I.10Видео, анимация и 3D

Cyberrealistic Pony v130 — дообученная модель Cyberdelia на базе cyberdelia/CyberRealisticPony для генерации изображений по текстовым запросам. Она предназначена для создания реалистичных и фотореалистичных изображений в стиле Pony; метаданные указывают на использование Stable Diffusion XL и библиотеки Diffusers. Модель поддерживает запросы на английском языке. Модель распространяется в форматах Diffusers и safetensors. В карточке указана лицензия «other», поэтому конкретные условия использования следует проверять в исходной карточке модели. README не содержит сведений о рекомендуемых параметрах генерации или дополнительных ограничениях качества.

CyberRealistic Z-Image Turbo — ранняя экспериментальная модель генерации изображений по текстовому описанию, созданная на основе оригинальной Z-Image Turbo. Она предназначена для создания фотореалистичных изображений по текстовым запросам. В репозитории указаны файлы в формате safetensors; модель распространяется по лицензии CreativeML Open RAIL-M. Это ранняя экспериментальная сборка, поэтому её качество и поведение могут быть нестабильными. README не приводит сведений о размере модели, поддерживаемых языках или ограничениях на генерируемый контент.

DareLight's Fantasy Mix — модель генерации изображений по текстовому описанию, опубликованная Yntec. Она предназначена для создания фантазийных, мультяшных и полуреалистичных иллюстраций, в том числе портретов и изображений персонажей. Модель распространяется в формате Diffusers с весами Safetensors; в неё встроен VAE kl-f8-anime2, который, согласно карточке, улучшает детализацию. Примеры в карточке ориентированы на женские портреты, аниме и цифровую живопись с детализированными лицами и волосами. Модель предназначена для генерации изображений по текстовым промптам. Карточка не сообщает размер модели, длину контекста или список поддерживаемых языков. Лицензия — CreativeML OpenRAIL-M.

DC — LoRA-адаптер для генерации изображений по текстовому описанию, разработанный и опубликованный пользователем dd999361. Модель предназначена для использования с базовой моделью stabilityai/stable-diffusion-3.5-large в экосистеме Diffusers и может применяться в сценариях text-to-image. Для активации адаптера в README указан триггер NA. Архитектура и размер LoRA, поддерживаемые языки, максимальный контекст, особенности визуального стиля и конкретные преимущества не раскрыты, поэтому оценить сильные стороны и ограничения модели по предоставленным данным нельзя. Лицензия — MIT.

DreamAnything — смешанная модель для генерации изображений по текстовому описанию, опубликованная пользователем Yntec на Hugging Face. Автор объединил модели семейства Anything и свои любимые модели, чтобы получить универсальный чекпойнт, способный работать без опоры на негативные промпты. Веса доступны в формате Diffusers и Safetensors; в модель встроен VAE Color 101. Модель предназначена для создания изображений по текстовым промптам. Автор отмечает, что добавление слова «anime» в запрос усиливает аниме-стилистику. В качестве примера приведён промпт для портрета персонажа с зелёными волосами в ночной обстановке. Лицензия — CreativeML OpenRAIL-M. Карточка не сообщает размер модели, базовые чекпойнты, длину контекста или результаты сравнительной оценки качества.

Shivlal6660/DreamShaper — модель генерации изображений по текстовому описанию, представленная в формате Diffusers на основе PyTorch и Safetensors. В метаданных указаны художественная и аниме-тематика, а также английский язык; карточка README не содержит дополнительных сведений о разработчике, архитектуре, размере или контексте модели. Лицензия обозначена как other, поэтому условия использования следует проверять в репозитории модели. Модель подходит для создания художественных и аниме-изображений по текстовым запросам. Данных о специальных ограничениях или гарантиях качества в карточке нет.

FLUX.2 klein-4B 1-step RDM — экспериментальная одноступенчатая модель генерации изображений по тексту от автора репозитория epfl-vita. Она получена полным дообучением 4-миллиардной DiT-модели FLUX.2 klein-4B с дистилляцией методом Representation Distribution Matching (RDM): ученик за один проход приближает распределение изображений четырёхшаговой модели-учителя. Для работы используются текстовый энкодер Qwen3 и VAE базового пайплайна; веса генератора представлены в safetensors и bfloat16. Модель предназначена для быстрого создания изображений по текстовым запросам: генерация выполняется при разрешении 512×512 примерно за 0,15–0,3 секунды на изображение согласно карточке. В описанных оценках она показала хорошие результаты на композиции объектов и предпочтениях изображений, однако часть промптов GenEval входила в обучение, а обобщение на отложенные композиционные тесты ещё не измерено. Указана лицензия Apache-2.0.

Hikari Noob v-pred 1.2.1 — модель генерации изображений по текстовому описанию, созданная на основе NoobAI-XL (v-prediction) и дообученная на изображениях в определённом художественном стиле. Разработчик сообщает, что модель не смешивалась с другими базовыми моделями; в неё объединена LoRA с оптимизацией предпочтений с учётом шага (SPO). Это SDXL-модель для создания аниме-иллюстраций с человеческой художественной стилистикой. Модель рассчитана на генерацию ярких иллюстраций по промптам. Её базовый стиль выражен умеренно, поэтому его можно менять с помощью промптов и LoRA. В README отмечены улучшения стабильности и качества, а также поддержка v-prediction и Zero Terminal SNR. Для работы рекомендуются актуальные версии ComfyUI, Forge или reForge; для AUTOMATIC1111 требуется ветка dev. В карточке указана лицензия Fair AI Public License 1.0-SD: при изменении модели необходимо распространять изменения вместе с исходной лицензией, а закрытые производные модели нельзя монетизировать.

Hy-MT2-1.8B WMT26 — модель перевода субтитров с китайского на английский, разработанная ShivRamSaud и дообученная на базе Hy-MT2-1.8B с помощью QLoRA на данных субтитров TVsub для соревнования WMT26 Video Subtitle Translation. Модель имеет плотную авторегрессионную архитектуру Hunyuan v1, содержит 1,8 млрд параметров и поддерживает контекст до 262 144 токенов. Модель предназначена для перевода видеосубтитров с китайского на английский. В README приведены результаты BLEU 32,48, chrF 44,07 и TER 55,99 на выборке из 200 пар, взятой из обучающих данных TVsub. Модель распространяется в формате safetensors по лицензии Apache-2.0. Оценка на небольшой выборке из обучающих данных не показывает качество на независимом тестовом наборе.

Illumiyume Anime Style NoobAI XL NAI XL v1.0 — модель генерации изображений по текстовому описанию, опубликованная John6666; карточка указывает, что исходная модель создана duongve13112002. Это дообученная модель семейства NoobAI-XL, представленная в формате Diffusers и весах Safetensors. Она предназначена для создания изображений в аниме-стиле, в том числе персонажей и иллюстраций с заданной стилистикой. Размер модели — около 3 млрд параметров, тип весов — F16; карточка поддерживает запуск через StableDiffusionXLPipeline. Модель принимает текстовые промпты на английском языке и выдаёт изображения. Указана лицензия faipl-1.0-sd. Подробные сведения о длине контекста и специальных ограничениях качества в карточке не приведены.

irAsu v1.0 — модель генерации изображений по текстовому описанию, созданная как второй этап дообучения Illustrious XL 0.1. Она предназначена для создания иллюстраций и улучшает раскраску, анатомию персонажей и фон по сравнению с базовой моделью. В основе лежит Stable Diffusion XL; модель использует текстовые промпты и ориентирована на английские теги и описания в стиле Danbooru. Для работы автор рекомендует сэмплер Euler a, 25–30 шагов генерации, CFG 3,5–5 и параметр ENSD 31337; наиболее удачным назван режим около 28 шагов и CFG 4. В качестве основы промпта предлагаются описание персонажа и серии, а также теги качества. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует проверять в карточке модели и у базовой модели.

knaif — семейство дообученных моделей Qwen3, разработанных для runtime knaif. Модели преобразуют запросы на естественном языке в строгий JSON-план действий формата {"plan": [...]}, который затем валидируется, расширяется, подтверждается и исполняется детерминированным кодом через пакеты навыков. Модель только предлагает план и сама ничего не выполняет. В репозитории представлены две версии в формате GGUF: вариант на базе Qwen3-4B с 4 млрд параметров, квантизацией Q4_K_M и размером около 2,5 ГБ, предназначенный для настольных систем и CLI, а также вариант на базе Qwen3-1.7B с 1,7 млрд параметров, квантизацией Q6_K и размером около 1,4 ГБ, рассчитанный на мобильные устройства и системы с ограниченными ресурсами. Модели обучены методом SFT на навыках ffmpeg и documents; заявленная задача — генерация структурированных планов, а не открытый диалог. Сильная сторона моделей — специализированное преобразование пользовательского намерения в проверяемый план с именами инструментов и аргументами, что позволяет отклонять неизвестные инструменты и неподдерживаемые параметры на последующих этапах. Ограничения включают узкую специализацию на формате knaif и обученных навыках, а также отсутствие самостоятельного выполнения действий. Модели распространяются по лицензии Apache-2.0.

lametta v1602 — модель генерации изображений по текстовому описанию в формате Diffusers. В README указано, что в неё встроен MoistMixV2VAE; пример промпта описывает милого персонажа в стиле чиби и иллюстрацию с детализированными глазами, волосами и одеждой. Модель предназначена для создания аниме- и чиби-иллюстраций по текстовым запросам. Модель распространяется в форматах Diffusers, PyTorch и Safetensors под лицензией CreativeML Open RAIL-M. README не сообщает базовую модель, размер, длину контекста или точные параметры обучения.

M0nst3rfy3 — модель генерации изображений по текстовому описанию, созданная Yntec на основе DucHaitenLofi R с использованием LoRA M0nst3rfy от LDWorksDervlex; в итоговую сборку также встроен VAE Blessed2. Добавление токена «m0nst3rfy3» в запрос усиливает характерный эффект модели. Модель предназначена для создания стилизованных изображений монстров и персонажей в эстетике аниме и комиксов. В карточке приведены примеры запросов с детализированной кожей, освещением и эффектами окружения. Репозиторий содержит формат Diffusers и веса Safetensors; задача по метаданным — text-to-image. Лицензия — CreativeML OpenRAIL-M.

Obsession IllustriousXL v10 — модель генерации изображений по текстовому описанию, опубликованная пользователем John6666; исходная версия создана Konoko. Это дообученная модель семейства Stable Diffusion XL на базе OnomaAIResearch/Illustrious-xl-early-release-v0, связанного с KBlueLeaf/kohaku-xl-beta5. Модель рассчитана на создание иллюстраций в стилистике anime, в том числе изображений персонажей. Для запуска доступны формат Diffusers и веса Safetensors; карточка указывает StableDiffusionXLPipeline и тензоры F16. Модель принимает текстовый промпт и генерирует изображение. В метаданных указан английский язык. Репозиторий обозначает лицензию faipl-1.0-sd; конкретные ограничения качества и подробные рекомендации по промптам в доступной карточке не описаны.

Qwen Image Edit 2509 - Manga Tone LoRA — адаптер LoRA от автора nappa114514 для базовой модели Qwen/Qwen-Image-Edit-2509. Он предназначен для image-to-image преобразования изображений в стилистику manga tone; заявлена совместимость также с Qwen Image Edit 2511. Для активации эффекта используется триггерная фраза “paint with manga tone”. Модель распространяется как LoRA для экосистемы Diffusers и может применяться через ComfyUI; в репозитории приведён соответствующий workflow. Архитектура, размер, поддерживаемые языки, точный набор модальностей и максимальный контекст не указаны. В качестве сильной стороны заявлено стилистическое преобразование произвольных изображений в manga tone, однако степень сохранения исходного содержания и возможные ограничения качества README не описывает. Лицензия — Apache-2.0.

Raena XL — диффузионная модель Raelina для генерации изображений в стиле 2D-аниме по текстовым запросам. Модель основана на Stable Diffusion XL и создана путём слияния Animagine XL 3.1 с RealCartoonXL V6, а затем с Anything XL; метаданные Hugging Face указывают Animagine XL 3.1 как базовую модель. Модель предназначена для создания иллюстраций в эстетике аниме. В README приведены рекомендуемые настройки промптов, генерация при нескольких соотношениях сторон и параметры для увеличения разрешения через Hires.fix. Указанная лицензия — Fair AI Public License 1.0-SD.

LeFeujitif/sandbox — модель-адаптер LoRA для генерации изображений по текстовому описанию. Она представляет собой смесь LoRA-компонентов и предназначена для использования с базовой моделью Liberata/illustrious-xl-v1.0 в экосистеме Diffusers. В README не указаны точный состав смеси, её целевой стиль, дополнительные возможности или специальные сценарии применения. Модель распространяется в формате Safetensors. Ключевая модальность — text-to-image; сведения о размере, архитектуре адаптера, поддерживаемых языках, максимальном контексте и результатах оценки отсутствуют. Преимущество модели заключается в совместимости с указанной базовой моделью и компактном формате LoRA, однако качество и особенности генерации зависят от базовой модели и параметров применения адаптера. Лицензия и условия коммерческого использования в README не указаны.

Репозиторий Benjamin Paine содержит альтернативные и настроенные варианты Stable Diffusion XL Base 1.0 в формате safetensors. Исходную модель разработала команда Diffusers; автор репозитория перепаковал веса и подготовил варианты с VAE и для дорисовки изображений. Это латентная диффузионная модель для генерации и изменения изображений по текстовым запросам; в архитектуре используются два предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Модель подходит для создания иллюстраций и дизайнерских материалов, творческих приложений и экспериментов с генеративными моделями. README также описывает способ получить вариант для инпейнтинга из чекпойнта SDXL. Лицензия — CreativeML Open RAIL++-M. Модель может ошибаться в деталях композиции, плохо отображает читаемый текст, а фотореализм, лица и люди могут получаться несовершенными. Генерация изображений реальных людей или событий как достоверных представлений не входит в заявленные возможности; модель также может воспроизводить социальные предубеждения.

SenseNova-U1.5-8B-MoT-8bit — SenseTime разработала базовую мультимодальную модель SenseNova-U1.5-8B-MoT, а mlx-community подготовило её артефакт для Apple Silicon с библиотекой MLX. Это архитектура NEO-unify Mixture-of-Transformers с двумя потоками трансформера, квантированными до 8 бит с группой 64; эмбеддинги, lm_head, нормализации и компоненты обработки изображений оставлены в высокой точности. Модель предназначена для генерации изображений по тексту, редактирования изображений и ответов на вопросы о визуальном содержимом. В основе генерации лежит pixel-space rectified flow без VAE. Карточка сообщает о режиме рассуждений, включаемом параметром --think, и о высокой близости результатов к эталонной реализации PyTorch. Лицензия — Apache-2.0. Модель представлена как артефакт для Apple Silicon и MLX; сведения о языках и длине контекста в предоставленных данных отсутствуют.

SomethingV2.2 — модель латентной диффузии для генерации изображений в аниме-стиле по текстовому описанию, опубликованная NoCrypt. Она создана слиянием SomethingV2.1 и промежуточной модели dpepsili с помощью MBW, после чего в веса встроили VAE Blessed2. В README рекомендуются Clip Skip 2, sampler DPM++ 2M Karras и CFG Scale около 7; для повышения детализации автор советует использовать hires fix. Модель рассчитана прежде всего на англоязычные промпты и выдаёт изображения. Репозиторий содержит веса в форматах Diffusers, PyTorch и safetensors. Лицензия — CreativeML OpenRAIL-M; она разрешает использование с соблюдением условий лицензии и ограничений на применение. README не приводит размер модели или длину контекста.

Stable Audio 3 Small Music — небольшая модель семейства Stable Audio 3, разработанная Stability AI для генерации и редактирования музыки и звуков по текстовому описанию. Это латентная диффузионная модель на основе трансформера: она использует семантико-акустический автоэнкодер для сжатого представления аудио и текстовое кондиционирование на основе предварительно обученной T5Gemma. Поддерживаются генерация аудио переменной длительности, продолжение коротких записей и локальное редактирование аудио с помощью inpainting. Модель обучалась на лицензированных и Creative Commons записях. Семейство Stable Audio 3 оптимизировано для быстрой генерации; разработчики сообщают о времени менее двух секунд на H200 для семейства в целом. Версия Small предназначена для запуска на потребительском оборудовании. Основной язык текстовых описаний — английский. Для использования доступны библиотеки stable-audio-3 и stable-audio-tools. Модель является дообучением stabilityai/stable-audio-3-small-music-base. В карточке указана Stability AI Community License, а текстовое кондиционирование опирается на T5Gemma, распространяемую по условиям Gemma Terms of Use; коммерческое применение требует проверки применимых условий лицензий.

Linaqruf/style-enhancer-xl-lora — это компактный LoRA-адаптер, разработанный Linaqruf для Stable Diffusion XL и дообученный на базе Animagine XL 2.0. Модель предназначена для генерации и улучшения высококачественных изображений в аниме-стилистике, а также для воссоздания характерной «старой» художественной эстетики SD 1.5. Адаптер поддерживает использование тегов Danbooru, что позволяет точнее задавать содержание, композицию и визуальные характеристики изображения. Модель ориентирована на сценарии text-to-image и применяется совместно с Animagine XL 2.0 через библиотеку diffusers. В README не указаны точный размер адаптера, максимальная длина контекста, набор языков текстового кодировщика или дополнительные модальности; заявлена совместимость со Stable Diffusion XL. Сильными сторонами являются повышение детализации и качества аниме-изображений, компактность LoRA-формата и возможность управляемой генерации с помощью тегов. Результаты зависят от базовой модели и параметров генерации, а адаптер не является самостоятельной полноразмерной моделью. Распространяется по лицензии CreativeML Open RAIL++-M.

SwimInLatent — модель генерации изображений на основе Stable Diffusion XL, дообученная для создания аниме-изображений. Она принимает текстовые запросы и предназначена для генерации иллюстраций в аниме-стиле; в карточке также приведён пример рабочего процесса для ComfyUI. Репозиторий использует библиотеку Diffusers и формат safetensors. Модель опубликована под лицензией OpenRAIL++. Пример запроса показывает управление композицией и деталями персонажа с помощью текстового промпта и отрицательного промпта. В примере исключается контент NSFW, но это настройка примера, а не гарантия поведения модели.

Это веса textual inversion от автора abhipsabasu для Stable Diffusion v1.4, предназначенные для генерации изображений по текстовым запросам. Они добавляют в базовую модель представление конкретного человека, чтобы включать его в изображения с помощью изученного текстового токена. Модель использует латентную диффузионную архитектуру Stable Diffusion и формат Diffusers с весами Safetensors. Она принимает текст и создаёт изображения; базовая модель преимущественно рассчитана на английские запросы. Лицензия — CreativeML OpenRAIL-M. README не содержит готового примера запуска и сведений о качестве или известных проблемах.

TWingshadow_v1.2 — модель генерации изображений по текстовому описанию, опубликованная пользователем digiplay и представленная в формате Diffusers с весами Safetensors. В карточке приведены примеры изображений с кинематографическим освещением и улыбающейся девушкой у моря; вероятно, они показывают желаемый стиль и тематику генерации. Модель предназначена для создания изображений по текстовым запросам. Метаданные указывают на Stable Diffusion и библиотеку Diffusers. Сведений о размере, базовой модели, поддерживаемых языках запросов и контексте в карточке нет. Лицензия обозначена как other, поэтому конкретные условия использования по имеющимся данным определить нельзя.

WD 1.5 Beta 2 — модель Waifu Diffusion для генерации изображений по текстовому описанию. Карточка сообщает о двух вариантах: базовом WD 1.5 Beta 2 и WD 1.5 Beta 2 Aesthetic; во втором дообучен слой внимания на популярных эстетических изображениях. Для обучения рекомендуется базовый вариант. Модель использует StableDiffusionPipeline и распространяется в форматах Diffusers и safetensors. WD 1.5 использует тот же VAE, что и WD 1.4. Репозиторий помечен лицензией other, поэтому конкретные условия использования следует проверять в материалах лицензии.

Z-Anime — семейство моделей генерации изображений в аниме-стиле, созданное разработчиком developerjeremylive как полное дообучение Z-Image Base от Alibaba. В основе лежит S3-DiT — одно потоковый диффузионный трансформер с 6 млрд параметров. Репозиторий включает базовую версию и варианты, дистиллированные для генерации за 8 или 4 шага, а также файлы BF16, FP8, GGUF и AIO; GGUF-варианты рассчитаны в том числе на запуск с ограниченной видеопамятью и на CPU. Модель предназначена для создания иллюстраций, персонажей, сцен и фонов в аниме-стиле по описаниям на естественном языке. Базовая версия поддерживает полноценные negative prompts и рассчитана на более высокое качество и управление результатом; дистиллированные версии ускоряют генерацию, но слабее реагируют на negative prompts. Карточка заявляет поддержку разрешений примерно от 512 × 512 до 2048 × 2048 и работу основных вариантов на видеокарте с 8 ГБ VRAM. Модель принимает текстовые промпты и выдаёт изображения. В README указана частичная способность генерировать NSFW-контент. Репозиторий распространяется по лицензии Apache-2.0.

feeday публикует квантизированные в формате GGUF варианты Z-Image Turbo от Tongyi-MAI для генерации изображений по текстовым описаниям. Репозиторий содержит варианты квантования от Q3_K_S до Q8_0; для текстового кодировщика указана Qwen3-4B-GGUF от unsloth. Модель предназначена для создания изображений из текстовых запросов и может использоваться с Diffusers и ComfyUI. Базовая Z-Image Turbo описана в метаданных как дистиллированная модель Alibaba для быстрой генерации изображений; она поддерживает английский и китайский текст на изображениях. Для этой публикации указана лицензия Apache-2.0. Квантование уменьшает размер весов, но может влиять на качество результата; характеристики скорости и качества конкретных вариантов в карточке не приведены.

Это версия ACE-Step 1.5 XL Turbo в формате BF16, подготовленная marcorez8 на основе ACE-Step/acestep-v15-xl-turbo. Модель использует архитектуру DiT с декодером на 4 млрд параметров и предназначена для генерации музыки и аудио по текстовому описанию. Дистилляция ускоряет генерацию до 8 шагов, а BF16 снижает требования к памяти при заявленном близком к исходной модели качестве. Для работы требуется от 8 ГБ видеопамяти с выгрузкой на CPU и квантизацией INT8; без выгрузки рекомендуется от 16 ГБ. Разработчики ACE-Step — ACE Studio и StepFun, конверсию BF16 выполнил marcorez8. Репозиторий распространяется по лицензии MIT; README сообщает, что сгенерированную музыку можно использовать коммерчески.