I.10Видео, анимация и 3D

YAaI (Yet Another Anime Illustrious) — модель для генерации изображений в стиле аниме по текстовым промптам, созданная jorkingtoncityshallwe. Это дообученная версия Illustrious XL, основанной на Stable Diffusion XL; репозиторий содержит файлы для Diffusers в формате safetensors. Автор указывает, что с моделью должны работать персонажи, доступные в WAI-NSFW v20. Модель предназначена для создания аниме-иллюстраций, в том числе изображений персонажей. В карточке указаны английский язык и пометка о контенте не для всех аудиторий; лицензия обозначена как other, поэтому условия использования следует уточнять в материалах репозитория и базовой модели.

yumekawadiffusion — модель генерации изображений в стиле Yumekawaii, опубликованная teftef. Она предназначена для создания изображений по текстовым запросам; автор рекомендует использовать короткие промпты и отрицательный промпт для снижения дефектов лица, рук и общего качества. В карточке показаны результаты до и после дообучения Waifu Diffusion 1.4 e1, а также вариант с RoLA; эта версия описана как дообученная модель без LoRA. Для примеров автор приводит 28 шагов, CFG Scale 7.5, сэмплер Euler a и размер 512×768. Метаданные указывают на StableDiffusionPipeline и форматы Diffusers/PyTorch. Карточка содержит языковые теги японского и английского. Лицензия в предоставленных данных не указана.

AbyssMapleVer3 — модель преобразования текста в изображения, опубликованная AIARTCHAN. Это смешанная модель на базе Stable Diffusion: в README перечислены AbyssOrangeMix2 NSFW, maplestoryStyle, Terada Tera Style, myHeroAcademiaHorikoshi и yomYomuStyle с указанными коэффициентами. Репозиторий содержит варианты no-EMA и fp16; для работы используется библиотека Diffusers и доступны веса в форматах PyTorch и safetensors. Модель предназначена для генерации изображений по текстовым запросам в художественных стилях, сочетающих эстетику MapleStory, мангу и перечисленные стили. README указывает на NSFW-происхождение одной из базовых моделей, поэтому результаты могут включать контент для взрослых. Лицензия — CreativeML OpenRAIL-M.

A-Zovya RPG Artist Tools V2 Art — модель генерации изображений по текстовому описанию в формате Stable Diffusion Diffusers. Карточка сообщает, что Color 101 VAE встроен в модель. Модель предназначена для создания иллюстраций в стиле RPG по текстовым запросам. Модель размещена пользователем Yntec; исходная страница указана в карточке без дополнительных сведений. Репозиторий содержит веса в форматах Diffusers, PyTorch и safetensors. Лицензия — CreativeML OpenRAIL-M, условия которой регулируют допустимое использование и распространение модели.

crumb/bloom-560m-RLHF-SD2-prompter — дообученная модель семейства BLOOM от автора crumb для генерации текстовых промптов к Stable Diffusion 2.0. Она продолжает обучение mrm8488/bloom-560m-finetuned-sd-prompts с использованием RLHF: автор ранжировал изображения, а при обучении обновлялись только смещения и параметры нормализации слоёв. Модель принимает текстовое начало «Prompt:» и дополняет его описанием для генерации изображения, например концепт-артом пейзажа. Это причинная плотная языковая модель на 659,6 млн параметров с контекстом до 2048 токенов; доступны веса PyTorch и safetensors. Карточка указывает лицензию BigScience BLOOM RAIL 1.0. Назначение модели узкое: составление промптов для Stable Diffusion 2.0. В README автор называет её первой итерацией проекта и описывает личную ручную настройку, поэтому качество и стабильность результатов могут быть ограничены; иных конкретных ограничений карточка не приводит.

JujoHotaru/BreedSeriesForAnima — это опубликованный JujoHotaru чекпойнт на базе Anima для генерации двумерных иллюстраций. Версия HotaruBreedAnima v1.0 ориентирована на милую стилистику. Модель принимает текстовые запросы и создаёт изображения; в метаданных указаны японский и английский языки. Чекпойнт дообучен на circlestone-labs/Anima и распространяется в формате Safetensors. В README не приведены сведения об архитектуре, размере и длине контекста. Лицензия обозначена как other, поэтому условия использования следует уточнить в репозитории модели.

Dolka_Rusalka_v0.5.1 — модель генерации изображений по текстовому описанию, опубликованная digiplay. Репозиторий содержит модель в формате Diffusers и веса Safetensors; в карточке приведены примеры изображений, созданных по запросам с озером, уткой, девушкой и деревьями сакуры. Модель предназначена для создания изображений по текстовым промптам. Лицензия указана как other, поэтому условия использования следует уточнить на странице модели.

KM445/flux2-klein-9b-uncensored-text-encoder-Q8_0-GGUF — это текстовый энкодер для семейства FLUX.2 klein 9B, преобразованный в формат GGUF из модели ponpoke/flux2-klein-9b-uncensored-text-encoder с помощью llama.cpp и GGUF-my-repo. В README также указано, что модель связана с задачами text-to-image и предназначена для использования в экосистеме FLUX.2 klein. Модель рассчитана на запуск через llama.cpp в командной строке или в режиме сервера. Указаны языки English и Japanese. Ключевая характеристика данного варианта — квантизация Q8_0 в формате GGUF; исходный размер модели составляет 9B параметров. В README приведён размер контекста 2048 токенов для запуска сервера. Другие сведения об архитектуре, точных характеристиках текстового энкодера и совместимости с конкретными генераторами изображений не указаны. Преимущество модели — удобный запуск через llama.cpp и сниженные требования к хранению и вычислениям по сравнению с полноразмерной версией благодаря квантизации. При этом README сообщает об удалённых фильтрах безопасности и возможности генерации общего NSFW-контента, поэтому модель требует ответственного и законного применения. Лицензия указана как flux-non-commercial-v2.1; для доступа требуется согласие с условиями, запрещающими создание незаконного контента и требующими соблюдения применимого законодательства.

Ar4ikov/gpt2-650k-stable-diffusion-prompt-generator — небольшая языковая модель на архитектуре GPT-2, созданная для генерации текстовых промптов для Stable Diffusion. Она принимает текст и продолжает его в виде промпта; контекст модели составляет 1024 токена. В метаданных указаны обучающие наборы промптов Stable Diffusion, включая Gustavosta/Stable-Diffusion-Prompts, bartman081523/stable-diffusion-discord-prompts и Ar4ikov/sd_filtered_2m. Модель опубликована в формате PyTorch и Safetensors и распространяется по лицензии MIT. README не содержит подробностей о качестве генерации или рекомендаций по настройке; применение лучше ограничить созданием англоязычных текстовых описаний для генерации изображений.

Hermitage XL — модель Linaqruf для генерации изображений по текстовым запросам на основе латентной диффузии. Она дообучена на Stable Diffusion XL 1.0 на подборке изображений в стиле аниме; для обучения использовались разрешение 1024×1024 и подбор соотношения сторон. Модель рассчитана на генерацию аниме-изображений, в том числе персонажей и сцен, по запросам в формате тегов Danbooru. Доступны форматы Diffusers и safetensors; использовать модель можно через Stable Diffusion WebUI, Diffusers и ComfyUI. Автор описывает модель как предварительную версию для подбора гиперпараметров и конфигурации обучения SDXL. Модель переобучена на небольшом датасете и может плохо следовать запросам. Она наследует ограничения Stable Diffusion XL 1.0. Лицензия — CreativeML Open RAIL++-M.

Hitokomoru Diffusion V2 — модель генерации изображений по текстовому описанию, разработанная Linaqruf на основе латентной диффузии Stable Diffusion. Она дообучена от waifu-diffusion-v1-4-epoch-2 на 257 иллюстрациях японского художника ヒトこもる/Hitokomoru; обучение выполнено за 15 000 шагов. Модель рассчитана на создание аниме-иллюстраций и понимает как обычные текстовые описания, так и теги Danbooru. Модель подходит для генерации персонажей и сцен в аниме-стиле. Её можно запускать через Automatic1111 Stable Diffusion WebUI или библиотеку Diffusers; репозиторий предоставляет веса в форматах Diffusers, PyTorch и safetensors. Для более выразительных результатов автор рекомендует использовать эстетические теги и отрицательные промпты для подавления типичных артефактов. Модель ориентирована на художественный стиль конкретного автора, поэтому её результаты могут быть менее подходящими для других визуальных стилей и задач. Распространяется по лицензии CreativeML OpenRAIL-M.

Illustrious XL v0.1 — модель генерации изображений на основе Stable Diffusion XL, разработанная командой Onoma AI Research. Она продолжает Kohaku XL Beta 5 и дообучена на большом размеченном наборе Danbooru2023, поэтому ориентирована на создание иллюстраций по текстовым запросам с описаниями персонажей, визуальных стилей и композиции. Модель не задаёт стиль по умолчанию и задумана как базовая версия для дальнейшего дообучения и адаптеров; авторы отмечают, что она не настроена под эстетические предпочтения. Модель принимает текстовые промпты и генерирует изображения. В карточке приведены рекомендации по тегам композиции, качеству, сэмплеру и настройкам генерации. README называет версию v0.1 исследовательской и предупреждает, что генерация может давать нежелательные или вредные результаты; для более привычного использования авторы рекомендуют вариант GUIDED с дополнительными механизмами безопасности. Модель выпущена по Fair Public AI License. Лицензия требует открыто публиковать производные модели и указывать исходную модель, наборы данных и рецепты обучения или слияния; README также запрещает монетизацию закрытых производных моделей и возлагает на пользователей ответственность за соблюдение ограничений на использование результатов.

JANKU Trained + Chenkin & NoobAI + RouWei Illustrious XL v7.77 — модель для генерации изображений по текстовому запросу, размещённая LillyCherry. В README указаны автор исходной модели janxd и базовая модель Illustrious; карточка описывает репозиторий как простую конверсию safetensors в формат diffusers. Модель предназначена для создания изображений по текстовым описаниям. README рекомендует Euler или Euler A, 25–30 шагов, CFG 3–5, планировщик Normal, Simple или SGM Uniform и Clip Skip 2. Репозиторий содержит веса safetensors для использования с diffusers. Лицензия указана как other, без уточнения её условий в предоставленных данных.

Kohaku XL Delta — модель KBlueLeaf для генерации изображений по текстовому описанию, четвёртая крупная версия серии Kohaku XL. Это модель семейства Stable Diffusion XL, доступная для Diffusers; в карточке указаны форматы PyTorch и SafeTensors. Автор описывает её как аниме-модель, обученную на 3,6 млн изображений из датасета Danbooru2023 с тегами Danbooru. Обучение выполнялось методом LoKr через LyCORIS на базе, полученной смешиванием Kohaku XL gamma rev2 и beta7; базовая версия дообучения не проходила. Модель рассчитана на создание аниме-иллюстраций с управлением через теги Danbooru, в том числе тегами качества, рейтинга и периода публикации изображений. Обучалась для разрешений SDXL около 1024×1024 с диапазоном бакетов от 256 до 4096 пикселей; автор рекомендует использовать разрешение немного выше 1024×1024 и hires-fix. Карточка указывает, что часть тегов могла усвоиться недостаточно хорошо из-за короткого обучения, а для некоторых тегов может помочь усиление веса. Лицензия обозначена как other, поэтому конкретные условия использования следует проверить в файлах репозитория.

Golden Misty Xianxia — стилевой LoRA-адаптер, разработанный в серии Krea 2 Style LoRA компанией или платформой fal.ai для базовой модели krea/Krea-2-Turbo. Модель предназначена для генерации изображений по текстовому описанию в pipeline text-to-image и добавляет к результатам характерную золотистую туманную эстетику жанра xianxia. Она подходит для иллюстраций самых разных сюжетов, включая пейзажи, городские сцены, животных, портреты и натюрморты. Для активации используется триггерная фраза «golden misty xianxia style», которую рекомендуется добавлять в конец запроса. Рекомендуемый масштаб LoRA составляет от 1,0 до 1,25. Адаптер рассчитан на работу с Krea 2 Turbo через fal.ai и diffusers; также доступна совместимая версия весов для ComfyUI. В README не указаны точный размер адаптера, максимальный контекст, перечень поддерживаемых языков базовой модели или дополнительные модальности, поэтому эти характеристики неизвестны. Модель сильна в стилизации изображений с единым визуальным направлением и может применяться к разнообразным сценам, однако это не самостоятельная генеративная модель, а LoRA, требующая совместимой базовой модели Krea 2 Turbo. Условия использования определяются лицензией Krea 2 Community License; подробные ограничения следует уточнять в тексте этой лицензии.

Krea-2-LoRA-dotmatrix — адаптер LoRA, разработанный Krea для модели Krea 2. Он предназначен для генерации изображений в стиле монохромной точечной штриховки по текстовым описаниям и используется как дополнение к базовой модели Krea-2-Turbo через библиотеку Diffusers. Для активации стиля применяется триггерная фраза “Monochrome stippling style”. Адаптер содержит веса dotmatrix.safetensors и обучен на Krea-2-Raw, а демонстрационные изображения созданы на дистиллированной малошаговой версии Krea-2-Turbo за 8 шагов при guidance scale 0.0 и весе LoRA 1.0. Модель поддерживает сценарии текст-в-изображение и может применяться к различным сюжетам, включая персонажей, пейзажи, животных и сцены действия. В README указано, что заявленный язык — английский. Размер модели, точные параметры архитектуры и максимальная длина контекста не приведены. Сильная сторона адаптера — специализация на узнаваемом визуальном стиле при использовании базовой Krea-2-Turbo и небольшого числа шагов генерации. Ограничение заключается в необходимости совместного использования с совместимой базовой моделью и корректного применения триггерной фразы; сведения о других ограничениях качества и производительности отсутствуют. Лицензия указана как krea-2-community-license; подробные условия доступны по ссылке на файл лицензии в репозитории.

Magic Diffusion от Qilex — дообученная модель Stable Diffusion для генерации изображений в стиле иллюстраций карт Magic: The Gathering. Для задания стиля в запросе рекомендуется использовать токен «mtg style». Модель обучена на сканах иллюстраций карт с помощью DreamBooth и сохранением prior-preservation loss; при обучении также дообучался текстовый энкодер. В качестве основы используется Stable Diffusion, модель работает через Diffusers и принимает текстовые запросы, выдавая изображения. По карточке модель не обладает дополнительными знаниями о терминах Magic: The Gathering. Лицензия — CreativeML OpenRAIL-M.

Mala Anime Mix NSFW Pony XL v5 SDXL — модель преобразования текста в изображение, опубликованная пользователем John6666 на Hugging Face. Модель предназначена для генерации изображений по текстовым описаниям в стилистике anime и Pony, включая контент для взрослой аудитории. Модель работает через diffusers с конвейером StableDiffusionXLPipeline и относится к семейству Stable Diffusion XL. Она ориентирована на создание иллюстраций и персонажей по промптам; поддерживаемые языки и размер модели в доступных данных не указаны. Исходная модель размещена на Civitai. Модель распространяется по лицензии faipl-1.0-sd, обозначенной в карточке как other. Следует учитывать возрастные ограничения и условия указанной лицензии перед использованием или публикацией сгенерированных изображений.

kopyl/miniSDXL — дообученная на базе Stable Diffusion XL Base 1.0 модель для генерации изображений по текстовым запросам. Автор уменьшил целевое разрешение генерации до 256 × 256 пикселей, чтобы ускорить вывод и удешевить эксперименты с обучением и творческую работу. Модель построена для Diffusers и распространяется в формате SafeTensors. Для обучения использовался набор LAION Improved Aesthetics 6plus. Модель предназначена для быстрого создания небольших изображений и экспериментов с тонкой настройкой SDXL. Лицензия — CreativeML OpenRAIL-M.

cactusfriend подготовил GPT-Neo — плотную авторегрессионную языковую модель на 137,7 млн параметров, обученную на промптах из собственной папки генераций InvokeAI. Она предназначена для создания новых текстовых промптов, в том числе необычных и сюрреалистичных, для генерации изображений в Stable Diffusion через InvokeAI. Модель принимает текст и генерирует текст; её контекст составляет 2048 токенов. Обучение преимущественно основано на позитивных промптах, но в генерациях могут встречаться слова в квадратных скобках, используемые как негативные промпты. Модель может выдавать конструкции, не вполне соответствующие синтаксису промптов InvokeAI. Распространяется по лицензии OpenRAIL; README предлагает использовать её через pipeline библиотеки Transformers.

Emanon14/NONAMEmix_v1 — диффузионная модель для генерации изображений по текстовому запросу, собранная автором как слияние нескольких моделей семейства SDXL. В рецепте указаны Raehoshi Illust XL 2.1, NoobAI-XL Epsilon-Pred 0.75, Movable Figure Model XL NOOB XL1.0, paruparu illustrious v3.2 и LoRA SPO-SDXL_4k-p_10ep_LoRA_webui. Модель ориентирована на запросы в стиле тегов Booru. Карточка описывает варианты V1.0, V1.1 и V1.1_L, отличающиеся степенью изменения пропорций персонажей относительно базового варианта. Автор рекомендует CFG 5–6, 28 шагов и сэмплер DPM++2M SDE; для увеличения разрешения приведены настройки Hires.fix с 4x-UltraSharp. Модель распространяется по лицензии Fair AI Public License 1.0-SD; перед использованием следует учитывать её условия.

Persona-5-Shigenori-Style — модель генерации изображений в стиле Shigenori, обученная Allenbv методом DreamBooth на базе Stable Diffusion. В карточке указаны 3200 шагов обучения, обучение текстового энкодера на 20% и набор из 23 изображений. Для генерации стиль следует обозначать в текстовом запросе фразой «Shigenori Style». Модель предназначена для создания изображений по текстовым описаниям с визуальным стилем, связанным с Persona 5 и Shigenori. Её можно использовать через интерфейс AUTOMATIC1111 или библиотеку diffusers. Репозиторий содержит веса в форматах diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M.

pingu-nootnoot-diffusion-v2-1 — модель генерации изображений по текстовому описанию, созданная parinzee методом DreamBooth на основе Stable Diffusion. Она предназначена для генерации изображений с персонажем или концепцией Noot Noot при задании текстового запроса. Модель использует Diffusers и PyTorch; в README упоминается запуск через fast-Colab-A1111. Лицензия — CreativeML OpenRAIL-M.

Модель Justin Pinkney, обученная в Lambda Labs: это дообученная Stable Diffusion для генерации изображений покемонов по текстовому описанию. Она принимает текстовый запрос и создаёт изображение персонажа в стиле покемонов; для генерации не требуется сложная настройка промпта. Модель обучали на изображениях покемонов с подписями BLIP примерно за 15 тысяч шагов. В репозитории доступны веса в форматах Diffusers и PyTorch. Модель подходит для создания оригинальных покемоноподобных персонажей и иллюстраций по текстовым запросам. В примере использования указаны изображения размером 512 × 512 пикселей. Карточка не сообщает лицензию, поэтому условия использования по ней определить нельзя.

HiDream-ai/Prompt-Refine — дообученная модель семейства Gemma 4 от HiDream AI, созданная на основе google/gemma-4-31B-it для уточнения промптов в составе HiDream-O1-Image-Dev-2604. Архитектура — плотная мультимодальная Gemma4ForConditionalGeneration; модель поддерживает диалог и работу с изображениями, принимает текст и изображения и генерирует текст. Базовая модель рассчитана на длинный контекст, но его точная длина для этой версии не указана. Модель предназначена для улучшения и уточнения запросов перед генерацией изображений. Используется лицензия MIT. Карточка содержит мало сведений о качестве, языковой поддержке и ограничениях; применение вне сценария подготовки промптов не подтверждено.

AirRain03/qwen2vl_7b — дообученная модель Qwen2.5-VL-7B-Instruct для обогащения текстовых промптов при персонализированной генерации изображений. Она принимает исходный промпт и референсные изображения PIPBench, а затем формирует расширенный промпт; итоговые изображения создаются отдельно с помощью Qwen-Image. Чекпойнт относится к экспериментам PE в рамках PIPBench и не является QIP-чекпойнтом. Модель построена на мультимодальной архитектуре Qwen2.5-VL с 7,1 млрд параметров, поддерживает изображения и текст, использует библиотеку Transformers и формат safetensors. Контекстное окно — 128 000 токенов. Карточка не сообщает целевые языки. Модель предназначена для этапа подготовки промпта, а не для непосредственной генерации изображений. Распространяется на условиях лицензии базовой модели Qwen2.5-VL-7B-Instruct; лицензия в предоставленных данных не указана.

Reddit — модель генерации изображений по текстовому описанию, собранная Yntec как смесь RedditAlpha и REV 1.0 с встроенным Color101VAE. Репозиторий содержит веса в формате Diffusers/PyTorch и Safetensors; задача по метаданным — text-to-image. Модель предназначена для создания иллюстраций по промптам. В README приведён пример запроса на изображение девушки в стиле рекламного постера с детализированными глазами и волосами, ковбойской шляпой и заметными мазками кисти. Автор предупреждает, что модель склонна генерировать откровенный контент и рекомендует добавлять «nude, naked» в негативный промпт, если такие изображения нежелательны. Модель получена смешиванием весов RedditAlpha и REV 1.0, после чего в неё встроена Color101VAE. README также описывает происхождение RedditAlpha и цепочку смешивания предшествующих моделей. Лицензия репозитория — CreativeML OpenRAIL-M; README описывает исходную RedditAlpha как небезопасную и рекомендует её только для исследований.

Scyrax Pastel Core V10 SDXL — модель преобразования текста в изображение на базе Stable Diffusion XL и Illustrious-xl-early-release-v0. Модель создана DeViLDoNia и распространяется в формате, совместимом с библиотекой Diffusers; для хранения весов используется Safetensors. Модель предназначена для генерации 2D-иллюстраций в аниме-стилистике, включая изображения девушек, с мягкой пастельной цветовой гармонией, чистыми линиями, выразительной передачей эмоций и сочетанием аниме- и скетчевой эстетики. Она ориентирована на стабильные и предсказуемые результаты по текстовым описаниям на английском языке. Модель лицензирована по FAIPL-1.0-SD; условия использования следует проверять в полном тексте этой лицензии. Специализация на пастельной аниме-эстетике может ограничивать пригодность модели для фотореалистичных изображений, других художественных стилей и задач, не связанных с генерацией изображений.

Spatial-SSRL-3B — мультимодальная модель InternLM для понимания пространственных отношений на изображениях. Она построена на Qwen2.5-VL-3B-Instruct и дообучена методом Spatial-SSRL — самонастраиваемым обучением с подкреплением без внешних инструментов. Модель содержит 3,1 млрд параметров, использует архитектуру Qwen2.5-VL и поддерживает контекст до 128 000 токенов. Модель предназначена для анализа изображений и ответов на вопросы о пространственном расположении объектов. По данным карточки, дообучение усиливает пространственные способности, сохраняя общие возможности базовой модели для анализа изображений. В README также описана направленность метода на задачи понимания изображений и видео, однако метаданные этой конкретной модели подтверждают задачу image-text-to-text. Модель принимает текст и изображения и выдаёт текстовые ответы; основным языком карточки указан английский. Распространяется по лицензии Apache-2.0. Количественные результаты по бенчмаркам в предоставленной карточке не приведены.

Fluid Art model V1 — дообученная на изображениях fluid art модель Stable Diffusion 1.5 от Fictiverse для создания изображений по текстовым запросам в стиле жидкого искусства. Для получения этого стиля автор рекомендует добавлять в запрос слово FluidArt. Модель работает через StableDiffusionPipeline библиотеки Diffusers; в репозитории представлены форматы Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M. Модель предназначена для генерации художественных изображений с характерными для fluid art цветами и формами. Карточка не сообщает о специальных ограничениях применения или результатах оценки качества.