/ Профессии
Универсальные способности и операции

I.10Видео, анимация и 3D

В разделе собраны самостоятельные задачи, где AI помогает создавать, анализировать и преобразовывать динамический визуальный контент и 3D-сцены. Для каждого пункта отдельно указаны механизм, входы, результат и способ проверки.

ВидеоТекст
AI-задач
18
в этой профессии
Подходящих моделей
3 279
по типу задач и модальности
Категория
I. Универсальные способности
Основные типы
ВидеоТекст

Рекомендованные модели

3 279 моделей
Загрузки
Лайки
Дата выхода
2 851–2 880 из 3 279
donglab
sd-class-butterflies-32

Модель donglab/sd-class-butterflies-32 — диффузионная модель для безусловной генерации изображений милых бабочек. Она создана как учебная работа для первого блока курса по диффузионным моделям и запускается через DDPMPipeline из библиотеки Diffusers; модель создаёт изображение без текстового запроса. Модель подходит для генерации стилизованных изображений бабочек и демонстрации безусловной генерации изображений. Весы доступны в формате Diffusers и Safetensors. Лицензия — MIT.

40июль 2026
imagemithugging-face
Jethr
sd-class-butterflies-32

Jethr/sd-class-butterflies-32 — диффузионная модель, созданная в рамках курса по диффузионным моделям. Она генерирует изображения бабочек без текстового запроса; для запуска в README показан DDPMPipeline из библиотеки Diffusers. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. Модель предназначена для создания изображений бабочек и учебных экспериментов с безусловной генерацией изображений. Размер модели, разрешение изображений и языковая поддержка не указаны.

650сент. 2026
imagemithugging-face
sophiewise
sd-class-butterflies-32

Модель sophiewise/sd-class-butterflies-32 — диффузионная модель безусловной генерации изображений, созданная как часть учебного курса Diffusion Models Class. Она предназначена для создания изображений милых бабочек без текстового запроса; карточка показывает запуск через DDPMPipeline из библиотеки Diffusers. Модель распространяется в формате Diffusers с весами safetensors по лицензии MIT. Размер модели, разрешение изображений и поддерживаемые языки не указаны. Карточка описывает учебное назначение, но не сообщает об оценке качества или ограничениях генерации.

890сент. 2026
imagemithugging-face
dogfish-thinker
sd-class-butterflies-64

Модель dogfish-thinker/sd-class-butterflies-64 — диффузионная модель безусловной генерации изображений, созданная как учебный проект для первого блока курса Diffusion Models Class. Она предназначена для создания изображений милых бабочек без текстового запроса; карточка показывает использование через DDPMPipeline из библиотеки Diffusers. Модель распространяется в форматах Diffusers и safetensors по лицензии MIT. Размер модели, разрешение генерации и поддерживаемые языки в доступных данных не описаны; текстовый ввод для генерации не требуется.

60авг. 2026
imagemithugging-face
Padmajs
sd-class-hpltamil-a-64

Padmajs/sd-class-hpltamil-a-64 — диффузионная модель, опубликованная Padmajs для безусловной генерации изображений. Карточка описывает её как учебную модель из курса по диффузионным моделям, обученную создавать милых бабочек. Модель использует формат Diffusers и веса Safetensors; для генерации в README показан вызов DDPMPipeline без текстового запроса. Лицензия — MIT. Данных о размере модели, разрешении изображений и качестве генерации нет.

840сент. 2026
imagemithugging-face
Zack3D
Zack3D_Kinky-v1

Zack3D_Kinky-v1 — модель генерации изображений на основе Stable Diffusion, обученная Zack3D на данных E621 и специализирующаяся на фетиш-тематике. Она предназначена для создания изображений по текстовым описаниям; автор также упоминает доступ к модели через бесплатного бота в Discord. Модель распространяется в форматах Diffusers и PyTorch. В метаданных указан английский язык и лицензия CreativeML OpenRAIL-M. Карточка не сообщает размер модели, длину контекста или подробности архитектуры сверх принадлежности к Stable Diffusion.

2835окт. 2022
textimagecreativeml-openrai…hugging-face
perpetual3x
Chinese-Female-NSFW-X-LoRA-v1

Chinese-Female-NSFW-X-LoRA-v1 — адаптер LoRA, разработанный perpetual3x для генерации фотореалистичных изображений взрослых китайских женщин на базе Qwen Image. Модель ориентирована на сцены повседневной жизни, селфи, спонтанные фотографии в помещениях и на улице, а также интимные сценарии между взрослыми партнёрами. Она предназначена для text-to-image генерации и использует английские текстовые запросы. Модель обучена на 9 331 фотографии, с параметрами LoRA rank 32 и alpha 32, размером batch 8 и 100 000 шагов обучения на NVIDIA RTX PRO 6000 Blackwell с 96 ГБ памяти. Рекомендуемый trigger — zl_cn_female_x_v1. Хотя обучение проводилось на Qwen Image 2508, автор рекомендует использовать LoRA с Qwen Image 2512 T2I; также она тестировалась с Qwen Image Edit 2511. Рекомендуемый вес составляет 0,3–0,6, при этом значения выше 0,6 не рекомендуются. Сильная сторона модели — передача менее студийного, более разнообразного и несовершенно-реалистичного характера фотографий: естественных поз, бытовых фонов, обычного освещения и визуальных неровностей. При этом модель экспериментальная и может давать артефакты совместимости при использовании с другой версией базовой модели, переобучение и коллапс идентичности, особенно с Qwen Image 2508. Она не создавалась в первую очередь для максимальной анатомической точности. Лицензия — chinese-female-nsfw-x-lora-v1-non-commercial; использование ограничено некоммерческими целями. Модель предназначена только для совершеннолетних пользователей и сценариев с изображением взрослых людей.

1.5K6авг. 2026
textimageotherhugging-face
diroverflo
FLux_Klein_9B_NSFW

FLux_Klein_9B_NSFW — это LoRA-адаптер для text-to-image-модели FLUX.2-klein-base-9B, разработанный пользователем diroverflo. Адаптер обучен для генерации высококачественных изображений с эротическим содержанием, сфокусированных на одиночных женских персонажах. Датасет не содержал лиц, поэтому адаптер потенциально может сочетаться с LoRA персонажей, однако такая совместимость не тестировалась. Модель предназначена для использования в экосистеме Diffusers и совместимых интерфейсах генерации изображений. Она сохраняет ограничения базовой FLUX.2 Klein 9B: в сложных позах возможны анатомические несоответствия. В README не указаны точный размер адаптера, поддерживаемые языки, длина контекста и дополнительные модальности. Лицензия — Apache-2.0.

48K68февр. 2026
textimageapache-2.0hugging-face
andro-flock
Hassaku_SD1-5_v1-3

Hassaku_SD1-5_v1-3 — производная модель генерации изображений на основе Stable Diffusion 1.5, опубликованная andro-flock. Автор описывает её как небольшое обновление с дообучением на 150 изображениях орального секса и последующим слиянием с Hassaku и небольшой долей Koji. Модель предназначена для генерации изображений по текстовым запросам. Изменения ориентированы на изображения с обнажённой натурой и сексуальными сценами: автор отмечает улучшения в анатомии рук, деталях одежды и фоне, а также в следовании некоторым откровенным запросам. Репозиторий использует Diffusers и формат safetensors; лицензия — CreativeML OpenRAIL-M. Результаты изменений непостоянны: автор сообщает, что отдельные эффекты могут не проявляться или ухудшать результат, а одежда иногда получается более свободной и с лишними прорезями или шнурами. Описание не даёт данных о размере модели и длине контекста.

1492май 2025
textimagecreativeml-openrai…hugging-face
Meina
MeinaHentai

MeinaHentai — модель генерации изображений из текста из семейства Meina, созданная автором семейства. Она предназначена для создания аниме-изображений с откровенным контентом, включая hentai, по текстовым запросам. Модель распространяется для библиотеки Diffusers в формате safetensors; в карточке указана лицензия CreativeML OpenRAIL-M. Веса включают VAE. Автор рекомендует сэмплер Euler a, 24 шага и разрешения 512×768 или 768×512; для более реалистичного вида предлагается добавить соответствующие слова в запрос. Модель ориентирована на генерацию взрослого контента, поэтому не подходит для всех аудиторий. Результат зависит от формулировки запроса и настроек генерации; конкретные ограничения качества и условия лицензии следует сверять с лицензией CreativeML OpenRAIL-M.

1.1K21апр. 2023
textimagecreativeml-openrai…hugging-face
yasakoko
NoAI-Diffusion

NoAI-Diffusion v1.2 — модель генерации изображений по текстовому запросу на базе Stable Diffusion, опубликованная под именем yasakoko. Она предназначена прежде всего для создания изображений логотипа AntiAI; в README отмечено, что в версии 1.2 запрос «antiai logo» даёт более чёткие буквы. Для запуска используется StableDiffusionPipeline из библиотеки Diffusers; репозиторий содержит форматы Diffusers и PyTorch. Модель распространяется по лицензии CreativeML Open RAIL-M. README указывает на варианты v1.0, v1.1 и v1.2, но не сообщает размер модели, поддерживаемые языки или дополнительные сценарии применения.

57дек. 2022
textimagecreativeml-openrai…hugging-face
Dipl0
pepe-diffuser

Pepe Diffuser — модель генерации изображений по текстовому описанию, созданная дообучением Stable Diffusion 2 на изображениях лягушонка Пепе. Автор использовал библиотеку diffusers и набор данных Dipl0/pepe_image_stable_diff; модель доступна в формате Diffusers/PyTorch. Модель предназначена для создания изображений с Pepe the Frog по текстовым запросам. Автор отмечает, что результаты обычно лучше, если начинать запрос с фразы «pepe the frog». В README приведён пример генерации с StableDiffusionPipeline и планировщиком DPMSolverMultistepScheduler. Это личный экспериментальный проект. Обучающие изображения взяты из интернет-мемов, поэтому результаты могут воспроизводить их юмор и стереотипы. Сведения о лицензии в предоставленных данных отсутствуют.

287февр. 2023
textimagehugging-face
Diggy84002
qwen-image-edit-plus-nsfw-lora

MCNL v1 — это адаптер LoRA для диффузионного пайплайна Qwen/Qwen-Image-Edit-2511. Модель предназначена для генерации и редактирования изображений с содержанием для взрослых, расширяя возможности базовой модели в области NSFW-контента. В README адаптер связан с проектом ScottzillaSystems, однако отдельная информация о разработчиках, кроме названия проекта и ссылок на связанные ресурсы, не приведена. Адаптер использует архитектуру QwenImageTransformer2DModel на базе MMDiT LoRA, распространяется в формате safetensors и имеет размер около 563 МБ. Это image-to-image-модель: для работы предполагается исходное изображение и текстовый запрос. Поддерживаемые языки, максимальный размер контекста и точные требования к аппаратному обеспечению не указаны. Для активации заявленных концепций в README приведены специальные триггерные слова. Модель ориентирована на использование через ScottzillaSystems Image Editor Space или программно с библиотекой Diffusers и QwenImageEditPlusPipeline. В примере указаны вычисления на GPU, формат bfloat16, 40 шагов инференса и масштаб true CFG 4.0. Сильной стороной является целевая адаптация базовой модели для редактирования и генерации NSFW-изображений, однако область применения ограничена специализированным контентом, а качество и поведение зависят от базовой модели, исходного изображения, запроса и параметров инференса. Лицензия — OpenRAIL++.

3.4K1сент. 2026
textimageopenrail++hugging-face
ScottzillaSystems
qwen-image-edit-plus-nsfw-lora

MCNL v1 — Multi Concept NSFW LoRA — это адаптер LoRA для диффузионного пайплайна Qwen/Qwen-Image-Edit-2511, разработанный ScottzillaSystems. Модель предназначена для редактирования изображений и генерации контента для взрослых на основе исходного изображения и текстового запроса. Адаптер использует архитектуру QwenImageTransformer2DModel (MMDiT) LoRA, распространяется в формате safetensors и занимает около 563 МБ. Он подключается к Qwen-Image-Edit-2511 через QwenImageEditPlusPipeline. В README не указаны поддерживаемые языки, максимальный размер контекста или точный объём обучающих данных. Для активации отдельных возможностей предусмотрены специальные триггерные слова, включая nsfw и термины, описывающие обнажённость и сексуальные сцены. Сильная сторона модели — специализация базового редактора изображений на NSFW-сценариях и поддержка программного использования через diffusers, а также готового интерфейса ScottzillaSystems Image Editor. Ограничения включают зависимость от базовой модели Qwen-Image-Edit-2511 и необходимость корректно подбирать параметры инференса и промпты; качество результата может зависеть от исходного изображения. Модель распространяется по лицензии OpenRAIL++, однако README не содержит дополнительных разъяснений об ограничениях конкретного применения.

247K543март 2026
textimageopenrail++hugging-face
starsfriday
Qwen-Image-NSFW

starsfriday/Qwen-Image-NSFW — это LoRA-адаптер для базовой модели Qwen/Qwen-Image, разработанный AI Laboratory компании Chongqing Valiant Cat Technology Co., LTD. Модель предназначена для генерации портретных изображений, преимущественно контента для взрослых, по текстовым описаниям. Адаптер используется с библиотекой Diffusers и совместимым workflow для ComfyUI. Для активации применяется триггерная фраза «rsq». В README указана поддержка английского языка; в примерах также используются запросы на китайском языке. Приведённый способ запуска использует разрешение 1024×1024, 50 шагов инференса и базовую модель Qwen-Image, однако эти параметры не следует считать обязательными для всех сценариев. Модель поставляется в формате Safetensors и предназначена для подключения к Qwen-Image через LoRA-веса. README не содержит подробных данных о размере адаптера, точном составе обучающей выборки, дополнительных модальностях, максимальном контексте, количественных результатах или ограничениях качества. Лицензия указана как Apache-2.0.

5.6K177авг. 2025
textimageapache-2.0hugging-face
bharatd5533
sd-class-butterflies-32

bharatd5533/sd-class-butterflies-32 — диффузионная модель, созданная как учебный проект для курса Diffusion Models Class. Она предназначена для безусловной генерации изображений милых бабочек: модель создаёт изображение без текстового запроса. Для запуска автор предлагает использовать DDPMPipeline из библиотеки Diffusers; веса доступны в форматах Diffusers и Safetensors. Модель распространяется по лицензии MIT. Модель ориентирована на эксперименты с генерацией изображений бабочек и изучение диффузионных моделей. Карточка не сообщает размер модели, разрешение выходных изображений или подробности обучающих данных. Она создаёт изображения и не предназначена для генерации по текстовому описанию.

600сент. 2026
imagemithugging-face
parkeychen
sd-class-butterflies-32

Это диффузионная модель из учебного курса Diffusion Models Class, обученная генерировать изображения милых бабочек без текстового запроса. Её можно использовать через DDPMPipeline из библиотеки Diffusers: модель создаёт изображение по случайному шуму. Модель предназначена для экспериментов и демонстраций безусловной генерации изображений. Репозиторий распространяет веса в формате Diffusers и safetensors. Лицензия — MIT. Размер модели, разрешение изображений и языковые характеристики не описаны.

150июль 2026
imagemithugging-face
perpetual3x
Chinese-Female-NudeShot-NSFW-LoRA-v1

Chinese Female NudeShot NSFW LoRA v1 — адаптер LoRA для генерации и редактирования фотореалистичных изображений взрослых китайских женщин в эстетике художественной ню- и фотокнижной фотографии. Автор или организация-разработчик в README не указаны; модель опубликована пользователем perpetual3x. Она совместима и протестирована с Qwen/Qwen-Image-2512 для text-to-image и Qwen/Qwen-Image-Edit-2511 для image-to-image и редактирования изображений. Поддерживаемый язык текстовых запросов указан как английский. Модель усиливает естественную текстуру кожи, реалистичное освещение, студийные, комнатные и уличные сцены, полнофигурные композиции, окружение и снижение синтетического или CGI-подобного вида. Обучение выполнено на 16 026 фотографиях взрослой ню-фотографии 2010–2018 годов; LoRA имеет rank 32, финальный чекпойнт соответствует 15 000 шагам, а триггерное слово — zl_chinanudefemale_v1. Размер модели и длина контекста не указаны. Ограничения включают возможные ошибки рук, конечностей, суставов, пропорций, поз, перспективы и интимной анатомии; модель не предназначена для анатомического или медицинского обучения. Совместимость с другими чекпойнтами Qwen-Image не гарантируется, а результат зависит от базовой модели, промпта, seed, разрешения, веса LoRA и числа шагов инференса. Лицензия указана как chinese-female-nudeshot-nsfw-lora-non-commercial, то есть использование ограничено некоммерческими условиями; точные положения приведены в файле лицензии.

1.1K3авг. 2026
textimageotherhugging-face
Gthalmie1
moody-porn-mix-v10-dpo-gguf

Gthalmie1/moody-porn-mix-v10-dpo-gguf — это GGUF-квантизированная версия модели Moody Porn Mix, разработанной catlover1937 и опубликованной на Civitai. Модель предназначена для генерации изображений по текстовым описаниям и относится к категории text-to-image; по названию и источнику она ориентирована на создание контента для взрослых. В доступных данных указано, что модель работает с английским языком, использует библиотеку Diffusers и распространяется под лицензией Apache-2.0. Сведения об архитектуре, размере, точном формате квантизации, поддерживаемых модальностях помимо текста и изображений, длине контекста, требованиях к оборудованию, качестве и ограничениях генерации отсутствуют, поэтому оценить её сильные стороны и технические ограничения по этому README невозможно.

2.2K16март 2026
textimageapache-2.0hugging-face
snake7gun
tiny-random-z-image-turbo

snake7gun/tiny-random-z-image-turbo — небольшая экспериментальная модель для генерации изображений по текстовому описанию, опубликованная пользователем snake7gun (Ethan Yang) на Hugging Face. Она интегрируется с библиотекой Diffusers и использует ZImagePipeline; в репозитории доступны компоненты transformer, text_encoder, tokenizer, VAE и scheduler. Модель имеет архитектуру ZImageTransformer2DModel с двумя слоями, одним refiner-слоем, размерностью 48, двумя attention heads и 16 входными каналами. Репозиторий обозначает её как text-to-image; поддерживаемые языки и размер контекстного окна отдельно не указаны. Название tiny-random и конфигурация с очень малым числом параметров указывают на тестовое или демонстрационное назначение, а не на высокое качество генерации. Сильная сторона — компактность и совместимость с Diffusers; ограничения — экспериментальный характер, вероятно случайная инициализация и отсутствие полноценной model card с результатами, бенчмарками и описанием качества. Лицензия в репозитории не указана.

1.4K0дек. 2025
textimagehugging-face
Apocalypse-19
Vishu-the-Cat

Apocalypse-19/Vishu-the-Cat — модель Stable Diffusion, созданная для DreamBooth Hackathon и дообученная на фотографиях кота по имени Вишу. Она предназначена для генерации изображений по текстовому описанию с возможностью задавать концепт кота фразой «A photo of vishu cat». Модель основана на Stable Diffusion 2.1 Base и доступна в форматах Diffusers, PyTorch и safetensors. Лицензия — CreativeML OpenRAIL-M; она регулирует использование и распространение модели. Модель специализирована на изображениях Вишу, поэтому её пригодность для генерации других объектов и сцен не подтверждена.

3572янв. 2023
textimagecreativeml-openrai…hugging-face
B4100
flux4play

flux4play — LoRA-модель для генерации изображений в формате text-to-image на базе wikeeyang/Flux2-Klein-9B-True-V2. Модель опубликована пользователем или организацией B4100 и предназначена для использования с Diffusers и совместимыми diffusion-моделями. Модель ориентирована на создание фотореалистичных откровенных и эротических сцен, включая наготу, сексуальные позы, обнажённых персонажей и композиции от первого лица. Для активации предусмотрены специальные триггерные слова, связанные с определёнными позами и сценами, в том числе r3v3rs3_c0wg1rl, c0wg1rl, pov, m15510n4ry, d0gg13, an4l и d0ubl3_bj. В README также приведены примеры промптов с описанием освещения, ракурса, окружения и внешности персонажей. Известно, что это LoRA-адаптер, однако сведения о размере адаптера, точной архитектуре, весах, поддерживаемых языках, максимальном контексте и результатах оценки отсутствуют. Сильной стороной является специализация на определённой тематике и наличие явных триггеров, но качество и совместимость зависят от базовой модели и параметров инференса. Лицензия и условия использования в README не указаны.

8810май 2026
textimagehugging-face
lynaNSFW
Krea2turboNSFWAIO

Krea2turboNSFWAIO — модель для генерации изображений откровенного содержания, разработанная пользователем lynaNSFW. Она предназначена для сценариев text-to-image и совместима с экосистемой Diffusers и ComfyUI. Модель основана на krea/Krea-2-Raw и представляет собой AIO-чекпойнт, сформированный преимущественно из самостоятельно обученной LoRA, дополненной несколькими существующими LoRA с меньшими весами. Для использования в ComfyUI рекомендуется загружать модель через узел Load Checkpoint. В README указаны ориентировочные параметры: 12–14 шагов, CFG 1, sampler euler_ancestral, scheduler beta или simple и разрешение 2048×2048. Модель рассчитана на генерацию изображений, однако сведения о поддерживаемых языках, точной архитектуре, количестве параметров, контекстном окне и других модальностях отсутствуют. К сильным сторонам относятся высокая специализация на NSFW-контенте, готовый объединённый формат чекпойнта и возможность генерации в высоком разрешении при небольшом числе шагов. Ограничения включают узкую область применения, зависимость от совместимого рабочего процесса ComfyUI и отсутствие подробных данных о качестве, безопасности, лицензии и разрешённых условиях распространения. Лицензия в README не указана.

9.1K3авг. 2026
textimagehugging-face
tilake
loulou-cat-diffusion

tilake AIGC 小组成员基于 Stable Diffusion 使用 DreamBooth 微调的文本生成图像模型,专门用于生成名为 Lou Lou(楼楼)的猫。用户可在提示词中加入“the cat called loulou”,并补充服饰、姿ы или окружения, чтобы создавать изображения этой кошки в разных сценах. Модель представлена в форматах Diffusers и PyTorch и предназначена для развлечения и памятных изображений. Лицензия — CreativeML OpenRAIL-M.

422янв. 2023
textimagecreativeml-openrai…hugging-face
RomixERR
Pornmaster_v1-Z-Images-Turbo

Pornmaster v1 for Z-Image-Turbo — экспериментальная LoRA-модель, разработанная RomixERR для базовой модели Tongyi-MAI/Z-Image-Turbo. Она предназначена для генерации изображений по текстовому описанию с акцентом на контент для взрослых и расширение возможностей исходной модели в NSFW-сценариях. Для активации используется триггерное слово «pronmstr». В README приведены примеры фотореалистичных сцен с взрослыми персонажами. Рекомендуемые параметры включают SHIFT 2.5, 16–30 шагов генерации, сэмплеры Euler Beta или DPMPP_2s_SDE Beta/Simple, силу LoRA 0,7–0,85 и разрешение около 1–1,1 мегапикселя. Модель обозначена как находящаяся в разработке и может давать непредсказуемые результаты, поэтому качество и стабильность генераций не гарантируются. Архитектура, точный размер, поддерживаемые языки и другие модальности в README не указаны. Модель распространяется по лицензии Apache-2.0. Автор отдельно указывает, что использование выполняется на риск пользователя и ответственность за созданные изображения лежит на пользователе.

3.7K120дек. 2025
textimageapache-2.0hugging-face
mojoj1853
qwen-image-edit-plus-nsfw-lora

MCNL v1 — Multi Concept NSFW LoRA — это адаптер LoRA для модели Qwen/Qwen-Image-Edit-2511, разработанный ScottzillaSystems. Он предназначен для генерации и редактирования изображений с использованием диффузионного пайплайна Qwen Image Edit, включая создание контента для взрослых и изменение существующих изображений. Модель подключается к базовой модели как дополнительный адаптер, а не является самостоятельной полноразмерной моделью. Адаптер построен на архитектуре QwenImageTransformer2DModel (MMDiT), распространяется в формате safetensors и занимает около 563 МБ. Для активации заявленных концепций README указывает специальные триггерные слова, связанные с обнажением и сексуальными сценами. Пример использования рассчитан на QwenImageEditPlusPipeline, CUDA и вычисления в формате bfloat16; рекомендуются 40 шагов инференса и true_cfg_scale 4.0. Сильная сторона модели — специализация на NSFW-генерации и редактировании изображений поверх Qwen-Image-Edit-2511, а также поддержка заранее определённых концепций и сцен. Ограничения состоят в зависимости от базовой модели и настроек пайплайна; сведения о качестве, бенчмарках, поддерживаемых языках, размере контекстного окна и устойчивости результатов не приведены. Модель распространяется по лицензии OpenRAIL++.

1.5K1авг. 2026
textimageopenrail++hugging-face
LXT
sd-class-butterflies-32

LXT/sd-class-butterflies-32 — диффузионная модель от LXT, созданная в рамках учебного курса по диффузионным моделям. Она генерирует изображения милых бабочек без текстового запроса; запуск предусмотрен через DDPMPipeline из библиотеки Diffusers. Модель опубликована в форматах Diffusers и Safetensors под лицензией MIT. Модель подходит для создания небольших тематических изображений бабочек и демонстрации безусловной генерации изображений. В README не приведены сведения о размере модели, разрешении результата или поддерживаемых языках. Карточка описывает её как Unit 1 учебного курса, поэтому качество и область применения за пределами этой демонстрационной задачи не установлены.

910сент. 2026
imagemithugging-face
B4100
snofs

snof — адаптер LoRA для генерации изображений по текстовому описанию, предназначенный для использования с библиотекой Diffusers. Модель построена на базе wikeeyang/Flux2-Klein-9B-True-V2. Разработчик или организация, создавшие адаптер, в README явно не указаны; модель опубликована под идентификатором B4100/snofs. Адаптер ориентирован преимущественно на генерацию эротического и порнографического контента, включая обнажённые изображения, сексуальные позы, нижнее бельё, интимные сцены, фетиш-тематику и стилизацию под селфи или изображения с камер наблюдения. README содержит примеры терминов и формулировок, которые могут использоваться в промптах, однако не описывает точные параметры обучения, размер адаптера, поддерживаемые языки, максимальное разрешение или длину контекста. К сильным сторонам относятся специализированная настройка под широкий набор NSFW-сценариев и совместимость с экосистемой Diffusers. Ограничения связаны с отсутствием подробных технических характеристик, возможной зависимостью качества от базовой модели и необходимости аккуратно формулировать промпты. Лицензия в README упомянута, но её название и условия не приведены, поэтому точные правила использования определить по представленным данным невозможно.

2.0K0май 2026
textimagehugging-face
Sexyevatender
pornworks-real-porn-photo-realistic-nsfw-sdxl-and-pony-chekpoint

PornWorks Real Porn — дообученная модель от PornWorks.com на базе Stable Diffusion XL Base 1.0 для генерации фотореалистичных изображений по текстовому описанию. Она ориентирована на подробные изображения с откровенным сексуальным содержанием и стремится точно следовать запросу без обязательного применения ADetailer или апскейлера. Для генерации авторы рекомендуют 30 шагов, сэмплер dpmpp_3m_sde_gpu, планировщик karras и guidance scale 4. Репозиторий содержит веса в форматах Diffusers и Safetensors. Модель рассчитана на англоязычные запросы по языковым тегам карточки; длина контекста и размер модели в предоставленных данных не указаны. Модель распространяется по лицензии OpenRAIL++.

1.8K2авг. 2026
textimageopenrail++hugging-face
stablediffusionapi
real-amateur-nudes

Real Amateur Nudes — модель Stable Diffusion, опубликованная stablediffusionapi, для генерации изображений по текстовому описанию через API ModelsLab. Она рассчитана на создание фотореалистичных изображений с обнажённой натурой; в примере карточки указаны генерация 512 × 512, 30 шагов и настройка negative prompt. Модель работает с текстовым запросом и выдаёт изображение. Для доступа README предлагает использовать API-ключ ModelsLab; в карточке также указан формат Diffusers/PyTorch. Модель распространяется по лицензии CreativeML OpenRAIL-M. README не сообщает базовую модель, размер весов, контекст или поддерживаемые языки.

6320дек. 2023
textimagecreativeml-openrai…hugging-face

Задачи профессии

18 задач
154Генерация видеосцены по текстовому описанию или раскадровке. — Для этой задачи система собирает содержание и структуру из заданных ограничений, затем формирует несколько вариантов для выбора и доработки. Предметная логика: учитывает временную согласованность между кадрами, движение камеры и непрерывность объектов. Рабочие входы: видеоряд, движение, текстовые сценарии, видеозаписи и кадры. Формат результата: редактируемый артефакт по задаче «Генерация видеосцены по текстовому описанию или раскадровке», согласованный с исходными фактами, форматом и ограничениями; тип артефакта — видео- или 3D-актив. Критерии приёмки: по соответствию фактам, требованиям, формату и качеству последующей экспертной доработки; по временной согласованности, геометрии, качеству движения, артефактам и соответствию сценарию.
155Продолжение, расширение или изменение существующего видеоклипа. — Практическая реализация: AI генерирует черновой результат, согласованный с контекстом, форматом и стилевыми требованиями задачи. Предметная логика: учитывает временную согласованность между кадрами, движение камеры и непрерывность объектов. Входной контекст включает видеоряд, текстовые сценарии, видеозаписи, кадры и раскадровки. Формат результата: редактируемый артефакт по задаче «Продолжение, расширение или изменение существующего видеоклипа», согласованный с исходными фактами, форматом и ограничениями; тип артефакта — видео- или 3D-актив. Ошибки выявляют по соответствию фактам, требованиям, формату и качеству последующей экспертной доработки; по временной согласованности, геометрии, качеству движения, артефактам и соответствию сценарию.
156Автоматический монтаж по сценарию, темпу или смысловым событиям. — Механизм: AI обрабатывает исходные данные по формализованным правилам и обученным закономерностям, чтобы получить проверяемый результат. Предметная логика: сопоставляет не только одинаковые слова, но и намерение, контекст и близкие понятия. Исходные данные: текст запроса, видеозаписи, кадры, раскадровки и трёхмерные модели. Формат результата: конкретный результат по задаче «Автоматический монтаж по сценарию, темпу или смысловым событиям» с исходными данными, промежуточными основаниями и возможностью проверки. Проверка: сверкой с эталонными случаями, воспроизводимостью и экспертной проверкой результата; по временной согласованности, геометрии, качеству движения, артефактам и соответствию сценарию.
157Поиск и нарезка ключевых моментов в длинной записи. — AI преобразует запрос и объекты в сопоставимое представление, затем находит наиболее близкие и подтверждённые результаты. К исходным данным относятся кадры, раскадровки, трёхмерные модели и движение. Формат результата: ранжированный список кандидатов по задаче «Поиск и нарезка ключевых моментов в длинной записи» со ссылками на источники, оценкой соответствия и фрагментами подтверждения. Надёжность оценивают по релевантности, полноте, отсутствию недопустимых источников и точности ссылок на подтверждение; по временной согласованности, геометрии, качеству движения, артефактам и соответствию сценарию.
158Стабилизация, повышение частоты кадров и разрешения видео. — Для этой задачи система замыкает контур управления: наблюдает результат предыдущего действия и адаптирует следующий управляющий шаг. Предметная логика: учитывает временную согласованность между кадрами, движение камеры и непрерывность объектов. Рабочие входы: видеоряд, раскадровки, трёхмерные модели, движение и текстовые сценарии. Формат результата: управляющее решение для «Стабилизация, повышение частоты кадров и разрешения видео» с ожидаемым эффектом, допустимыми пределами и условиями безопасной остановки. Критерии приёмки: в симуляции и контролируемых испытаниях, с проверкой устойчивости и независимых аварийных ограничений; по временной согласованности, геометрии, качеству движения, артефактам и соответствию сценарию.
159Удаление или замена объектов и фона в видео. — Практическая реализация: AI преобразует исходный материал по заданным правилам, сохраняя смысл, структуру и критически важные детали. Предметная логика: учитывает временную согласованность между кадрами, движение камеры и непрерывность объектов. Входной контекст включает видеоряд, трёхмерные модели, движение, текстовые сценарии и видеозаписи. Формат результата: преобразованный материал по задаче «Удаление или замена объектов и фона в видео» с сохранённым содержанием и журналом значимых изменений. Ошибки выявляют сравнением смысла и структуры до и после преобразования, а также поиском потерянных элементов; по временной согласованности, геометрии, качеству движения, артефактам и соответствию сценарию.
160Автоматическая цветокоррекция и согласование кадров. — Механизм: AI сочетает предметные правила с анализом данных и формирует результат, который можно проследить до исходных фактов. Предметная логика: учитывает временную согласованность между кадрами, движение камеры и непрерывность объектов. Исходные данные: видеоряд, движение, текстовые сценарии, видеозаписи и кадры. Формат результата: конкретный результат по задаче «Автоматическая цветокоррекция и согласование кадров» с исходными данными, промежуточными основаниями и возможностью проверки. Проверка: сверкой с эталонными случаями, воспроизводимостью и экспертной проверкой результата; по временной согласованности, геометрии, качеству движения, артефактам и соответствию сценарию.
161Синхронизация движения губ с новой речевой дорожкой. — AI переводит объект в новый формат или вид, контролируя потери информации и нежелательные артефакты. К исходным данным относятся текстовые сценарии, видеозаписи, кадры и раскадровки. Формат результата: преобразованный материал по задаче «Синхронизация движения губ с новой речевой дорожкой» с сохранённым содержанием и журналом значимых изменений. Надёжность оценивают сравнением смысла и структуры до и после преобразования, а также поиском потерянных элементов; по временной согласованности, геометрии, качеству движения, артефактам и соответствию сценарию.
162Создание дубляжа с сохранением временной структуры сцены. — Для этой задачи система создаёт новый артефакт по требованиям, исходным фактам и примерам, сохраняя возможность последующего редактирования. Предметная логика: согласует перевод или текст с длительностью сцены, паузами и артикуляцией. Рабочие входы: речевая дорожка, видеозаписи, кадры, раскадровки и трёхмерные модели. Формат результата: редактируемый артефакт по задаче «Создание дубляжа с сохранением временной структуры сцены», согласованный с исходными фактами, форматом и ограничениями; тип артефакта — видео- или 3D-актив. Критерии приёмки: по соответствию фактам, требованиям, формату и качеству последующей экспертной доработки; по временной согласованности, геометрии, качеству движения, артефактам и соответствию сценарию.
163Генерация субтитров и их временная синхронизация. — Практическая реализация: AI собирает содержание и структуру из заданных ограничений, затем формирует несколько вариантов для выбора и доработки. Предметная логика: согласует перевод или текст с длительностью сцены, паузами и артикуляцией. Входной контекст включает речевая дорожка, кадры, раскадровки, трёхмерные модели и движение. Формат результата: редактируемый артефакт по задаче «Генерация субтитров и их временная синхронизация», согласованный с исходными фактами, форматом и ограничениями; тип артефакта — видео- или 3D-актив. Ошибки выявляют по соответствию фактам, требованиям, формату и качеству последующей экспертной доработки; по временной согласованности, геометрии, качеству движения, артефактам и соответствию сценарию.
164Преобразование видео в анимацию или иной визуальный стиль. — Механизм: AI переводит объект в новый формат или вид, контролируя потери информации и нежелательные артефакты. Предметная логика: учитывает временную согласованность между кадрами, движение камеры и непрерывность объектов. Исходные данные: видеоряд, раскадровки, трёхмерные модели, движение и текстовые сценарии. Формат результата: преобразованный материал по задаче «Преобразование видео в анимацию или иной визуальный стиль» с сохранённым содержанием и журналом значимых изменений. Проверка: сравнением смысла и структуры до и после преобразования, а также поиском потерянных элементов; по временной согласованности, геометрии, качеству движения, артефактам и соответствию сценарию.
165Генерация движения персонажа по тексту, видео или захвату позы. — AI создаёт новый артефакт по требованиям, исходным фактам и примерам, сохраняя возможность последующего редактирования. Предметная логика: учитывает временную согласованность между кадрами, движение камеры и непрерывность объектов. К исходным данным относятся видеоряд, трёхмерные модели, движение, текстовые сценарии и видеозаписи. Формат результата: редактируемый артефакт по задаче «Генерация движения персонажа по тексту, видео или захвату позы», согласованный с исходными фактами, форматом и ограничениями; тип артефакта — видео- или 3D-актив. Надёжность оценивают по соответствию фактам, требованиям, формату и качеству последующей экспертной доработки; по временной согласованности, геометрии, качеству движения, артефактам и соответствию сценарию.
166Создание раскадровки и превизуализации. — Для этой задачи система собирает содержание и структуру из заданных ограничений, затем формирует несколько вариантов для выбора и доработки. Предметная логика: учитывает временную согласованность между кадрами, движение камеры и непрерывность объектов. Рабочие входы: видеоряд, движение, текстовые сценарии, видеозаписи и кадры. Формат результата: редактируемый артефакт по задаче «Создание раскадровки и превизуализации», согласованный с исходными фактами, форматом и ограничениями; тип артефакта — видео- или 3D-актив. Критерии приёмки: по соответствию фактам, требованиям, формату и качеству последующей экспертной доработки; по временной согласованности, геометрии, качеству движения, артефактам и соответствию сценарию.
167Генерация трёхмерной модели по тексту или эскизу. — Практическая реализация: AI генерирует черновой результат, согласованный с контекстом, форматом и стилевыми требованиями задачи. Входной контекст включает текстовые сценарии, видеозаписи, кадры и раскадровки. Формат результата: редактируемый артефакт по задаче «Генерация трёхмерной модели по тексту или эскизу», согласованный с исходными фактами, форматом и ограничениями; тип артефакта — видео- или 3D-актив. Ошибки выявляют по соответствию фактам, требованиям, формату и качеству последующей экспертной доработки; по временной согласованности, геометрии, качеству движения, артефактам и соответствию сценарию.
168Генерация текстур, материалов и окружения для 3D-сцены. — Механизм: AI создаёт новый артефакт по требованиям, исходным фактам и примерам, сохраняя возможность последующего редактирования. Предметная логика: восстанавливает глубину, форму и топологию, затем согласует геометрию между ракурсами. Исходные данные: изображения с разных ракурсов, видеозаписи, кадры, раскадровки и трёхмерные модели. Формат результата: редактируемый артефакт по задаче «Генерация текстур, материалов и окружения для 3D-сцены», согласованный с исходными фактами, форматом и ограничениями; тип артефакта — видео- или 3D-актив. Проверка: по соответствию фактам, требованиям, формату и качеству последующей экспертной доработки; по временной согласованности, геометрии, качеству движения, артефактам и соответствию сценарию.
169Автоматическая ретопология, развёртка UV и упрощение 3D-модели. — AI сначала определяет элементы, которые должны сохраниться, затем перестраивает форму представления и отмечает внесённые изменения. Предметная логика: восстанавливает глубину, форму и топологию, затем согласует геометрию между ракурсами. К исходным данным относятся изображения с разных ракурсов, кадры, раскадровки, трёхмерные модели и движение. Формат результата: преобразованный материал по задаче «Автоматическая ретопология, развёртка UV и упрощение 3D-модели» с сохранённым содержанием и журналом значимых изменений. Надёжность оценивают сравнением смысла и структуры до и после преобразования, а также поиском потерянных элементов; по временной согласованности, геометрии, качеству движения, артефактам и соответствию сценарию.
170Создание цифрового аватара с заданной мимикой и жестами. — Для этой задачи система генерирует черновой результат, согласованный с контекстом, форматом и стилевыми требованиями задачи. Рабочие входы: раскадровки, трёхмерные модели, движение и текстовые сценарии. Формат результата: редактируемый артефакт по задаче «Создание цифрового аватара с заданной мимикой и жестами», согласованный с исходными фактами, форматом и ограничениями; тип артефакта — видео- или 3D-актив. Критерии приёмки: по соответствию фактам, требованиям, формату и качеству последующей экспертной доработки; по временной согласованности, геометрии, качеству движения, артефактам и соответствию сценарию.
171Преобразование двухмерного контента в пространственную сцену. — Практическая реализация: AI преобразует исходный материал по заданным правилам, сохраняя смысл, структуру и критически важные детали. Входной контекст включает трёхмерные модели, движение, текстовые сценарии и видеозаписи. Формат результата: преобразованный материал по задаче «Преобразование двухмерного контента в пространственную сцену» с сохранённым содержанием и журналом значимых изменений. Ошибки выявляют сравнением смысла и структуры до и после преобразования, а также поиском потерянных элементов; по временной согласованности, геометрии, качеству движения, артефактам и соответствию сценарию. <a id="section-i-11"></a>

0 моделей