I.10Видео, анимация и 3D

NoobAI XL V-Pred 1.0 — модель генерации изображений по текстовому описанию от Laxhar Lab. Это диффузионная модель на базе SDXL, дообученная на данных Danbooru и e621 с тегами и подписями на естественном языке. Версия использует предсказание v и рассчитана на генерацию иллюстраций, в том числе в аниме-стиле. Для работы автор рекомендует сэмплер Euler, CFG 4–5, 28–35 шагов и разрешения с общей площадью около 1024×1024 пикселей. Модель доступна для Diffusers, ComfyUI и совместимых WebUI; карточка отмечает, что ветка dev WebUI может быть нестабильной. Для других сэмплеров корректная работа не гарантируется. Лицензия указана как other; README запрещает коммерческое использование, требует открывать производные модели, LoRA и продукты, а также соблюдать условия fair-ai-public-license. Модель также запрещено использовать для незаконных, вредоносных или оскорбительных целей. Генерация может давать неожиданные или вредные результаты.

Карточка модели remonie130/noobai-XL-Vpred-1.0 на Hugging Face совпадает с карточкой Laxhar/noobai-XL-Vpred-1.0, поэтому описание составлено по ней. NoobAI XL V-Pred 1.0 — модель генерации изображений по текстовому описанию от Laxhar Lab. Это диффузионная модель на базе SDXL, дообученная на данных Danbooru и e621 с тегами и подписями на естественном языке. Версия использует предсказание v и рассчитана на генерацию иллюстраций, в том числе в аниме-стиле. Для работы автор рекомендует сэмплер Euler, CFG 4–5, 28–35 шагов и разрешения с общей площадью около 1024×1024 пикселей. Модель доступна для Diffusers, ComfyUI и совместимых WebUI; карточка отмечает, что ветка dev WebUI может быть нестабильной. Для других сэмплеров корректная работа не гарантируется. Лицензия указана как other; README запрещает коммерческое использование, требует открывать производные модели, LoRA и продукты, а также соблюдать условия fair-ai-public-license. Модель также запрещено использовать для незаконных, вредоносных или оскорбительных целей. Генерация может давать неожиданные или вредные результаты.

Panchovix/noobai-XL-VPred-cyberfixv2-perpendicularcyberfixv2 — диффузионная модель генерации изображений по тексту, созданная на основе NoobAI XL V-Pred и доработанная методом Cyberfix с использованием версии Cyber Realistic v4 и перпендикулярного слияния через sd_mecha. Карточка описывает обучение на изображениях Danbooru и e621 с тегами и подписями на естественном языке; модель использует предсказание v, а не eps. Модель предназначена для создания стилизованных, в том числе аниме- и фурри-изображений по текстовым промптам. В README рекомендованы сэмплер Euler, 28–35 шагов, CFG 4–5 и разрешение около 1024×1024; другие сэмплеры могут работать некорректно. Указаны форматы запуска через reForge, ComfyUI, WebUI и Diffusers. В метаданных указаны библиотека Diffusers, формат safetensors, английский язык и базовая модель Laxhar/noobai-XL-Vpred-0.75. README также называет Laxhar/noobai-XL_v1.0 как основу семейства. Лицензия обозначена как other; README запрещает коммерческое использование и требует открывать производные модели и соблюдать fair-ai-public-license. Генерации могут быть непредсказуемыми, а сама карточка предупреждает о возможном вредном или оскорбительном содержимом.

Это LoRA-модель для генерации изображений на основе text-to-image, предназначенная для использования с библиотекой Diffusers. Модель разработана пользователем или организацией alexc593 и опубликована под идентификатором alexc593/ofmtech-workflow-models; точное авторство и назначение набора не раскрыты. В качестве базовой модели указана Tongyi-MAI/Z-Image-Turbo. README не содержит подробного описания сценариев применения, архитектуры LoRA-адаптера, количества параметров, поддерживаемых языков, модальностей или размера контекста. Также не приведены примеры промптов и результаты, позволяющие оценить качество или специализацию модели. Указано, что модель может использоваться через Diffusers, а лицензия обозначена как CreativeML Open RAIL-M. Ограничения и дополнительные условия применения в README не описаны.

Onyx Z Image Turbo — производная 3-битная MLX-квантизация модели Tongyi-MAI/Z-Image-Turbo, подготовленная для локального запуска на устройстве в приложении Onyx. Модель генерирует изображения по текстовым описаниям; исходная модель дистиллирована для быстрой генерации, а для вывода требуется около 8 шагов без CFG. Квантизированы линейные слои трансформера и текстового энкодера Qwen3 с группой 64; нормы, эмбеддинги, свёрточные слои и VAE сохранены в fp16. В состав также входят токенизатор и планировщик. Автор репозитория сообщает, что проверил загрузку модели в движке Onyx и генерацию изображений. Лицензия — Apache-2.0.

OpenSpatial-Qwen3-VL-8B — мультимодальная модель, дообученная командой OpenSpatial на базе Qwen/Qwen3-VL-8B-Instruct. Она предназначена для понимания пространственных отношений и рассуждений по изображениям в диалоге. Модель принимает текст и изображения и генерирует текстовые ответы; доступна в формате safetensors для запуска через Transformers. Модель подходит для вопросов о расположении объектов и пространственных сценах, а также для визуального анализа, где нужно описать отношения между элементами изображения. В карточке не приведены сведения о датасетах обучения, количественных оценках качества или дополнительных ограничениях. Лицензия репозитория — Apache-2.0.

PHM_v3_lora — адаптер LoRA для генерации изображений по текстовому описанию, опубликованный пользователем или организацией Shero448. Модель предназначена для использования в экосистеме Diffusers и совместимых инструментах генерации изображений, где она подключается к базовой модели dhead/wai-nsfw-illustrious-sdxl-v140-sdxl. Для активации указан триггер <lora:PHM_style_IL_v3.3:1.0>. Из README известно, что модель относится к классу text-to-image LoRA и, вероятно, добавляет к базовой SDXL-модели определённый визуальный стиль. В качестве примера приведён промпт для создания высококачественных эстетичных сцен; конкретные поддерживаемые языки, размер адаптера, точная архитектура, максимальный контекст и перечень модальностей, помимо генерации изображений по тексту, не указаны. Сильная сторона модели — компактный формат адаптера и возможность применять его поверх совместимой базовой модели, однако результат зависит от базовой модели, формулировки промпта и корректного использования триггерного слова. Лицензия и условия коммерческого или иного использования в README не указаны.

ponyRealism_v21MainVAE — модель text-to-image на базе Stable Diffusion XL и формата LoRA, разработанная LyliaEngine. Она предназначена для генерации реалистичных изображений с широким разнообразием стилистики Pony, включая портреты и сцены с персонажами. Модель особенно хорошо работает на средних и близких планах, передаёт детали лица и кожи и обеспечивает хорошее следование текстовому запросу. Модель основана на LyliaEngine/Pony_Diffusion_V6_XL. Для локальной генерации рекомендуются разрешения 1280×768 или 768×1280, 20–30 шагов, CFG 6–7 и Clip Skip 2. Заявлена совместимость с рядом сэмплеров, включая DPM++ SDE и его варианты, DPM2 a и DPM++ 3M, однако основная версия имеет ограниченную совместимость с некоторыми сэмплерами; альтернативная версия совместима с большим их числом, но обеспечивает меньше деталей. Триггерные слова не требуются, рекомендуется использовать Danbooru-теги и не превышать вес 1,5 в промптах. Модель распространяется в формате Safetensors по лицензии CDLA-Permissive-2.0. README не указывает поддерживаемые языки, точный размер параметров, отдельные модальности кроме генерации изображений и другие количественные характеристики. Для работы с моделью рекомендуется применять структуру промпта со служебными тегами score и BREAK, а также отрицательные промпты с оценочными тегами.

Qwen3-VL-4B-TGRPO — исследовательский базовый чекпойнт ddz16, полученный дообучением Qwen3-VL-4B методом TGRPO (Temporal GRPO). Он предназначен для ответов на вопросы по видео с акцентом на отслеживание временной динамики и событий, а также для изучения того, насколько Video LLM опираются на последовательность кадров, а не на отдельные визуальные подсказки и языковые ожидания. Модель оценивали на DyBench и стандартных наборах видео-вопросов Video-MME, TempCompass, MVBench и TimeBlind. В карточке указана архитектура Qwen3-VL для условной генерации; веса представлены в формате safetensors. Лицензия, размер контекста и поддерживаемые языки в доступных сведениях не приведены.

Raehoshi Anima — диффузионная модель генерации изображений по текстовому описанию, разработанная Raelina и дообученная на базе circlestone-labs/Anima. Она предназначена для создания иллюстраций в аниме-стиле и расширяет знания базовой модели о персонажах и сериях, включая Zenless Zone Zero, Wuthering Waves, Honkai: Star Rail, Genshin Impact, Arknights: Endfield и Neverness to Everness; карточка указывает, что база знаний обновлена по май 2026 года. Модель принимает промпты в виде Danbooru-тегов и обычного естественного языка, в том числе их сочетания. Для более точной передачи персонажей рекомендуется указывать название серии и соответствующие теги. Файл модели в формате safetensors не включает текстовый энкодер и VAE: эти компоненты нужно загрузить отдельно. Для модели указан тип лицензии other, без уточнения конкретных условий.

Raehoshi illust XL 2 — диффузионная модель генерации изображений по текстовому описанию, разработанная Raelina и дообученная на Illustrious XL v0.1. Она предназначена для создания иллюстраций в стиле, ориентированном на теги booru; для составления запросов рекомендуется использовать соответствующие теги и описания сцены. По карточке, эта версия уменьшает перенасыщенность цветов и шумовые артефакты исходной модели, хотя полностью их не устраняет. README рекомендует CFG 5–6, 28 шагов сэмплирования и sampler Euler a; также приведены настройки Hires.fix для увеличения изображения. Модель опубликована в форматах Diffusers и Safetensors. Лицензия — Fair AI Public License 1.0-SD.

Raehoshi illust XL 8 — диффузионная модель генерации изображений по тексту, разработанная Raelina и дообученная на основе Illustrious XL v1.1. Она ориентирована на иллюстрации в стиле аниме; для составления запросов рекомендуется использовать теги в стиле Booru. Модель стремится уменьшить перенасыщенность цветов и артефакты исходной модели, сохраняя её сильные стороны. Улучшения заметны, но эти проблемы устранены не полностью. В README также приведены рекомендации по CFG, числу шагов, сэмплеру и настройке увеличения разрешения. Опубликована в форматах Diffusers и safetensors. Лицензия указана как other, поэтому условия использования следует сверять с лицензией репозитория.

Reanimate — модель генерации изображений по текстовому описанию, собранная автором карточки путём слияния Deliberate от XpucT и ReVAnimated от s6yx. Она предназначена для создания иллюстраций в художественных и аниме-ориентированных стилях; в примере показан запрос на ретро-иллюстрацию обложки. Модель распространяется в формате Diffusers с весами safetensors и использует встроенный zVAE. Карточка не указывает размер модели, поддерживаемые языки или длину контекста. Лицензия обозначена как other, поэтому условия использования следует сверять с файлами репозитория и лицензиями исходных моделей.

RINGO_Illustrious_v1.0_Hybrid — модель генерации изображений FjikoAI на основе Illustrious-XL, дообученной на Stable Diffusion XL. В README описан выборочный merge глубоких блоков U-Net с моделью-донором, специализирующейся на мимике; при этом в метаданных происхождение указано как дообучение базовой модели OnomaAIResearch/Illustrious-xl-early-release-v0. Модель предназначена для создания аниме- и полуреалистичных портретов по текстовым промптам. Разработчик отмечает естественную проработку азиатских лиц, кожи, губ и глаз, а также улучшенную отрисовку рук, пальцев и предметов в руках. Она совместима с обычными рабочими процессами Illustrious-XL и SDXL; в README рекомендованы 25–35 шагов генерации и умеренный CFG. Модель выдаёт изображения и принимает текстовые промпты. Репозиторий содержит веса Safetensors, а лицензия — CreativeML Open RAIL-M. Метаданные помечают модель как NSFW, поэтому её следует считать предназначенной для взрослого контента; README не приводит отдельных результатов оценки качества или полного перечня ограничений.

Это копия модели Stable Diffusion, дообученной Lambda Labs на изображениях покемонов. Копия добавляет ветку fp16 для совместимости с сервером Stable Cabal GRPC. Модель принимает текстовое описание и генерирует изображение персонажа в стиле покемонов; обучалась на изображениях с подписями BLIP из набора lambdalabs/pokemon-blip-captions примерно на 15 000 шагах с использованием двух GPU A6000. Репозиторий содержит веса в формате Diffusers, PyTorch и safetensors. Лицензия в доступных данных не указана.

SenseNova-SI-1.3-InternVL3-8B — мультимодальная чат-модель SenseNova, дообученная на базе OpenGVLab/InternVL3-8B для пространственного понимания. Она принимает изображения и текстовые вопросы, отвечает на вопросы о пространственных отношениях и сценах, а также сохраняет общие возможности мультимодального понимания. По README, версия 1.3 показывает высокие результаты среди открытых моделей сопоставимого размера на восьми бенчмарках пространственного интеллекта и улучшает ответы на открытые пространственные вопросы относительно предыдущих версий. Модель предназначена для исследований и прикладных задач визуального пространственного рассуждения, включая вопросы по изображению и короткие ответы. В репозитории указаны архитектура InternVL Chat, формат safetensors, библиотека Transformers и лицензия Apache-2.0. README характеризует SenseNova-SI как продолжающийся проект и отмечает риски переобучения и языковых обходных стратегий; показатели бенчмарков сами по себе не гарантируют надёжность ответов в других сценариях.

The-Owl-House-Diffusion — модель генерации изображений по текстовому описанию, созданная Theodora527 методом DreamBooth с помощью ноутбука TheLastBen fast-DreamBooth. Она предназначена для генерации изображений с концепцией, активируемой токеном «tohdana»: например, портретов эльфийской девушки или замка среди болот. Модель работает с Stable Diffusion через Diffusers и может использоваться для создания иллюстраций по текстовым запросам. Модель опубликована в форматах Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M. Карточка не сообщает размер модели, длину контекста или поддерживаемые языки; английские примеры запросов показывают типичный формат использования.

TIPO-200M — компактная языковая модель на архитектуре LLaMA, разработанная KBlueLeaf для фреймворка TIPO (Text to Image with text presampling for Prompt Optimization). Она дополняет и уточняет короткие или неполные запросы перед передачей в генеративную модель изображений, помогая пользователю получать более подробные промпты с меньшими усилиями. Модель обучали на объединённых данных Danbooru2023 и Coyo-HD-11M; в метаданных также перечислены Conceptual Captions и GBC10M. При обучении модель обработала около 50 млрд токенов. Модель содержит 177,9 млн параметров, поддерживает контекст до 2048 токенов по метаданным и предназначена для генерации текста на английском языке. README описывает интеграцию через расширение z-tipo-extension для Stable Diffusion WebUI, Forge и ComfyUI; SD-Next не тестировался. Репозиторий содержит веса Safetensors и GGUF F16. Лицензия — Apache-2.0. Оценка в карточке показывает хорошие результаты на тестах формирования промптов, однако приведённые результаты относятся к конкретным тестовым наборам и сами по себе не подтверждают качество на любых запросах.

Waifu Diffusion — латентная диффузионная модель генерации изображений по тексту, созданная дообучением Stable Diffusion v1.4 на высококачественных аниме-изображениях. Модель предназначена для генеративного искусства и развлечений: по текстовому запросу она создаёт иллюстрации в аниме-стилистике. Для дообучения использовали 56 тысяч пар изображений и текстовых описаний из Danbooru, отобранных по оценке CLIP Aesthetic выше 6, обучение длилось четыре эпохи. Репозиторий содержит веса в форматах Diffusers и PyTorch. Лицензия — BigScience BLOOM RAIL 1.0; проект не связан с Danbooru.

Waifu Diffusion v1.3 — латентная диффузионная модель для генерации изображений по текстовым описаниям. Разработчики дообучили её на качественных изображениях в стиле аниме; модель предназначена для создания генеративного искусства и развлечений. Модель использует Stable Diffusion и доступна в форматах Diffusers и PyTorch. Карточка указывает поддержку английского языка. Лицензия — CreativeML OpenRAIL-M, предусматривающая условия использования и ограничения на применение.

Waifu-Inpaint-XL — модель на основе SDXL от ShinoharaHare, предназначенная для дорисовки и изменения областей аниме-изображений по маске. Она инициализирована из WAI-NSFW-illustrious-SDXL-V14.0-V-Prediction; входные каналы расширены с четырёх до девяти: один канал используется для маски, ещё четыре — для латентного представления замаскированных областей. Модель рассчитана на работу с изображением и текстовым описанием в пайплайне StableDiffusionXLInpaintPipeline библиотеки Diffusers. Её можно применять для замены или восстановления выбранных фрагментов иллюстраций, редактирования фона и уточнения деталей в аниме-стиле. В README указан английский как язык NLP. Репозиторий содержит веса в форматах Diffusers и safetensors и использует лицензию CreativeML Open RAIL++-M (метаданные обозначают её как openrail++).

WD 1.5 Beta 3 — семейство моделей Waifu Diffusion для генерации изображений по текстовому описанию. В выпуск входят базовая версия WD 1.5 Base и четыре эстетические версии: Radiance, Ink, Mofu и Illusion. Базовая модель предназначена только для обучения: для генерации авторы рекомендуют создавать на её основе собственные дообученные модели или LoRA либо использовать одну из эстетических версий. Семейство использует Stable Diffusion Pipeline; доступны форматы Diffusers, PyTorch и safetensors. Для WD 1.5 применяется тот же VAE, что и для WD 1.4. В метаданных указана лицензия other; конкретные условия использования по имеющимся сведениям определить нельзя.

Wulver v0.5 — полноценно дообученная Vaelico модель генерации изображений на основе Krea 2 Raw с архитектурой DiT и 12,8 млрд параметров. Она предназначена прежде всего для создания furry- и антропоморфных персонажей, а также изображений в стилях anime и kemono. Модель умеет изображать несколько взаимодействующих персонажей и распознаёт 1 113 токенов стилей художников формата @artistname. Модель принимает текстовые описания и выдаёт изображения. Обучение включало этапы при разрешении 512 и 1024 пикселя. В Turbo-варианте официальная Turbo LoRA объединена с весами: рекомендуются 8 шагов и CFG 1. Для работы через ComfyUI нужны текстовый энкодер Qwen3-VL-4B и VAE Qwen Image. Доступны веса в форматах FP8, INT8 и W4A8; вариант W4A8 требует ComfyUI не ниже 0.31.0, GPU с SM 8.0 или новее и PyTorch cu130 или новее. Модель особенно подходит для детализированных описаний персонажей и сцен; короткие запросы могут давать непредсказуемый выбор стиля. На CFG 1 отрицательный промпт не влияет. Указана лицензия other, поэтому условия использования следует уточнить на странице модели и у разработчика.

Amanatsu Illustrious v11 SDXL — модель генерации изображений по текстовому описанию, опубликованная John6666; на карточке указано, что исходная модель создана Ikena. Это дообученная модель на основе OnomaAIResearch/Illustrious-xl-early-release-v0, использующая Stable Diffusion XL и библиотеку Diffusers. Репозиторий содержит веса в формате safetensors и имеет лицензию faipl-1.0-sd. Модель ориентирована на создание детализированных изображений в аниме-стиле, включая персонажей, девушек и фоны; среди отмеченных особенностей — проработка глаз. Для генерации подаются текстовые запросы на английском языке. Карточка указывает размер около 3 млрд параметров. Подходит для иллюстраций и персонажных артов; качество и точное следование запросу зависят от промпта и настроек генерации.

AstolfoMix-SD2 — модель генерации изображений по текстовому описанию, созданная сообществом 6DammK9 на основе Stable Diffusion 2.1. Автор публикует варианты Baseline, Extended, Reinforced и 210b; описанная версия 210b объединяет варианты Extended и Reinforced. В README указано, что при сборке использованы слияния нескольких UNet и CLIP-компонентов, а также VAE для аниме-изображений. Модель предназначена для создания иллюстраций по текстовым запросам, в частности для более точного воспроизведения заданных персонажей и их внешности. Автор рекомендует CFG 6.0. Карточка указывает формат Diffusers/PyTorch и веса Safetensors, а также лицензию CreativeML OpenRAIL-M. Автор характеризует результат как экспериментальный proof of concept и отмечает, что качество может быть невысоким. README также предупреждает, что параметры предварительных изображений могли быть неоптимальны; встроенный VAE и VAE, используемый в WebUI, различаются.

BAGEL-RecA — мультимодальная модель на базе BAGEL-7B-MoT от ByteDance Seed, дообученная автором репозитория методом Reconstruction Alignment. Она предназначена для генерации изображений по тексту и редактирования изображений по инструкциям; автор сообщает, что возможности понимания изображений при дообучении сохранились. В README приведены результаты оценки генерации при разрешении 1024×1024 и тестов редактирования, включая GenEval, DPGBench, GEdit-Bench-EN и ImgEdit. Модель принимает текст и изображения и может выдавать текст и изображения. В карточке указаны английский и китайский языки. Весовые файлы представлены в форматах NF4, INT8 и BF16; метаданные также указывают PyTorch и Safetensors. Репозиторий опубликован по лицензии Apache-2.0. Для установки и использования README отсылает к исходному репозиторию BAGEL.

fancyfeast/bigaspv26-training — обучающие чекпойнты модели bigASP v2.6, созданные для использования с библиотекой Diffusers. В репозитории на некоторых этапах сохранено состояние обучения, чтобы при необходимости можно было вернуться к более раннему состоянию. Метаданные указывают архитектуру Stable Diffusion XL и формат safetensors; модель предназначена для генерации изображений по текстовому описанию. Репозиторий содержит обучающие состояния, поэтому он ориентирован на продолжение или восстановление процесса обучения. Модель распространяется по лицензии Apache-2.0. Данные не уточняют размер модели, поддерживаемые языки или ограничения качества.

Cool Japan Diffusion 2.1.0 Beta — Alfred Increment разработал как дообученную версию Stable Diffusion для создания изображений по текстовым запросам, ориентированных на аниме, мангу, игры и другие образы японской поп-культуры. Модель построена на Latent Diffusion Model и использует OpenCLIP-ViT/H; для генерации доступны Diffusers и Web UI. В карточке указан японский язык. Размер модели и длина контекста не приведены. Модель подходит для создания иллюстраций, учебных и исследовательских работ, самовыражения и материалов о японской поп-культуре. Она не предназначена для достоверного изображения фактов; автор также предостерегает от публикации цифровых подделок, изображений существующих персонажей и несанкционированных преобразований чужих работ. Карточка отмечает смещения, унаследованные от Stable Diffusion, и сообщает, что ограничения модели изучены недостаточно. Указана лицензия CreativeML Open RAIL++-M-NC License: коммерческое использование в общем случае запрещено, а производные модели должны сохранять лицензию.

li-yan/diffusion-aurora-256 — модель генерации изображений на основе диффузии, обученная автором репозитория на наборе данных huggan/few-shot-aurora. Она предназначена для создания изображений северного сияния размером 256 × 256 пикселей без текстового запроса. Модель использует DDPMPipeline из библиотеки Diffusers и распространяется в формате safetensors. Модель подходит для генерации визуальных примеров и иллюстраций северного сияния. README приводит примеры запуска через Diffusers, включая вариант с DDPMPipeline. Условия лицензии в предоставленных данных не описаны.

Doodad — модель генерации изображений по текстовому описанию, созданная автором crumb и опубликованная в организации doohickey. Это дообученная с помощью Dreambooth-Stable версия Trinart-Waifu-diffusion-50-50; автор обучал её на 48 изображениях из своей ленты Pinterest. Модель рассчитана на генерацию изображений по запросам и особенно хорошо сочетается со стилем, включённым в Doohickey. Обучение проводилось с разрешением 512 пикселей, размером пакета 1 и накоплением градиента на 2 шага. Репозиторий содержит формат Diffusers и веса PyTorch; метаданные указывают поддержку английского языка и лицензию BigScience BLOOM RAIL 1.0. Карточка описывает Doodad как первую часть проекта из двух или, возможно, трёх частей.