I.10Видео, анимация и 3D

Watercolor Style — это LoRA-адаптер для генерации изображений на основе text-to-image-модели Stable Diffusion XL Base 1.0. В карточке указан разработчик ostris. Адаптер предназначен для преобразования текстовых запросов в изображения с акварельной стилистикой и может применяться в сценариях художественной генерации, создания иллюстраций и стилизации изображений средствами совместимого пайплайна Diffusers и SDXL. Модель использует архитектуру LoRA поверх Stable Diffusion XL Base 1.0. Она работает с текстовыми запросами и генерирует изображения; сведения о размере, максимальном контексте, поддерживаемых языках и дополнительных модальностях не указаны. Специальное триггерное слово не требуется. Рекомендуемый вес адаптера — 1.0, однако для получения нужной степени стилизации его может потребоваться увеличить или уменьшить. Сильная сторона модели — специализированная акварельная стилизация произвольных текстовых описаний без обязательного использования триггеров. Ограничение заключается в зависимости от базовой модели Stable Diffusion XL Base 1.0 и совместимого инструментария; точность следования сложным запросам и качество результата могут зависеть от промпта и выбранного веса LoRA. Модель распространяется по лицензии Apache-2.0.

Это зеркальная копия базовой модели Z-Image в формате FP32, опубликованная slzd. Репозиторий указывает исходный коммит 1ac663b проекта Tongyi-MAI/Z-Image и предназначает веса для использования в обучающих запусках через Ostris AI Toolkit. Модель работает по задаче преобразования текстового описания в изображение и распространяется в формате Diffusers с файлами Safetensors. Лицензия — Apache-2.0. Карточка не сообщает размер модели, длину контекста или поддерживаемые языки; ограничений на использование, помимо условий лицензии, не описывает.

Карточка модели TTSCloneAPI/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.

nmuhammads/angel — это адаптер LoRA для генерации изображений по текстовому описанию, созданный пользователем или организацией nmuhammads. Модель предназначена для использования с библиотекой Diffusers и базовой моделью Qwen/Qwen-Image; её назначение, судя по названию и метаданным, связано с применением эффекта или визуальной концепции «angel», однако подробное описание результата в README отсутствует. Известно, что модель относится к семейству text-to-image и использует архитектуру LoRA поверх Qwen/Qwen-Image. Данные о размере адаптера, поддерживаемых языках, длине контекста, точных модальностях базовой модели, рекомендуемых параметрах и ограничениях качества не указаны. Лицензия — Apache-2.0. Для применения требуется совместимая базовая модель Qwen/Qwen-Image и инструменты Diffusers.

Anime-Llasa-3B-Captions — японская модель синтеза речи, созданная NandemoGHS дополнительным дообучением NandemoGHS/Anime-Llasa-3B. Это плотная Llama-совместимая языковая модель с 3,4 млрд параметров и контекстом до 131 072 токенов; веса опубликованы в формате safetensors. Для обучения использованы аудиоданные с подробными описаниями, профилями говорящих и тегами эмоций, подготовленными с помощью Gemini 2.5 Pro. Модель преобразует текст в речь и позволяет задавать характеристики звучания: описание аудио, голосовой профиль, эмоцию, настроение, темп, просодию, тембр и стиль. Такие параметры можно передавать в системном запросе, а отдельные указания, например шёпот, добавлять прямо в японский текст в полноширинных скобках. Модель рассчитана на японский язык и сценарии выразительной, управляемой синтезации речи. Следование управляющим тегам неполное и зависит от объёма и качества обучающих данных. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства на условиях, запрещающих коммерческое применение.

Карточка модели chxovo/anything-v5 на Hugging Face совпадает с карточкой genai-archive/anything-v5, поэтому описание составлено по ней. Anything V5 — модель генерации изображений по текстовому описанию из семейства Anything, связанного с автором проекта «万象熔炉»; этот репозиторий представляет собой повторную загрузку файлов с ModelScope. Модель предназначена прежде всего для создания изображений в аниме-стиле. Она доступна в формате Diffusers на базе PyTorch с весами Safetensors и распространяется по лицензии CreativeML OpenRAIL-M. Для получения нужного результата карточка рекомендует точные и подробные промпты: одной короткой подсказки может быть недостаточно. В README также приведён пример настроек Euler A, 20 шагов, CFG 7 и Clip Skip 2, но разрешается использовать другие семплеры и параметры. Для варианта NoVAE требуется отдельно выбрать внешний VAE. В карточке описаны несколько версий и вариантов семейства, поэтому характеристики отдельных вариантов, например совместимость с LoRA или наличие VAE, нельзя автоматически переносить на все файлы репозитория.

autismmixSDXL_autismmixConfetti — модель генерации изображений на основе LyliaEngine/Pony_Diffusion_V6_XL, опубликованная LyliaEngine и связанная с разработчиком Autismix_anon. Это вариант AutismMix_confetti, созданный смешиванием Pony с AnimeConfettiTune и AutismMix_pony. Модель предназначена для text-to-image генерации преимущественно аниме- и иллюстративных изображений, а также для работы с некоторыми LoRA, совместимыми с экосистемой Pony Diffusion. По заявлению автора, версия confetti обеспечивает более предсказуемое поведение, меньший разброс стилей и лучшее качество рук по сравнению с базовым Pony, сохраняя интерпретацию запросов и знания о стилях. Для управления стилем рекомендуется использовать теги качества, аналогичные Pony Diffusion V6 XL; отдельные негативные промпты и embeddings, рассчитанные на SDXL или Pony, могут ухудшать результат. Для некоторых конфигураций могут потребоваться совместимые интерфейсы и настройки, а при появлении артефактов автор рекомендует специальное расширение для их предотвращения. Модель распространяется в формате Safetensors по лицензии Creative Data License Agreement Permissive 2.0 (CDLA-Permissive-2.0). В README не указаны точный размер весов, число параметров, максимальная длина контекста, перечень поддерживаемых языков или отдельные сведения о модальностях помимо генерации изображений по тексту.

CG_GuoFeng_Mix_SD1.5 — диффузионная модель генерации изображений по текстовому описанию от Tasty-Rice. Она предназначена для создания иллюстраций в эстетике GuoFeng по текстовым запросам на английском языке и доступна в формате safetensors для библиотеки Diffusers. Модель основана на Stable Diffusion 1.5; дополнительных сведений об архитектуре, размере и длине контекста в предоставленных данных нет. Модель подходит для генерации художественных изображений по промптам. Лицензия CC-BY-NC-SA-4.0 и дополнительные условия автора ограничивают коммерческое использование: размещение модели или производных сервисов с доходом или пожертвованиями запрещено без согласования, а продажа сгенерированных изображений ограничена. Автор также запрещает намеренно создавать или распространять незаконный и вредный контент.

China-Chic-illustration — модель генерации изображений на основе Stable Diffusion, дообученная TiLake AIGC Group методом DreamBooth на собственном наборе данных. Она предназначена для создания иллюстраций в стиле «гочао», сочетающем традиционную китайскую культуру с современной эстетикой. Пользователь задаёт текстовое описание сцены и добавляет к запросу стилевой триггер `style of illustration`; модель выдаёт изображение. Модель распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M. README рекомендует guidance_scale около 8.8. Карточка заявляет поддержку китайского и английского языков. Результат ориентирован на художественное вдохновение и создание иллюстраций в заданном стиле; качество зависит от формулировки запроса.

Clandestine XL 1.0 — модель Stable Diffusion XL, разработанная Linaqruf и дообученная на yodayo-ai/kivotos-xl-2.0. Она создаёт аниме-иллюстрации по текстовым запросам, особенно в стилизованной эстетике популярных работ на Pixiv. Модель ориентирована на чёткие контуры, улучшенную анатомию персонажей и прорисовку рук. Модель принимает текстовые промпты и выдаёт изображения. Она поддерживает теги качества, рейтинга, периода создания и эстетики, унаследованные от Animagine XL 3.1; для более управляемого результата рекомендуется структурировать запрос. Доступны форматы Diffusers и safetensors, запуск возможен через ComfyUI, Stable Diffusion WebUI или diffusers. В README рекомендованы CFG около 5–7, 25–30 шагов и сэмплер Euler Ancestral. Конкретные разрешения в доступном описании пропущены. Лицензия — Fair AI Public License 1.0-SD; модель допускает генерацию контента с рейтингами от безопасного до откровенного, поэтому содержание результата зависит от промпта.

Classic Telltale Diffusion — модель генерации изображений по текстовому описанию в стилистике классических игр Telltale. Она обучена на изображениях из игрового процесса и рекламных материалах этих игр; для задания стиля в промпте рекомендуется использовать токен telltale style. Модель предназначена для создания портретов, пейзажей и автомобилей в виде 2D-комиксной графики с объёмным, трёхмерным впечатлением. Модель распространяется в форматах Diffusers и safetensors и использует лицензию CreativeML OpenRAIL-M. Автор отмечает, что не связан с Telltale Games, а модель создана для исследований и развлечения; условия лицензии и ответственность за использование и результаты лежат на пользователе.

Comic-Diffusion — модель преобразования текста в изображение на базе Stable Diffusion, созданная автором ogkalu. Она предназначена для создания иллюстраций для комиксов и позволяет смешивать стили с помощью токенов charliebo artstyle, holliemengert artstyle, marioalberti artstyle, pepelarraz artstyle, andreasrocha artstyle и jamesdaly artstyle. Порядок токенов тоже может влиять на результат, поэтому можно экспериментировать с их сочетаниями. Модель создана в ходе экспериментов автора с DreamBooth; README описывает V2 как обучение на шести стилях одновременно. Вариант V1 был обучен на стиле James Daly 3 и использует токен comicmay artsyle. Лицензия — CreativeML Open RAIL-M. Авторы упомянутых художественных стилей, согласно карточке, не связаны с проектом.

Double Exposure Diffusion — модель на базе Stable Diffusion для генерации изображений с эффектом двойной экспозиции. Версия 2 обучена специально на изображениях людей и нескольких животных; стиль можно вызвать в запросе токеном «dublex style» или «dublex». Модель предназначена для создания художественных изображений по текстовым описаниям. В репозитории представлены веса в форматах Diffusers, PyTorch и safetensors; лицензия — CreativeML OpenRAIL-M. Карточка также упоминает embedding для SD 2.x, но не уточняет его связь с опубликованными файлами.

anthienlong/enhanceaiteam_uncensored — модель-адаптер LoRA для генерации изображений по текстовому описанию, разработанная пользователем или организацией anthienlong/enhanceaiteam. Она предназначена для использования с библиотекой Diffusers и базовой моделью black-forest-labs/FLUX.1-dev. В карточке модель описана как «Uncensored»; дополнительных сведений о конкретных сценариях применения и особенностях получаемых изображений не приведено. Известно, что веса распространяются в формате Safetensors. Архитектура адаптера, размер, поддерживаемые языки, максимальная длина контекста, требования к ресурсам и количественные показатели качества не указаны. Лицензия обозначена как unknown, поэтому условия использования требуют отдельного уточнения. README также не содержит достаточной информации о сильных сторонах и ограничениях модели.

ExpMixLine v2.0 — модель генерации изображений по текстовому описанию на базе Stable Diffusion, опубликованная AIARTCHAN. Это объединённая модель, сочетающая ExpMix_Line, ChikMix и стилистические LoRA SamDoesArts, ligne claire, Motomurabito и Kidmo; она ориентирована на создание иллюстраций с ощущением 2D-арта. Репозиторий содержит веса Diffusers/PyTorch в формате safetensors; в карточке указана версия no-EMA fp32 размером 5,67 ГБ. Модель предназначена для генерации стилизованных изображений по промптам, в частности одиночных персонажей и иллюстраций. Автор рекомендует DPM++ SDE Karras, Clip skip 1–2, CFG 6–10 и при увеличении разрешения R-ESRGAN 4x+Anime6B с denoise strength 0,4–0,65. Для публикации указана лицензия other, поэтому конкретные права использования следует сверять с условиями на странице модели и исходных компонентов. Основные сведения о поддерживаемых языках, контекстном окне и дополнительных ограничениях качества карточка не устанавливает.

FantasyMix — модель генерации изображений по текстовому описанию, опубликованная theintuitiveye. Она предназначена для создания иллюстраций в жанре фэнтези и, согласно карточке, может генерировать контент для взрослых. Модель использует Stable Diffusion и запускается через библиотеку Diffusers; репозиторий содержит веса в форматах PyTorch и safetensors. FantasyMix получена слиянием дообученной на примерно 500 изображениях фэнтези модели с Protogen. В README рекомендуется использовать VAE от Stability AI для улучшения результатов. Модель распространяется по лицензии CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении сгенерированных изображений.

Koda Diffusion (Flux) — модель для генерации изображений, разработанная пользователем alvdansen. Это LoRA-адаптер для text-to-image, предназначенный для работы на базе black-forest-labs/FLUX.1-dev через Diffusers и совместимые инструменты. Модель ориентирована на создание сцен в эстетике ностальгической фотографии начала 1990-х годов: снимков на одноразовые камеры, спонтанных бытовых сюжетов и дорожных зарисовок. Ключевая особенность модели — визуальный стиль с немного выцветшими цветами, мягким фокусом, эффектами засветки и плёночным зерном. Она подходит для портретов, натюрмортов, пейзажей, сцен повседневной жизни и реалистичных сюжетов с ощущением случайного кадра из семейного фотоальбома или туристического дневника. Для активации рекомендуется использовать триггерную фразу «flmft style»; также могут быть полезны слова kodachrome, blurry, realistic, still life, scenery, depth of field и light particles. Веса доступны в формате Safetensors. В README не указаны размер адаптера, поддерживаемые языки, максимальный контекст, требования к аппаратному обеспечению и количественные оценки качества. Лицензия модели — CreativeML Open RAIL-M; условия базовой модели FLUX.1-dev отдельно не раскрыты в представленном описании.

furaidosu/flux-lora-gliff-tosti-vector-no-captions-2500s — модель для генерации изображений по текстовому описанию, разработанная пользователем или организацией furaidosu. Она предназначена для создания цифровых иллюстраций в мультяшной и векторной стилистике, включая портреты персонажей, юмористические образы и мрачные или готические сцены. Модель представляет собой LoRA-адаптацию для экосистемы Diffusers, связанной с базовой моделью black-forest-labs/FLUX.1-schnell. Поддерживаемая модальность — текст в изображение; в README указан английский язык. Рекомендуемый размер генерации — 1024×1024 пикселя. Примеры показывают чистые линии, плоские цвета, плавные градиенты, выразительных персонажей и композиции, напоминающие современное векторное искусство. Название указывает на отсутствие подписей в изображениях, однако подробные сведения о размере адаптера, весах LoRA, требованиях к памяти и точных параметрах запуска не приведены. Сильная сторона модели — выраженная ориентация на стилизованные мультяшные и вектороподобные изображения с разнообразным настроением: от дружелюбного и комичного до хоррор- и dark fantasy. Ограничениями являются отсутствие подробной информации о качестве на разных типах запросов, поддерживаемых разрешениях и совместимости с другими версиями FLUX. Использование регулируется лицензией flux-1-dev-non-commercial-license; коммерческое применение этой лицензии не разрешено.

hassakuXLIllustrious_v22 — модель LoRA для генерации изображений по текстовому описанию, разработанная LyliaEngine. Она предназначена прежде всего для создания изображений в ярком, выразительном аниме-стиле, включая персонажей, портреты и сюжетные сцены. Модель доступна для использования с Diffusers и распространяется в формате Safetensors; также заявлена возможность работы через API Sinkin. Модель обучена на базе OnomaAIResearch/Illustrious-xl-early-release-v0, использует архитектуру SDXL и ориентирована на текстовую модальность с генерацией изображений. Точный размер модели, поддерживаемые языки и размер контекстного окна в README не указаны. Для активации не требуется специальное trigger word; рекомендуется использовать None. Для SDXL приведены разрешения от 640×1536 до 1536×640, наиболее рекомендуемое — 832×1216. К сильным сторонам относятся выраженная аниме-стилистика и обучение на изображениях с минимальным количеством текстовых артефактов, логотипов, выносок и подписей. При появлении таких элементов рекомендуется добавлять signature в negative prompt. Автор также рекомендует использовать masterpiece в положительном описании и worst quality, bad quality в negative prompt. Ограничения включают отсутствие поддержки метаданных и franchise tags, которые были удалены из обучающих данных; качество и поведение при других сценариях в README не описаны. В карточке указана лицензия cdla-permissive-2.0, однако в разделе о происхождении модели также упоминается Fair AI Public License 1.0-SD для компонентов и обучения. Перед использованием необходимо уточнить, какая лицензия применяется к конкретной версии и распространению весов.

ImagePromptHelper-danube3-500M — дообученная модель автора trollek на базе h2oai/h2o-danube3-500m-base, предназначенная для генерации текстовых промптов для изображений. Она может работать как помощник для составления промптов; README также предлагает префиксы Detailed, Very detailed, Danbooru и Mixed для управления стилем или подробностью результата. Модель создана с использованием набора SFT-данных, подготовленного автором с помощью Florence-2-large-PromptGen-v1.5. Модель использует архитектуру Llama и содержит 464,4 млн параметров; базовая языковая модель поддерживает контекст до 8192 токенов. Указаны английский язык и текстовый ввод и вывод. Модель выпущена в формате safetensors и распространяется по лицензии Apache-2.0. Её специализация — формулирование промптов для генерации изображений; конкретные гарантии качества и ограничения не описаны.

KLEIN-Unchained-V2 — LoRA-модель для генерации изображений по текстовому описанию, разработанная пользователем или организацией Keltezaa. Модель предназначена для использования в сценариях text-to-image и интеграции с библиотекой Diffusers. Модель является адаптацией базовой модели black-forest-labs/FLUX.2-klein-base-9B с применением метода LoRA. Из доступных данных известно, что она относится к семейству diffusion-моделей; сведения о точном размере LoRA-адаптера, поддерживаемых языках, размере контекста, дополнительных модальностях и характерных визуальных свойствах отсутствуют. Примеры в карточке используют текстовый промпт «-», однако этого недостаточно для оценки качества и области специализации. Модель может быть полезна для экспериментов и генерации изображений в совместимом пайплайне на базе FLUX.2-klein-base-9B. Ограничения, сильные стороны и требования к оборудованию в README не описаны. Лицензия — Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0), поэтому коммерческое использование и распространение производных работ ограничены условиями лицензии.

Kohaku XL Epsilon — пятая крупная версия серии Kohaku XL от KBlueLeaf, модель генерации изображений по тексту на базе Stable Diffusion XL. Она дообучена методом LyCORIS с алгоритмом LoKr на 5,2 млн изображений из Danbooru2023; карточка описывает работу с тегами Danbooru, включая теги качества, рейтинга и периода публикации. Модель рассчитана на генерацию изображений в широком диапазоне размеров: обучение использовало базовое разрешение 1024×1024 и размеры от 256 до 4096 пикселей. Модель предназначена для создания иллюстраций по текстовым тегам и описаниям, особенно в стиле и тематике изображений Danbooru. Автор отмечает, что теги с популярностью от 1000 должны работать, а менее популярные могут срабатывать при сильном акцентировании. Веса доступны в форматах Diffusers, PyTorch и safetensors; лицензия указана как other, поэтому конкретные условия использования следует проверять в репозитории. Обучающие данные включали категории от безопасного до откровенного контента, поэтому модель способна создавать материалы для взрослых.

Felt Craft Diorama — стилевой LoRA-адаптер для генерации изображений, разработанный ilkerzgi в рамках серии Krea 2 Style LoRA, обученной на платформе fal.ai. Модель предназначена для использования с базовой моделью krea/Krea-2-Turbo и добавляет к текстовым запросам визуальную стилистику диорамы из фетра и поделочных материалов. Для активации рекомендуется добавлять в конец запроса триггерную фразу «felt craft diorama style». Возможные сценарии включают создание иллюстраций, концепт-артов и декоративных сцен с эффектом ручной текстильной миниатюры. Модель относится к pipeline text-to-image и совместима с Diffusers и ComfyUI. Рекомендуемый масштаб LoRA составляет 1.0–1.25. В репозитории доступны веса в формате SafeTensors для fal.ai и Diffusers, а также совместимая версия для ComfyUI. В README не указаны точный размер адаптера, поддерживаемые языки запросов, максимальная длина контекста и характеристики исходной архитектуры Krea-2-Turbo; приведённый английский язык относится к метаданным и примерам. Ограничением является зависимость от базовой модели Krea-2-Turbo и необходимость подбора масштаба для нужной интенсивности стиля. Для использования указана Krea 2 Community License; подробные условия приведены по ссылке на лицензию в репозитории. LoRA обучалась с помощью fal-ai/krea-2-trainer на 100 шагах с learning rate 3.5e-4, однако эти параметры описывают процесс обучения и не являются обязательными для инференса.

Luna Diffusion — дообученная автором proximasanfinetuning модель генерации изображений на базе Stable Diffusion 1.5. Она обучена на нескольких сотнях изображений высокого разрешения с преимущественно ручными подписями и настроена на создание эфирных, живописных изображений; отдельно отмечена работа с разными оттенками кожи. Модель принимает текстовые запросы и генерирует изображения. Специальные триггерные слова не нужны: добавление слова «painting» усиливает живописный стиль, а «illustration» помогает получить более векторную иллюстрацию. Автор рекомендует разрешения 768×768, 512×768 или 768×512 пикселей; квадратный формат 512×512 может давать чрезмерно обработанный результат. Доступны файлы Diffusers, PyTorch и safetensors, а карточка показывает лицензию как «other» без уточнения условий.

Lyriel 1.2 — модель генерации изображений по текстовому описанию, опубликованная Yntec. Карточка указывает на семейство Stable Diffusion и использование библиотеки Diffusers; веса представлены в форматах Diffusers и safetensors. Модель предназначена для создания иллюстраций по текстовым запросам. Пример в карточке показывает стилизованный образ в духе чиби и журнальной иллюстрации с детализированными чертами и волосами. В метаданных указана лицензия CreativeML OpenRAIL-M. Размер модели, контекст и поддерживаемые языки не приводятся.

MeinaMix — созданная автором Meina модель генерации изображений в стиле аниме на основе Stable Diffusion. Она предназначена для создания иллюстраций по текстовым запросам, в том числе с короткими описаниями: автор ставит целью получать качественные изображения при небольшом количестве деталей в запросе. Модель работает с текстом и выдаёт изображения; в метаданных указаны библиотека Diffusers, форматы PyTorch и Safetensors, а также английский язык. Автор рекомендует использовать сэмплеры Euler a или DPM++ SDE Karras, CFG 7 и Clip Skip 2. Для портретов и пейзажей приведены рекомендуемые разрешения; для удалённых персонажей советуют применять Hires.fix, чтобы улучшить прорисовку лица и глаз. Модель распространяется по лицензии CreativeML Open RAIL-M. Результат зависит от формулировки запроса и настроек генерации; автор отмечает пользу Hires.fix для изображений с удалёнными персонажами.

digiplay/MixTape_RocknRoll_v3punk_bake_fp16 — модель генерации изображений по текстовому описанию в формате Diffusers. По названию репозитория и тегам она связана со Stable Diffusion; метаданные указывают форматы PyTorch и safetensors и лицензию CreativeML OpenRAIL-M. Автор README не приводит описания обучения или характеристик модели; карточка содержит лишь подписи к демонстрационным изображениям.

ylacombe/musicgen-stereo-melody — модель для генерации музыки и другого аудио по текстовому описанию с поддержкой мелодического условия. Модель опубликована пользователем ylacombe на Hugging Face и рассчитана на использование через библиотеку Transformers; метаданные классифицируют её как text-to-audio и связывают с семейством MusicGen Melody. Модель подходит для создания музыкальных набросков, фоновой музыки и звуковых композиций по заданному описанию, а также для преобразования текстовой идеи в аудиорезультат с опорой на мелодию. README содержит автоматически сгенерированную карточку и не предоставляет сведений о разработчике, архитектуре, размере, языках, длине контекста, обучающих данных, оценке или лицензии.

Never Existed — модель генерации изображений по текстовому описанию, созданная как слияние ElldrethSRetroMix и DucHaitenRetro. Она предназначена для создания изображений в ретро- и винтажной эстетике, в том числе иллюстраций и персонажей с менее серьёзным выражением или настроением. В README указано, что версия модели переименована в neverexistedalpha и находится в разработке. Модель доступна в формате Diffusers с весами Safetensors и использует библиотеку Diffusers; заявленная лицензия — CreativeML OpenRAIL-M. README не приводит размер модели или длину контекста.

NoobAI XL V-Pred 0.65 — диффузионная модель Laxhar Lab для генерации изображений по текстовым описаниям и тегам. Модель дообучена на базе Laxhar/noobai-XL_v1.0 и использует предсказание v-prediction; карточка отмечает обучение на изображениях Danbooru и e621 с тегами и текстовыми подписями. Модель ориентирована на иллюстрации, в том числе изображения в стиле аниме. Для работы автор рекомендует Euler, CFG 4–5, 28–35 шагов и разрешение около 1024×1024; другие сэмплеры могут работать некорректно. Модель доступна в форматах Diffusers и Safetensors. Карточка описывает использование через reForge, ComfyUI, WebUI и Diffusers. Лицензия указана как other; README задаёт условия Fair AI Public License: запрещает коммерческое использование, требует открывать производные модели и делиться сведениями о рабочих процессах. Модель может создавать неожиданные или вредоносные изображения, поэтому результаты требуют проверки.