I.10Видео, анимация и 3D

digiplay/2-KWI — модель генерации изображений по текстовому описанию в формате Diffusers, опубликованная на Hugging Face. README содержит ссылку на демонстрационное изображение с описанием девушки в поле, поэтому модель предназначена для создания изображений по текстовым запросам. В метаданных указаны форматы PyTorch и Safetensors, а также лицензия other. Карточка не сообщает размер модели, длину контекста, поддерживаемые языки или подробности обучения. Пример в README показывает художественный сюжет с персонажем и цветами, но сам по себе не подтверждает специализацию модели. Условия лицензии следует сверять с файлами репозитория, поскольку метаданные содержат только обозначение other.

Abyss Orange Mix — модель генерации изображений по текстовому описанию, опубликованная Yntec на Hugging Face. Это вариант разрешения 768×768 с VAE MoistMixV2, встроенным в веса. В метаданных указаны библиотека Diffusers, форматы Diffusers и safetensors, а также лицензия CreativeML OpenRAIL-M. Модель предназначена для создания изображений по промптам. Примеры в карточке демонстрируют иллюстрации в аниме- и цифровом художественном стилях, включая портреты, персонажей, сцены и обложки. Среди примеров также есть изображения с персонажами, описанными как дети; соблюдайте применимые ограничения лицензии и правила использования. Размер модели, базовая модель и поддерживаемые языки в доступных данных не установлены.

Карточка модели poroping/acestep-v15-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.

Alephzero Neurolingiust SDXL — модель для генерации изображений по текстовому описанию, совместимая с библиотекой Diffusers и предназначенная для сценариев text-to-image. Она ориентирована прежде всего на создание аниме-изображений, включая изображения девушек. Модель основана на OnomaAIResearch/Illustrious-XL-v2.0 и относится к семейству Stable Diffusion XL. В README указана поддержка английского языка. Точные сведения о количестве параметров, максимальном размере контекста, дополнительных модальностях, сильных сторонах и ограничениях не приведены. Модель создана EmptyYnes. Условия использования определяются лицензией FAIR-1.0-SD (FAIPL-1.0-SD); подробности доступны по ссылке, указанной в README.

All Roads Lead To Retro — модель генерации изображений по текстовому описанию, созданная путём слияния DucHaitenRetro v1 и the-allys-mix-iii-revolutions. По карточке, объединение выполнено через SuperMerger с настройкой Weight sum MBW, после чего к модели был подключён VAE; репозиторий использует Diffusers и формат safetensors. Модель предназначена для создания иллюстраций и изображений с ретро-эстетикой: в примерах есть мультяшные сцены, винтажная рекламная графика, журнальные образы 1960-х и фотографии с эффектом VHS или Kodachrome. Пользователь задаёт сцену и визуальный стиль текстовым промптом, а модель выдаёт изображение. Примеры ориентированы на портреты, персонажей и постановочные сцены с тёплой ностальгической стилизацией. Лицензия — CreativeML Open RAIL-M; она содержит условия использования и ограничения, которые следует проверить перед применением модели.

Anima-2.9B — экспериментальная модель генерации изображений, разработанная автором репозитория как дообучение и расширение слоёв circlestone-labs/Anima. Она предназначена прежде всего для создания аниме-иллюстраций и другого нефотореалистичного арта по текстовым запросам. Архитектура AnimaDiT расширена с 28 до 40 трансформерных слоёв; размер составляет около 2,9 млрд параметров. В версии preview v1 дообучались только новые слои на дополнительных 1,7 млн примеров аниме и иллюстраций. Карточка указывает английский язык; подсказки модели могут включать теги и естественный язык. Модель рассчитана на работу в ComfyUI и Forge-Neo. Автор рекомендует подробные промпты, разрешения от 812×1216 до 1536×1536, 28–50 шагов и CFG 3,5–5. Обучение продолжается, поэтому качество и понимание промптов могут меняться; короткие запросы часто дают простые фоны. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты.

Anima-2.9B — модель генерации изображений по текстовому описанию, созданная автором репозитория как дообучение и расширение слоёв circlestone-labs/Anima. Она предназначена прежде всего для создания аниме-иллюстраций и другого непохожего на фотографию арта. Модель использует архитектуру AnimaDiT с 40 трансформерными слоями и примерно 2,9 млрд параметров; обучена на дополнительных 1,7 млн образцов аниме и иллюстраций. Поддерживает английские подписи, сочетающие теги и естественный язык. Модель рассчитана на подробные промпты: теги качества и периода, имена персонажей и художников, теги произведения и внешности помогают управлять результатом. Автор рекомендует ComfyUI и Forge-Neo, а также приводит настройки генерации для разрешений от 812×1216 до 1536×1536. Короткие запросы могут давать простые фоны и менее точные результаты; многоперсонажные сцены требуют явного связывания тегов с персонажами. Лицензия указана как other, поэтому конкретные условия использования следует проверять на странице модели.

animuwultimate-1.4.5 — форк Stable Diffusion 1.4, доработанный для генерации изображений с аниме-персонажами и пейзажами. Автор демонстрирует примеры сезонных сцен с персонажами и указывает параметры генерации: изображения 512×768, 35 шагов и sampler DPM++ 3M SDE (Karras). Модель предназначена для создания аниме-иллюстраций по текстовым запросам и распространяется в форматах Diffusers, PyTorch и Safetensors. Лицензия — CreativeML OpenRAIL-M. В карточке автор сообщает, что проблему блеклых цветов, связанную с VAE, исправили после первого релиза; в примечании также упоминаются проблемы Hugging Face API. Подробности обучения, размер модели и поддерживаемые языки не приводятся.

Это языковая модель BLOOM с 659,6 млн параметров, дообученная mrm8488 на наборе Gustavosta/Stable-Diffusion-Prompts. Она генерирует текстовые описания и промпты для Stable Diffusion по текстовому контексту. Модель построена на плотной авторегрессионной архитектуре BLOOM, работает с текстом и имеет контекстное окно 2048 токенов. В карточке приведён результат оценки на тестовой выборке: loss 0,8742. Модель может быть полезна для создания и продолжения промптов для генерации изображений, однако README не описывает её intended use, методику оценки или ограничения качества. Лицензия — BigScience BLOOM RAIL 1.0; перед применением следует учитывать её условия.

Cat Collar — модель генерации изображений по тексту, разработанная nuko masshigura и дообученная на базе Chroma1-HD для усиления аниме-стиля. Она предназначена для создания аниме-иллюстраций по описаниям на английском языке, включая промпты в формате естественного языка и теги Danbooru. Разработчик отмечает, что обучение не было направлено на добавление персонажей. Модель основана на Chroma1-HD, который, согласно метаданным, построен на FLUX.1-schnell. В карточке указаны компоненты T5 XXL или FLAN-T5-XXL в качестве текстового энкодера и Flux.1 AE в качестве автоэнкодера. Для работы предлагаются ComfyUI, Forge Neo или Forge; в README приведены рекомендуемые настройки генерации, включая разрешение около одного мегапикселя. Модель распространяется по лицензии Apache License 2.0.

ClaymationXmas — модель генерации изображений по текстовому запросу в стиле рождественской пластилиновой анимации. Она опубликована Norod78 и предназначена для создания изображений с этим визуальным концептом; карточка предлагает использовать её через интерфейсы A1111 или Diffusers. Модель распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M. В метаданных указан английский язык, а среди связанных данных — набор подписей к изображениям ChristmasClaymation. Размер модели, архитектура сверх указания StableDiffusionPipeline и длина контекста не приведены. Описание README краткое и не сообщает о конкретных ограничениях качества или эксплуатации.

Clover Image Tiny — компактная модель генерации изображений из текста, опубликованная neonforestmist. Она построена на архитектуре BK-SDM-Tiny и дообучена методом дистилляции с учителем Stable Diffusion v1.4; денойзер содержит 323,4 млн параметров. Модель создаёт изображения с родным разрешением 512 × 512 и предназначена для локального, в том числе офлайн, запуска в приложениях. Для работы доступны Diffusers и отдельные варианты Core ML; LoRA-адаптеры позволяют менять визуальный стиль. В опубликованном тесте на NVIDIA A10G среднее время генерации составило 1,024 секунды при 30 шагах DDIM, а пиковое потребление CUDA-памяти — 2233 МБ. Эти показатели относятся к указанной конфигурации и не гарантируют такую же скорость на других устройствах. Сравнительный тест не показывает общего преимущества по качеству или скорости; оценка CLIP отражает соответствие промпту, а не общую визуальную ценность. В поставку Diffusers входят текстовый энкодер, VAE и safety checker; фильтр может пропускать нежелательные изображения или блокировать допустимые. Лицензия — CreativeML OpenRAIL-M.

Colorjizz-512px v.1.0 — модель генерации изображений по текстовому описанию для Stable Diffusion 1.5. Она создана на основе 130 обучающих изображений разрешением 512 пикселей и обучалась 8000 шагов; текстовая часть обучения составляла 30%. Концепт разработан с разрешения автора изображений, вдохновлённых работами Destiny K. Модель предназначена для создания изображений в стиле Colorjizz по текстовым запросам. В README рекомендуется версия Colorjizz-768px для более высокого разрешения. Модель распространяется по лицензии CreativeML OpenRAIL-M; условия лицензии следует учитывать при использовании и распространении сгенерированных изображений.

Proxima darkvictorian_artstyle — дообученная модель для генерации изображений в тёмной викторианской художественной стилистике. В README указано, что версия v1 обучена на Stable Diffusion 1.4, а v2 — на Stable Diffusion 1.5; для применения стиля в запросе рекомендуется использовать токены «darkvictorian artstyle». Также автор добавил вариант LoRA. Модель предназначена для создания мрачных викторианских иллюстраций по текстовым описаниям. Репозиторий содержит веса в форматах Diffusers и PyTorch; в метаданных указаны библиотека Diffusers и задача text-to-image. Лицензия — CreativeML OpenRAIL-M. Для LoRA-варианта требуется совместимая базовая модель Stable Diffusion.

Dramatic_Lighting_Slider — это LoRA-модель для генерации изображений по текстовому описанию, разработанная LyliaEngine на базе OnomaAIResearch/Illustrious-xl-early-release-v0. Она предназначена для усиления драматического освещения и атмосферных эффектов в совместимых моделях SDXL, включая аниме-модели, PonyXL, Illustrious и некоторые реалистичные Pony-модели. Модель воздействует преимущественно на освещение и окружение, стараясь не изменять внешность основного объекта или персонажа. Слайдер позволяет плавно регулировать интенсивность эффекта с шагом 0,10 без активационного ключевого слова. Он добавляет сильные тени, яркие световые акценты и атмосферность; эффект можно дополнительно усилить описаниями вроде «golden hour», «volumetric light» и «dim atmosphere». Для аниме-моделей рекомендуются значения до 5,0, а для реалистичных Pony-моделей — до 3,0; при более высоких значениях изображение может изменяться заметнее. Языки, точный размер и сведения о поддерживаемых модальностях, кроме генерации изображений, не указаны. Модель распространяется по лицензии CDLA-Permissive-2.0.

EarthnDusk-Nov-SD15-Merges-Mixes — набор смешанных и объединённых моделей Stable Diffusion 1.5 от Earth & Dusk, распространяемый в формате safetensors и рассчитанный на генерацию изображений по текстовым запросам. Карточка относит модели к иллюстрации, аниме и комиксам; для работы используется библиотека Diffusers. Модель подходит для создания иллюстраций и изображений в стилистике аниме и комиксов по текстовому описанию. В README авторы предлагают повторно использовать и объединять модели с указанием авторства и сохранением метаданных. Базовые модели, точные характеристики отдельных вариантов и длина контекста в карточке не описаны. Указанная лицензия — CreativeML OpenRAIL-M. Авторы просят не перезагружать модели без разрешения и рекомендуют указывать авторство при повторном использовании и объединении.

Gemini 2.5 Flash Image, также известная как Nano Banana, — модель Google для генерации изображений с контекстным пониманием. Она предназначена для создания изображений по запросам и работы с визуальным контекстом. Карточка описывает модель как общедоступную и отмечает её возможности генерации изображений. В доступных сведениях не приведены размер модели, архитектура, поддерживаемые языки, длина контекста и условия лицензии. Каталог классифицирует её как image-text-to-text; подробности о входных данных и ограничениях в карточке отсутствуют.

GPT-5 Image Mini сочетает языковые возможности GPT-5 Mini с генерацией изображений на базе GPT Image 1 Mini. Это мультимодальная модель OpenAI, предназначенная для создания изображений по текстовым инструкциям и взаимодействия с текстом и изображениями. Доступный фрагмент карточки отмечает следование инструкциям и эффективность генерации изображений. Данных о размере, длине контекста, поддерживаемых языках и лицензии в предоставленных материалах нет. Полная карточка не представлена, поэтому подробности о возможностях и ограничениях модели установить нельзя.

HDM-xut-340M-Anime — модель генерации изображений в аниме-стиле от разработчика проекта HDM (Home made Diffusion Model). Она предназначена для создания иллюстраций по текстовым запросам и рассчитана на запуск и обучение с ограниченными ресурсами. В основе — разработанная для мультимодальной генерации архитектура XUT (Cross-U-Transformer); размер модели указан в названии как 340 млн параметров. Репозиторий использует Diffusers и формат Safetensors. Модель ориентирована на аниме-персонажей и сцены, в том числе с запросами в виде тегов Danbooru и описаний на естественном языке. В README рекомендованы подробные промпты, CFG 2–4 и 16–32 шага генерации; для версии 1024 px предложены разрешения с площадью не менее 1024×1024. В обучении использовались датасеты Amber-River/Pixiv-2.6M и KBlueLeaf/danbooru2023-webp-4Mpixel. Лицензия — CC; конкретный вариант лицензии в предоставленных данных не уточнён.

Yntec/iffyMix — слитая модель на базе Stable Diffusion 1.5, созданная объединением YiffyMix 3.1 и nuipenimix 2.0 с помощью SuperMerger. Она генерирует изображения по текстовым промптам и ориентирована на аниме, мультяшную иллюстрацию и furry-стиль; примеры охватывают персонажей, портреты и изображения животных. Модель распространяется в форматах Diffusers и Safetensors по лицензии CreativeML OpenRAIL-M. Карточка не сообщает размер модели или длину контекста.

Kohaku XL Epsilon rev2 — модель преобразования текста в изображения на базе Stable Diffusion XL, опубликованная KBlueLeaf. Это продолжение обучения Kohaku XL Epsilon rev1 на 1,56 млн изображений в течение пяти эпох. В обучающую выборку вошли работы выбранных художников, изображения по отдельным сериям и играм, а также фотографии коллекционных PVC-фигурок. Модель предназначена для генерации изображений по текстовым запросам, в том числе изображений в стиле PVC-фигурок. Она обучалась на разрешении 1024×1024 с поддержкой разных пропорций и диапазона разрешений от 256 до 4096 пикселей; автор рекомендует использовать разрешение немного выше 1024×1024 и hires-fix для улучшения результата. В README приведены теги качества, рейтинга и даты, которые можно включать в запрос. Модель распространяется в формате Diffusers с весами Safetensors. Лицензия указана как other, без уточнения условий в предоставленных данных. Она обучалась на контенте с рейтингами от safe до explicit и может создавать изображения для взрослых; качество зависит от формулировки запроса и разрешения.

MeinaMix V10 — модель генерации изображений по текстовому описанию, созданная автором Meina. Она рассчитана на создание художественных изображений, особенно в аниме-стиле, и призвана давать выразительный результат при коротких промптах. Модель использует Stable Diffusion и запускается через Diffusers; веса доступны в форматах Diffusers и safetensors. Для портретов автор рекомендует разрешения 512×768 или 512×1024, для пейзажей — 768×512, 1024×512 или 1536×512. В рекомендациях также приведены настройки сэмплеров Euler a и DPM++ SDE Karras, CFG 7 и Clip Skip 2; для удалённых персонажей предлагается Hires.fix для повышения детализации лица и глаз. Модель распространяется бесплатно по лицензии CreativeML OpenRAIL-M. Качество результата зависит от промпта и настроек генерации; для некоторых композиций автор советует дополнительное увеличение разрешения. Сведения о числе параметров и длине контекста в доступных материалах отсутствуют, что типично для модели генерации изображений.

Incursio's Meme Diffusion 1.6 — модель генерации изображений по текстовому описанию, созданная объединением весов модели incursiosMeme_v16NonPruned.safetensors с настройками AnythingV4. Она предназначена для создания стилизованных иллюстраций, в том числе чиби-персонажей и аниме-образов; пример в карточке показывает подробный художественный промпт с элементами цифровой живописи и концепт-арта. Модель опубликована в формате Diffusers и Safetensors и использует лицензию CreativeML OpenRAIL-M. Подробности о размере, контексте и поддерживаемых языках карточка не приводит.

Noct Q — модифицированная версия Qwen-Image-2.1, созданная для генерации реалистичных изображений по текстовым описаниям, включая обнажённые тела и откровенные сцены. Модель также подходит для фотореалистичных сцен, иллюстраций и изображений с читаемыми надписями; автор рекомендует формулировать запросы полными предложениями, описывая персонажа, действие, место, освещение и кадрирование. Модель работает в ComfyUI как diffusion-модель и поддерживает редактирование изображений через шаблон Qwen Image 2.1 edit. В репозитории приведён файл V4 в формате safetensors размером 7,3 ГБ, рассчитанный на видеокарты с 8–12 ГБ памяти; также упомянуты предыдущая версия V3 и отдельные текстовый энкодер и VAE. README рекомендует 25 шагов генерации и портретное разрешение 1024×1536. Основана на слиянии Qwen/Qwen-Image-2.1; лицензия указана как other, поэтому условия использования следует проверять на странице модели.

NoobAI XL V-Pred 0.65s — диффузионная модель для генерации изображений по текстовым описаниям и тегам, разработанная Laxhar Lab. Это дообучение модели Laxhar/noobai-XL_v1.0; в метаданных базовой моделью указана Laxhar/noobai-XL-Vpred-0.6. Модель ориентирована на иллюстрации, в том числе изображения в аниме-стиле, и обучалась на изображениях Danbooru и E621 с тегами и текстовыми подписями. Модель использует предсказание v (v-prediction) и предназначена для работы в Diffusers и интерфейсах генерации изображений. В README рекомендуются sampler Euler, CFG 4–5, 28–35 шагов и разрешения около 1024×1024 пикселей; другие sampler могут работать некорректно. Карточка указывает английский язык тегов. Лицензия обозначена как other; README запрещает коммерческое использование и требует открывать производные модели и работы на условиях fair-ai-public-license.

digiplay/pan04 — экспериментальная текстово-графическая модель, созданная как ремикс PerfectDeliberate-Anime_v1 и Noosphere_v4. Она предназначена для генерации изображений по текстовым запросам; в примерах показаны аниме-сцены, персонажи, фантастические мотивы и пейзажи. Модель опубликована в формате Diffusers с весами Safetensors. Автор помечает её как тестовую; лицензия указана как other, поэтому условия использования следует уточнить на странице модели. Сведений о размере, архитектуре, контексте и поддерживаемых языках карточка не содержит.

PixelArtRedmond 1.5V — это LoRA-адаптер для генерации изображений в стиле пиксель-арта на базе Stable Diffusion v1.5. Модель разработана автором artificialguybr; официальный сайт автора — artificialguy.com. Она предназначена для text-to-image задач, включая создание персонажей, игровых ассетов, сцен, портретов и иллюстраций с выраженной стилизацией под пиксельную графику. Адаптер совместим с runwayml/stable-diffusion-v1-5 и используется в экосистеме Diffusers и Stable Diffusion. В README указаны текстовый триггер «Pixel Art» и примеры с дополнительным идентификатором «PixArFK». Поддерживается генерация по текстовым описаниям; сведения о размере LoRA, точной архитектуре, языках, максимальном контексте и входных модальностях не предоставлены. Сильная сторона модели — специализация на едином визуальном стиле, однако качество и применимость зависят от базовой модели, промпта и параметров генерации. Модель распространяется по bespoke-lora-trained-license. Лицензия разрешает коммерческое использование на условиях аренды, допускает производные работы и требует соблюдения условий, опубликованных по указанной ссылке; возможность использования без указания авторства также обозначена в ссылке на лицензию.

PixelKicks — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec. Примеры в карточке показывают стилизацию изображений под аналоговую цветную фотографию 1970-х годов, кадры кино 1990-х и Kodachrome, с зернистостью плёнки и драматическим освещением. Модель предназначена для создания художественных изображений по текстовым запросам, включая портреты, сцены и иллюстрации с ретро-фотографической эстетикой. Репозиторий использует библиотеку Diffusers и формат Safetensors; указанная лицензия — CreativeML OpenRAIL-M.

Plat Diffusion v1.3.1 — модель генерации изображений по текстовому описанию, созданная p1atdev. Это латентная модель, дообученная на Waifu Diffusion v1.4 Anime Epoch 2; в обучении использовались изображения из niji・journey и генеративные изображения. Репозиторий содержит веса в форматах Diffusers и PyTorch, а для VAE автор рекомендует kl-f8-anime2.ckpt. Модель предназначена для создания изображений в аниме-стиле по текстовым запросам. Автор отмечает, что модель хуже справляется с изображением мужчин. В README также приведён рекомендуемый отрицательный запрос для снижения вероятности артефактов и нежелательных деталей. Лицензия — CreativeML OpenRAIL-M.

Electrofried разработал Promptmaster-mistral-7b — дообученную на собственном наборе данных Electrofried/promptmaster-data языковую модель семейства Mistral. Это плотная авторегрессионная модель на 7,1 млрд параметров с контекстом до 32 768 токенов, предназначенная для расширения кратких запросов в промпты для Stable Diffusion. Она добавляет ключевые слова и форматирует результат как промпт, не предназначенный для вывода пояснений. Модель принимает текстовый запрос и генерирует текст промпта на английском языке. Карточка сообщает о сильной склонности добавлять обнажённость и откровенные выражения даже при нейтральных запросах, в частности при упоминании женщины; набор обучения также содержит потенциально оскорбительные термины. Модель распространяется по лицензии Apache-2.0.