I.10Видео, анимация и 3D

Elldreths Retro Mix — модель генерации изображений из текста, основанная на Stable Diffusion и представленная пользователем Yntec. Она предназначена для создания иллюстраций и изображений с ретро- и винтажной эстетикой; примеры в карточке показывают мультяшные и книжные иллюстрации, портреты, пин-ап и стилизацию под кинематографические кадры. Модель доступна в формате Diffusers с весами PyTorch Safetensors. В README указано, что перевыпуск включает встроенный 840K VAE для улучшения детализации. Репозиторий опубликован по лицензии CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении результатов.

Fresh Ink — модель генерации изображений по текстовым описаниям, созданная объединением Tantrum с Fresh Hell: HELLMix, в которую встроена LoRA Cute and Fresh. Для включения указанного в карточке стиля используйте триггер j_guofeng в промпте. Примеры демонстрируют милые 2D-сцены с персонажами и животными в аниме-стиле. Модель предназначена для создания иллюстраций по промптам через StableDiffusionPipeline библиотеки diffusers. Файлы представлены в форматах diffusers и safetensors; лицензия — CreativeML OpenRAIL-M. Размер модели, число параметров и длина контекста в доступных данных не приведены.

Hassanim — экспериментальная текстово-графическая модель на базе Stable Diffusion 1.5, созданная автором Yntec как попытка улучшить HassanBlend с помощью ReVAnimated. Автор сообщает, что итоговая модель примерно на 95% состоит из HassanBlend; в карточке также описан рецепт смешивания, но одна из использованных моделей для последнего этапа не записана. Модель предназначена для создания изображений по текстовым запросам, в частности иллюстраций в аниме- и художественной стилистике с персонажами и выразительными лицами. Автор сравнивал варианты на запросе об изображении девушки в уличной одежде в магазине и отмечает компромисс между качеством лиц и композицией: вариант RevHassanimated улучшает лица, но может ухудшать композицию. Репозиторий использует Diffusers, PyTorch и safetensors, а лицензия указана как CreativeML OpenRAIL-M. В карточке не приводятся сведения о размере модели и длине контекста; для генерации изображений ограничения прежде всего связаны с указанным автором компромиссом между лицами и композицией.

Noginowa создал IllustMixLuminous — объединённую модель на основе Illustrious, предназначенную для генерации иллюстраций по текстовым запросам. Репозиторий распространяет модель в формате safetensors для библиотеки Diffusers; в README указано, что в неё встроен VAE. В метаданных среди компонентов объединения перечислены AnimaMixColorXL, Illustrious-XL-v2.0 и Animagine XL 3.1. Модель подходит для создания иллюстраций в аниме-стиле. Автор рекомендует использовать CLIP skip 2 и подбирать CFG scale с учётом sampler; в README приведены рекомендуемые настройки и промпты. README описывает версию v2.1-Refined как вариант, призванный уменьшить искажения пальцев, но отмечает, что полностью они не устранены. Лицензия указана как other, без конкретных условий в предоставленных данных.

Yntec/IllustratorInk — модель преобразования текста в изображения, созданная Yntec на основе Tantrum. По карточке, в чекпойнт Tantrum встроена LoRA Cute and Fresh; в описании также приведён экспериментальный рецепт слияния с HELLmix, названный Cute Ink. Модель рассчитана на создание иллюстраций в милом мультяшном и аниме-стиле по текстовым запросам. Примеры показывают персонажей, чиби и сцены с детализированными атрибутами. Репозиторий использует Diffusers и формат safetensors. Лицензия — CreativeML OpenRAIL-M. Автор отмечает, что попытка улучшить универсальность с помощью HELLmix привела к ещё одной аниме-модели.

Illustrous Manga Lora — это LoRA-модель для генерации изображений по текстовому описанию, предназначенная для использования с diffusion-моделями и библиотекой Diffusers. Она создана на базе OnomaAIResearch/Illustrious-xl-early-release-v0 и, согласно README, ориентирована на передачу стилистики манги в изображениях. Авторство разработчика в карточке не заявлено: указано, что модель не принадлежит владельцу репозитория, а исходное описание ссылается на страницу модели на Civitai. Модель предназначена для сценариев text-to-image, где требуется получить визуальный стиль манги на основе текстового промпта. Технические характеристики LoRA, включая размер адаптера, точный триггер, рекомендуемый вес, поддерживаемые языки, максимальный контекст и результаты сравнительного тестирования, в README не указаны. Также отсутствуют подробности о сильных сторонах и ограничениях, поэтому их нельзя достоверно оценить по имеющимся данным. Лицензия модели указана как Apache-2.0. Для использования потребуется совместимая базовая diffusion-модель, в частности заявленная Illustrious XL Early Release, а также программное обеспечение или интерфейс, поддерживающий подключение LoRA.

Khalidouaze — модель text-to-image на базе Stable Diffusion, созданная Kha37lid с помощью DreamBooth и ноутбука fast-DreamBooth от TheLastBen. Она предназначена для генерации изображений по текстовым описаниям с изученным в ходе дообучения концептом «Khalidouaze»; карточка предлагает проверять концепт через A1111 Colab fast-Colab-A1111. Модель распространяется в форматах Diffusers и PyTorch с весами Safetensors по лицензии CreativeML OpenRAIL-M. Сведения о размере модели, контексте и поддерживаемых языках в карточке не приведены.

Krea-2-LoRA-softwatercolor — адаптер LoRA, разработанный Krea для генерации изображений на базе модели Krea 2. Он предназначен для text-to-image сценариев и добавляет к Krea-2-Turbo визуальную стилистику мягкой акварели с элементами Art Deco. Для активации стиля используется триггерная фраза «Art Deco watercolor style», после чего модель можно применять к сценам с персонажами, природой, архитектурой, пейзажами и другими сюжетами. Адаптер поставляется в файле softwatercolor.safetensors и должен использоваться совместно с Krea-2-Turbo через diffusers и Krea2Pipeline; самостоятельной моделью он не является. Он обучен на Krea-2-Raw, а опубликованные примеры визуализированы на Krea-2-Turbo за 8 шагов при guidance scale 0.0 и весе LoRA 1.0. Данные о размере модели, разрешении изображений, максимальном контексте и точном наборе поддерживаемых языков не указаны. Модель ориентирована на стилизованную художественную генерацию, но может наследовать ограничения базовой модели и чувствительность результата к формулировке промпта. Указана специальная лицензия krea-2-community-license; её условия следует уточнять в приложенном лицензионном документе.

MiniMax-Music3 — модель генерации музыки от MiniMax, представленная в репозитории pinecoresystems/MiniMax-Music3 как неизменённая копия в структуре Diffusers. Она предназначена для создания музыки по текстовому описанию. В репозитории также размещены генератор и детектор водяных знаков AudioSeal от Meta; README сообщает, что TinyPine Studio встраивает водяной знак в создаваемые ею композиции, но это не характеристика самой MiniMax-Music3. Веса хранятся в формате safetensors, библиотека — Diffusers. Репозиторий содержит только подкаталоги Diffusers; вариант раскладки для SGLang не включён. README не сообщает размер модели, контекст или список поддерживаемых языков. Лицензия — MiniMax-Music3 Community License с Acceptable Use Policy. Для коммерческих продуктов, использующих модель, требуется показывать «MiniMax-Music3» в интерфейсе; при годовой выручке свыше 20 млн долларов требуется отдельное разрешение MiniMax. TinyPine не обучала и не изменяла модель.

moeFussion — модель генерации изображений по текстовому описанию из проекта Moe Diffusion. Авторская карточка описывает цель проекта как улучшение генерации персонажей в стиле moe и аниме. Модель предназначена для создания иллюстраций по тегам и обычным текстовым промптам; автор рекомендует использовать длинные промпты и указывает типичный размер изображения 832×1144. Для версии 3.0 заявлены база Anima v1, улучшенная анатомия, меньший размер модели и лучшее следование промпту. В карточке также описаны более ранние варианты на базах Stable Diffusion 2.1, Pony XL, SDXL и Illustrious, поэтому точная база зависит от версии чекпойнта. Модель работает в библиотеке Diffusers; файлы представлены в форматах PyTorch и Safetensors. Она ориентирована на аниме-иллюстрации, персонажей и фэнтезийные сцены, а не на фотореализм. Для запуска автор приводит настройки сэмплера и CFG, а для отдельных версий рекомендует ComfyUI или SwarmUI. Лицензия — CreativeML OpenRAIL-M. Качество зависит от версии, промпта и настроек; в README отмечено, что короткие промпты могут давать результат хуже.

MOSS-Video-Preview-Base — предварительно обученная базовая модель из серии MOSS-Video-Preview, разработанная командой OpenMOSS. Это плотная мультимодальная архитектура VideoMllamaForConditionalGeneration с единым кросс-вниманием для изображений, видеокадров и текста. Модель предназначена для исследований понимания видео и как основа для последующего дообучения с учителем: для работы с полными видеосегментами или потокового понимания видео в реальном времени. Архитектура выравнивает последовательности видеокадров с текстовыми токенами и рассчитана на временно согласованную обработку изображений и видео. Предварительное обучение не включает настройку следования инструкциям, поэтому модель может повторять текст и плохо выполнять сложные запросы до SFT. Авторы отмечают, что по качеству она уступает Qwen2.5-VL; характеристики готовых сценариев зависят от дальнейшего дообучения и конвейера вывода. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0.

Noct Q — модифицированная версия модели Qwen Image 2.1, представленная автором Noctaluna. Это модель генерации изображений по тексту; также README описывает редактирование изображений с теми же файлами в ComfyUI. Автор заявляет о фотореалистичной генерации обнажённых и откровенных сцен, а также об умении создавать изображения с читаемыми надписями, аниме и живописные иллюстрации. Модель рассчитана на работу с ComfyUI и форматом safetensors. Для версии V4 указаны файл размером 7,3 ГБ и видеокарты с 8–12 ГБ памяти; автор рекомендует разрешение 1024×1536, 25 шагов, sampler Euler и CFG 3. Для запуска также требуются текстовый энкодер Qwen3-VL 8B и VAE Qwen Image 2.1. Базовая модель — Qwen/Qwen-Image-2.1; метаданные указывают на слияние. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой модели и её базовой модели.

NoobAI XL 0.75 — диффузионная модель генерации изображений по текстовому описанию от Laxhar Lab. Это дообучение Laxhar/noobai-XL-0.6; в README указано, что после версии 0.6 модель обучали с дополнительными знаниями в текстовом энкодере. По данным карточки, модель основана на Illustrious-xl и использует подписи в виде тегов, характерные для обучающих наборов Danbooru и e621. Она предназначена для создания изображений по теговым или обычным текстовым запросам. Рекомендуемая общая площадь изображения — около 1024×1024 пикселей; в README также приведены настройки CFG 5–6, 25–30 шагов и sampler Euler a. Модель ориентирована на стилизованную иллюстрацию и генерацию изображений в эстетике обучающих датасетов. Доступна в форматах Diffusers и safetensors для StableDiffusionXLPipeline. Карточка запрещает коммерческое использование, требует открывать производные модели и соблюдать fair-ai-public-license; также запрещает незаконное и вредоносное применение. Возможны неожиданные или вредные результаты генерации.

NoobAI XL NAI XL EpsilonPred 11 version SDXL — дообученная модель генерации изображений по текстовым запросам, созданная L_A_X на основе Laxhar/noobai-XL-1.1. Она предназначена для создания аниме-изображений, персонажей и стилизованных иллюстраций. Модель рассчитана на работу с Diffusers; веса доступны в формате safetensors. В метаданных указана лицензия other без конкретизации условий. Модель обучалась на наборах изображений Danbooru 2023, Danbooru 2024 и e621 2024. Карточка не содержит подробностей о размере модели, контекстном окне или конкретных ограничениях качества.

Nova Flat XL v10 SDXL — модель преобразования текста в изображение, созданная пользователем Crody и опубликованная John6666 на базе OnomaAIResearch/Illustrious-xl-early-release-v0. Модель предназначена для генерации 2D-иллюстраций, аниме-арта, цифровых рисунков и фантазийных пейзажей по текстовым описаниям на английском языке. Модель работает в экосистеме Diffusers через StableDiffusionXLPipeline и относится к семейству Stable Diffusion XL. Она ориентирована на создание ярких, красочных изображений в стилизованной иллюстративной манере; метаданные также отмечают контент для взрослой аудитории. Лицензия указана как faipl-1.0-sd с типом other, поэтому перед использованием необходимо учитывать её условия и ограничения.

PVC v2 — модель генерации изображений на основе латентной диффузии, созданная p1atdev с помощью LoRA-дообучения Waifu Diffusion v1.4 epoch 2 на изображениях коллекционных PVC-фигурок. Она предназначена для создания иллюстраций в аниме-стиле по текстовым запросам, в том числе с тегами Danbooru. Для генерации автор рекомендует начинать запрос с тегов «masterpiece, best quality»; примеры используют 20 шагов, DPM++ 2M Karras и CFG 7. В версии 2 для обучения использовали 2110 изображений, разрешение 768×768 и сеть LoRA размерности 16. Модель принимает текст на английском языке и создаёт изображения. Доступны варианты весов checkpoint, safetensors и LoRA. Модель распространяется по лицензии CreativeML OpenRAIL-M.

Raehoshi Illust XL 2.1 — диффузионная модель генерации изображений по тексту от Raelina, доработанная на основе IllustriousXL0.1 и продолжающая Raehoshi-illust-xl-v2. Она предназначена для создания иллюстраций по текстовым запросам, составленным преимущественно в стиле тегов Booru. Разработчик сообщает, что версия снижает перенасыщенность цветов и артефактный шум по сравнению с исходной моделью, хотя эти недостатки устранены не полностью. Модель распространяется в форматах Diffusers и Safetensors. В карточке указана лицензия Fair AI Public License 1.0-SD; метаданные Hugging Face обозначают её как other. README приводит настройки генерации: CFG 5–6, 28 шагов и sampler Euler a, а также параметры Hires.fix. Поддерживается английский язык запросов; конкретные ограничения по разрешению в доступном описании не приведены.

Raehoshi illust XL 3 — диффузионная модель генерации изображений по текстовому описанию, разработанная Raelina и дообученная на Illustrious XL v0.1. Она предназначена для создания иллюстраций по промптам в стиле тегов Booru; рекомендуемые параметры генерации включают CFG 5–6 и 28 шагов сэмплирования. Модель стремится уменьшить перенасыщенность и артефактный шум исходной модели, сохраняя её визуальный стиль, хотя полностью эти недостатки не устранены. Модель распространяется в форматах Diffusers и Safetensors. В метаданных указан английский язык; лицензия — Fair AI Public License 1.0-SD. Карточка предлагает настройки генерации и масштабирования через Hires.fix, но не сообщает размер модели или длину контекста.

Realgar-v1.0 — модель генерации изображений на основе Stable Diffusion, разработанная p1atdev и построенная на WD 1.5 beta 3. Она предназначена для создания изображений по текстовым описаниям; автор отмечает, что модель лучше работает с короткими промптами и стремится давать стабильный результат без добавления «masterpiece, best quality». В примере показана генерация изображения 512×768 с возможностью увеличения разрешения через highres fix. Модель поддерживает аниме-эстетику, а с подходящими промптами может создавать и изображения в реалистичном стиле. Длинные промпты и некоторые специальные концепции могут отрабатываться хуже. Для снижения артефактов рекомендуется использовать негативный промпт; чтобы уменьшить вероятность изображений с наготой, автор советует добавить соответствующие негативные токены. Для работы рекомендуется VAE от WD 1.4. Репозиторий использует формат Diffusers, PyTorch и safetensors; лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

Rinotuna — модель Stable Diffusion для генерации изображений по текстовому описанию, опубликованная под именем AnimeTest/rinotuna-man. Карточка представляет её как концепт Rinotuna и предлагает пробный запуск через A1111 Colab. Репозиторий содержит модель в форматах Diffusers и PyTorch. Модель предназначена для создания изображений по текстовым запросам в стиле или с концептом Rinotuna. В карточке приведены примеры изображений, но не раскрыты размер модели, базовый чекпойнт, поддерживаемые языки, контекст или конкретные настройки генерации. Указана лицензия CreativeML OpenRAIL-M; условия использования следует сверять с её текстом.

Yntec/Roleplay — модель генерации изображений по текстовому описанию, созданная слиянием моделей Playground и a-ZovyaRPGV3. Она предназначена для создания цифровых иллюстраций, в том числе ролевых и фэнтезийных сцен, аниме и пиксель-арта; примеры также показывают персонажей и игровые интерфейсы. Репозиторий содержит веса в формате safetensors для библиотеки diffusers. Модель распространяется по лицензии CreativeML OpenRAIL-M.

SenseNova-SI-1.1-InternVL3-2B — мультимодальная модель SenseNova, представленная в работе «Scaling Spatial Intelligence with Multimodal Foundation Models». Она дообучена на базе OpenGVLab/InternVL3-2B и предназначена прежде всего для пространственного понимания и рассуждений по изображениям и текстовым вопросам. Модель работает с диалоговым форматом и распространяется в формате safetensors для Transformers. В README заявлены результаты на пространственных бенчмарках VSI, MMSI, MindCube, ViewSpatial и SITE, а также сохранение сильных возможностей общего визуально-языкового понимания. Модель подходит для ответов на вопросы о расположении объектов, их взаимном положении и пространственных преобразованиях. Проект описан как продолжающееся исследовательское направление; результаты на бенчмарках не гарантируют качество во всех прикладных сценариях. Лицензия — Apache-2.0.

Shichigoro Diffusion v0.2 — экспериментальная модель генерации изображений на основе Stable Diffusion, обученная на художественных работах Shichigoro с помощью DreamBooth и сохранением prior-preservation loss. Для вызова характерного стиля в запрос добавляют токен «shichigoro»; модель также демонстрирует генерацию персонажей, животных и других сюжетов по текстовому описанию. Модель принимает текстовые запросы и создаёт изображения. В карточке приведены примеры с настройками Euler a, CFG scale 7 и разрешением около 512×704–768 пикселей. Автор указывает, что обучение заняло 800 шагов и включало дообучение текстового энкодера. Модель предназначена только для личного использования; следует уважать права исходного художника. Лицензия — CreativeML OpenRAIL-M.

Модель создана Pinguin как дообученная с помощью DreamBooth версия Stable Diffusion для генерации изображений в стиле карты мира Smario. Для создания изображения в нужном стиле в запросе следует использовать формулировку «a map in style of sks». Модель предназначена для генерации изображений по текстовому описанию. Репозиторий содержит модель в форматах Diffusers и PyTorch. Лицензия — MIT. Карточка не приводит сведения о размере модели, поддерживаемых языках или длине контекста.

Subtly — модель генерации изображений по текстовому описанию, созданная на основе Waifu Diffusion 1.5. Разработчик описывает её как аниме-модель, обученную без утечек NovelAI; для получения аниме-изображений обычно нужно добавить слово «anime» в запрос, поскольку модель может создавать и реалистичные изображения. Модель предназначена для создания иллюстраций по текстовым промптам. В README отмечены особенности формулировок промптов относительно моделей на основе NAI и возможность влиять на реалистичный стиль через отрицательный промпт, хотя автор не рекомендует использовать для этого «instagram» и «real-life»: они могут ухудшить анатомию и фон. Модель уязвима к NSFW-содержимому. Репозиторий использует Diffusers и формат safetensors; лицензия указана как other, её конкретные условия в предоставленных данных не раскрыты.

VaLMix (ValentineMix) — слитая модель для генерации изображений по текстовым описаниям, созданная Hemlok на основе pastel-mix. Карточка указывает на использование с Diffusers и WebUI, например AUTOMATIC1111; для генерации рекомендуются сэмплеры DDIM или DPM++ SDE Karras, около 50 и более шагов и CFG Scale 5–8. Модель предназначена для создания иллюстраций в аниме-стиле: в примере промпта описаны персонаж, одежда и интерьер. Автор также перечисляет варианты серии VaLMix2, включая варианты на основе VaLMix и Openjourney-v4, но это не меняет указанную для VaLMix базу pastel-mix. Коммерческое использование VaLMix запрещено из-за изменения лицензии исходной модели для слияния; в метаданных указана лицензия CreativeML OpenRAIL-M.

Woolitize — стильная модель для генерации изображений по тексту, созданная Jak_TheAI_Artist как обученный набор для Stable Diffusion 1.5. Для активации характерного стиля автор рекомендует включать в запрос слово «woolitize». В версии 1.0 модель обучалась на 117 изображениях в течение 8000 шагов; версия 1.2 использует изображения 768×768 и, по описанию автора, улучшает детализацию и фон. Модель предназначена для создания изображений в стиле Woolitize по текстовым запросам. Репозиторий представлен в форматах Diffusers и PyTorch; указана лицензия CreativeML OpenRAIL-M. Карточка упоминает также вариант для Stable Diffusion 2.0, но отмечает его несовместимость с Automatic1111 на момент публикации.

GuoFeng3 — модель генерации изображений по текстовому описанию в китайском изысканном историческом стиле. Она предназначена для создания персонажей и сцен в эстетике древнего Китая, в том числе игровых персонажей; автор также отмечает 2.5D-визуальную фактуру и добавление мужских персонажей и элементов окружения. Модель распространяется в формате Diffusers на базе PyTorch и поддерживает генерацию изображений с длинной стороной до 1024 пикселей. По описанию, третья версия проще в использовании и лучше адаптируется к дополнительным тегам; автор также сообщает об улучшениях в изображении лиц и рук. Среди отмеченных ограничений — возможные красные глаза у персонажей и чрезмерно яркая окраска, которую предлагается корректировать негативным запросом и настройкой CFG. Лицензия CreativeML Open RAIL-M.

Yiffymix_V52-XL — совместимая с Diffusers версия модели Yiffymix v52 от chilon249 для генерации изображений по текстовому описанию. Она построена на SDXL-Lightning и распространяется в формате Diffusers с весами safetensors; доступен вариант FP16. Для генерации рекомендуется использовать примерно 12–25 шагов и guidance scale 4–6; в README также рекомендован clip skip 2. Для этой версии указан метод сэмплирования DPM++ 2M Karras. Модель предназначена для творческих и художественных задач. Лицензия — OpenRAIL++; README дополнительно ограничивает использование творческими и художественными целями и запрещает применение с намерением причинить вред.

abstract_nature_patterns_v2 — модель генерации изображений, созданная apurik-parv методом DreamBooth на базе Stable Diffusion 1.5. Она обучалась 40 000 шагов на тщательно отобранных изображениях, чтобы усилить в генерируемых сценах симметрию и масштабные закономерности, ассоциируемые с природой. Для вызова изученного образа в промпте используется триггер abnapa. Модель принимает текстовые описания и создаёт изображения в формате Stable Diffusion. Автор отмечает улучшенную симметрию и освещение, а также меньшее количество артефактов; это предварительные наблюдения автора, который продолжает изучать влияние модели. На холстах большого размера, например 1024×1024, сохраняется проблема повторения элементов. Репозиторий распространяется в форматах Diffusers и PyTorch под лицензией CreativeML OpenRAIL-M.