензия — Apache-2.0.

astrodak99/sd-class-butterflies-32 — диффузионная модель для безусловной генерации изображений милых бабочек. Карточка указывает, что это Unit 1 курса по диффузионным моделям; для запуска предлагается библиотека Diffusers и конвейер DDPMPipeline. Модель предназначена для создания изображений бабочек без текстового запроса. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. Размер модели, разрешение изображений и поддерживаемые языки в предоставленных данных не описаны.