I.10Видео, анимация и 3D

vladmandic опубликовал Anima-1.0-Turbo-sdnq-svd-dynamic-uint4 — квантованный вариант модели Anima для генерации изображений по текстовому описанию. Репозиторий содержит веса в формате Diffusers для использования в SD.Next; Turbo LoRA уже объединена с моделью. Веса предварительно квантованы методом SDNQ с SVD и динамической схемой до UINT4. Модель предназначена для создания изображений по текстовым запросам. Указана лицензия MIT. Данных о размере модели, контексте и поддерживаемых языках в предоставленных источниках нет.

Anima-2.9B-Preview-v1-Diffusers — версия модели Anima 2.9B Preview v1 в формате Diffusers, подготовленная CalamitousFelicitousness для SD.Next. Она генерирует аниме-изображения и иллюстрации по текстовым промптам. Модель основана на Gazingstars123/Anima-2.9B: трансформер расширен с 28 до 40 слоёв и содержит около 2,9 млрд параметров. Текстовый энкодер Qwen3-0.6B связан с трансформером через адаптер; также используются VAE Wan и pipeline CosmosTransformer3DModel. Модель обучена на дополнительной выборке из 1,7 млн изображений аниме и иллюстраций. В Preview v1 обучались только добавленные слои, а основные блоки и компоненты взяты из базовой Anima 1.0 Base. Авторы рекомендуют подробные промпты с тегами персонажей, серий и стиля; указаны настройки генерации вплоть до разрешения 1536 × 1536. Репозиторий занимает около 6,9 ГБ, веса сохранены в bf16. Лицензия обозначена как other, поэтому условия использования следует уточнить на странице модели.

anime SEXTILLION — модель для генерации изображений по текстовому описанию, созданная realisticElves. Это слияние моделей animeTWO и animeTEN, также разработанных realisticElves; в веса встроен zVae. Модель распространяется в форматах Diffusers, PyTorch и safetensors и использует библиотеку Diffusers.

Anything V7 — дообученная модель семейства Stable Diffusion от Yntec для генерации изображений по текстовым запросам. Карточка показывает примеры в аниме-, мультяшной и chibi-стилистике, включая персонажей, иллюстрации и игровые образы. Модель распространяется в формате Diffusers и Safetensors по лицензии CreativeML Open RAIL-M. В метаданных указан базовый чекпойнт Yntec/AnythingV3 и поддержка английского языка. Сведений о размере модели и длине контекста в предоставленных источниках нет.

FloydianSound/Aoi_Ogata_Artstyle_v1-5 — дообученная модель на основе Stable Diffusion 1.5 для генерации изображений по текстовым описаниям в художественном стиле Аои Огаты. Она обучалась 10 эпох, всего 40 700 шагов, на 407 изображениях художницы; при обучении использовалась группировка изображений по соотношению сторон с разрешением 768 пикселей. Репозиторий содержит веса в форматах Diffusers и PyTorch. Модель предназначена для создания изображений по текстовым запросам с использованием изученного художественного стиля. Карточка указывает английский язык, а лицензия — CreativeML OpenRAIL-M. Результаты зависят от формулировки запроса и выбранных параметров генерации.

ArchitectureRealMix — модель генерации изображений по текстовому описанию, опубликованная под именем stablediffusionapi и предназначенная для использования через API ModelsLab. Пример запроса в карточке ориентирован на фотореалистичные архитектурные и интерьерные изображения; API позволяет задавать отрицательный запрос, размер изображения, число шагов генерации и другие параметры.

AstolfoXL — модель генерации изображений по текстовому описанию в формате Diffusers на базе Stable Diffusion XL. Карточка описывает несколько вариантов обучения и настройки: 3EP на базе AstolfoXL 2.5EP с переключением в RF, 2.5EP на базе AstolfoKarmix-XL Evo 2EP с режимом vpred, 2EP на базе AstolfoKarmix-XL NIL1.5 v1.2 и ранний вариант на базе AstolfoMix-XL 255c. Указаны датасеты danbooru2024 и e621_2024 для раннего варианта и примеры генерации персонажей, furry-образов и автомобилей. Модель предназначена для создания изображений по текстовым промптам; автор приводит примеры параметров генерации, включая разрешение 1792×768, 48 шагов и sampler Euler. Для некоторых вариантов рекомендуются запятая в negative prompt и TIPO; ранний вариант автор советует не использовать напрямую из-за неверного рецепта слияния базовой модели. Репозиторий распространяется в форматах Diffusers и safetensors по лицензии CreativeML OpenRAIL-M.

Baka-Diffusion — модель генерации изображений из текста на основе Stable Diffusion 1.x, созданная Hosioka с помощью дообучения и слияния блоков U-Net. Она использует систему тегов Danbooru и рассчитана на создание иллюстраций. Вариант General задуман как универсальная основа, совместимая с большинством LoRA и LyCORIS; вариант S3D добавляет мягкую трёхмерную текстуру и естественное освещение и ориентирован на повышенное разрешение, например 600×896. Модель распространяется в форматах Diffusers, PyTorch и Safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Для вариантов модели автор рекомендует CFG 3–9: более высокие значения могут приводить к артефактам, остаточному шуму или перенасыщенным цветам. Результат зависит от варианта, промпта и настроек генерации.

Карточка модели qyfh258/basil_mix на Hugging Face совпадает с карточкой nuigurumi/basil_mix, поэтому описание составлено по ней. basil_mix — объединённая модель генерации изображений по текстовому описанию, опубликованная пользователем nuigurumi на Hugging Face. Она построена для работы с Diffusers и ориентирована на реалистичные текстуры, азиатские лица и отклик на промпты в стиле Danbooru. Модель принимает текстовые промпты и создаёт изображения. Автор рекомендует простые промпты и VAE vae-ft-mse-840000 от StabilityAI; большое количество тегов качества и негативных промптов может ухудшать результат. Репозиторий распространяется с лицензией other, конкретные условия которой в предоставленных данных не раскрыты.

Better Pony Diffusion V6 For SD 1.5 v1 — текстово-графическая модель на базе Stable Diffusion 1.5, дообученная Yntec на данных SDXL Pony V6 и примерно 5000 вручную отобранных изображений diffusionfanatic1173. Она предназначена для генерации изображений по текстовым запросам; примеры охватывают аниме, стилизованные иллюстрации, персонажей-пони и антропоморфных персонажей, а также фотореалистичные теги. Карточка демонстрирует поддержку тегов вроде score_9, source_anime и show accurate. Модель распространяется в формате Diffusers с весами safetensors и предназначена для StableDiffusionPipeline. Для работы с ней нужны текстовые промпты; на примерах используются английские теги и описания. Контекстная длина и число параметров не приведены. Лицензия — CreativeML Open RAIL-M.

Bonsai-Image-ternary-4B — модель генерации изображений по текстовому описанию, разработанная PrismML и преобразованная в формат LiteRT (.tflite) для выполнения непосредственно на устройствах. Она предназначена для локального text-to-image использования без PyTorch и Diffusers, включая мобильные приложения и устройства на Android, iPhone и компьютерах Apple с поддержкой соответствующих LiteRT-бэкендов. Модель построена на архитектуре FLUX.2-klein-4B и использует диффузионный трансформер с троичными весами. В состав входят DiT примерно на 3,88 млрд параметров, текстовый энкодер Qwen3-4B с удалёнными верхними девятью слоями и VAE-декодер AutoencoderKLFlux2. Основная конфигурация использует int4-квантизацию, при этом троичные веса сохраняются без потерь; доступен также текстовый энкодер с int8-квантованием для более близкого соответствия исходному результату. Поддерживается ввод до 256 токенов, а стандартный вывод имеет разрешение 512×512 и формируется за 4 шага сэмплирования; большее число шагов также возможно. К сильным сторонам относятся компактное для исходной модели представление, работа полностью на устройстве, воспроизводимость результатов между поддерживаемыми конфигурациями и сохранение качества после преобразования. Ограничения включают значительные требования к памяти: минимальный рабочий набор занимает около 3,97 ГиБ, а производительность на мобильных CPU может составлять примерно одну минуту на изображение. Для ускорения требуется корректно подключать XNNPACK, а GPU-конфигурация Apple предъявляет высокие требования к памяти и точности fp32. Модель распространяется по лицензии Apache-2.0.

Broken-Mirror-Style — модель генерации изображений, созданная Kagerage методом DreamBooth с использованием ноутбука fast-DreamBooth от TheLastBen. Она обучена на базе Stable Diffusion 2.1 и предназначена для создания изображений с эффектом треснувшего и разбитого зеркала, в том числе портретов и сцен с заданным окружением по текстовому описанию. Модель работает через StableDiffusionPipeline в Diffusers; веса FP16. Автор рекомендует разрешение не ниже 768×768, а для более качественной проработки лиц — сэмплер DPM++ SDE Karras минимум на 25 шагах и CFG 7. Для работы с концептом автор предлагает интерфейс A1111 и запуск через Colab с Diffusers. Лицензия — CreativeML OpenRAIL-M. По опыту автора, выводы FP16 могут отображаться некорректно без Xformers; рекомендуемые параметры генерации являются практическими советами, а не гарантией качества.

CanonUltraReal — это LoRA-адаптер для генерации изображений, созданный автором Danrisi и обученный на его фотографиях, снятых камерой Canon 1Ds. Адаптер предназначен для передачи характерной цветопередачи и визуальной подачи этой камеры, включая мягкое боке. Для его использования нужна базовая модель krea/Krea-2-Raw; в README рекомендуется сила адаптера 0,8 при работе с Raw-моделью. Модель принимает текстовые запросы и генерирует изображения в реалистичной, кинематографичной фотостилистике. Примеры охватывают портреты, уличные и постановочные сцены, а также фантастические сюжеты. В обучающем наборе были снимки с объективами 28, 50, 100 и 500 мм, поэтому внешний вид может меняться в зависимости от сюжета, композиции и фокусного расстояния. Модель распространяется по лицензии Apache-2.0.

coralchar-diffusion-v1 — модель генерации изображений на основе Stable Diffusion v1.5, опубликованная nerijs и дообученная для создания портретов милых персонажей. Для активации характерного стиля в текстовом запросе используется токен coralchar; доступны контрольные точки с разным числом шагов обучения и версия для inpainting. Модель предназначена для создания портретов и изображений персонажей по текстовому описанию, а также для изменения деталей уже созданного изображения с помощью inpainting. Автор рекомендует размер 512×768, низкий CFG scale и отмечает, что такой размер подходит для полнофигурных портретов. Репозиторий содержит Diffusers и PyTorch форматы; README также упоминает доступность версии .ckpt. Лицензия — CreativeML OpenRAIL-M.

Карточка модели Muapi/counterfeit-v30 на Hugging Face совпадает с карточкой stablediffusionapi/counterfeit-v30, поэтому описание составлено по ней. 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.

Yntec/Cryptids — модель генерации изображений по текстовому описанию на основе Stable Diffusion, опубликованная Yntec. В README указано, что стиль LoRA Cryptids от RIXYN с весом 1.0 объединён с HellSKitchen; также в состав входят HELLmix от Barons и Kitsch-In-Sync от iamxenos. В модель встроен VAE MoistMixV2VAE. Модель предназначена для создания стилизованных фантастических иллюстраций, в том числе изображений животных и существ с выразительными глазами. Для генерации используется текстовый промпт; карточка показывает примеры с милым котёнком и сказочным окружением. Репозиторий представлен в формате Diffusers и Safetensors. Лицензия — CreativeML OpenRAIL-M, её условия необходимо соблюдать при использовании и распространении модели.

CyberRealistic Pony v127 Alternative — производная модель Cyberdelia на основе cyberdelia/CyberRealisticPony для генерации изображений по текстовым запросам. Модель предназначена для создания реалистичных и фотореалистичных изображений; в метаданных указана поддержка Stable Diffusion XL и библиотеки Diffusers. В тегах отмечены более сбалансированные освещение, контраст и цветовые тона. Карточка не содержит подробных инструкций по использованию или описания отличий версии v127 Alternative от базовой модели. Лицензия указана как other, поэтому конкретные условия использования следует проверять в репозитории модели.

Demodokos Foundry Music v4 — семейство моделей для генерации музыки и разделения аудиодорожек на стемы, размещённое для приложения Demodokos Foundry. В карточке Hugging Face указана задача text-to-audio; файлы представлены в форматах GGUF и ONNX. Модель предназначена для создания музыки по текстовому описанию и разделения готовой музыки на отдельные компоненты. Её можно использовать для подготовки музыкальных фрагментов и работы с аудиодорожками в локальном творческом процессе. README описывает возможности семейства, но не приводит подробностей об архитектуре, размере модели или длине контекста. В README заявлена работа Foundry локально на Windows с GPU NVIDIA; эти требования относятся к приложению и не уточняют совместимость именно данного набора файлов модели. Лицензия в метаданных обозначена как other, конкретные условия использования не приведены.

Detailed Perfection style — это LoRA-модель для генерации изображений по текстовому описанию, размещённая под идентификатором Muapi. В карточке указана совместимость с базовой моделью black-forest-labs/FLUX.1-dev, а также теги Stable Diffusion, Flux и text-to-image. Обучающее ключевое слово — «perfection style». Судя по названию и описанию, адаптер ориентирован на повышение детализации и проработку рук, стоп, лица и тела, а также на применение единого художественного стиля. Модель предназначена для сценариев text-to-image, включая создание персонажей и детализированных иллюстраций. Рекомендуемый пример использует разрешение 1024×1024 и вес LoRA 1.0 через API MUAPI, однако другие параметры совместимости, поддерживаемые языки, размер адаптера, максимальный контекст и результаты сравнительных тестов не указаны. Сильной стороной является объединённая направленность на детализацию ключевых частей тела и стилизацию, но качество зависит от базовой модели, промпта и выбранного веса адаптера; заявленные характеристики не подтверждены количественными оценками. Лицензия указана как OpenRAIL++.

FredZhang7 разработала эту модель на архитектуре GPT-2 для генерации описательных тегов и промптов в стиле Safebooru и Danbooru для anime-моделей преобразования текста в изображение. Модель дообучена на 2,47 млн промптов Stable Diffusion; указанное в карточке базовое семейство — DistilGPT-2. Контекст составляет 1024 токена, модель принимает и генерирует текст. По сравнению с другими GPT-2-моделями генерации промптов автор заявляет на 50% более быстрый прямой проход и на 40% меньшие требования к дисковому пространству и оперативной памяти. В версии 2 улучшены разнообразие и беглость генерации, а обучающие данные очищены от дубликатов, коротких промптов и примеров с NSFW-оценкой выше 0,5. Модель ориентирована на аниме-иллюстрации; качество и безопасность конкретных результатов могут варьироваться. Лицензия — CreativeML OpenRAIL-M.

Карточка модели ryanplant/DreamShaper на Hugging Face совпадает с карточкой Lykon/DreamShaper, поэтому описание составлено по ней. Lykon/DreamShaper — модель генерации изображений по текстовому описанию, размещённая разработчиком Lykon на Hugging Face. Репозиторий содержит веса в форматах Diffusers, PyTorch и SafeTensors; метаданные связывают модель со Stable Diffusion и указывают английский язык карточки и художественную направленность. Модель подходит для создания художественных изображений и иллюстраций по текстовым запросам. Карточка упоминает сервисы Mage.space и sinkin.ai для запуска модели. В метаданных указана лицензия «other», поэтому условия использования следует проверять в самой карточке или в приложенных файлах лицензии. README не описывает ограничения качества, архитектурные детали, размер модели или длину контекста.

Ekmix-Diffusion — модель преобразования текстовых запросов в изображения, опубликованная автором EK12317. В карточке показаны варианты Ekmix-Pastel и Ekmix-gen4: первый создаёт пастельные изображения с линейным рисунком, второй балансирует между аниме и реалистичной стилистикой. Автор описывает объединение LoRA для пастельного варианта и блочное взвешенное слияние для gen4. Модель предназначена для генерации стилизованных изображений по текстовым описаниям, в том числе в пастельной, аниме и близкой к реалистичной манере. README рекомендует добавлять негативный запрос для снижения вероятности изображений низкого качества. Репозиторий использует Diffusers и форматы PyTorch и Safetensors; карточка указывает английский язык и лицензию CreativeML Open RAIL-M. Точный размер модели и длина контекста в предоставленных данных не приведены.

microsoft/git-base-msrvtt-qa — базовая версия GIT (GenerativeImage2Text), разработанная Microsoft и дообученная на наборе MSRVTT-QA для ответов на вопросы о видео. Модель содержит 80,1 млн параметров и построена как Transformer-декодер: он использует токены изображения, полученные из CLIP, и текстовые токены, чтобы генерировать следующий текстовый токен. В метаданных указан контекст 1024 токена. Модель предназначена прежде всего для визуальных вопросов и ответов по видео; архитектура GIT также позволяет применять её для описания изображений и видео и классификации изображений с ответом в текстовом виде. В README приведены сведения о предобучении GIT-base на 10 млн пар изображение–текст и последующем дообучении на MSRVTT-QA. Карточка не сообщает результаты оценки этого чекпойнта. Это англоязычная модель, принимающая визуальные данные и текстовый запрос и выдающая текстовый ответ. Репозиторий содержит веса PyTorch и Safetensors и распространяется по лицензии MIT. Для входных данных требуется предусмотренная моделью обработка изображений; точная пригодность для иных языков и предметных областей не установлена.

Hentai Mix XL — модель генерации изображений по текстовому описанию, опубликованная аккаунтом stablediffusionapi; карточка предлагает использовать её через API ModelsLab. Она предназначена для создания изображений по промптам и поддерживает настройку отрицательного промпта, размера изображения, количества шагов генерации и других параметров запроса. В README показан пример генерации реалистичного киберпанк-портрета; в метаданных указана архитектура StableDiffusionXLPipeline и форматы Diffusers, PyTorch и safetensors. Модель распространяется по лицензии CreativeML OpenRAIL-M. Тег карточки предупреждает, что модель не подходит для всех аудиторий.

DFloat11/HiDream-I1-Full-DF11 — это бессрочно сжата lossless-версия модели генерации изображений HiDream-ai/HiDream-I1-Full, подготовленная с использованием технологии DFloat11 от LeanModels. Модель предназначена для преобразования текстовых описаний в изображения и совместима с HiDreamImagePipeline из библиотеки diffusers. Сжатие выполняется методом Huffman coding для экспонентных битов весов BFloat16, а распаковка во время инференса ускоряется специальным CUDA-ядром. По данным README, размер модели уменьшен с 34,21 до 24,19 ГБ, при этом выходы остаются побитно идентичными оригиналу. Пиковое потребление памяти при генерации изображения 1024×1024 снижается с 35,61 до 26,42 ГБ, что позволяет запускать модель на одной GPU с 32 ГБ памяти. На A100 генерация занимает около 161 секунды против 140 секунд у исходной версии. Для работы требуются CUDA-совместимая GPU, PyTorch, пакет dfloat11 с поддержкой соответствующей версии CUDA и библиотека diffusers. В приведённом примере используются текстовый запрос на английском языке, разрешение 1024×1024 и 50 шагов инференса; поддерживаемые языки, точная архитектура, максимальный контекст и другие модальности не указаны. Основные преимущества — уменьшенный размер, экономия GPU-памяти и отсутствие потери качества, а ограничениями являются необходимость CUDA-окружения и некоторое увеличение времени генерации. Лицензия в README не указана.

Это предварительно квантизированная до UINT4 версия модели Krea-2-Base, подготовленная Vladmandic с помощью SDNQ, Hadamard и динамической квантизации. Она предназначена для генерации изображений по текстовым запросам и запуска через SD.Next или пакет SDNQ. Метаданные указывают на использование Diffusers и файлов Safetensors; архитектура обозначена как Krea2Pipeline. Квантизация UINT4 уменьшает точность представления весов и может снизить требования к памяти, но README не сообщает о замерах производительности или качестве изображений. Лицензия и поддерживаемые языки в предоставленных данных не указаны.

John6666/lustify-sdxl-nsfwsfw-endgame-sdxl — модель генерации изображений по текстовому описанию, опубликованная на Hugging Face и созданная пользователем coyotte; исходная версия размещена на Civitai. Модель предназначена для использования с библиотекой Diffusers и конвейером StableDiffusionXLPipeline на базе архитектуры Stable Diffusion XL. Модель ориентирована на создание реалистичных и фотореалистичных изображений, включая контент для взрослой аудитории, по англоязычным текстовым промптам. Она подходит для генерации персонажей, сцен, фотографий и других визуальных материалов общего назначения, если используемый сценарий допускает контент 18+. Модель распространяется по лицензии CreativeML OpenRAIL-M. README не содержит сведений о размере модели, длине контекста, точных требованиях к оборудованию, методах обучения или результатах сравнительных оценок. Из-за ориентации на NSFW-контент необходимы возрастные, правовые и платформенные ограничения при использовании.

VIZINTZOR/MMS-TTS-THAI-MALE-NARRATOR — модель синтеза речи на основе VITS, дообученная на записи голоса из Play.ht. Она преобразует текст на тайском языке в речь мужским голосом-рассказчиком. В метаданных указано 3,6 млн параметров; веса опубликованы в формате safetensors. Модель предназначена для озвучивания тайских текстов и создания голосового повествования. README сообщает о дообучении модели и использовании записи из Play.ht, но не приводит деталей о датасете, качестве синтеза или условиях его лицензирования. Лицензия модели в предоставленных данных не указана.

Nasa-space-V2-768 — модель генерации изображений по текстовому описанию, созданная Fireman4740 методом DreamBooth на базе Stable Diffusion v2-768. Она предназначена для создания изображений с использованием концепции и подсказок NASA style; для запуска автор предлагает применять библиотеку diffusers. Модель распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M.

NetaYume Lumina Image 2.0 Diffusers v35 pretrained — модель генерации изображений по текстовому описанию в формате Diffusers. Она создана на основе объединения Alpha-VLLM/Lumina-Image-2.0 и neta-art/Neta-Lumina; карточка рекомендует использовать Danbooru-теги для аниме-иллюстраций и обычные текстовые запросы для изображений общего назначения. В README приведены рекомендуемые настройки: CFG 4–7 и 40–50 шагов сэмплирования. Модель принимает текст и генерирует изображения. Базовая Neta Lumina предназначена для аниме-иллюстраций; также заявлена ориентация на точное соответствие изображения текстовому запросу. Репозиторий распространяется в формате Diffusers и Safetensors по лицензии Apache-2.0.