I.10Видео, анимация и 3D

Модель TheLastBen/hrrzg-style-768px — дообученная версия Stable Diffusion 1.5 от TheLastBen для генерации изображений в стиле работ фотографа Фреда Херцога. Она обучена на 30 изображениях размером 768×768 в течение 12 000 шагов; текстовый энкодер обучался в начале и конце процесса. Модель принимает текстовый запрос и создаёт изображение, особенно подходящее для городских и уличных сцен, а также портретов в узнаваемой стилистике Херцога. Для городских сюжетов в README предлагается использовать слова «city», «road», «street» или «urban»; для передачи стиля — добавить к запросу триггер «hrrzg». Автор рекомендует включать Highres.fix и использовать разрешение выше 768×768. Модель доступна в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M. Карточка не приводит отдельных оценок качества или дополнительных ограничений.

Kivotos XL 2.0 — диффузионная модель генерации изображений по тексту, разработанная Linaqruf и опубликованная в серии Yodayo Kivotos XL. Она дообучена на Animagine XL 3.1, модели на базе Stable Diffusion XL, и настроена на создание иллюстраций в стиле аниме с визуальной эстетикой франшизы Blue Archive. Модель можно использовать через ComfyUI, Stable Diffusion WebUI или библиотеку diffusers. Для генерации можно добавлять специальные теги качества, рейтинга, периода и эстетики, унаследованные от Animagine XL 3.1. В README рекомендованы CFG около 5–7, 25–30 шагов и сэмплер Euler Ancestral. Лицензия — Fair AI Public License 1.0-SD. Карточка не приводит сведений о размере модели или поддерживаемых разрешениях.

Репозиторий kukidevalml/LORAs содержит LoRA-адаптеры, дообученные на различных наборах данных с помощью Diffusers LoRA Trainer. В метаданных указана задача text-to-image и базовая модель HuggingFaceH4/zephyr-7b-beta; при этом README не уточняет, какие именно адаптеры и наборы данных входят в репозиторий и как их применять для генерации изображений. Для репозитория указаны форматы safetensors и GGUF F16, а также лицензия Apache-2.0. Метаданные связывают его с чат-моделью Zephyr-7B-β, но не описывают архитектуру или размер самих адаптеров; поэтому их пригодность для конкретного сценария генерации изображений по имеющимся сведениям оценить нельзя.

Lustify SDXL NSFW Checkpoint OLT One Last Time SDXL — модель преобразования текста в изображение на базе Stable Diffusion XL, предназначенная для генерации реалистичных и фотореалистичных изображений по текстовым описаниям. Модель создана coyotte и опубликована на Hugging Face пользователем John6666; для работы используется библиотека Diffusers и конвейер StableDiffusionXLPipeline. Модель ориентирована на англоязычные текстовые запросы, создание фотографий и реалистичных сцен, включая контент для взрослой аудитории. Она распространяется в формате safetensors с лицензией CreativeML OpenRAIL-M. Для запуска требуется совместимый стек Stable Diffusion XL и достаточные вычислительные ресурсы для генерации изображений.

mklan-xxx-nsfw-pony — модель генерации изображений по текстовому описанию, опубликованная под аккаунтом stablediffusionapi и доступная через API ModelsLab. Метаданные указывают на использование StableDiffusionXLPipeline и форматов Diffusers, PyTorch и safetensors. В примере API настраиваются текстовый запрос, отрицательный запрос, размер изображения, число шагов генерации и другие параметры; пример ориентирован на фотореалистичный портрет, а имя модели указывает на связь с Pony и контентом для взрослых. Модель предназначена для создания изображений по промптам. Репозиторий описывает обращение к ней через API ModelsLab и лицензию CreativeML OpenRAIL-M. Точная базовая модель и поддерживаемые языки в доступных сведениях не установлены.

Monet-Style Dreambooth — модель Lyith, обученная методом DreamBooth на базе Stable Diffusion для генерации изображений по текстовым описаниям в стиле Клода Моне. Её можно использовать для создания новых изображений с этим художественным стилем через интерфейсы A1111 или Diffusers. Модель работает с текстовым вводом и выдаёт изображения. В репозитории указаны форматы Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M; её условия регулируют использование и распространение модели.

Guizmus/MosaicArt — модель Stable Diffusion, дообученная автором Guizmus на изображениях мозаичного искусства. Она добавляет стиль мозаики к генерации изображений по текстовому запросу; для вызова стиля в запросе рекомендуется использовать токен «Mosaic Art». В карточке описаны версии V1 на базе Stable Diffusion 1.5 и V2 на базе Stable Diffusion 2.1 с разрешением 768 пикселей. Обучение проводилось на наборе из 46 изображений с полными подписями и сохранением исходных понятий; для генерации автор рекомендует сэмплеры k_Euler_a или DPM++ 2M Karras, 20 шагов и CFG 7.5. Модель предназначена для создания изображений в стиле мозаики по англоязычным текстовым описаниям и запускается через Diffusers. Репозиторий содержит форматы Diffusers, PyTorch и Safetensors. Лицензия — CreativeML OpenRAIL-M.

NoobAI XL V-Pred 0.75 — диффузионная модель генерации изображений по текстовому описанию, разработанная Laxhar Lab. Это версия с предсказанием v-prediction, дообученная на основе Laxhar/noobai-XL_v1.0; метаданные каталога связывают её с Laxhar/noobai-XL-Vpred-0.65. В обучении использованы изображения Danbooru и e621 с тегами и текстовыми описаниями, поэтому модель ориентирована на создание иллюстраций в стилистике этих наборов данных. Модель рассчитана на генерацию изображений по тегам или естественно-языковым промптам. В README рекомендованы Euler, 28–35 шагов, CFG 4–5 и разрешение около 1024×1024; другие сэмплеры могут работать некорректно. Модель распространяется в форматах Diffusers и safetensors. Поддерживается английский язык промптов. Лицензия указана как other; README запрещает коммерческое использование, требует открывать производные модели и делиться деталями работы. Также запрещено вредоносное и незаконное применение. Возможны неожиданные или вредные результаты генерации; авторы отдельно предупреждают о нестабильности dev-ветки WebUI.

Карточка модели ManuelZnnmc/NSFW-gen-v2 на Hugging Face совпадает с карточкой UnfilteredAI/NSFW-gen-v2, поэтому описание составлено по ней. NSFW-gen-v2 — модель генерации изображений по текстовому описанию, разработанная UnfilteredAI и основанная на дообучении PixelGen с использованием StableDiffusionXLPipeline. Она создаёт изображения по текстовым запросам, включая откровенный контент, и поддерживает стилизацию под 3D. В README указано 3,47 млрд параметров и формат FP16; метаданные указывают библиотеку Diffusers и форматы Diffusers и safetensors. Модель предназначена для генерации разнообразных изображений по промптам, в том числе изображений для взрослых. Карточка предупреждает об ограничении использования совершеннолетними согласно законам их юрисдикции. Лицензия обозначена как other, поэтому конкретные условия использования по доступным данным установить нельзя.

AUTOMATIC дообучила DistilGPT-2 на 1654 промптах, собранных с majinai.art, в течение 40 эпох. Из промптов удалены веса и выделение акцентов; набор включает отрицательные промпты. Модель предназначена для генерации текста по промпту и может применяться для создания или продолжения промптов, в том числе с отрицательными формулировками. Это плотная авторегрессионная модель семейства GPT-2, работающая через Transformers и PyTorch; контекст составляет 1024 токена. В метаданных указан английский язык. Модель распространяется по лицензии MIT. Её обучение на небольшом наборе промптов ограничивает разнообразие и надёжность результатов; README не сообщает оценок качества или более подробных рекомендаций по применению.

pmczip/SD1.5_LoRa_Models — это набор LoRA-адаптеров для Stable Diffusion v1.5, предназначенных для генерации фотореалистичных изображений людей по текстовым описаниям. В набор входят отдельные модели для воспроизведения внешности перечисленных в README актрис, певиц и других публичных персон; для некоторых персон доступны две версии. Разработчик явно не указан, однако набор опубликован под идентификатором pmczip/SD1.5_LoRa_Models. Модели используют архитектуру LoRA и формат safetensors, работают с базовой моделью stable-diffusion-v1-5/stable-diffusion-v1-5 и ориентированы на сценарии text-to-image в экосистеме Diffusers. Указан английский язык. Сильная сторона набора — специализация на фотореалистичном сходстве с конкретными персонами при использовании совместимой базовой модели. Ограничения включают зависимость от Stable Diffusion 1.5, узкую специализацию на перечисленных образах и отсутствие данных о размере адаптеров, контекстном окне, рекомендуемых параметрах генерации и результатах оценки качества. Использование регулируется bespoke-lora-trained-license; подробные условия приведены по ссылке https://multimodal.art/civitai-licenses.

multimodalart/sd-fine-tunable — сборка Stable Diffusion v1.5 с VAE sd-vae-ft-mse и изменёнными конфигурационными файлами, подготовленная для тонкой настройки в FastDreambooth Colab Notebook и Dreambooth Training Space. Модель предназначена для обучения персонализированных генераторов изображений по текстовым запросам в этих средах. Репозиторий использует форматы Diffusers и PyTorch. Автор предупреждает, что сборка не подходит для инференса, а обучение в других средах выполняется на риск пользователя. Применяется лицензия CreativeML OpenRAIL-M; также следует учитывать лицензию исходной модели.

VBVR-Pro-Wan2.2-TI2V-5B-RLVLM-Qwen3.6-27B-Reward — дообученная методом обучения с подкреплением модель генерации видео по изображению из проекта VBVR-Pro. Она создана для исследований визуального рассуждения: модель получает изображение и формирует видео, позволяющее изучать задачи с пространственными и временными изменениями. Для обучения использовались награды от Qwen3.6-27B, оценивавшей видео по специальным критериям; веса этой модели-оценщика в репозиторий не входят и для инференса не нужны. Это полный чекпойнт Diffusers на базе Wan2.2 TI2V-5B. Репозиторий содержит трансформер, текстовый энкодер, токенизатор, VAE, планировщик и пользовательский конвейер с шестью конфигурациями инференса. В карточке рекомендуются видео 512 × 512 пикселей длительностью 81 кадр; приведённые результаты относятся к указанным настройкам оценки и не гарантируют качество на произвольных запросах. Модель выпущена под лицензией Apache-2.0. Модель предназначена прежде всего для экспериментального изучения генерации видео по изображению и визуального рассуждения. Она может создавать ошибочные или визуально непоследовательные траектории, а также наследует ограничения и возможные смещения базовой Wan2.2, обучающих данных и модели-оценщика. Генерация требует значительной памяти CPU и ускорителя; для небольших GPU рекомендуется выгрузка частей модели на CPU.

DarthZhu/VideoRLVR-Wan2.2-Base — дообученная методом SFT модель генерации видео, созданная на основе Wan-AI/Wan2.2-TI2V-5B. Она предназначена для создания видео по исходному изображению с соблюдением пространственных, временных и логических правил; обучение проводилось на процедурно сгенерированных задачах Maze, FlowFree и Sokoban в рамках подхода VideoRLVR с проверяемыми наградами. В статье описана оптимизация SDE-GRPO, плотные декомпозированные награды и стратегия Early-Step Focus. Модель рассчитана на визуальные траектории, которые удовлетворяют заданным условиям, например прохождение лабиринта или последовательное решение головоломки. Карточка сообщает об улучшении результатов относительно базовых моделей с supervised fine-tuning на этих задачах. Репозиторий использует Diffusers и формат safetensors; лицензия — Apache-2.0. Размер и длина контекста для этого чекпойнта не приведены.

John6666/wai-nsfw-illustrious-v70-sdxl — модель генерации изображений по тексту, опубликованная пользователем John6666 на Hugging Face. Это дообученная версия Illustrious XL early release от Onoma AI Research, построенная на Stable Diffusion XL и предназначенная прежде всего для создания аниме-иллюстраций, включая контент для взрослых. Модель работает с библиотекой Diffusers и распространяется в форматах Diffusers и Safetensors. Для генерации подаются текстовые описания, а результатом служат изображения. В карточке и метаданных указана английская языковая метка; сведений о размере модели и длине контекста нет. Лицензия обозначена как other, поэтому конкретные условия использования следует сверять с карточкой модели. Модель помечена как не подходящая для всех аудиторий и может создавать откровенный контент.

ZU_KI создал Zuki Cute Ill v5.0 — дообученную модель Stable Diffusion XL для генерации иллюстраций по текстовым промптам. Она распространяется в форматах Diffusers и Safetensors и предназначена прежде всего для создания милых аниме- и комиксных изображений, в том числе с персонажами-девушками. Модель поддерживает теги художников, включая ningen mame, ciloranko, WLOP, mignon и других; автор отмечает широкий набор таких тегов. Базовая модель — OnomaAIResearch/Illustrious-xl-early-release-v0, обученная на Danbooru2023. Репозиторий указывает лицензию «other», поэтому перед использованием следует проверить её конкретные условия. В карточке не приведены сведения о размере модели и длине контекста.

Bubble Hentai Illustrious v20 SDXL — модель генерации изображений по текстовому описанию, созданная Kizlan и дообученная на базе OnomaAIResearch/Illustrious-xl-early-release-v0. Модель предназначена для работы в библиотеке Diffusers через StableDiffusionXLPipeline и распространяется в формате, совместимом с экосистемой Stable Diffusion XL. Модель ориентирована на создание изображений в аниме-стилистике, включая персонажей, чиби-образы, детализированные волосы, фоны и сцены для взрослой аудитории. В качестве основного языка текстовых запросов заявлен английский. Сильными сторонами являются специализация на стилистике Illustrious, аниме-эстетике и проработке перечисленных визуальных деталей. Модель распространяется по лицензии faipl-1.0-sd, обозначенной в карточке как other. Она предназначена не для всех аудиторий и может генерировать материалы сексуального характера, поэтому требует соблюдения законодательства, правил платформы и возрастных ограничений.

wy8edhuh/flux2-klein-9b-uncensored-text-encoder-Q5_K_M-GGUF — это квантованная версия текстового энкодера для семейства FLUX.2 Klein, разработанная на основе модели ponpoke/flux2-klein-9b-uncensored-text-encoder. Модель преобразована в формат GGUF с использованием llama.cpp и сервиса GGUF-my-repo; в карточке не указано, что разработчиком исходной архитектуры является автор этого репозитория. Модель предназначена для обработки текстовых запросов в сценариях text-to-image и может использоваться как компонент соответствующих конвейеров FLUX.2 Klein. Доступны варианты запуска через llama.cpp в командной строке или в режиме сервера. Указаны поддерживаемые языки English и Japanese. Размер модели составляет 9B параметров, используется квантование Q5_K_M и формат GGUF. В качестве примера для сервера приведено окно контекста 2048 токенов, однако точные характеристики контекстного окна в карточке не подтверждены. К сильным сторонам относятся совместимость с llama.cpp, компактное квантованное представление и возможность локального запуска на поддерживаемом оборудовании. Ограничения связаны с тем, что это именно текстовый энкодер, а не полноценная самостоятельная система генерации изображений; для практического использования могут потребоваться другие компоненты FLUX.2 Klein. Из модели удалена фильтрация безопасности, поэтому она может генерировать материалы общего NSFW-характера, что повышает риски неуместного или незаконного применения. Лицензия указана как flux-non-commercial-v2.1; условия доступа требуют ответственного и законного использования, запрета на создание незаконного контента и соблюдения применимого законодательства.

Amirulazmi16/Flux-Uncensored-V2 — это LoRA-расширение для модели генерации изображений black-forest-labs/FLUX.1-dev, разработанное командой EnhanceAI. Модель предназначена для text-to-image и image-to-image сценариев, в которых требуется создавать изображения по текстовым описаниям, включая NSFW-контент и другие материалы без стандартных ограничений базовой модели. Для работы используется библиотека diffusers и FLUXPipeline. Вторая версия заявлена как более производительная и стабильная по сравнению с предыдущим выпуском; её LoRA-веса также оптимизированы для уменьшения размера без заметного снижения качества. Указаны файл весов lora.safetensors, тип данных torch.bfloat16 и рекомендация использовать CUDA-совместимый GPU. Сведения о точном размере модели, поддерживаемых языках, длине контекста и конкретных модальностях, помимо генерации изображений, не приведены. Сильная сторона модели — адаптация FLUX.1-dev для генерации явного контента по соответствующим промптам. Ограничения включают зависимость от базовой модели и вычислительных ресурсов, а также потенциальные правовые и этические риски при создании NSFW-изображений. Расширение предназначено для исследовательского и личного использования и распространяется на условиях некоммерческой лицензии FLUX.1-dev.

Grapefruit — модель генерации изображений по текстовому описанию от ikena, ориентированная на аниме и hentai-иллюстрации. Она предназначена для создания изображений с яркой, мягкой художественной стилистикой; README также упоминает более слабую по откровенности модель lemon, у которой отдельные детали могут выглядеть лучше. Репозиторий опубликован в формате Diffusers для Stable Diffusion и содержит веса PyTorch в safetensors. В примере README использованы запрос на английском языке, разрешение 512×512 и 20 шагов генерации. Автор рекомендует использовать VAE AnythingV3, но допускает другие VAE; для исправления чёрных изображений при проблеме с VAE в Web UI предлагается параметр --no-half-vae. Модель рассчитана на генерацию откровенных аниме-изображений, поэтому её содержание имеет рейтинг NSFW. Лицензия — CreativeML OpenRAIL-M; перед использованием следует соблюдать её условия. README не сообщает точную базовую модель или размер весов.

proxima/halloween_diffusion — модель генерации изображений по текстовому описанию, дообученная на эстетике Хэллоуина. В карточке приведён пример генерации в Automatic1111 с размером 512×512, 20 шагами, сэмплером Euler a и CFG scale 9; для более выраженного влияния художественного стиля рекомендуется ставить его название в начале промпта. Модель предназначена для создания изображений с хэллоуинской атмосферой по текстовым промптам. Репозиторий содержит веса в форматах Diffusers и PyTorch и использует лицензию CreativeML OpenRAIL-M. Базовая модель прямо не названа.

Модель maderix — дообученная с помощью DreamBooth Stable Diffusion для генерации изображений в стиле Эрже. Чтобы вызвать этот стиль, добавьте в текстовый запрос фразу «a photo of sks herge_style». Модель предназначена для создания изображений по текстовому описанию и распространяется в форматах Diffusers и PyTorch. Лицензия — MIT.

Kaltsitv2 — модель генерации изображений на базе Stable Diffusion, дообученная автором репозитория на концепции персонажа Kaltsit с помощью DreamBooth. Для вызова концепции в запросе используется слово «kaltsit»; модель предназначена для создания изображений персонажа по текстовым описаниям, включая иллюстрации и обои с заданной сценой, внешностью и художественным стилем. Обновление v2 увеличило размер обучающей выборки и, по словам автора, сделало результаты стабильнее; также изменены запрос и prior на cat girl. Модель распространяется в форматах Diffusers и PyTorch по лицензии MIT. Результаты зависят от формулировки запроса и могут включать взрослые визуальные элементы, показанные в примере автора.

Kivotos XL 2.0 — модель генерации изображений по тексту, разработанная Linaqruf как часть серии Yodayo Kivotos XL. Это диффузионная модель на базе Animagine XL 3.1, дообученная для создания иллюстраций в стиле аниме, особенно изображений, передающих визуальный стиль франшизы Blue Archive. Модель рассчитана на работу через ComfyUI, Stable Diffusion WebUI или библиотеку Diffusers. Для генерации можно использовать специальные теги качества, рейтинга, года и эстетики, унаследованные от Animagine XL 3.1. В карточке рекомендованы CFG около 5–7, 25–30 шагов и сэмплер Euler Ancestral. Лицензия — Fair AI Public License 1.0-SD; перед использованием следует учитывать её условия. Параметры контекста неприменимы к генерации изображений.

Krea-2-LoRA-vintagetarot — адаптер LoRA, разработанный Krea для модели генерации изображений Krea 2. Он предназначен для добавления к изображениям визуального стиля винтажных карт Таро по текстовому описанию; триггерная фраза — «vintage tarot style». Адаптер рассчитан на использование с контрольной точкой krea/Krea-2-Turbo и обучен на krea/Krea-2-Raw. Модель поддерживает текст-в-изображение через библиотеку Diffusers и файл весов vintagetarot.safetensors. В README не указаны размер адаптера, архитектура базовой модели, разрешение изображений, длина контекста или перечень поддерживаемых языков; в метаданных указан английский язык. В качестве примеров приведена генерация сцен с людьми, животными, пейзажами и фантастическими персонажами. Для демонстрационных результатов использовались 8 шагов инференса, guidance 0.0 и вес LoRA 1.0. Сильная сторона адаптера — специализация на узнаваемой стилистике винтажного Таро при сохранении возможности задавать разнообразные сюжеты текстом. Ограничение заключается в зависимости от совместимой модели Krea-2-Turbo и необходимости правильно использовать триггерную фразу; качество и поведение при других настройках или с другими базовыми моделями не описаны. Лицензия указана как krea-2-community-license, при этом подробные условия доступны по ссылке на файл LICENSE.pdf.

John6666 опубликовал модель генерации изображений по текстовому описанию на базе Stable Diffusion XL. Репозиторий использует Diffusers и формат Safetensors; карточка Hugging Face помечает модель как реалистичную и фотореалистичную, для общего использования и с чувствительным контентом. Модель предназначена для создания изображений по текстовым запросам, в том числе изображений для взрослых. В метаданных указан английский язык. Лицензия — CreativeML OpenRAIL-M. Оценки качества, конкретные параметры генерации и точные характеристики базового чекпойнта в использованных источниках не приведены.

maotianchen/maobailing_rvc — модель преобразования голоса на базе RVC v2, опубликованная автором репозитория. Она предназначена для преобразования входной речи в целевой голос, обученный на китайском женском голосе. Модель рассчитана на частоту дискретизации 40 кГц; в репозитории также есть FAISS-индексы для поиска признаков, используемые при инференсе. Для обучения использованы синтезированные материалы из index-tts 2: около 29 минут китайской речи одного говорящего. В описании указаны извлечение основного тона RMVPE и 768-мерных признаков HuBERT. Модель можно запускать через RVC WebUI или интерфейс командной строки. Она предназначена для преобразования голоса, а не для распознавания речи или синтеза речи из текста. Модель выпущена по лицензии Apache 2.0. Качество преобразования зависит от входной записи и параметров RVC; для длинных аудиозаписей автор рекомендует обработку по сегментам. При использовании необходимо соблюдать права на исходную речь и целевой голос.

Nightmare Promptgen XL — экспериментальная текстовая генеративная модель семейства GPT-Neo, опубликованная cactusfriend. Она предназначена для создания промптов для InvokeAI по текстовому запросу. Модель содержит 403,8 млн параметров, использует архитектуру GPTNeoForCausalLM и принимает контекст длиной до 2048 токенов. Опубликованные веса представлены в форматах PyTorch и safetensors, для работы используется библиотека Transformers. Это очень ранняя версия: автор предупреждает, что модель может быть удалена, поэтому её стабильность и качество генерации не гарантированы. Лицензия — OpenRAIL.

Карточка модели Porni56/NSFW-gen-v2 на Hugging Face совпадает с карточкой UnfilteredAI/NSFW-gen-v2, поэтому описание составлено по ней. NSFW-gen-v2 — модель генерации изображений по текстовому описанию, разработанная UnfilteredAI и основанная на дообучении PixelGen с использованием StableDiffusionXLPipeline. Она создаёт изображения по текстовым запросам, включая откровенный контент, и поддерживает стилизацию под 3D. В README указано 3,47 млрд параметров и формат FP16; метаданные указывают библиотеку Diffusers и форматы Diffusers и safetensors. Модель предназначена для генерации разнообразных изображений по промптам, в том числе изображений для взрослых. Карточка предупреждает об ограничении использования совершеннолетними согласно законам их юрисдикции. Лицензия обозначена как other, поэтому конкретные условия использования по доступным данным установить нельзя.

Organic Mind — модель генерации изображений на основе Stable Diffusion v1.5, дообученная Mantra Ardhana Digital Art с помощью DreamBooth. Для создания изображений в стиле или концепции OU3M добавьте к текстовому запросу ключевое слово «ou3m». Репозиторий содержит веса в форматах Diffusers и PyTorch; модель предназначена для генерации изображений по текстовым описаниям. Лицензия — CreativeML OpenRAIL-M.