I.10Видео, анимация и 3D

snake7gun/tiny-random-qwen-image — модель text-to-image на базе Diffusers с конвейером QwenImagePipeline. Она опубликована пользователем snake7gun (Ethan Yang) на Hugging Face и предназначена для генерации изображений по текстовому описанию, например через библиотеку Diffusers. Модель хранится в формате Safetensors и использует тип тензоров BF16. Указанный размер составляет около 92,6 тыс. параметров, поэтому это уменьшенная или тестовая версия, а не полноразмерная модель для получения качественных изображений. Поддерживаемые языки, точная архитектура, размер контекста, модальности помимо текста и практические показатели качества не указаны. Сильной стороной является совместимость с Diffusers и возможность запуска через стандартный QwenImagePipeline. Из-за крайне малого размера параметров следует ожидать существенных ограничений качества и функциональности; данные о бенчмарках, ограничениях применения и лицензии отсутствуют.

Muapi/flux-sdxl-pony-device-bondage — LoRA-адаптер для генерации изображений по текстовому описанию, предназначенный для использования с базовой моделью cocktailpeanut/pony-diffusion-v6-xl. Модель опубликована под именем Muapi и работает в экосистеме Diffusers с пайплайном text-to-image на базе Stable Diffusion XL/Pony. Адаптер специализируется на изображении сцен device bondage и связанных атрибутов: фиксации конечностей, ремней, цепей, верёвок, кляпов, тематических устройств, поз и соответствующей обстановки. В README указаны ключевые слова для управления содержанием, однако сведения о размере адаптера, поддерживаемых языках, максимальном контексте и точных параметрах обучения отсутствуют. Для применения требуется совместимая базовая модель Pony и настройка силы LoRA; в примере используются разрешение 1024×1024 и strength 1.0. Сильная сторона модели — узкая специализация на тематических визуальных концепциях и позах. Ограничения связаны с зависимостью от базовой модели и отсутствием подробных сведений о качестве, стабильности результатов и языковой поддержке. Модель ориентирована на генерацию откровенного сексуального контента, поэтому её применение может регулироваться правилами конкретного сервиса и законодательства. Указанная лицензия — openrail++.

Nesslovver/P_or_n_conceptz — это LoRA-адаптер для генерации изображений по текстовому описанию, предназначенный для использования с моделью FLUX.1-dev от Black Forest Labs через Diffusers. Адаптер обучен на наборе сексуальных и фетиш-сцен, включая различные виды сексуальных поз, bondage, gag, fisting, использование секс-игрушек и другие откровенные концепции. Для активации рекомендуется использовать триггерное слово «Doggy». Разработчик модели в README обозначен идентификатором Nesslovver; отдельное название организации или команды не указано. Модель ориентирована на создание NSFW-изображений с несколькими сексуальными концепциями и поддерживает текстовое управление сценой. В README не указаны размер адаптера, точные параметры LoRA, требования к весам, языки, максимальный контекст или дополнительные модальности. Среди сильных сторон — специализация на широком наборе откровенных сценариев и наличие отдельных триггерных концепций, однако качество и управляемость генерации зависят от FLUX.1-dev, формулировки запроса и совместимости с используемым интерфейсом. Лицензия и условия коммерческого или иного использования в README не указаны. Для некоторых концепций могут требоваться дополнительные триггерные слова, описания которых, согласно README, находятся в архиве модели.

PornWorks Real Porn — модель от PornWorks.com для генерации фотореалистичных изображений по текстовым запросам. Это дообучение Stable Diffusion XL Base 1.0; в репозитории указаны форматы Diffusers и Safetensors, а задача модели — text-to-image. Модель предназначена для создания детализированных изображений откровенного сексуального содержания с акцентом на фотореализм и следование запросу. В карточке приведены рекомендуемые параметры генерации: 30 шагов, DPM++ 3M SDE GPU, планировщик Karras и guidance scale 4; автор утверждает, что модель может выдавать качественный результат без ADetailer и апскейлера. Модель принимает текстовые запросы и генерирует изображения; в метаданных указан английский язык. Репозиторий распространяется по лицензии OpenRAIL++.

Qwen-Image-Female-Anatomy-Fix-NSFW-LoRA-Triggerless-v2 — экспериментальный LoRA-адаптер, опубликованный пользователем perpetual3x и созданный для базовой модели Qwen/Qwen-Image-2512. Он предназначен для генерации изображений взрослых персонажей в сценариях text-to-image, прежде всего для улучшения внешней женской анатомии в откровенных сценах. Адаптер рассчитан на использование как вторичный корректирующий LoRA вместе с другими адаптерами персонажа, идентичности, стиля или NSFW, а не как самостоятельная модель для создания персонажа, композиции или визуального стиля. Заявлены более согласованные взаимосвязи между вульвой, промежностью, анусом, тазом и окружающими тканями, а также управление на естественном языке без специального trigger word. Модель обучалась на 1 046 изображениях в течение 7 600 шагов, с rank 32 и размером батча 8, на NVIDIA RTX PRO 6000 Blackwell с 96 ГБ памяти. В карточке указаны английский язык и pipeline text-to-image; размер контекста не указан. Сильная сторона адаптера — узкая специализация на локальной анатомической корректировке и совместное применение с другими LoRA. Ограничения связаны с тем, что это вспомогательный экспериментальный адаптер, а не универсальная модель; качество может зависеть от базовой модели, дополнительных адаптеров и настроек генерации. Лицензия указана как qwen-image-female-anatomy-fix-nsfw-lora-v2-non-commercial, то есть использование ограничено некоммерческими условиями; точные положения следует уточнять в файле лицензии.

perpetual3x/Tumblr-NudeShot-NSFW-LoRA-v1 — адаптер LoRA для генерации изображений на основе Qwen/Qwen-Image-2512. Модель предназначена для создания реалистичных и художественных изображений для взрослых в эстетике фотографий Tumblr до 2018 года, включая любительскую и профессиональную съёмку, домашние, пляжные, студийные и уличные сцены. Адаптер обучен примерно на 11 109 изображениях взрослой NSFW-фотографии с использованием NVIDIA RTX PRO 6000 Blackwell 96GB; указан ранг LoRA — 32, финальный чекпойнт — 6000 шагов. Поддерживается текстовое описание на английском языке, а целевая модальность — text-to-image. Для активации основного визуального стиля используется триггер zl_tumblr_v1; дополнительный триггер zl_tumblr_detailed_v1 предназначен для более детализированных генераций и применяется вместе с основным. Сильные стороны модели — передача естественного освещения, текстуры кожи, разнообразного кадрирования и характерных несовершенств любительской фотографии, включая визуальную неоднородность исходного интернет-архива. Модель совместима прежде всего с Qwen/Qwen-Image-2512; работа с Qwen-Image-Edit или другими архитектурами не гарантируется и может приводить к слабому эффекту, артефактам или ошибкам загрузки. Данные были собраны не в контролируемой студийной среде, поэтому результаты могут быть непоследовательными, в том числе в анатомии, руках и пальцах. Лицензия — tumblr-nudeshot-nsfw-lora-non-commercial, предназначенная для некоммерческого использования.

Muapi/hyper-huge-gape-diffusion-illustrious-pony-sd1.5-lora — это LoRA-адаптер для генерации изображений по текстовому описанию, разработанный для использования с базовой моделью cocktailpeanut/pony-diffusion-v6-xl. В карточке указаны библиотека Diffusers, pipeline text-to-image и лицензия OpenRAIL++. Адаптер предназначен для SDXL-совместимой генерации изображений с тематикой гиперболизированного эротического и сексуального контента. Для активации рекомендуется использовать обучающие слова hugeAnusGapeQuiron, anal gape, hyper anus gape и gaping. В примере применения указаны API MuAPI, сила LoRA 1.0, разрешение 1024×1024 и генерация одного изображения за запрос. Известные характеристики ограничены указанными сведениями: размер адаптера, точная архитектура, поддерживаемые языки, максимальный контекст и перечень модальностей не раскрыты. Модель ориентирована на узкоспециализированную стилизацию и усиление определённых визуальных концепций; её ограничения и качество зависят от базовой модели, промпта и выбранной силы LoRA. Условия использования определяются лицензией OpenRAIL++.

Jommarn/Qwen-Image-2512-Heretic — слитая диффузионная модель для генерации изображений по текстовым описаниям. В README указаны базовая модель Qwen/Qwen-Image-2512, объединённый LoRA-компонент Qwen-Image-2512_Penis_lora_v2 и изменённый текстовый энкодер Heretic. Репозиторий использует Diffusers и формат safetensors. Модель предназначена для генерации откровенных изображений с мужской анатомией, в том числе в жанрах yaoi и gay NSFW. Лицензия в метаданных — Apache-2.0. В карточке не указаны размер модели, длина контекста или поддерживаемые языки; качество зависит от формулировки запроса и параметров генерации.

MCNL v1 — Multi Concept NSFW LoRA — это адаптер LoRA для диффузионного пайплайна Qwen/Qwen-Image-Edit-2511. Модель предназначена для генерации и редактирования изображений для взрослых, включая добавление откровенного контента и отдельных сексуальных концепций к исходному изображению. Автор адаптера в README явно не указан; в примерах и ссылках он связан с экосистемой ScottzillaSystems, а базовая модель разработана для семейства Qwen. Адаптер использует архитектуру QwenImageTransformer2DModel на основе MMDiT LoRA, распространяется в формате safetensors и занимает около 563 МБ. Это image-to-image решение, работающее через QwenImageEditPlusPipeline; сведения о поддерживаемых языках и максимальном размере контекста в README не приведены. Для активации заявленных возможностей используются специальные слова и фразы в промпте, включая nsfw и названия отдельных сексуальных сцен или анатомических концепций. Сильная сторона модели — расширение возможностей базового Qwen-Image-Edit-2511 без необходимости замены всей модели, а также поддержка готового интерфейса ScottzillaSystems Image Editor Space. Ограничения включают узкую специализацию на контенте для взрослых и зависимость от базовой модели и совместимого Diffusers-пайплайна; качество результата и поддерживаемые сценарии за пределами описанных концепций не уточняются. Лицензия указана как OpenRAIL++.

Nud3 — это LoRA-адаптер для генерации и редактирования изображений на базе Qwen/Qwen-Image. Модель разработана пользователем или организацией Baraje и предназначена для создания изображений обнажённого женского тела и сцен сексуального характера. Для активации адаптера в запросе рекомендуется использовать триггерные слова «LoRA», «Nude» и «Sex». README указывает совместимость с Diffusers и категорию text-to-image, а также содержит примеры результатов генерации и редактирования изображений. Ключевые характеристики архитектуры, количество параметров, поддерживаемые языки, модальности и размер контекста не указаны. Сильной стороной является специализированная настройка базовой модели под NSFW-сценарии генерации изображений, однако ограничения качества, поведения и совместимости подробно не описаны. Модель распространяется по лицензии Artistic-2.0; перед использованием следует учитывать требования этой лицензии и ограничения базовой модели Qwen/Qwen-Image.

harita001/qwen-plus-lora — это LoRA-адаптер для генерации изображений по текстовому описанию, распространяемый для использования с Diffusers. Он создан на основе модели ScottzillaSystems/qwen-image-edit-plus-nsfw-lora и предназначен для добавления или усиления NSFW-сцен и сексуализированных визуальных элементов в генерируемых изображениях. Модель использует текстовые триггеры, включая nsfw, cum_on_face, blowjob, cowgirlout, creamp1e, penis, l1ck, missionary, nipples, reversecowgirlpov и vagina. README не содержит сведений о размере адаптера, архитектуре базовой модели, поддерживаемых языках, длине контекста, точных параметрах применения, качестве, ограничениях совместимости или лицензии. Сильная сторона модели — специализированная настройка под узкий набор эротических и порнографических сценариев. Ограничения заключаются в отсутствии технической документации, сведений о лицензии и характеристиках производительности; возможность использования должна дополнительно проверяться по условиям базовой модели и репозитория.

Daverrrr75/Qwen_SNOFS — это LoRA-адаптер для text-to-image модели Qwen/Qwen-Image, разработанный пользователем Daverrrr75. Модель предназначена для генерации откровенных изображений взрослых персонажей по текстовым описаниям, включая интимные позы, обнажение, сексуальные сцены, селфи и изображения в стиле Snapchat с подписями. Среди заявленных триггерных слов — sex, missionary, cowgirl, reverse cowgirl, selfie, undressing, massage и другие. Адаптер описан как гибкий и совместимый с другими LoRA, позволяющий добиваться сходства персонажей. Генерация женских гениталий может быть нестабильной, а мужские анатомические детали, по утверждению автора, получаются лучше. Модель иногда выбирает неверную сексуальную позу даже при явном указании в запросе; автор предполагает, что дальнейшее обучение может улучшить результат. Размер, точная архитектура адаптера, языки запросов и максимальный контекст в README не указаны. Лицензия — MIT.

DR34ML4Y_AIO_NSFW_LTX23 — NSFW LoRA-модель для генерации изображений по текстовому описанию, разработанная пользователем lynaNSFW. Модель предназначена для использования с базовой моделью ltx-2.3 и экосистемой Diffusers. Она добавляет специализированные визуальные концепции для эротических и фетиш-сценариев, включая варианты поз и взаимодействий, указанные в триггерных словах модели. Для активации модели рекомендуется использовать триггерную фразу «m15510n4ry bl0wj0b d0ubl3_bj d0gg1e c0wg1rl r3v3rs3_c0wg1rl». README указывает, что правила составления промптов соответствуют PREVIEW и LTX 2.3 в целом. Архитектура LoRA, размер, поддерживаемые языки, длина контекста и точный набор модальностей дополнительно не описаны. Модель ориентирована на генерацию NSFW-контента, однако разработчик отмечает ограничения при работе с тематикой doggy, поскольку обучение этой версии ещё продолжается. Поэтому качество и стабильность результатов в данном сценарии могут быть ниже ожидаемых. Лицензия и условия коммерческого или иного использования в README не указаны.

uviol/scat-krea2-v1 — LoRA-адаптер для генерации изображений на базе Krea-2-Raw и совместимый с Krea-2-Turbo. Модель разработана пользователем uviol и предназначена для создания фотореалистичных изображений на тему дефекации и фекалий; в карточке указано, что она относится к контенту не для всех аудиторий. Для активации рекомендуется использовать естественно-языковой триггер «shitting». Обучение проводилось преимущественно на фотографиях, поэтому для нереалистичных или художественных результатов могут потребоваться дополнительные стилевые LoRA-адаптеры. Это diffusion LoRA для экосистемы Diffusers с рангом 16. Обучение выполнялось на базе Krea-2-Raw с использованием musubi-tuner, оптимизатора AdamW8Bit, cosine_with_min_lr и 120 эпох, что составило 12 240 шагов. Другие характеристики, включая точный размер файла, поддерживаемые разрешения, языки, длину контекста и полный набор модальностей базовой модели, в README не указаны. Сильной стороной является узкая специализация на тематике модели и возможность подключать адаптер к базовым моделям Krea 2; ограничениями остаются зависимость от совместимой базовой модели, преимущественная ориентация на фотореализм и потенциальная необходимость подбора веса LoRA. Лицензия обозначена как other; используется имя лицензии scat-flux-2-klein-9b-v1, а текст лицензии размещён по указанной в карточке ссылке. Условия коммерческого и иного использования следует проверять непосредственно в этом документе.

Pussyasshelper — это LoRA-адаптер для генерации откровенных эротических сцен с изображениями и, вероятно, видео на базе Wan-AI/Wan2.2-I2V-A14B. Модель опубликована пользователем или организацией profpeng; отдельные сведения о разработчике в README не указаны. Адаптер предназначен для сценариев text-to-image и интеграции с Diffusers. Он специализируется на изображении женской мастурбации, обнажённых интимных частей тела и соответствующих поз, включая стимуляцию гениталий, vaginal insertion, демонстрацию вульвы и anus. Для активации предусмотрены специальные trigger words, описывающие эти действия. В README также приведён пример промпта с откровенным сексуальным содержанием. Точная архитектура LoRA, размер адаптера, рекомендуемые параметры, поддерживаемые языки, максимальный контекст и требования к оборудованию не указаны. Лицензия и условия коммерческого или некоммерческого использования в README отсутствуют, поэтому их необходимо уточнять отдельно. Модель имеет узкую специализацию на NSFW-контенте и может быть непригодна для общих задач генерации изображений или для платформ с ограничениями на сексуально откровенные материалы.

ARC-Qwen-Video-7B-Narrator — дообученная мультимодальная модель TencentARC на базе Qwen2.5-VL-7B-Instruct для анализа коротких видео. Она формирует описания с временными метками, различает говорящих и передаёт распознанную речь, помогая разбирать события и диалоги в роликах. Архитектура — плотная модель семейства Qwen2.5-VL с 7,1 млрд параметров; она обрабатывает видео и аудио и выдаёт текст. В метаданных указан контекст длиной до 128 000 токенов. Модель подходит для создания временной расшифровки ролика, краткого описания сцен и анализа последовательности событий. В README также показан сценарий, где результат модели передают внешней LLM для получения более подробного структурированного разбора. Для развёртывания описаны проверенные конфигурации с NVIDIA H20 и A100; установка зависит от соответствующих библиотек и окружения. Модель распространяется по лицензии Apache-2.0.

HiDream-O1-Image-BF16 — конверсия модели HiDream-O1-Image в формате bfloat16, опубликованная drbaph для запуска в ComfyUI. Исходная модель разработана HiDream-ai и основана на Pixel-level Unified Transformer (UiT): она работает с пикселями, текстом и условиями задачи в общем токеновом пространстве, без внешнего VAE и раздельных текстовых энкодеров. Модель содержит 9 млрд параметров и использует библиотеку Diffusers. Модель предназначена для генерации изображений по текстовому описанию, редактирования изображений по инструкциям, персонализации объекта по нескольким референсам и создания раскадровок. Она поддерживает генерацию с нативным разрешением до 2048 × 2048, длинные текстовые запросы и многоязычный рендеринг текста; в карточке указаны английский и китайский языки. Конверсия BF16 ориентирована на баланс точности и эффективности памяти и рассчитана на 50 шагов инференса. Для комфортной работы в полном разрешении рекомендуется GPU с 20–24 ГБ видеопамяти; заявленный диапазон потребления VRAM составляет примерно 17–20 ГБ. Для запуска требуется ComfyUI и совместимый пользовательский узел. Модель и конверсия распространяются по лицензии MIT.

MOSS-VL-Instruct-0708 — мультимодальная модель OpenMOSS, полученная supervised fine-tuning базовой MOSS-VL-Base-0708. Она предназначена для офлайн-анализа изображений и видео, следования инструкциям и визуальных рассуждений. Модель принимает текст, изображения и видео и использует архитектуру vision-language с cross-attention, связывающую визуальные представления с языковыми токенами. В README указаны 11 млрд параметров, контекст 256K и поддержка английского и китайского языков. Модель подходит для распознавания текста и разбора документов по изображениям, описания визуальных сцен, ответов на вопросы по видео, распознавания действий и локализации событий по времени. Для видео она использует абсолютные временные метки кадров, а XRoPE кодирует координаты времени, высоты и ширины. Выпущена под лицензией Apache-2.0. Ограничения включают плотные видео, узкоспециализированные области, мелкий текст на изображениях и задачи со строгими числовыми рассуждениями; для них могут потребоваться настройка выборки кадров, специальные инструкции или дообучение.

Ming-flash-omni Preview — предварительная мультимодальная модель компании inclusionAI, дообученная на основе Ling-flash-2.0. Это разреженная MoE-модель с 100 млрд параметров, из которых активны 6 млрд на токен; архитектура указана как BailingMM2NativeForConditionalGeneration. Модель принимает текст, изображения, аудио и видео и может выдавать текст, изображения и аудио. Модель предназначена для мультимодального диалога: понимания изображений и видео, распознавания речи с учётом контекста и китайских диалектов, синтеза речи, генерации и редактирования изображений. Среди заявленных возможностей — генеративная сегментация, улучшенное сохранение сцены и идентичности при редактировании, а также отрисовка текста внутри изображений. Разработчик сообщает о сильных результатах на мультимодальных тестах, включая контекстное распознавание речи и распознавание 15 китайских диалектов. Модель опубликована под лицензией MIT. Это Preview-версия; карточка не приводит длину контекста и подробные требования к оборудованию. Для практического применения следует учитывать большой общий размер модели и проверять качество на целевых задачах.

Qwen3.8 Max Prime — вариант с повышенной пропускной способностью модели Qwen3.8 Max от команды Qwen компании Alibaba. Он предлагается как отдельный SKU по более высокой цене и принимает текст, изображения и видео. Метаданные каталога классифицируют модель для задачи image-text-to-text, поэтому она подходит для обработки визуального содержимого вместе с текстовыми запросами. Данных о базовой модели, архитектуре, поддерживаемых языках, ограничениях и лицензии в предоставленной карточке нет.

HiDream-O1-Image — модель генерации и редактирования изображений от HiDream, построенная на Pixel-level Unified Transformer (UiT). Она обрабатывает текст и пиксели в общем пространстве токенов, без внешнего VAE и отдельного текстового энкодера. В карточке семейства указана версия на 8 млрд параметров; модель создаёт изображения напрямую с разрешением до 2048 × 2048. Модель предназначена для генерации изображений по текстовому описанию, редактирования изображения по инструкции, персонализации с сохранением заданного персонажа или объекта, управления композицией и создания раскадровок. Встроенный агент рассуждений помогает уточнять требования к композиции и надписям; заявлена поддержка длинного текста и многоязычных надписей на изображениях. Метаданные классифицируют модель как image-text-to-image. В README описаны полная и дистиллированная Dev-версии; результаты и характеристики могут различаться между ними. Для запуска требуется GPU с поддержкой CUDA; авторы отмечают проблему с PyTorch 2.9.x и рекомендуют полную версию для редактирования. Репозиторий модели распространяется по лицензии MIT.

Карточка модели kayraharika/HiDream-O1-Image на Hugging Face совпадает с карточкой HiDream-ai/HiDream-O1-Image, поэтому описание составлено по ней. HiDream-O1-Image — модель генерации и редактирования изображений от HiDream, построенная на Pixel-level Unified Transformer (UiT). Она обрабатывает текст и пиксели в общем пространстве токенов, без внешнего VAE и отдельного текстового энкодера. В карточке семейства указана версия на 8 млрд параметров; модель создаёт изображения напрямую с разрешением до 2048 × 2048. Модель предназначена для генерации изображений по текстовому описанию, редактирования изображения по инструкции, персонализации с сохранением заданного персонажа или объекта, управления композицией и создания раскадровок. Встроенный агент рассуждений помогает уточнять требования к композиции и надписям; заявлена поддержка длинного текста и многоязычных надписей на изображениях. Метаданные классифицируют модель как image-text-to-image. В README описаны полная и дистиллированная Dev-версии; результаты и характеристики могут различаться между ними. Для запуска требуется GPU с поддержкой CUDA; авторы отмечают проблему с PyTorch 2.9.x и рекомендуют полную версию для редактирования. Репозиторий модели распространяется по лицензии MIT.

Карточка модели worksimpli/HiDream-O1-Image-endpoint на Hugging Face совпадает с карточкой HiDream-ai/HiDream-O1-Image, поэтому описание составлено по ней. HiDream-O1-Image — модель генерации и редактирования изображений от HiDream, построенная на Pixel-level Unified Transformer (UiT). Она обрабатывает текст и пиксели в общем пространстве токенов, без внешнего VAE и отдельного текстового энкодера. В карточке семейства указана версия на 8 млрд параметров; модель создаёт изображения напрямую с разрешением до 2048 × 2048. Модель предназначена для генерации изображений по текстовому описанию, редактирования изображения по инструкции, персонализации с сохранением заданного персонажа или объекта, управления композицией и создания раскадровок. Встроенный агент рассуждений помогает уточнять требования к композиции и надписям; заявлена поддержка длинного текста и многоязычных надписей на изображениях. Метаданные классифицируют модель как image-text-to-image. В README описаны полная и дистиллированная Dev-версии; результаты и характеристики могут различаться между ними. Для запуска требуется GPU с поддержкой CUDA; авторы отмечают проблему с PyTorch 2.9.x и рекомендуют полную версию для редактирования. Репозиторий модели распространяется по лицензии MIT.

Карточка модели kayraharika/HiDream-O1-Image-Dev на Hugging Face совпадает с карточкой HiDream-ai/HiDream-O1-Image, поэтому описание составлено по ней. HiDream-O1-Image — модель генерации и редактирования изображений от HiDream, построенная на Pixel-level Unified Transformer (UiT). Она обрабатывает текст и пиксели в общем пространстве токенов, без внешнего VAE и отдельного текстового энкодера. В карточке семейства указана версия на 8 млрд параметров; модель создаёт изображения напрямую с разрешением до 2048 × 2048. Модель предназначена для генерации изображений по текстовому описанию, редактирования изображения по инструкции, персонализации с сохранением заданного персонажа или объекта, управления композицией и создания раскадровок. Встроенный агент рассуждений помогает уточнять требования к композиции и надписям; заявлена поддержка длинного текста и многоязычных надписей на изображениях. Метаданные классифицируют модель как image-text-to-image. В README описаны полная и дистиллированная Dev-версии; результаты и характеристики могут различаться между ними. Для запуска требуется GPU с поддержкой CUDA; авторы отмечают проблему с PyTorch 2.9.x и рекомендуют полную версию для редактирования. Репозиторий модели распространяется по лицензии MIT.

Leum-VL-8B-preview0320 — мультимодальная модель с открытыми весами, разработанная командой Leum и дообученная на базе Qwen/Qwen3-VL-8B-Instruct. Это плотная модель семейства Qwen3-VL с 8 млрд параметров, предназначенная для структурного анализа коротких интернет-видео с привязкой выводов к временной шкале. Она описывает содержание по шести измерениям: объекты и участники, визуальный стиль, язык камеры, монтаж, повествование и наблюдаемые признаки распространения контента. Модель принимает видео и формирует текстовые структурированные выводы, пригодные для поиска, индексации и анализа. Она рассчитана на разбор хуков и сюжетного развития, переходов между кадрами, темпа монтажа, экранного текста, а также согласованности ролика с обложкой, заголовком и хештегами; связанные комментарии могут учитываться, если предоставлены. В карточке приведены языки zh и en. Для оценки использовались настройки до 768 кадров и до 50 тыс. токенов на видео, но это параметры бенчмарка, а не заявленный предел контекста. Модель обучалась с полным обновлением параметров визуального энкодера, проектора и языковой модели, включая continual pretraining, supervised fine-tuning и RLHF. Лицензия — MIT. Веса помечены как открытые; в карточке пока нет проверенных примеров API и окончательной схемы вывода.

Карточка модели HiDream-ai/HiDream-O1-Image-Dev на Hugging Face совпадает с карточкой HiDream-ai/HiDream-O1-Image, поэтому описание составлено по ней. HiDream-O1-Image — модель генерации и редактирования изображений от HiDream, построенная на Pixel-level Unified Transformer (UiT). Она обрабатывает текст и пиксели в общем пространстве токенов, без внешнего VAE и отдельного текстового энкодера. В карточке семейства указана версия на 8 млрд параметров; модель создаёт изображения напрямую с разрешением до 2048 × 2048. Модель предназначена для генерации изображений по текстовому описанию, редактирования изображения по инструкции, персонализации с сохранением заданного персонажа или объекта, управления композицией и создания раскадровок. Встроенный агент рассуждений помогает уточнять требования к композиции и надписям; заявлена поддержка длинного текста и многоязычных надписей на изображениях. Метаданные классифицируют модель как image-text-to-image. В README описаны полная и дистиллированная Dev-версии; результаты и характеристики могут различаться между ними. Для запуска требуется GPU с поддержкой CUDA; авторы отмечают проблему с PyTorch 2.9.x и рекомендуют полную версию для редактирования. Репозиторий модели распространяется по лицензии MIT.

AnyPose — набор LoRA-адаптеров, разработанный lilylilith для Qwen Image Edit 2511 и совместимых вариантов. Модель предназначена для переноса позы человека или персонажа с одного изображения на другого по двум входным изображениям: исходному персонажу и референсу с требуемой позой. Она работает в сценариях редактирования изображений image-to-image и не требует ControlNet или отдельной OpenPose-разметки. Адаптеры рассчитаны на совместное использование с Qwen Image Edit 2511 Lightning LoRA для ускоренного вывода. AnyPose позволяет воспроизводить простые и сложные позы, включая положения с нестандартной геометрией тела, а также стремится сохранять стиль и фон исходного изображения. В комплект входят два LoRA-веса — базовый и вспомогательный; в README рекомендуется устанавливать силу каждого на уровне 0,7 и использовать четырёхшаговый Lightning-режим. Модель может автоматически дорисовывать части тела и изображения, отсутствующие в исходном кадре, однако результат зависит от контекста и формулировки запроса. К ограничениям относятся непредсказуемое изменение фона, перенос персонажа в сцену референсного изображения, появление фрагментов предыдущей сцены и необходимость дополнительных текстовых указаний для скрытой одежды или деталей. Для более согласованных результатов рекомендуется использовать исходное изображение с полностью видимым телом персонажа и окружающей сценой. Лицензия модели — Apache 2.0; отдельные сведения о языках, размере адаптеров и максимальном контексте не указаны.

Kandinsky 2.1 — модель генерации и преобразования изображений, разработанная Арсением Шахматовым, Антоном Разжигаевым, Александром Николичем, Игорем Павловым, Андреем Кузнецовым и Денисом Димитровым. Этот репозиторий предоставляет модель для image-to-image на базе Diffusers; архитектура Kandinsky 2.1 сочетает unCLIP и latent diffusion, включая трансформерный image prior, диффузионный UNet и декодер MoVQGAN. CLIP используется для кодирования текста и изображений. Модель предназначена для текстово управляемого преобразования изображений, генерации изображений по тексту и интерполяции между изображениями. Для обучения image prior использовались данные LAION Improved Aesthetics с последующим дообучением на LAION HighRes; основная диффузионная модель обучалась на парах текста и изображений LAION HighRes и дополнительно на высококачественных изображениях с описаниями. Репозиторий распространяется в форматах Diffusers и PyTorch по лицензии Apache-2.0.

Qwen-Image — базовая модель генерации изображений из серии Qwen, представленная разработчиками Qwen. Она предназначена для создания изображений по текстовым запросам и редактирования изображений: поддерживает перенос стиля, добавление и удаление объектов, улучшение деталей, изменение текста на изображении и манипуляции с позой человека. Модель также заявлена для задач понимания изображений, включая обнаружение объектов, семантическую сегментацию, оценку глубины и контуров, синтез новых ракурсов и сверхразрешение. Среди сильных сторон авторы отмечают точное отображение текста и сохранение композиции, особенно для китайского языка; заявлена также поддержка английского и разнообразных визуальных стилей. Репозиторий использует Diffusers и формат safetensors. Лицензия — Apache-2.0. Размер модели и длина контекста в предоставленных данных не указаны.

BRIA RMBG-2.0 — модель удаления фона, разработанная BRIA AI на архитектуре BiRefNet с собственной схемой обучения и профессиональным набором данных. Она выполняет сегментацию изображения и выдаёт одноканальную 8-битную альфа-карту: значение каждого пикселя задаёт степень его прозрачности, позволяя настраивать порог отделения переднего плана от фона. Модель предназначена для вырезания объектов и людей на фотографиях и других изображениях, включая материалы электронной торговли, рекламы и игрового контента. Обучение проводилось на более чем 15 000 вручную размеченных лицензированных изображений с разными типами объектов и фонов. Весам на Hugging Face соответствует лицензия CC BY-NC 4.0 для некоммерческого использования. Для коммерческого развёртывания требуется отдельное соглашение с BRIA AI либо использование API BRIA с коммерческой лицензией.