I.10Видео, анимация и 3D

Карточка модели lzyvegetable/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.

Карточка модели zw89/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.

ETCHR-FLUX.2-klein-9B — специализированный редактор изображений, разработанный авторами проекта ETCHR и дообученный на базе FLUX.2-klein-base-9B. Он принимает изображение и вопрос или инструкцию, а затем редактирует изображение, чтобы помочь мультимодальной языковой модели лучше рассуждать о мелких деталях, пространственных преобразованиях и визуальных задачах. Модель предназначена для совместного использования с MLLM в задачах распознавания мелких деталей, понимания диаграмм, логических рассуждений, восстановления головоломок и пространственного понимания 3D-сцен. В предложенном авторами процессе Edit-Verify-Reason основная модель проверяет результат редактирования и при неудачной проверке возвращается к исходному изображению. Репозиторий содержит веса в форматах Diffusers и SafeTensors; лицензия указана как other, поэтому конкретные условия следует сверить с карточкой модели.

EvtV2 — модель генерации изображений в стиле аниме, разработанная haor и основанная на animefull-latest. Автор дообучил её на наборе из 15 000 изображений, включая отражённые копии; основная часть примеров отобрана из ежедневного рейтинга Pixiv, также в набор добавлены изображения анимации с откровенным содержанием. Модель принимает текстовые запросы и создаёт изображения. Она распространяется в форматах Diffusers и PyTorch и предназначена для генерации аниме-иллюстраций. Лицензия — CreativeML Open RAIL-M.

digiplay/fantasticmix_v65_test — модель преобразована в формат Diffusers и предназначена для генерации изображений по текстовому запросу. Автор карточки сообщает, что это его любимая модель и указывает на исходную аниме-модель автора michin, однако идентификатор исходной модели и сведения о разработчике самой базовой модели не приведены. Модель опубликована в форматах Diffusers, PyTorch и Safetensors; метаданные указывают лицензию other. Карточка описывает её как аниме-модель, но не приводит размер, архитектурные подробности, поддерживаемые языки или длину контекста.

flux2-dev-gguf — GGUF-версия модели FLUX.2-dev, разработанной Black Forest Labs и распространяемой организацией gguf-org. Модель предназначена для генерации и преобразования изображений по текстовым описаниям в ComfyUI; в README она обозначена как image-to-image и демонстрирует создание сложных сцен, персонажей, открыток, надписей и композиций с несколькими объектами. Для работы используются отдельные компоненты: текстовый энкодер cow размещается в каталоге ComfyUI/models/text_encoders, модель flux2 — в ComfyUI/models/diffusion_models, а pig — в ComfyUI/models/vae. Поддерживаются совместимые GGUF-энкодеры, включая Magistral-Small-2509-GGUF и Mistral-Small-3.2-24B-Instruct-2506-GGUF. В README указано, что вариант квантования q2 работает, однако энкодер более высокого уровня лучше следует исходному запросу. Точные архитектура, размер, контекст и набор модальностей не указаны; заявлен английский язык. Модель подходит для локальной генерации изображений и экспериментов с ComfyUI, особенно когда важны детализированные сцены и отображение текста на изображении. Ограничения включают зависимость от правильно установленных компонентов и возможное снижение точности следования промпту при использовании низкоуровневого q2-энкодера. Распространение регулируется лицензией flux-dev-non-commercial-license; коммерческое использование README не разрешает.

WANG-CC/flux2-klein-9b-uncensored-text-encoder-Q8_0-GGUF — это текстовый энкодер для семейства text-to-image FLUX.2 Klein, разработанный на основе модели ponpoke/flux2-klein-9b-uncensored-text-encoder. Модель конвертирована в формат GGUF с использованием llama.cpp и инфраструктуры GGUF-my-repo; для запуска заявлена совместимость с llama.cpp в режиме CLI или сервера. Модель предназначена для обработки текстовых запросов в сценариях генерации изображений FLUX.2, а также может использоваться для локального текстового вывода через llama.cpp. В карточке указаны английский и японский языки. Размер модели обозначен как 9B, применяется квантование Q8_0. Контекст запуска в примере установлен на 2048 токенов, однако это значение относится к конфигурации запуска, а не обязательно к максимальному контексту модели. К сильным сторонам относятся локальный запуск через llama.cpp и уменьшенный по сравнению с полноразмерными весами объём хранения благодаря формату GGUF. При этом модель имеет удалённую фильтрацию безопасности и может генерировать общий NSFW-контент, поэтому её использование требует соблюдения законодательства и ответственного применения. Лицензия указана как flux-non-commercial-v2.1; коммерческое использование, вероятно, ограничено условиями этой лицензии, которые необходимо проверить в полном тексте лицензии.

DeverStyle/Flux.2-Klein-Loras — набор LoRA-адаптеров, разработанный пользователем или организацией DeverStyle для модели black-forest-labs/FLUX.2-klein-9B Distilled. Адаптеры предназначены для генерации изображений по текстовому описанию и преобразования изображений в различных художественных стилях, включая Orange Splatter, Teal Dark, Blueprint/Wireframe, стилистику событий и карточек Slay the Spire 2, Cyanide and Happiness, Arcane и Devil May Cry, а также концепцию одежды на бельевой верёвке. Набор поддерживает text-to-image и, для некоторых адаптеров, image-to-image и редактирование изображений. Для активации стилей используются специальные триггерные слова, например dvr_osi_style, dvr_tldr_style, dvr_wf_style, sts2_style, ch_visual_style, arcane_visual_style и dmc_style. Для отдельных стилей рекомендуются дополнительные текстовые модификаторы; некоторые варианты имеют экспериментальный статус. Архитектура и размер соответствуют LoRA-адаптерам для базовой модели FLUX.2-klein-9B, однако сведения о языках и размере контекста не указаны. Сильная сторона набора — разнообразие специализированных визуальных стилей и возможность применять их в генерации, преобразовании и редактировании изображений. Ограничения включают возможное появление фотореалистичного результата при некоторых запросах и необходимость подбора силы адаптера и формулировок промпта. Распространение заявлено по лицензии Apache-2.0, но автор отдельно указывает, что адаптеры предназначены для исследовательских, а не коммерческих целей; отдельные стили могут быть связаны с защищёнными авторским правом произведениями, поэтому пользователь самостоятельно отвечает за соблюдение законодательства.

recoilme/insomnia_v2 — модель генерации текста на архитектуре GPT-2, разработанная на основе GPT-2 small. Она предназначена для создания текстовых промптов для SDXL и похожих моделей генерации изображений; добавление описания стиля помогает влиять на желаемый вид результата. Модель обучена на синтетических промптах, созданных с помощью Mistral 7B, из набора recoilme/SyntheticPrompts. Модель использует библиотеку Transformers и распространяется в форматах PyTorch и Safetensors. Метаданные указывают контекст до 1024 токенов и поддержку английского языка. Лицензия — MIT. Карточка не приводит оценок качества или подробностей о безопасной генерации, поэтому применимость результатов стоит проверять на целевых сценариях.

Kohaku XL Zeta — модель генерации изображений по тексту на базе Stable Diffusion XL, разработанная KBlueLeaf как дообучение Kohaku-XL-Epsilon-rev2. Она предназначена прежде всего для создания аниме- и иллюстративных изображений по тегам и описаниям на естественном языке; оба вида подсказок можно сочетать. Автор отмечает улучшенную передачу стиля и персонажей, более устойчивую генерацию и поддержку длинных подсказок, хотя подробный промпт не обязателен. Модель обучена на объединённом наборе примерно из 8,46 млн изображений Danbooru, Pixiv, PVC-фигурок и Realbooru. Для генерации рекомендованы разрешение около 1024×1024, CFG 3,5–6,5 и 12–50 шагов. Используется архитектура Stable Diffusion XL; модель распространяется в форматах Diffusers/PyTorch и Safetensors. Карточка задаёт лицензию как other, не приводя в предоставленных данных конкретных условий использования.

Disty0/LCM_SoteMix — аниме-модель для генерации изображений из текста на основе Stable Diffusion 1.5, преобразованная в формат LCM из оригинальной SoteMix. Разработчик указывает, что генерация возможна за 4 шага; рекомендует сэмплер LCM, 4–8 шагов, CFG 0 или 1 и базовые разрешения от 512 до 1024 пикселей, включая портретный формат 768×1280. В репозитории также указаны варианты ONNX и OpenVINO. Модель ориентирована на создание аниме-иллюстраций по текстовым запросам. Веса включают VAE Blessed2. Лицензия — CreativeML OpenRAIL-M; применяйте модель с учётом условий этой лицензии. Указанные настройки и разрешения являются рекомендациями автора, а качество результата может зависеть от запроса и используемой реализации.

xFutureTechx/lost_and_found_2025 — дообученная на базе Stable Diffusion v1.5 модель для генерации изображений по текстовым запросам. Репозиторий создан в 2023 году и содержит веса в формате safetensors; модель рассчитана на создание иллюстраций, аниме и изображений в стиле комиксов. Карточка описывает репозиторий как личное собрание моделей и не приводит точных сведений об обучении, архитектурных изменениях или настройках генерации. Для использования указана лицензия CreativeML Open RAIL-M.

ShadoWxShinigamI/Midjourney-v4-PaintArt — модель генерации изображений по текстовому описанию, созданная ShadoWxShinigamI на базе Stable Diffusion 1.5. Она обучалась 2080 шагов на 26 изображениях с размером пакета 4 и разрешением 512×512, чтобы передавать иллюстративный стиль PaintArt. Для генерации рекомендуется начинать запрос с токена «mdjrny-pntrt»; для сложных объектов автор советует добавлять контекстные детали. Модель рассчитана на создание стилизованных иллюстраций по текстовым запросам. Репозиторий содержит веса в формате safetensors для Diffusers; лицензия — OpenRAIL. Ограниченный объём обучающих данных может сужать разнообразие изображений и приводить к нестабильным результатам для отдельных объектов или композиций.

Mila — модель типа LoRA для генерации изображений по текстовому описанию, опубликованная пользователем или организацией Milamagalvaes. В README она обозначена как diffusion-LoRA и совместимая с Diffusers; для активации указан триггерный текст nnn. Также приведён пример использования в сценарии image-to-image или inpainting на базе Qwen Image, однако базовая модель явно не указана. Модель предназначена для текстово-управляемой генерации и, вероятно, адаптации изображений, но сведения о её специализации, архитектуре, размере, поддерживаемых языках, максимальном контексте и практических ограничениях отсутствуют. Сильной стороной является формат LoRA, который обычно позволяет подключать адаптацию к совместимой базовой модели с меньшими вычислительными затратами, однако совместимость и качество зависят от неизвестной базовой модели. Лицензия указана как unknown, поэтому условия использования необходимо уточнить у автора.

Ming-UniVision-16B-A3B — мультимодальная авторегрессионная модель от inclusionAI для совместного понимания и генерации изображений в диалоге. Она использует непрерывные визуальные представления MingTok в единой схеме предсказания следующего токена, без дискретного квантования изображений и отдельных модальных голов. Архитектура в метаданных обозначена как BailingMMNativeForConditionalGeneration; веса опубликованы в формате safetensors, библиотека — Transformers. Модель предназначена для вопросов по изображениям, генерации изображений и их редактирования, включая многошаговые сценарии, где пользователь чередует запросы на понимание и изменение изображения. README сообщает о согласованном пространстве представлений для визуального понимания и генерации, а также о более быстром сходимости совместного обучения; заявлено ускорение в 3,5 раза. Поддерживаемые языки по метаданным — английский и китайский. Модель распространяется по лицензии Apache-2.0. В README не приведены конкретные сведения о размере контекстного окна и практических ограничениях качества; модельная карточка не содержит примеров использования или подробных инструкций по запуску.

Mol-Keun Mix V3 NoobAI XL — модель преобразования текста в изображение для генерации изображений по текстовым описаниям. Модель опубликована на Hugging Face пользователем John6666; в README указано, что её создал Mol_Keun, а базовой моделью является Laxhar/noobai-XL-1.0. Модель основана на Stable Diffusion XL и предназначена для использования с Diffusers через StableDiffusionXLPipeline. По тематическим тегам она ориентирована на стили anime, furry, anthro и kemono, а также связана с семейством Illustrious и NoobAI. Поддерживаемый язык текстовых запросов — английский. Модель распространяется по лицензии faipl-1.0-sd, обозначенной в метаданных как other. Сведения о размере модели, длине контекста и дополнительных ограничениях в предоставленных данных отсутствуют.

Gthalmie1/moody-wild-mix-v2-gguf — это GGUF-квантизированная версия модели Moody Wild Mix, разработанной catlover1937 и опубликованной в исходном виде на Civitai. Модель предназначена для генерации изображений по текстовому описанию и интегрируется с библиотекой Diffusers. В README указано, что модель ориентирована на английский язык и относится к классу text-to-image. Формат GGUF может быть полезен для более эффективного хранения и запуска модели в совместимых инструментах, однако конкретный метод квантизации, размер модели, архитектура, поддерживаемые разрешения, длина контекста и набор модальностей не указаны. Сильная сторона модели — возможность использовать вариант Moody Wild Mix в компактном GGUF-представлении. При этом README не содержит сведений о качестве генерации, предпочтительных сценариях, ограничениях, системных требованиях или совместимости с конкретными версиями программного обеспечения. Лицензия указана как Apache-2.0; дополнительные условия исходной модели или платформы Civitai в предоставленных данных не описаны.

NovelAI Diffusion Anime V2 — модель генерации изображений в стиле аниме, разработанная NovelAI на основе Stable Diffusion 1.5. Репозиторий содержит компоненты UNet и VAE в форматах Diffusers и Safetensors; для полного запуска README рекомендует добавить остальные компоненты из исходной Stable Diffusion 1.4. Модель обучалась с текстовыми эмбеддингами предпоследнего слоя CLIP, поэтому в зависимости от программы вывода может потребоваться CLIP skip 2. Модель предназначена для создания аниме-иллюстраций по текстовым запросам и поддерживает разрешение около одного мегапикселя, включая 832×1216, 1024×1024 и 1216×832. Это более ранняя версия модели NovelAI. Условия выпуска — исследовательское и личное использование; указана лицензия other. Классический чекпойнт CKPT также доступен, но разработчик не проверял его корректность.

Naturitize Image Pack — дообученная модель для Stable Diffusion 2.1, опубликованная под именем plasmo. Она предназначена для генерации изображений по текстовым запросам в разрешении 768 пикселей и добавляет к базовой модели стиль с природными, землистыми текстурами. Для активации эффекта автор рекомендует начинать запрос со слова «naturitize»; также можно сочетать модель с embeddings. Для работы требуется Stable Diffusion 2.1 и файл naturitize-SD2.1-768px.yaml рядом с файлами модели. Модель обучена на 112 изображениях с разрешением 768 пикселей в течение 8000 шагов, включая 500 шагов обучения текстового энкодера. Файлы доступны в форматах Diffusers и PyTorch; лицензия — CreativeML Open RAIL-M.

NoobAI-XL-1.0 — диффузионная модель генерации изображений по текстовому описанию от Laxhar Lab. Она дообучена на базе NoobAI-XL-0.77; в README исходной моделью названа Illustrious-xl. Для обучения использовались изображения из Danbooru и e621 с подписями в виде тегов, поэтому модель ориентирована на генерацию изображений по теговым промптам. Рекомендуются CFG 5–6, 25–30 шагов и разрешение около 1024×1024; среди предложенных размеров — 832×1216 и 1216×832. Модель предназначена для создания иллюстраций по текстовым запросам. В README приведены рекомендуемые префикс промпта и негативный промпт, а также описаны связанные ControlNet-модели для normal, depth и canny. Основной указанный язык карточки — английский; данные обучения ориентированы на теги. Лицензия обозначена как other, а README запрещает коммерческое использование, требует открывать производные модели и соблюдать Fair AI Public License. Генерация может давать неожиданные или вредные результаты; качество зависит от промпта и настроек семплирования.

OpenGen Diffusers — версия модели OpenGen в формате Diffusers с интегрированным Color101VAE. Она предназначена для создания изображений по текстовым описаниям и может использоваться для генерации художественных иллюстраций с яркими цветами и детализированной эстетикой. Пример в карточке показывает фантазийный образ с неоновым светом, природными мотивами и элементами биомеханического костюма. Модель распространяется в форматах PyTorch и Safetensors для библиотеки Diffusers. В карточке указана лицензия CreativeML Open RAIL-M. Сведения о базовой модели, размере и длине контекста не приведены.

tlennon-ie/QwenEdit2509-FlatLogColor — это LoRA-адаптер для Qwen-Image-Edit-2509, разработанный пользователем или организацией tlennon-ie. Модель предназначена для редактирования изображений по текстовой инструкции и преобразования исходного изображения в плоский, ненасыщенный и низкоконтрастный вид, напоминающий лог-профиль камеры, с сохранением деталей в светлых и тёмных областях. Адаптер работает в сценариях image-to-image и используется совместно с базовой моделью Qwen/Qwen-Image-Edit-2509 через экосистему Diffusers. Для активации в примерах применяется триггерное слово «flatcolor». Поддерживается обработка изображений с текстовым управлением; сведения о размере адаптера, точной архитектуре, языках, максимальном контексте и вычислительных требованиях не указаны. Сильная сторона модели — специализированная цветокоррекция с сохранением деталей и воспроизводимым визуальным эффектом. Ограничение состоит в узкой специализации и зависимости от базовой модели Qwen-Image-Edit-2509. Лицензия в README не указана.

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.

Raena XL V2 — модель генерации изображений на основе SDXL, разработанная Raelina и дообученная на базе Animagine XL 4.0. Она предназначена для создания 2D-аниме-иллюстраций по текстовым запросам; для промптов рекомендуется стиль booru-тегов. Модель ориентирована на яркие цвета, чёткий лайнарт, согласованность изображений, проработку персонажей и высокую детализацию. Для генерации автор рекомендует CFG 5–6, 28 шагов и сэмплер Euler a; доступны настройки Hires.fix с апскейлером 4x_NMKD-YandereNeoXL. В качестве базовой модели используется Animagine XL 4.0. Модель опубликована в форматах Diffusers и safetensors; лицензия — CreativeML Open RAIL++-M. Карточка не сообщает ограничений помимо условий лицензии.

Serenity — пользовательская объединённая модель для Stable Diffusion 1.5, опубликованная malcolmrey. Она предназначена для генерации изображений по текстовым запросам и доступна в форматах safetensors и diffusers. Модель рассчитана на англоязычные запросы. Репозиторий распространяется по лицензии MIT. В метаданных указана задача text-to-image и библиотека Diffusers. Карточка не описывает специализацию модели, её размер, контекст или подтверждённые ограничения качества.

Stable Audio 3 Medium — модель Stability AI для генерации и редактирования аудио по текстовому описанию. Она предназначена для создания музыки и звуковых эффектов, в том числе аудио переменной длительности, продолжения коротких записей и локального редактирования с помощью inpainting. Модель использует латентную диффузию на базе трансформера и семантико-акустический автоэнкодер для компактного представления аудио. По заявлению разработчиков, adversarial post-training сокращает число шагов инференса и повышает точность следования запросу. Модель рассчитана на английские текстовые описания; карточка указывает, что веса обучались на лицензированных и Creative Commons аудиозаписях. Для использования доступны библиотека stable-audio-3 и исследовательская библиотека stable-audio-tools. Репозиторий содержит safetensors и является дообучением stabilityai/stable-audio-3-medium-base. Указана Stability AI Community License; для коммерческого использования разработчики предлагают обратиться к отдельным условиям коммерческой лицензии. Модель принимает текст, а при редактировании также использует аудио; основной заявленный сценарий генерации — текст в аудио.

UnknownX — модель генерации изображений по текстовому описанию, опубликованная пользователем ddPn08 на Hugging Face и представленная в формате Diffusers. В README она названа неизвестной моделью генерации изображений; приведённые сведения указывают на использование базы Stable Diffusion 1.4 и методов DreamBooth с LoRA, LyCORIS LoRA или LoHa. По этим данным её можно отнести к дообученным моделям генерации изображений по тексту. Модель принимает текстовый запрос и выдаёт изображение. Метаданные указывают английский язык; других языков и специализированных областей применения карточка не подтверждает. Лицензия обозначена как other, поэтому условия использования следует проверять в файлах репозитория и у автора. Параметры модели, контекст и конкретные стили или предметы дообучения в карточке не описаны.

Vyvo/Vyvo-Multilingual-EN-FT-v0.1 — дообученная компанией Vyvo модель синтеза английской речи с клонированием голоса. Она продолжает аудиопоследовательность как языковая модель: для генерации нужны короткий аудиореференс с расшифровкой и целевой текст. Модель рассчитана на один выразительный голос и английский язык. Модель основана на Vyvo/Vyvo-Multilingual-v0.1, использует плотную архитектуру Qwen3 с 574,8 млн параметров и аудиокодек kyutai/mimi с 32 кодовыми книгами и частотой 24 кГц. Контекст — до 40 960 токенов. Полное дообучение снизило WER английской речи для этого голоса относительно базовой модели; в оценке из карточки лучший результат получен при генерации нескольких вариантов с отбором по совпадению распознанного текста. Для работы требуется транскрипт референсного аудио: без него клонирование голоса не работает надёжно. Жадное декодирование может обрывать длинные фразы, а редкие имена иногда произносятся неверно. Модель распространяется по лицензии MIT.

efwkjn/whisper-ja-anime-v0.1 — экспериментальная модель распознавания речи на основе Whisper, ориентированная на японскую речь и аудио из аниме и близких к нему областей. По карточке, это вариант с замороженным turbo-энкодером и двумя слоями декодера; автор сообщает об обучении в течение 2^19 шагов с размером пакета 8 и отмечает, что модель, вероятно, обучена недостаточно. В метаданных указаны архитектура Whisper, класс WhisperForConditionalGeneration и 905,2 млн параметров. Модель предназначена для японской транскрибации, в том числе длинных записей и аудио с аниме-сценами. Автор стремился сделать её заменой Whisper turbo и снизить галлюцинации. На тестах результаты на аниме-наборах были сопоставимы с anime-whisper или хуже, а на TEDxJP модель немного уступала turbo. В README также отмечены галлюцинации на некоторых аудиозаписях и трудности с акцентами. Файлы опубликованы в формате safetensors; сведения о лицензии в предоставленных материалах отсутствуют.

MLbackup/01_2025 — модель для генерации изображений по текстовому описанию, опубликованная в формате, совместимом с библиотекой Diffusers. По карточке она представляет собой safetensors-бэкап или производную от моделей AstraliteHeart/pony-diffusion-v6, stabilityai/stable-diffusion-xl-base-1.0 и OnomaAIResearch/Illustrious-xl-early-release-v0; также указана принадлежность к семейству LoRA и PonyXL. Основной сценарий использования — создание художественных и anime-изображений из текстовых промптов. Модель ориентирована на английский язык и относится к text-to-image pipeline. Точные сведения о размере, архитектуре конкретного файла, поддерживаемых разрешениях, длине контекста и фактическом наборе модальностей в карточке не указаны. К сильным сторонам относятся использование экосистемы Stable Diffusion XL и специализация на художественной и anime-генерации. Ограничения включают отсутствие подробной документации по качеству, настройке и совместимости, а также пометку о контенте не для всех аудиторий. Модель распространяется по лицензии CreativeML Open RAIL-M. Условия лицензии и ограничения на использование следует учитывать перед применением, особенно в сценариях, связанных с распространением сгенерированных материалов.