I.10Видео, анимация и 3D

AiWise/Juggernaut-XL-V9-GE-RDPhoto2-Lightning_4S — модель LoRA для генерации изображений по текстовому описанию, разработанная AiWise. Она предназначена для сценариев text-to-image, в первую очередь для создания фотореалистичных портретов, персонажей, животных, сцен, пейзажей и фантазийных сюжетов с выраженной фотографической эстетикой. README не содержит точных сведений об архитектуре базовой модели, количестве параметров, размере LoRA, поддерживаемых языках, длине контекста или используемой модальности помимо генерации изображений из текста. По примерам модель ориентирована на высокодетализированные изображения, кинематографическое освещение, реалистичную оптику, плёночную стилизацию и различные художественные направления. В качестве negative prompt часто рекомендуется указывать CGI, Unreal, Airbrushed и Digital, что указывает на стремление получить более естественный фотографический результат. Сильной стороной модели является широкий диапазон сюжетов и визуальных стилей, включая портретную, предметную, пейзажную, фантазийную и концептуальную фотографию. Ограничения, точные требования к параметрам генерации, совместимые версии базовой модели и качество результата не описаны. Лицензия и условия использования в README не указаны.

Kandinsky 2.2 Prior — модель-приор для генерации изображений по тексту из семейства Kandinsky, созданного Арсением Шахматовым, Антоном Разжигаевым, Александром Николичем, Игорем Павловым, Андреем Кузнецовым и Денисом Димитровым. Она преобразует текстовые представления CLIP в эмбеддинги изображений, которые используются основными моделями Kandinsky для синтеза изображений. Архитектура включает трансформерный image prior; основная система Kandinsky также использует диффузионную модель на базе latent diffusion и декодер MoVQGAN. Модель предназначена для работы в конвейере генерации изображений по текстовому запросу и поддерживает сценарии создания, редактирования и интерполяции изображений в составе Kandinsky 2.2. Для семейства указана генерация изображений 1024 × 1024 с разными пропорциями сторон. Обучение включало данные LAION Improved Aesthetics и LAION HighRes, а основная модель дополнительно дообучалась на высококачественных изображениях с описаниями. Репозиторий распространяется в форматах Diffusers, PyTorch и safetensors по лицензии Apache-2.0. Это именно компонент prior, поэтому для получения готового изображения его следует использовать вместе с остальными компонентами конвейера Kandinsky; в README приведены примеры интеграции через Diffusers.

jimmycarter/krea2-turbo-bbox — дообученная трансформерная модель генерации изображений на базе krea/Krea-2-Raw, разработанная автором репозитория для управления композицией и размещением объектов. Она предназначена для создания изображений по текстовым описаниям, особенно много-панельных комиксов, сцен с персонажами, сохраняющими внешность между панелями, речевых пузырей и текста в заданных областях изображения. Основной способ управления — компактный текстовый DSL, задающий панели, персонажей и текст в координатных прямоугольниках на сетке 0–1000; README сообщает, что так было составлено около 90% обучающих примеров. Обычные текстовые промпты также поддерживаются. Это объединённая с turbo-дистилляцией версия трансформера Krea-2, рассчитанная на генерацию за 8 шагов без CFG. Репозиторий содержит только трансформер; для запуска нужны совместимые VAE, текстовый энкодер, токенизатор и планировщик из Krea 2. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

LLaVA-NeXT-Video-7B-32K — открытый мультимодальный чат-бот lmms-lab, созданный дообучением языковой модели Mistral на данных для следования инструкциям с изображениями и видео. Модель предназначена для диалога по видеоматериалам: она принимает видео и текстовые запросы, чтобы отвечать на вопросы и описывать содержание роликов. Также поддерживает задачи визуального вопросно-ответного взаимодействия. Модель имеет плотную архитектуру LLaVA-Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Базовая языковая модель — mistralai/Mistral-7B-Instruct-v0.2. Для обучения использовались наборы инструкций по изображениям и видео, включая VideoChatGPT-Instruct. Выпущена в формате Safetensors под лицензией Apache-2.0. Карточка позиционирует модель прежде всего для исследований и экспериментов с мультимодальными чат-ботами. Её ответы могут быть неточными, а качество для конкретных типов видео и запросов следует проверять отдельно.

LLaVA-NeXT-Video-7B — мультимодальная чат-модель, выпущенная командой LLaVA и опубликованная на Hugging Face. Она дообучена на базе языковой модели lmsys/vicuna-7b-v1.5 на инструкционных данных с изображениями и видео; видео при обучении равномерно выбирались до 32 кадров на клип. Архитектура — плотная модель LlavaNextVideoForConditionalGeneration, веса представлены в формате safetensors. Модель предназначена для ответов на вопросы о содержимом видео и изображений, описания сцен и взаимодействия с визуальными материалами в диалоге. Она поддерживает ввод изображений и видео, а также текстовые запросы, и генерирует текстовые ответы. В карточке отмечены результаты на бенчмарке VideoMME, однако они не гарантируют качество для любого типа видео или сценария. Для запуска README рекомендует Transformers версии 4.42.0 или новее и соблюдение шаблона диалога USER/ASSISTANT; для ускорения описаны варианты с bitsandbytes и Flash-Attention 2. Лицензия репозитория указана как llama2. Карточка не приводит отдельного перечня языков, кроме английского тега в метаданных.

MagicPrompt - Stable Diffusion — модель серии MagicPrompt от Gustavosta, основанная на GPT-2 и предназначенная для генерации текстовых промптов для Stable Diffusion. Она принимает текст и выдаёт текст, который можно использовать как запрос для генерации изображений. Модель обучалась 150 000 шагов на примерно 80 000 промптах, отобранных из Lexica.art. Модель относится к архитектуре GPT-2 и поддерживает генерацию текста с контекстом до 1 024 токенов. В метаданных указаны форматы PyTorch, SafeTensors и Core ML. Лицензия — MIT. Карточка не сообщает о поддержке конкретных естественных языков, поэтому языковой охват здесь не заявляется. Модель предназначена для создания промптов Stable Diffusion; качество результата зависит от соответствия запроса стилю и данным обучения.

Technotech разработал MagicPrompt-tinystories-33M-epoch10-merged — компактную авторегрессионную языковую модель семейства GPT-Neo для продолжения и дополнения текстовых промптов Stable Diffusion. Модель дообучена на 80 тысячах промптов Stable Diffusion; в метаданных указаны 71,6 млн параметров и контекст до 2048 токенов. Базовая модель — TinyStories-33M. Модель предназначена для генерации вариантов промптов и продолжения заданного описания сцены при подготовке запросов для Stable Diffusion. Она принимает текст и выдаёт текст на английском языке. Автор отмечает, что при небольшом размере модель справляется приемлемо, но слабо понимает содержание; повторы фраз могут возникать, поэтому при генерации важны настройки против повторов. Лицензия — Apache-2.0.

NOESIS-Hy-MT2-1.8B-BF16 — плотный трансформер HunYuan Dense V1 с 1,8 млрд параметров, разработанный AMAImedia для платформы автоматизации многоязычного дубляжа NOESIS. Это дообученная и объединённая с SFT-LoRA адаптером версия Tencent Hy-MT2-1.8B; основной сценарий — перевод реплик с учётом ограничений по длительности и синхронизации речи, с возможностью использовать её как облегчённый переводчик при ограниченных ресурсах видеопамяти. Модель принимает текстовые инструкции и исходную реплику в формате чата, выдаёт перевод. В карточке заявлена поддержка перевода между 33 языками, включая русский, английский, китайский, японский и ряд европейских и азиатских языков. Контекст составляет 262 144 токена. Весовой файл представлен в формате BF16 Safetensors; авторы сообщают о тестировании на небольшом внутреннем наборе для дубляжа и приводят результаты FLORES-200 для отдельных языковых направлений. Специализация на дубляже помогает сокращать перевод под речевой слот, но может снижать буквальную точность и метрики на задачах обычного письменного перевода. Для корректной остановки генерации README предписывает использовать формат чата. Лицензия — Tencent HY Community License Agreement: в README указаны территориальное исключение ЕС, ограничение в 100 млн активных пользователей в месяц без отдельного разрешения Tencent и запрет использовать выходы для обучения других ИИ-моделей.

ManishThota/Ollama_Quantised_LLaVA-NeXT-Video-7B-DPO — это GGUF-квантизированный вариант мультимодальной модели LLaVA-NeXT-Video-7B-DPO, опубликованный пользователем ManishThota для запуска через Ollama, llama.cpp и совместимые инструменты. Базовую модель разработала команда LLaVA-VL/LLaVA-NeXT; она построена на языковой модели Vicuna-7B-v1.5 и предназначена для диалогового понимания видео, отдельных изображений и нескольких изображений одновременно с генерацией текстовых ответов. Версия DPO дополнительно выровнена с помощью Direct Preference Optimization. Модель относится к классу vision-language и сочетает языковой декодер LLaMA/Vicuna с визуальным энкодером CLIP и проектором LLaVA. Заявленный размер — около 7 млрд параметров; в репозитории доступны варианты GGUF F16, F32 и Q8_0, а в Ollama опубликован вариант Q4_K_M. Указан контекст 4096 токенов. Для обработки видео исходная модель обычно равномерно выбирает до 32 кадров; поддерживаемые естественные языки и отдельные языковые ограничения явно не указаны, поэтому модель не следует считать специализированной для конкретного языка. Сильная сторона — возможность анализировать визуальный контент, включая видео и наборы изображений, локально и с уменьшенными требованиями к памяти благодаря квантизации. Ограничения — качество зависит от формата и длительности видео, выбранного числа кадров и ресурсов запуска; в описании Ollama прямо указано, что модель работает не так, как ожидается. В репозитории ManishThota отдельная лицензия не указана; для исходной LLaVA-NeXT-Video-7B-DPO на Hugging Face указана лицензия Llama 2 Community License.

Open Lexica — модель генерации изображений по текстовому описанию в формате Diffusers. Карточка содержит пример промпта для создания милой чиби-девушки в бейсбольной форме с детализированными глазами и волосами, а также художественными стилевыми указаниями. Метаданные относят модель к Stable Diffusion и отмечают теги anime и art; репозиторий включает веса в формате safetensors. Модель предназначена для создания иллюстраций по текстовым промптам. Указана лицензия CreativeML OpenRAIL-M.

Promptist — языковая модель Microsoft на архитектуре GPT-2, предназначенная для автоматической оптимизации текстовых запросов для генерации изображений. Она преобразует пользовательский ввод в формулировки, предпочтительные для моделей генерации изображений; в карточке показан сценарий использования со Stable Diffusion v1.4. Модель обучали оптимизировать промпты с помощью обучения с подкреплением. Репозиторий содержит веса PyTorch, а длина контекста составляет 1024 токена. Promptist подходит для подготовки и переформулирования промптов перед генерацией изображений. Карточка не сообщает сведения о размере модели и лицензии, поэтому условия использования по этим данным определить нельзя. В README также отмечено, что демо работает на CPU и может генерировать медленно; для локальной работы рекомендуется GPU.

Prompt-Refine-MiniCPM5-1B — компактная текстовая модель, созданная EphemeralYou на основе openbmb/MiniCPM5-1B-SFT и дообученная на синтетических примерах от HiDream-ai/Prompt-Refine. Она преобразует короткие, расплывчатые или разговорные описания сцен на китайском или английском языке в подробные самодостаточные промпты на английском для генерации изображений. При расширении модель раскрывает объект, композицию, действие, место, освещение, материалы, стиль и текстовые элементы сцены. Модель содержит около 837,6 млн параметров, использует плотную архитектуру семейства Llama и формат safetensors; в README указана точность bfloat16. Нативный контекст составляет 131 072 токена. Модель работает только с текстом: она не принимает изображения и не оценивает качество исходного промпта. Распространяется по лицензии Apache-2.0.

Protogen 2.2 — модель генерации изображений по текстовому описанию, опубликованная Yntec. В карточке представлены варианты 768×768 для API-инференса и 512×512; автор называет версию 768×768 наиболее подходящей для плоского аниме-стиля. Модель предназначена для создания иллюстраций по промптам, в частности аниме- и художественных изображений. Репозиторий использует Diffusers и формат safetensors. Для использования указана лицензия CreativeML OpenRAIL-M, условия которой следует учитывать при применении и распространении результатов.

Карточка модели kkxao/Qwen-Image-2.1-PE-T2I-Heretic на Hugging Face совпадает с карточкой pottokao/Qwen-Image-2.1-PE-T2I-Heretic, поэтому описание составлено по ней. Qwen-Image-2.1-PE-T2I-Heretic — общественная производная модель на базе Qwen/Qwen-Image-2.1-PE-T2I от сообщества; авторы Qwen и Alibaba не связаны с проектом и не одобряли его. Это дообученная модель семейства Qwen3.5-VL с 9 млрд параметров, предназначенная для переписывания кратких запросов в подробные английские промпты для генерации изображений и рекомендации соотношения сторон. Она принимает запросы на разных языках и по заданной системной инструкции выдаёт одну строку JSON с переписанным промптом и соотношением сторон. Модель поставляется в bf16 в формате Transformers, с весами Safetensors; для работы необходим файл system_prompt.txt. Это LLM для подготовки промптов, а не текстовый энкодер и не модель генерации изображений. В описанной автором оценке модель сохранила структурированный формат и длину ответов, однако её встроенные стилистические предпочтения могут мешать следовать указаниям пользователя. Heretic directional ablation снизил частоту отказов на тесте harmful_behaviors до 3 из 100; эта оценка основана на небольшой выборке и не означает отсутствия ограничений во всех сценариях. Распространяется по Qwen Research License: некоммерческое использование; для коммерческого требуется отдельная лицензия Qwen.

QwenStoryteller2-i1-GGUF — это набор квантизированных файлов GGUF для vision-language-модели QwenStoryteller2, разработанной daniel3303 и квантизированной mradermacher. Модель предназначена для visual storytelling: генерации текста по изображениям, включая создание связных историй по нескольким кадрам, сохранение согласованности персонажей и событий, а также grounded text generation. В описании также заявлены методы chain-of-thought, contrastive learning, reinforcement learning и entity re-identification, однако подробности их реализации не приведены. Модель работает с визуальными входными данными и текстом, поддерживает английский язык и обучалась на наборах StoryReasoning и StoryReasoningAdversarialDPO. Точная архитектура, количество параметров и размер контекста в README не указаны. Доступны варианты квантизации i1 с размерами примерно от 2,0 до 6,4 ГБ; качество и скорость зависят от выбранного варианта. Рекомендуемый компромисс между размером, скоростью и качеством — i1-Q4_K_M, тогда как наиболее компактные варианты могут обеспечивать более низкое качество. Для работы vision-модели могут потребоваться дополнительные файлы mmproj из статического репозитория QwenStoryteller2-GGUF. Модель распространяется по лицензии Apache-2.0. Ограничениями являются отсутствие в README подробных сведений о характеристиках базовой архитектуры, контекстном окне и результатах оценки, а также возможное снижение качества при использовании низкобитных вариантов квантизации.

Realistic-Skin-Style — экспериментальная DreamBooth-модель Saleh (shindi), дообученная на базе Stable Diffusion v2.1 с разрешением 768 пикселей. Она предназначена для генерации изображений людей с более выраженной текстурой кожи по текстовым запросам; для активации изученного стиля в примерах используются триггерные слова «jqkz» и «jqkz style». Модель можно запускать через Diffusers. Автор описывает её как первую версию эксперимента и основу для дальнейшей тонкой настройки. Модель ориентирована на фотореалистичные изображения людей, но качество и реалистичность результата зависят от запроса. Лицензия — CreativeML OpenRAIL-M.

sd-wikiart-v2 — модель генерации изображений на основе Stable Diffusion, дообученная разработчиком valhalla на наборе WikiArt. Она предназначена для создания художественных изображений по текстовым запросам в разных стилях и жанрах, а также для использования в качестве помощника по генеративному искусству. В основе лежит Stable Diffusion v1.4 — латентная диффузионная модель, предварительно обученная на LAION2B-en. Для дообучения использованы 81 тысяча пар текста и изображения из WikiArt; обучались только слои внимания в течение одной эпохи. Репозиторий представлен в форматах Diffusers и PyTorch. Модель принимает текст на английском языке и генерирует изображения. Модель сохраняет большую часть возможностей исходной Stable Diffusion, одновременно лучше ориентируясь на художественные стили и жанры. Лицензия — BigScience BLOOM RAIL 1.0; README описывает развлекательное применение и создание генеративного искусства.

Simple Diffusion XS — экспериментальная компактная модель генерации изображений от AiArtLab. Карточка описывает архитектуру на основе собственного UNet примерно на 1,6 млрд параметров, текстового энкодера Qwen3.5 примерно на 1,8 млрд параметров и собственного VAE с коэффициентом сжатия 8×16. Авторы ориентируют проект на обучение на потребительских видеокартах и быструю генерацию; в README также приведён пример генерации изображения по текстовому запросу. Модель предназначена для создания изображений по текстовым описаниям. В карточке показаны примеры уточнения промпта, задания негативного промпта и управления параметрами генерации, а также отдельная функция увеличения изображений через VAE. Версия обозначена как alpha, а сам README предупреждает, что заявленное качество пока не достигнуто. Репозиторий содержит Diffusers и safetensors. Указана лицензия other без дополнительных условий в предоставленных данных, поэтому конкретные права использования по этой карточке определить нельзя.

SomethingV2 — модель латентной диффузии, предназначенная для генерации ярких, но мягких изображений в стиле аниме по текстовым запросам. Разработчик — NoCrypt. Модель доступна в формате Diffusers с весами PyTorch в формате safetensors; карточка указывает лицензию CreativeML OpenRAIL-M. В README рекомендуются Clip Skip 2, sampler DPM++ 2M Karras, CFG Scale 7–12 и разрешение первого прохода не менее 512×512. Для повышения детализации автор советует использовать hires fix и увеличивать изображение до 1500×1500. Веса VAE встроены в модель. README сообщает об обновлённой версии SomethingV2.2.

SugarPalette ANIMA — модель генерации изображений по текстовому описанию, созданная Noginowa путём объединения моделей семейства Anima. Версия v1.1 обновлена с учётом изменений базовой модели. Модель предназначена для создания изображений в ComfyUI; автор рекомендует CFG 4–5, около 32 шагов и сэмплер ER SDE Beta для стабильного качества и проработки деталей. Для работы требуются отдельные текстовый энкодер и VAE из circlestone-labs/Anima: qwen_3_06b_base.safetensors и qwen_image_vae.safetensors. Вес модели доступен в формате safetensors. README приводит положительные подсказки для эстетичных изображений и пейзажей, однако не описывает языковые ограничения, размер модели или контекст. Лицензия указана как other, поэтому конкретные условия использования следует проверять в карточке модели и у авторов исходных компонентов.

Карточка модели SYNAPSEai1/SynapseMusicV12-XL-Turbo на Hugging Face совпадает с карточкой ACE-Step/acestep-v15-xl-turbo, поэтому описание составлено по ней. ACE-Step 1.5 XL Turbo — вариант модели ACE-Step 1.5 от проекта ACE-Step для генерации музыки и аудио. Это дистиллированная модель с архитектурой DiT Decoder и 3,1 млрд параметров по метаданным; README обозначает вариант как XL 4B. В карточке также указаны библиотека Transformers, формат safetensors и контекст 32 768 токенов. Модель предназначена для генерации аудио по текстовому описанию. Turbo-вариант рассчитан на быстрый вывод за 8 шагов и ориентирован на высокое качество звука; README отмечает, что XL совместима с LM-моделями ACE-Step размером 0,6B, 1,7B и 4B. Для запуска требуется GPU с 12–20 ГБ VRAM в зависимости от квантования и выгрузки на CPU. README сообщает, что обучение использовало лицензированную, royalty-free, общественно доступную и синтетическую музыку, а сгенерированную музыку можно использовать в коммерческих целях. Лицензия репозитория — MIT. Модель генерирует аудио, но сведения о поддерживаемых естественных языках и конкретных аудиоформатах в предоставленных данных отсутствуют.

True Pencil XL v100 SDXL — модель генерации изображений по текстовому описанию, созданная blue_pen5805 и опубликованная пользователем John6666. Она основана на дообученной модели bluepen5805/true_pencil-XL и предназначена для создания иллюстраций, в том числе изображений в аниме-стиле. Модель использует Stable Diffusion XL и доступна в форматах Diffusers и safetensors; работать с ней можно через StableDiffusionXLPipeline из библиотеки Diffusers. На вход подаётся текстовый запрос, на выходе получается изображение. В карточке указаны английский язык и лицензия other, поэтому перед использованием следует проверить условия лицензии репозитория.

Zero Nans v10 SDXL — модель генерации изображений по текстовому описанию, опубликованная John6666 и созданная SulphAI. Модель основана на Laxhar/noobai-XL-Vpred-1.0 и представляет собой объединённую (merge) версию семейства Stable Diffusion XL с v-prediction, предназначенную для работы через библиотеку Diffusers и StableDiffusionXLPipeline. Модель ориентирована прежде всего на создание аниме-изображений, включая персонажей и иллюстрации с девушками. Она принимает текстовые запросы на английском языке и генерирует изображения в соответствии с описанием сцены, внешности, композиции и стиля. В карточке модели не указаны число параметров и длина контекста. Модель подходит для художественной генерации и прототипирования визуального контента в аниме-стилистике. Результаты зависят от качества текстового запроса, настроек инференса и совместимости используемого пайплайна. Модель распространяется по лицензии faipl-1.0-sd; перед использованием необходимо ознакомиться с её условиями.

Disty0/Z-Image-Turbo-SDNQ-uint4-svd-r32 — это 4-битная квантованная версия модели генерации изображений Tongyi-MAI/Z-Image-Turbo, подготовленная с использованием SDNQ. Модель интегрируется с библиотекой Diffusers и предназначена для создания изображений по текстовым описаниям через ZImagePipeline. Ключевая особенность модели — квантование UINT4 с SVD rank 32, благодаря которому размер модели уменьшен примерно с 12,3 ГБ в исходном формате BF16 до 3,5 ГБ. В README приведён сценарий генерации изображения размером 1024×1024 за 9 шагов инференса; также предусмотрены оптимизации для совместимых GPU AMD, Intel ARC и Nvidia, включая INT8 MatMul, torch.compile и выгрузку частей модели на CPU. Поддерживаемые языки, точные архитектурные параметры, максимальная длина контекста и сведения о качестве относительно исходной модели не указаны. Модель подходит для локальной генерации изображений на системах с ограниченными ресурсами видеопамяти, где важны уменьшенный размер и возможность ускорения вычислений. К ограничениям относятся необходимость установки SDNQ и Diffusers, зависимость производительности от аппаратной поддержки, а также потенциальные компромиссы квантования по сравнению с исходной BF16-моделью, которые в README количественно не описаны. Лицензия — Apache 2.0.

digiplay/7pa-VAE — модель генерации изображений по текстовому описанию, опубликованная автором LotusSnacks. Репозиторий представлен в формате Diffusers и содержит веса SafeTensors для StableDiffusionPipeline. В карточке указана версия с встроенным VAE; автор также ссылается на вариант без VAE AIARTCHAN/7pa. Модель предназначена для создания изображений по промптам; пример описывает детализированную иллюстрацию с ангелом, крыльями, небом и космическими мотивами. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с полной лицензией репозитория.

Yntec/animeTEN — модель генерации изображений по текстовому описанию, распространяемая в формате Diffusers. Карточка указывает, что в модель встроен zVAE, и приводит пример промпта для создания детализированного чиби-персонажа в волшебном саду. Модель предназначена для создания аниме- и мультяшных иллюстраций по текстовым запросам. Репозиторий содержит веса Safetensors и использует лицензию CreativeML OpenRAIL-M. Карточка не сообщает размер модели, длину контекста или поддерживаемые языки; пример промпта дан на английском.

AdamOswald1/Anything-Preservation — репозиторий сохранения модели Anything V3 с улучшенным VAE, представленной в форматах Diffusers, ckpt и safetensors. Это латентная диффузионная модель на базе Stable Diffusion, разработанная для генерации детализированных изображений в аниме-стиле по текстовым запросам. Она понимает короткие описания и теги Danbooru, поэтому подходит для создания персонажей и сцен в характерной стилистике аниме. Модель рассчитана на генерацию изображений через Stable Diffusion и совместима с Diffusers; в карточке также упоминаются варианты экспорта ONNX, MPS и Flax/JAX. README описывает репозиторий как архивную копию и указывает на неофициальное продолжение Anything V4.0. Лицензия — CreativeML OpenRAIL-M.

Anything 3.1 — дообученная модель семейства Stable Diffusion, предназначенная для генерации изображений по текстовым запросам. В карточке указано, что в неё встроен MoistMixV2VAE; среди примеров — аниме-персонажи, чиби-иллюстрации и изображения с живописной стилизацией. Модель распространяется в форматах Diffusers и Safetensors и поддерживает генерацию по англоязычным запросам. Модель подходит для создания аниме-иллюстраций, портретов и стилизованных сцен по описанию. Лицензия — CreativeML OpenRAIL-M. Размер модели и длина контекста в предоставленных данных не указаны.

John6666/azure-illustrious-v20-molk-sdxl — модель генерации изображений из текстовых описаний, созданная пользователем iahhnim на основе Illustrious-xl-early-release-v0 от OnomaAIResearch. Модель предназначена для создания аниме- и 2.5D-иллюстраций, включая персонажей, лица, тела и фоны, с использованием библиотеки Diffusers и пайплайна StableDiffusionXLPipeline. Модель поддерживает английские текстовые запросы и ориентирована на стилизованные цифровые изображения, в том числе контент для взрослых. Она распространяется в формате safetensors с лицензией FAIPL-1.0-SD, обозначенной в метаданных как other. Условия лицензии следует проверить перед коммерческим или публичным использованием.

Counterfeit-v30 — модель генерации изображений по текстовому описанию, опубликованная stablediffusionapi и доступная через ModelsLab API. Пример в карточке показывает генерацию портретов в аниме и цифровом художественном стиле с настройкой отрицательного промпта, размера изображения, числа шагов и guidance scale. Метаданные указывают на задачу text-to-image и формат Diffusers/PyTorch; лицензия — CreativeML OpenRAIL-M. Пример API использует изображения 512×512 и 30 шагов генерации. Карточка не раскрывает базовую модель, число параметров или контекст.