I.10Видео, анимация и 3D

emoji-diffusion — модель генерации изображений на основе Stable Diffusion, дообученная на наборе данных russian-emoji. Она предназначена для создания изображений эмодзи по текстовым запросам и может использоваться как Stable Diffusion через библиотеку Diffusers. Подходит для развлечений и помощи при создании генеративного искусства. Модель принимает текст и выдаёт изображения. В метаданных указаны английский язык и лицензия BigScience BLOOM RAIL 1.0. Карточка не сообщает размер модели или длину контекста.

Flux-Lego-Ref-LoRA — адаптер LoRA, разработанный prithivMLmods для базовой модели black-forest-labs/FLUX.1-dev. Модель предназначена для генерации изображений в стиле LEGO по текстовым описаниям, включая сцены с фигурками, роботами, астронавтами и другими игрушечными персонажами. Для активации требуется использовать триггерную фразу «lego --fref --89890». Модель ещё находится на этапе обучения и не является финальной версией, поэтому в отдельных случаях возможны артефакты и слабое качество результата. Адаптер обучен на 15 изображениях с разметкой на английском языке, созданной с помощью Florence-2. Указаны параметры LoRA: Network Dim 64 и Network Alpha 32; обучение проводилось в течение 10 эпох, всего использовано 2350 шагов. Рекомендуемые размеры изображений — 1280×832 с соотношением сторон 3:2 и 1024×1024 как вариант по умолчанию; рекомендуемое число шагов генерации — 30–35. Модель работает с текстовой модальностью и рассчитана на применение через Diffusers совместно с FLUX.1-dev. Сильной стороной адаптера является специализация на LEGO-стилизации и поддержка различных сюжетных сцен по текстовому запросу. Ограничения связаны с небольшим объёмом обучающих данных, незавершённым состоянием разработки и возможными артефактами. Лицензия — creativeml-openrail-m.

GirlsLike — набор LoRA-адаптеров для генерации изображений на основе текстовых описаний. Разработчик в README явно не указан; репозиторий содержит материалы, перенесённые со страницы пользователя hl3131 на Civitai. Адаптеры предназначены для использования с базовой моделью black-forest-labs/FLUX.1-dev через библиотеку Diffusers. Модель ориентирована на создание изображений конкретных людей, перечисленных в примерах README, включая ZhaoWei, LinXinru, GongLi, ZhangZiyi и других. Для разных персон используются отдельные идентификаторы LoRA, например girlslikeflux_zw или girlslikeflux_gl. В README отмечена совместимость отдельных адаптеров с несколькими моделями, однако точные параметры инференса, размер адаптеров, требования к памяти, поддерживаемые языки и размер контекстного окна не указаны. Сильной стороной набора является специализация на воспроизведении внешности представленных персон и наличие многочисленных визуальных примеров. Ограничения связаны с зависимостью от FLUX.1-dev, отсутствием подробных инструкций по применению и неполной информацией о качестве, обучающих данных и ограничениях использования образов людей. Указанная лицензия — Apache-2.0.

Magdalena-Chaclica-16dim-flux — LoRA-адаптер для генерации изображений по текстовым описаниям на базе FLUX.1 [dev] от Black Forest Labs. Адаптер обучен автором с помощью Fluxgym; для вызова нужного образа в запросе используется триггер Magdalena-Chaclica. Модель предназначена для генерации изображений с этим образом в совместимых интерфейсах, включая ComfyUI, AUTOMATIC1111, SD.Next, Invoke AI и Forge. Веса распространяются в формате Safetensors. Базовая FLUX.1 [dev] — модель на 12 млрд параметров. Указана лицензия other, поэтому конкретные условия использования следует сверить с лицензией репозитория и базовой модели. Отдельных сведений о качестве генерации и ограничениях адаптера в карточке нет.

PVD-160k-Mistral-7b-GGUF — квантизированная версия модели PVD-160k-Mistral-7b, разработанной Mike Wang и его исследовательской группой; квантизацию выполнил Richard Erkhov. Модель создана в рамках проекта Visually Descriptive Language Model (VDLM), посвящённого рассуждениям о векторной графике с использованием текстовых визуальных описаний, включая SVG-представления и Primal Visual Description. Модель предназначена для задач визуального вопросно-ответного взаимодействия и рассуждений по изображениям, состоящим из двумерных объектов и геометрических фигур. В README упоминаются анализ пространственных отношений, решение простых лабиринтов и другие задачи, требующие точного восприятия низкоуровневых визуальных деталей. Архитектурно это модель на базе Mistral 7B, обученная на наборе данных PVD-160K; заявленная модальность — image-to-text. Языки и размер контекстного окна в доступных данных не указаны. Основное преимущество модели — специализация на текстовом описании и рассуждении о векторной графике, а также возможность запуска в формате GGUF с различными вариантами квантизации размером примерно от 2,53 до 7,17 ГБ. Ограничения включают зависимость качества от выбранного уровня квантизации и отсутствие подробных сведений о поддерживаемых языках, контекстном окне и результатах на конкретных бенчмарках в представленном README. Модель распространяется по лицензии Apache-2.0.

Модель Skittleology — дообученная с помощью DreamBooth Stable Diffusion для генерации изображений с концептом Пикачу. Чтобы запросить этот образ, в текстовом промпте используют слово «pikachu». Модель предназначена для создания изображений по текстовому описанию и распространяется в формате Diffusers/PyTorch по лицензии MIT.

Playground v2 512px Base — диффузионная модель генерации изображений по тексту, разработанная исследовательской командой Playground и обученная с нуля. Репозиторий содержит базовый чекпойнт, рассчитанный на создание изображений разрешением 512 × 512; модель доступна для использования через Hugging Face Diffusers и распространяется в форматах Diffusers, PyTorch и Safetensors. Модель представляет собой Latent Diffusion Model с архитектурой, следующей Stable Diffusion XL, и использует два фиксированных предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Она подходит для экспериментов с генерацией изображений и исследования базовых моделей и методов оценки эстетического качества. В README приведены результаты пользовательского исследования и сравнение промежуточных чекпойнтов по FID и CLIP Score; эти результаты не гарантируют качество отдельной генерации. Авторы отмечают, что этот базовый чекпойнт предназначен преимущественно для исследований и обычно не создаёт высокоэстетичные изображения. Для модели указана Playground v2 Community License; конкретные условия использования следует сверять с текстом этой лицензии.

Pony Diffusion V3 — модель латентной диффузии для генерации изображений по текстовому описанию, созданная AstraliteHeart на основе Stable Diffusion 1.5. Её дообучили на примерно 1,7 млн пар изображений и подписей с пони, фурри и другими мультяшными сюжетами; обучение включало материалы Derpibooru, e621 и Danbooru. Модель предназначена для генеративного искусства и развлечений, в том числе для создания стилизованных персонажей и полнофигурных изображений. Модель лучше работает с теговыми подсказками, поддерживает неквадратные изображения и рассчитана на разрешение до 768 пикселей. Она также генерирует широкий спектр фурри и мультяшных изображений, но для аниме README рекомендует Waifu Diffusion. Модель способна создавать изображения с откровенным содержанием; для ограничения таких результатов авторы рекомендуют добавлять тег safe и подходящие отрицательные подсказки. Лицензия — BigScience BLOOM RAIL 1.0.

pony-diffusion-v4 — это латентная диффузионная модель для генерации изображений по текстовому описанию, созданная AstraliteHeart на основе Stable Diffusion v1.5. Модель дообучена на примерно 3 млн пар изображений и текстовых метаданных с пони, фурри и другими мультяшными изображениями; она предназначена для генеративного искусства и развлечений. Модель лучше ориентирована на стилизованные изображения по теговым запросам и поддерживает широкий спектр фурри и мультяшных стилей. Для генерации изображений пони автор рекомендует добавлять тег derpibooru_p_95, а derpibooru_p_low помещать в негативный запрос. Для стилей аниме автор считает Waifu Diffusion более подходящим вариантом. Модель может создавать контент NSFW, поэтому для подавления нежелательных деталей рекомендуется указывать safe в запросе и использовать негативный запрос. Опубликованы веса в форматах PyTorch и safetensors для использования с Diffusers и интерфейсами Stable Diffusion. Лицензия — BigScience BLOOM RAIL 1.0.

Это экспериментальная версия Stable Diffusion 1.5 от nousr: в ней заменён исходный VAE на MSE VAE. Модель предназначена для генерации изображений по текстовому описанию и для экспериментов со сменой декодера в Stable Diffusion. Автор отмечает, что различия в результатах могут быть минимальными и что замена весов декодера, возможно, выполнена некорректно. Репозиторий распространяется в форматах Diffusers и PyTorch; для использования требуется принять лицензию CreativeML Open RAIL-M.

shirayu/sd-tohoku-v1 — модель генерации изображений по текстовому описанию, созданная Shirayu на основе Stable Diffusion с дообучением DreamBooth. Она предназначена для создания иллюстраций с персонажами проекта Tohoku Zunko: Тохоку Итако, Тохоку Дзунко, Тохоку Киритан, Дзунда-мон в человеческом облике и Сикоку Метан. Для задания персонажа используются триггерные слова itako, zunko, kiritan, zundamon и metan; модель также принимает описания сцены и визуального стиля на английском языке. Обучение проводилось на 69 изображениях размером 512×512, а базой послужила Nilaier/Waifu-Diffusers. Модель доступна в форматах Diffusers и PyTorch; лицензия — CreativeML Open RAIL-M 1.0. Для изображений с персонажами проекта необходимо учитывать правила их использования. В README отмечено, что официальные костюмы могут генерироваться реже, поскольку обучающие изображения включали разнообразные варианты одежды.

shirayu разработал sd-tohoku-v2 — модель генерации изображений на основе Stable Diffusion, дообученную методом DreamBooth на иллюстрациях персонажей проекта Tohoku Zunko. Она предназначена для создания аниме-иллюстраций этих персонажей по текстовым запросам: для каждого из 11 персонажей в запросе используется специальное имя-триггер, например zunko, kiritan или zundamon. Модель основана на Waifu Diffusion 1.4 Anime Epoch 1; для обучения использовали 111 изображений. Доступны веса в форматах Diffusers и PyTorch, а лицензия — CreativeML Open RAIL-M 1.0. Обучающие изображения включают варианты костюмов, поэтому официальные костюмы могут генерироваться хуже. Автор не утверждает, что версия v2 во всём превосходит v1, и рекомендует выбирать между ними по ситуации. При использовании изображений персонажей следует соблюдать руководство проекта Tohoku Zunko по использованию персонажей, а также применимые законы и правила.

ARACHNE-FOUNDATION-50B — экспериментальная модель генерации видео, разработанная NULLXES LLC как часть экосистемы ARACHNE. Это расширенный по глубине Diffusion Transformer (DiT), совместимый с Diffusers; заявленный размер — около 50 млрд параметров, архитектура включает 178 блоков трансформера. Репозиторий содержит веса в формате safetensors. Модель предназначена для исследований архитектуры и экспериментов с генерацией видео в реальном времени, потоковым выводом и сохранением идентичности между фрагментами. Это инициализационный чекпойнт, полученный расширением ARACHNE-X-ULTRA-VIDEO; он ещё не прошёл крупномасштабное продолжение предобучения и не предназначен для оценки как готовая производственная модель. Качество не сопоставлено с производственными генераторами видео. Лицензия — Apache-2.0.

Banano Chan – Protogen v2.2 — модель латентной диффузии для генерации изображений по текстовому описанию. Её автор дообучил Protogen v2.2 в стиле аниме методом DreamBooth, чтобы модель воспроизводила образ Banano Chan — персонажа, связанного с криптовалютой Banano. Модель предназначена для создания детализированных изображений по сложным промптам. В карточке приведён пример генерации квадратного изображения 768 × 768 с использованием Euler a, 20 шагов и CFG scale 7; также упомянуты интерфейс AUTOMATIC1111 и библиотека Diffusers. Метаданные указывают форматы Diffusers, PyTorch и Safetensors, а также лицензию CreativeML OpenRAIL-M. Основной язык текстовых промптов — английский. README не сообщает размер модели и длину контекста.

Модель avuhong/DB_Hokusai_style — версия Stable Diffusion, дообученная автором в рамках DreamBooth Hackathon для генерации изображений в стиле японского художника Хокусая. Обучение опиралось преимущественно на его гравюры, включая серию «Тридцать шесть видов Фудзи» и «Большую волну в Канагаве». Для вызова стиля в запросе используется шаблон «a painting in $M## style of …». Модель предназначена прежде всего для создания пейзажных изображений; автор отмечает, что размер 512 × 1024 часто даёт интересные результаты. Репозиторий доступен в формате Diffusers/PyTorch и использует лицензию CreativeML OpenRAIL-M. Это дообученная модель Stable Diffusion, но базовый репозиторий не указан.

google/ddpm-celebahq-256 — модель генерации изображений на основе Denoising Diffusion Probabilistic Models (DDPM), представленная в формате Diffusers. Архитектура относится к диффузионным моделям: она последовательно удаляет шум, чтобы создавать изображения без заданного текстового условия. В карточке указано семейство DDPM; README описывает подход и ссылается на работу Jonathan Ho, Ajay Jain и Pieter Abbeel. Модель предназначена для безусловной генерации изображений CelebA-HQ размером 256×256 пикселей. Её можно использовать для получения выборок лиц и экспериментов с диффузионной генерацией изображений; для инференса в README упомянуты дискретные планировщики шума в Diffusers, включая DDIM и PNDM. Репозиторий предоставляет веса в форматах Diffusers и PyTorch. Лицензия — Apache-2.0. Модель генерирует изображения без управления текстовым запросом; README не приводит количественных оценок качества именно этого чекпойнта или дополнительных ограничений его применения.

0Tick/e621TagAutocomplete — дообученная модель distilgpt2, созданная для автодополнения тегов e621 в расширении promptgen для AUTOMATIC1111 WebUI. Она генерирует продолжение текста по последовательности тегов; при обучении использовались исходные теги случайных публикаций e621, записанные с подчёркиваниями и пробелами. Модель построена на архитектуре GPT-2 и рассчитана на контекст до 1024 токенов. Модель подходит для подсказок и продолжения тегов при составлении промптов для генерации изображений. В карточке приведены результаты оценки: loss 4.3983 и accuracy 0.3865. Она унаследовала ограничения языковых моделей GPT-2: может воспроизводить смещения обучающих данных и выдавать недостоверный текст. Обучена на тегах e621; лицензия — MIT.

plasmo/food-crit — модель генерации изображений для Stable Diffusion, созданная автором карточки с помощью DreamBooth на базе ноутбука TheLastBen. Она обучена на 95 изображениях в течение 5000 шагов и предназначена для создания причудливых существ из еды и похожих объектов. Чтобы вызвать изученный образ, запрос начинают с триггера «food_crit», за которым указывают продукт, например спагетти с фрикадельками, снежный конус или колу; сложная настройка промпта не требуется. В карточке приведены примеры генерации с настройками Euler a и CFG 6–10. Модель распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M. Описание подтверждает обучение концепции DreamBooth, но не называет точный базовый чекпойнт Stable Diffusion. Качество генерации вне показанных примеров и поведение на иных темах не описаны.

Grapefruit Hentai MO — модель генерации изображений по текстовому запросу, опубликованная под аккаунтом StableDiffusionAPI и доступная через ModelsLab API. Пример в карточке показывает генерацию реалистичного портрета с помощью Stable Diffusion Pipeline; можно задавать положительный и отрицательный промпты, размер изображения, число шагов генерации и guidance scale. Модель предназначена для создания изображений по описанию, в том числе откровенного контента в стилистике hentai. В карточке приведён пример с разрешением 512 × 512 и 30 шагами генерации. Репозиторий содержит веса в форматах Diffusers и PyTorch; для указанного API-сценария требуется ключ ModelsLab. Лицензия — CreativeML OpenRAIL-M.

NanoDiffusion-46M — модель генерации изображений по текстовому описанию, разработанная FlameF0X. Это примерно 46-миллионная UNet, обученная с нуля для диффузионной генерации в латентном пространстве; для преобразования между изображениями и латентами используется замороженный VAE из runwayml/stable-diffusion-v1-5, а для текстового кондиционирования — замороженный CLIP ViT-L/14 из той же модели. Архитектура UNet использует 128 базовых каналов, множители каналов (1, 2, 3, 4), по два остаточных блока на уровень и cross-attention на латентном разрешении 8. Модель обучалась на наборе BitTranslate/Bittensor_subnet_19_06_04_24 в течение 500 шагов. Указан размер генерации 256 пикселей с латентным представлением 32×32. Она предназначена для экспериментальной генерации изображений по текстовым запросам; короткое обучение ограничивает ожидания от качества и разнообразия результатов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0.

NSFW MASTER FLUX — это LoRA-модель для генерации изображений по текстовому описанию, разработанная Muapi и предназначенная для использования поверх базовой модели black-forest-labs/FLUX.1-dev, также обозначенной в README как Flux.1 D. Она может применяться в сценариях text-to-image, включая создание изображений с контентом для взрослых, при подключении через библиотеку diffusers или API MUAPI. Модель использует архитектуру LoRA и рассчитана на работу с базовой моделью FLUX.1-dev. В README приведён пример генерации изображения размером 1024×1024 с одним результатом и указанием веса адаптера 1.0. Сведения о размере модели, поддерживаемых языках, точных модальностях, максимальной длине контекста и особенностях обучения не указаны, поэтому их нельзя достоверно оценить. Для использования требуется базовая модель, совместимый pipeline и, согласно README, API-ключ MUAPI при обращении к сервису MUAPI. Модель распространяется по лицензии openrail++; дополнительные сведения о разрешённых сценариях, ограничениях и сильных сторонах в представленных данных отсутствуют.

NSFW-MASTER-Z-IMAGE-TURBO — LoRA-модель для генерации изображений по текстовому описанию, разработанная пользователем FanzCEO на базе Tongyi-MAI/Z-Image-Turbo. По заявлению автора, модель предназначена для создания NSFW-контента и может использоваться в сценариях text-to-image через экосистему Diffusers. Модель представляет собой адаптер LoRA, а не самостоятельную генеративную систему. В README не указаны размер адаптера, точная архитектура базовой модели, поддерживаемые языки, максимальный контекст или дополнительные модальности. Рекомендуемый вес применения — 0,8. Автор отмечает наличие небольших проблем, которые планировалось исправить в следующих обновлениях. Лицензия в карточке обозначена как unknown, поэтому условия использования и коммерческие права требуют отдельной проверки. README не содержит подробных результатов тестирования или формализованных ограничений качества.

Qwen Image Japanese Female Anatomy Realism NSFW LoRA v1 — адаптер LoRA от автора perpetual3x для базовой модели Qwen/Qwen-Image-2512, предназначенный для генерации фотореалистичных изображений взрослых женщин с более естественной анатомией и японским или восточноазиатским визуальным контекстом. Модель ориентирована на работу в сценариях text-to-image через Diffusers и может использоваться самостоятельно либо совместно с другими совместимыми LoRA для персонажей, стилей и NSFW-контента. Адаптер обучен на 99 изображениях с Rank 32 в течение 8 000 шагов на NVIDIA RTX PRO 6000 Blackwell с 96 ГБ памяти. Специальное триггерное слово не требуется: автор рекомендует использовать обычные описательные промпты на английском языке и начинать с веса 0,6–0,9. В метаданных указаны английский, японский, французский и испанский языки. Контекстная длина не указана. Сильные стороны модели — акцент на натуральной текстуре кожи, складках, асимметрии, анатомической согласованности и реалистичной фотографии, включая японские интерьеры и культурные сцены. Ограничения связаны с небольшим объёмом обучающих данных: возможны переобучение, повторение поз и освещения, утечки японского визуального контекста, а также анатомические сбои при фронтальном ракурсе, боковой позе, сильном перекрытии и чрезмерно высоком весе. Лицензия qwen-image-japanese-female-anatomy-realism-nsfw-lora-v1-non-commercial разрешает только некоммерческое использование.

Это пользовательская DreamBooth-модель для Stable Diffusion 1.5, созданная taytay4eva с помощью блокнота fast-DreamBooth от TheLastBen. Она дообучает базовую модель для генерации изображений, связанных с Тейлор Свифт; ключевое слово для вызова образа — taySwift. Репозиторий содержит веса в форматах Diffusers и PyTorch. Модель предназначена для создания портретов и сцен с этим образом по текстовым запросам, в том числе фотореалистичных и фантазийных иллюстраций. В README также описан вариант Taylor Berry — сочетание исходной модели с Berry_mix в пропорции 7:3, которое автор считает более плавным. Указана лицензия CreativeML Open RAIL-M; README не приводит отдельных гарантий качества или подробных условий использования.

Tryptophobitize-768px v.1.0 — дообученная модель генерации изображений на основе Stable Diffusion 1.5, созданная автором репозитория plasmo. Она предназначена для создания изображений с мотивами трипофобии: чтобы вызвать этот эффект, в запрос добавляют слово «tryptophobitize»; автор отмечает, что иногда требуется увеличить его вес. Модель обучали на 70 изображениях с разрешением 768 пикселей в течение 5000 шагов, включая 350 шагов обучения текстового энкодера. Распространяется в формате Diffusers/PyTorch по лицензии CreativeML OpenRAIL-M.

Модель jefsnacker/azzy создана jefsnacker и chel-z как версия Stable Diffusion, дообученная методом DreamBooth на 12 изображениях кота по имени Azriel. Для генерации изображений используйте в запросе концепт «photo of azzy cat»; пример карточки показывает стилизованное изображение кота в образе персонажа аниме. Модель предназначена для создания изображений Azriel по текстовым описаниям через библиотеку diffusers и формат PyTorch. Лицензия — CreativeML OpenRAIL-M.

Muapi/breast-size-slider-pony-illustrious — LoRA-модель для генерации изображений по текстовому описанию, разработанная для экосистемы MUAPI. Она предназначена для использования совместно с базовой моделью OnomaAIResearch/Illustrious-xl-early-release-v0 в сценариях text-to-image, в частности для управления или изменения визуального размера груди персонажей. В README также указана совместимость с Pony/Illustrious. Модель относится к семейству Stable Diffusion XL и подключается через библиотеку diffusers или API MUAPI. Рекомендуемый пример использует разрешение 1024×1024, один результат и силу LoRA 1.0. Данные о размере обучаемых параметров, контексте, языках, модальностях помимо генерации изображений и конкретных обучающих словах не приведены. Для работы через API требуется ключ MUAPI. Лицензия указана как OpenRAIL++. Сильная сторона модели — специализированное управление отдельным визуальным атрибутом при генерации изображений на базе Illustrious. Ограничения README не описывает; также отсутствуют сведения о качестве на разных запросах, диапазоне рекомендуемых значений силы LoRA и допустимых сценариях коммерческого использования.

fantasy-card-diffusion — модель генерации изображений на основе Stable Diffusion 1.5, дообученная автором репозитория на примерно 35 тысячах иллюстраций карт Magic: The Gathering. Для обучения использовались сведения о картах и теги, описывающие художников, миры, выпуски, цвета и типы существ. Модель распространяется в форматах Diffusers и safetensors под лицензией CreativeML OpenRAIL-M. Модель предназначена для создания фэнтезийных иллюстраций в эстетике карт Magic: The Gathering. В запросах можно указывать данные карты, фразу «MTG card art» и описание сцены; поддерживаются стили художников, персонажи, миры и другие мотивы Magic, а также их сочетание с обычными описаниями изображений. README также отмечает, что многие стандартные подсказки Stable Diffusion продолжают работать. Модель специализируется на художественных изображениях и сохраняет часть возможностей базовой Stable Diffusion для смешивания мотивов MTG с другими темами. Она не предназначена для точного воспроизведения текста на картах или структурированного создания готовых игровых карт; качество отдельных стилей и сочетаний может различаться.

lazzdw создал эту модель Stable Diffusion, дообучив её методом DreamBooth на изображениях концепта Fat Yoshi (Big Yoshi). Модель предназначена для генерации изображений по текстовому описанию; для вызова концепта в запросе используется ключевое слово «fatchonkyyoshi». Репозиторий содержит веса в форматах Diffusers и PyTorch и использует лицензию CreativeML OpenRAIL-M. Карточка указывает, что модель создана в рамках DreamBooth Hackathon.

Analgirls916/Flux-Uncensored-V2 — это LoRA-адаптер, разработанный EnhanceAI для базовой модели black-forest-labs/FLUX.1-dev. Он предназначен для генерации изображений по текстовым описаниям, включая NSFW- и другой контент без ограничений, связанных с исходной моделью. Адаптер подключается к pipeline FLUX.1-dev через библиотеку diffusers; для оптимальной работы рекомендуется CUDA-совместимая GPU, а в примере используется torch.bfloat16. Версия v2 получила улучшения производительности, исправления стабильности и более компактные LoRA-веса без заявленного снижения качества. Для управления генерацией NSFW-контента рекомендуется использовать триггерные слова вроде nsfw, naked, erotic, nude и explicit. README не содержит сведений о точном числе параметров, поддерживаемых языках, размере контекста или дополнительных модальностях; по указанным данным модель ориентирована на текстовое управление генерацией изображений. Адаптер предназначен для исследовательского и личного использования. Он распространяется на условиях FLUX-1-dev Non-Commercial License, поэтому коммерческое применение не разрешено условиями, указанными в README. Модель способна создавать явные изображения, что требует соблюдения законодательства, этических норм и правил площадок; ограничения базовой модели в отношении контента были намеренно ослаблены.