I.10Видео, анимация и 3D

Amphibia-Diffusion — модель генерации изображений по текстовому описанию в формате Diffusers/PyTorch. README рекомендует использовать токен «amphibia» в запросе, например для создания изображений персонажей или сцен с замком среди болот. Модель предназначена для генерации изображений по текстовым промптам, связанным с этим токеном. Модель размещена пользователем Theodora527; метаданные указывают на StableDiffusionPipeline и лицензию CreativeML OpenRAIL-M. Карточка не сообщает размер модели, контекст или конкретные ограничения качества.

Anime Diffusion2 — латентная диффузионная модель для генерации изображений по текстовым запросам, созданная на основе Vintedois (22h) Diffusion model. Модель дообучена на подписях BLIP для набора Danbou, материалах по Demon Slayer и артах с 4ch; в карточке приведён пример запроса с персонажем в аниме-стилистике и кинематографическим освещением. Модель предназначена для развлекательной генерации изображений и использования в качестве помощника для генеративного искусства. Она распространяется в форматах Diffusers и PyTorch, использует библиотеку Diffusers и лицензию CreativeML OpenRAIL-M. Карточка указывает английский язык; сведения о размере модели и длине контекста не приведены.

RAT (RLHF-Aesthetic Tuned) — дообученная модель на основе crumb/bloom-560m-RLHF-SD2-prompter, предназначенная для синтеза текстовых промптов для Stable Diffusion с оптимизацией под эстетическую оценку. Разработчик сообщает, что модель обучалась на датасете Gustavosta/Stable-Diffusion-Prompts с размером батча 32 и скоростью обучения 0,0001; обновлялись только смещения и параметры LayerNorm. Архитектура — плотная BloomForCausalLM примерно на 659,6 млн параметров, контекст — 2048 токенов. Модель подходит для создания промптов изображений в характерной эстетике Stable Diffusion, включая стилизацию под популярную иллюстрацию. Разработчик отмечает склонность эстетического оценивания отдавать предпочтение изображениям женщин и повторяемость результатов, в частности сходство с эстетикой «trending on artstation». Лицензия — BigScience BLOOM RAIL 1.0.

Civilizations 6 Diffusion — модель генерации изображений по текстовому описанию, обученная автором на портретах лидеров, экранах загрузки и иллюстрациях из Civilization VI. Для воспроизведения художественного стиля в запросе предлагается использовать токен «civsix style»; модель также подходит для генерации портретов и отдельных объектов. Игровая карта в обучающие данные не входила. Модель использует Stable Diffusion Pipeline и распространяется в форматах Diffusers, PyTorch и safetensors. Карточка описывает проект как созданный для исследований и развлечений и указывает лицензию CreativeML OpenRAIL-M. Лицензия допускает гибкое использование и распространение с ограничениями; пользователь отвечает за соблюдение её условий и за применение результатов. Автор не связан с Firaxis Games и предостерегает от создания подделок, нарушающих авторские права или товарные знаки.

CuteYuki2 — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec и основанная на Stable Diffusion. Карточка описывает её как особенно «милую» версию CuteYuki; модель предназначена для создания стилизованных изображений по текстовым запросам. Модель распространяется в формате Diffusers и использует библиотеку diffusers. В карточке указана лицензия CreativeML OpenRAIL-M. По описанию автора, в более поздних версиях CuteYuki акцент сместился на связность изображения и анатомию, поэтому CuteYuki2 ориентирована на более выраженную миловидность.

Карточка модели hnnguyen/CyberRealisticPony на Hugging Face совпадает с карточкой cyberdelia/CyberRealisticPony, поэтому описание составлено по ней. CyberRealistic Pony — модель генерации изображений по текстовому описанию, созданная на основе Pony Diffusion с элементами CyberRealistic. Она предназначена для создания фотореалистичных изображений пони и персонажей, а также иллюстраций и концепт-арта. Модель распространяется в формате safetensors и включает встроенный VAE. Для генерации рекомендованы 30 и более шагов сэмплирования и разрешения 896×1152 или 832×1216. Модель специализируется на изображениях пони и может хуже справляться с абстрактными запросами и сюжетами, не связанными с пони; иногда освещение и текстуры получаются чрезмерно гладкими. Возможна генерация чувствительного контента. Лицензия — CreativeML Open RAIL-M.

Карточка модели rorge120ac/CyberRealisticPony на Hugging Face совпадает с карточкой cyberdelia/CyberRealisticPony, поэтому описание составлено по ней. CyberRealistic Pony — модель генерации изображений по текстовому описанию, созданная на основе Pony Diffusion с элементами CyberRealistic. Она предназначена для создания фотореалистичных изображений пони и персонажей, а также иллюстраций и концепт-арта. Модель распространяется в формате safetensors и включает встроенный VAE. Для генерации рекомендованы 30 и более шагов сэмплирования и разрешения 896×1152 или 832×1216. Модель специализируется на изображениях пони и может хуже справляться с абстрактными запросами и сюжетами, не связанными с пони; иногда освещение и текстуры получаются чрезмерно гладкими. Возможна генерация чувствительного контента. Лицензия — CreativeML Open RAIL-M.

Карточка модели ZeusAIWorld/CyberRealisticPony-v18 на Hugging Face совпадает с карточкой cyberdelia/CyberRealisticPony, поэтому описание составлено по ней. CyberRealistic Pony — модель генерации изображений по текстовому описанию, созданная на основе Pony Diffusion с элементами CyberRealistic. Она предназначена для создания фотореалистичных изображений пони и персонажей, а также иллюстраций и концепт-арта. Модель распространяется в формате safetensors и включает встроенный VAE. Для генерации рекомендованы 30 и более шагов сэмплирования и разрешения 896×1152 или 832×1216. Модель специализируется на изображениях пони и может хуже справляться с абстрактными запросами и сюжетами, не связанными с пони; иногда освещение и текстуры получаются чрезмерно гладкими. Возможна генерация чувствительного контента. Лицензия — CreativeML Open RAIL-M.

DALL·E Mini — трансформерная модель генерации изображений по текстовому описанию, разработанная Борисом Даймой, Сураджем Патилом и соавторами как открытая попытка воспроизвести результаты ранней DALL·E. Репозиторий содержит Flax-вариант модели семейства DalleBART; модель предназначена для творческих и образовательных инструментов, создания иллюстраций и экспериментов с генеративными моделями. Модель рассчитана прежде всего на англоязычные запросы. Она может быть полезна для быстрых концептных изображений и художественных идей, но не предназначена для достоверного изображения реальных людей и событий. Лица и люди часто получаются некорректными, животные — нереалистичными; качество зависит от формулировки запроса. Выходы могут содержать стереотипы и отражают перекосы обучающих данных, в которых преобладают англоязычные описания и западные представления. Лицензия — Apache 2.0.

mit-han-lab/dc-ae-f32c32-sana-1.1 — автоэнкодер Deep Compression Autoencoder (DC-AE) от MIT Han Lab, связанный с проектом SANA 1.5. Модель предназначена для сжатия и восстановления изображений в конвейерах диффузионной генерации высокого разрешения; её латентные представления можно применять в латентных диффузионных моделях для ускорения обучения и генерации. В README описаны остаточное автоэнкодирование и трёхфазная адаптация к высокому разрешению, позволяющие повышать пространственное сжатие до 128 раз с сохранением качества реконструкции. Карточка Hugging Face относит репозиторий к задаче text-to-image и указывает формат весов safetensors. README сообщает об ускорении диффузионных моделей на примере ImageNet 512×512, но не приводит отдельной инструкции по генерации или ограничений конкретного чекпойнта. Лицензия в предоставленных данных не указана.

ddpo-alignment — модель генерации изображений из текста на основе Stable Diffusion v1-4, дообученная методом DDPO для лучшего соответствия изображения текстовому запросу. Разработчики использовали функцию вознаграждения, в которой LLaVA оценивает соответствие между запросом и сгенерированным изображением. Модель обучали на шаблонах запросов с животным и действием: например, «кошка моет посуду» или «собака играет в шахматы». Для таких запросов ожидаются лучшие результаты; авторы также отмечают ограниченное обобщение на другие формулировки. Модель принимает текст и выдаёт изображение, работает через библиотеку Diffusers и распространяется в форматах Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M.

DucHaiten GOD of SIMP v0.2 — модель генерации изображений по текстовому описанию на базе Stable Diffusion, опубликованная Yntec. В карточке приведены примеры аниме- и фэнтези-иллюстраций, включая персонажей и милых существ; репозиторий использует Diffusers и формат safetensors. Модель предназначена для создания 2D-изображений по текстовым промптам, особенно в стилистике аниме и waifu. Для коммерческого и иного использования следует проверить лицензию на исходной странице модели: в метаданных указана лицензия other, а README отсылает к лицензии оригинальной страницы.

guumaster/eyyes-diffusion — модель Stable Diffusion, созданная guumaster с помощью дообучения DreamBooth на концепции «eyyes». Для генерации изображений по тексту используйте один из триггеров: 00041-2022-11-16, 00038-2022-11-16 или 00058-2022-11-16. Репозиторий содержит веса в форматах Diffusers и PyTorch; модель предназначена для запуска через Diffusers и интерфейсы Stable Diffusion. Модель подходит для генерации изображений с обученной концепцией по текстовому запросу. Лицензия CreativeML OpenRAIL-M регулирует использование модели; перед применением следует соблюдать её условия.

hmpussy_v6_epoch30.safetensors — LoRA-адаптер для генерации изображений из текста, опубликованный пользователем или организацией xalexmoon. Модель предназначена для использования в задачах text-to-image через экосистему Diffusers и подключается к базовой модели MiniMaxAI/MiniMax-H3. В README указано, что адаптер обучен до 30-й эпохи. Другие характеристики, включая размер, точную архитектуру LoRA, поддерживаемые языки, длину контекста, особенности датасета и требуемые параметры запуска, не раскрыты. В репозитории приведён тестовый пример с текстовым запросом test, но этого недостаточно для оценки качества, специализации и устойчивости результатов. Лицензия обозначена как unknown, поэтому условия использования и возможность коммерческого применения не определены. Перед использованием следует проверить лицензионные ограничения и совместимость с MiniMaxAI/MiniMax-H3.

Janku V5 — модель генерации изображений по тексту от автора John6666, опубликованная на Hugging Face. Она основана на объединении NoobAI XL 1.1, RouWei 0.8 и Illustrious XL early release и предназначена для создания стилизованных, преимущественно аниме-изображений. Карточка указывает улучшения глаз, яркости и контраста, освещения и оттенков, блеска волос и глаз, а также чёткости линий. Модель использует Stable Diffusion XL и доступна в формате Diffusers с весами Safetensors; размер репозитория модели указан как около 3 млрд параметров. Поддерживаемый карточкой язык — английский, который используется для текстовых промптов. Репозиторий помечен как содержащий чувствительный контент и потенциально не подходящий для всех аудиторий. Лицензия — faipl-1.0-sd.

JWST Deep Space Diffusion — дообученная с помощью DreamBooth модель Stable Diffusion 1.5 для генерации изображений космоса по текстовым запросам. Она обучена на изображениях телескопа James Webb и Judy Schmidt; токен JWST в запросе помогает задать характерный стиль, например при генерации спиральной галактики. Модель распространяется в формате Diffusers/PyTorch и использует архитектуру Stable Diffusion. Модель подходит для создания художественных изображений галактик и других космических объектов. В README указана лицензия CreativeML OpenRAIL-M. Размер изображений, рекомендуемые пределы запросов и другие ограничения качества не описаны.

MidJourney-PaperCut — модель для генерации изображений по текстовому описанию, созданная ShadoWxShinigamI. Это дообучение Stable Diffusion 1.5 на 56 изображениях в течение 7000 шагов, предназначенное для создания изображений в стиле вырезанной из бумаги иллюстрации. Для вызова стиля в начале запроса используется токен mdjrny-pprct; карточка приводит примеры генерации орла, самурая и пейзажа и указывает, что обычно достаточно простого описания. Модель распространяется в форматах Diffusers, PyTorch и safetensors. Лицензия — MIT. Карточка не сообщает об ограничениях качества или известных проблемах.

MIDNIGHT_NAI-XL_vPredV1 — диффузионная модель для генерации изображений по тексту, созданная как специализированное дообучение Laxhar/noobai-XL-Vpred-1.0 на базе SDXL 1.0. Она ориентирована на аниме-иллюстрации и призвана улучшать анатомическую точность, согласованность композиции и сочетание художественных стилей, сохраняя яркие цвета без чрезмерной экспозиции. Модель рассчитана на создание изображений в ComfyUI, reForge, AUTOMATIC1111 и Diffusers. Для неё рекомендованы семплер Euler (normal), режим V-prediction с ModelSamplingDiscrete и ZsNR, а также CFG в диапазоне 3–4, предпочтительно 3,5; другие семплеры могут давать нестабильные результаты. В карточке также приведены списки тегов художников и персонажей e621 и Danbooru для составления промптов. Модель распространяется в формате safetensors по лицензии CreativeML Open RAIL++-M.

NONAMEmix-Vpred_v2 — диффузионная модель генерации изображений по текстовому описанию на базе Stable Diffusion XL. Автор указывает, что чекпойнт использует v-prediction, а 99% его основы составляет RouWei 0.7. Модель предназначена для промптов в стиле тегов Booru; в README приведены рекомендуемые настройки генерации: CFG 3–5, 28 шагов и сэмплер Euler a. Модель собрана слиянием RouWei 0.7 vpred, CyberRealistic XL, SDXL Base 1.0, LoRA SPO-SDXL_4k-p_10ep и собственной LoRA автора, обученной на 300 изображениях, созданных ИИ. Репозиторий использует Diffusers и формат safetensors. README указывает лицензию Fair AI Public License 1.0-SD; проверьте её условия перед использованием и распространением результатов.

NoobAI XL V-Pred 0.75s — диффузионная модель генерации изображений по текстовому описанию, разработанная Laxhar Lab. Она дообучена на базе Laxhar/noobai-XL_v1.0 и обучалась на изображениях Danbooru и e621 с исходными тегами и текстовыми подписями. Модель использует предсказание v и формат SDXL; для запуска доступны Diffusers и интерфейсы reForge, ComfyUI и WebUI. Модель предназначена для создания стилизованных иллюстраций по тегам или естественно-языковым запросам. В README рекомендованы CFG 4–5, 28–35 шагов, сэмплер Euler и разрешение около 1024×1024; другие сэмплеры могут работать некорректно. Карточка указывает английский язык и лицензию fair-ai-public-license: коммерческое использование запрещено, а производные модели и работы должны оставаться открытыми. Модель может создавать неожиданный или вредоносный контент.

jadechoghari/openmusic — реализация модели QA-MDT для генерации музыки по текстовому описанию, опубликованная на Hugging Face в формате Diffusers. В README модель связана с работой авторов из University of Science and Technology of China; архитектура использует masked diffusion transformer (MDT) и обучение с учётом качества, чтобы улучшить качество звучания и музыкальность при генерации по описаниям. Модель предназначена для преобразования текстовых запросов в музыкальное аудио. В README заявлены результаты уровня state of the art на наборах MusicCaps и Song-Describer. Репозиторий содержит веса в форматах Diffusers и PyTorch; лицензия, длительность контекста и поддерживаемые языки в предоставленных данных не описаны.

Raehoshi illust Vpred — диффузионная модель генерации изображений по текстовому описанию, разработанная Raelina и дообученная на NoobAI XL Vpred v1.0. Это итерация семейства Illustrious XL, ориентированная на иллюстрации в аниме-стиле; модель принимает промпты в формате тегов booru. Для запуска доступны файлы Diffusers и safetensors, а карточка указывает пайплайн StableDiffusionXLPipeline. Модель предназначена для создания стилизованных иллюстраций по текстовым промптам. Автор сообщает об улучшении цветового баланса и снижении артефактного шума по сравнению с исходной моделью, хотя эти проблемы полностью не устранены. В README приведены рекомендуемые параметры генерации, включая CFG 4–5 и не менее 25 шагов сэмплирования. Лицензия обозначена как other; конкретные условия следует сверить с лицензией репозитория.

Norod78/SD15-VinageStyle — модель генерации изображений по текстовому описанию на базе Stable Diffusion, опубликованная пользователем Norod78. Она предназначена для создания изображений с винтажной эстетикой: в карточке приведены примеры портретов и фантастических сцен с подсказками Vintage style и Vintage. Примеры используют разрешение 512×512 и показывают запуск через Diffusers StableDiffusionPipeline; подходящие параметры генерации зависят от запроса и выбранных настроек. Модель распространяется в формате Diffusers/PyTorch по лицензии CreativeML OpenRAIL-M. Карточка связывает её с набором подписей Norod78/vintage-blip-captions.

seanjang990/shark_baby_parts_v14_25 — LoRA-адаптер для генерации изображений на базе Tongyi-MAI/Z-Image-Turbo. Модель предназначена для задач text-to-image в экосистеме Diffusers; README также содержит демонстрационный пример вывода и указывает, что адаптер можно скачать из репозитория. Архитектура LoRA, точный размер, поддерживаемые языки, длина контекста, модальности и специализация адаптера в README не описаны. Назначение модели, вероятно, связано с генерацией изображений на базе указанной исходной модели, однако конкретные сценарии применения и сильные стороны нельзя определить по имеющимся данным. Лицензия и условия использования не указаны.

SoteDiffusion Wuerstchen3 — модель генерации изображений по текстовому описанию, разработанная автором Disty0 как дообучение Stable Cascade от Stability AI. Она предназначена прежде всего для создания аниме-иллюстраций; для запуска автор приводит примеры настроек в SD.Next и ComfyUI, а также упоминает доступ через API Fal.AI. Модель обучали на 6 млн изображений в течение трёх эпох на восьми GPU A100 80 ГБ. Веса доступны в формате safetensors для Diffusers. В обучающих данных использовались подписи и теги, включая оценки эстетики и качества; для промптов автор рекомендует теги вроде «newest» и «best quality». README не сообщает длину контекста или перечень поддерживаемых текстовых языков. Модель специализируется на аниме-стиле; реалистичная генерация не проверялась. Иногда результат может становиться реалистичным, а глаза и руки на дальнем плане могут выглядеть неудачно. Лицензия в метаданных указана как «other», поэтому конкретные условия использования следует уточнить на странице репозитория.

StaticM Vintage — модель генерации изображений из текста на базе Stable Diffusion, распространяемая в формате Diffusers и Safetensors. По примерам в карточке она предназначена для создания портретов и иллюстраций в эстетике 1950-х и 1960-х годов, включая винтажную фотографию, пин-ап и ретрообразы; среди примеров также есть сцены с киберпанком и фантастическим боем. Модель принимает текстовые запросы и генерирует изображения. Карточка не сообщает размер модели, длину контекста или список поддерживаемых языков. Лицензия — CreativeML OpenRAIL-M; её условия регулируют допустимое использование и распространение модели и созданных с её помощью материалов.

Это адаптация textual inversion для CompVis/stable-diffusion-v1-4, опубликованная пользователем abhipsabasu. Она добавляет в Stable Diffusion возможность создавать изображения с человеком или персоной, обозначенной специальным токеном BLF, по текстовому запросу. Модель предназначена для генерации изображений через Diffusers; её базовая модель — латентная диффузионная модель, преимущественно работающая с английскими запросами. В репозитории указаны веса в форматах Diffusers и Safetensors, а лицензия — CreativeML Open RAIL-M. Карточка не описывает конкретные ограничения адаптации, поэтому качество и диапазон сцен для токена BLF по имеющимся сведениям оценить нельзя.

Nilaier/Waifu-Diffusers — конвертированная версия Waifu Diffusion v1.4 Float32 Booru 110k с VAE для библиотеки Diffusers. Модель дообучена на базе Stable Diffusion 2.1 на 110 тысячах изображений в аниме-стиле из набора Danbooru2021; при обучении применялось группирование изображений по соотношению сторон, чтобы улучшить работу с разными разрешениями. Модель предназначена для генерации изображений в аниме-стиле по текстовым запросам. В карточке приведены проверки качества и стиля, а также тесты с пейзажами, нестандартными и длинными разрешениями. Репозиторий содержит веса в формате Diffusers/PyTorch; лицензия в метаданных обозначена как unknown.

Weirdcore — модель генерации изображений, обученная abesmon методом DreamBooth на базовой модели Stable Diffusion v2.1 с разрешением 512 пикселей. Для генерации используется библиотека Diffusers; ключевое слово для вызова изученной визуальной концепции в запросе — «weirdcore».

ya3p_VAE — модель для генерации изображений по текстовому описанию, опубликованная пользователем digiplay на Hugging Face. В карточке указано, что она находится в тестировании; README приводит примеры запросов к API Hugging Face, включая портрет девушки и широкий пейзаж с горами и озером. Модель представлена в формате Diffusers с весами PyTorch и Safetensors. Лицензия обозначена как other, поэтому условия использования следует проверять отдельно. Размер, архитектура и поддерживаемые языки в доступных сведениях не описаны.