I.8Изображения и компьютерное зрение

NyankoMotsiX — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec. Это модель семейства Stable Diffusion для запуска через библиотеку Diffusers; файлы представлены в формате safetensors. В карточке приведены примеры аниме-иллюстраций с милыми персонажами, чиби-глазами и сценами в стиле детской книги или комикса. Модель предназначена для создания изображений по промптам, в частности аниме и милых иллюстраций. Примеры показывают персонажей, портреты и сцены с заданными деталями внешности, одежды, окружения и художественного стиля. Лицензия — CreativeML OpenRAIL-M; условия её использования следует учитывать при распространении и применении сгенерированных изображений.

Obsession IllustriousXL v10 — модель генерации изображений по текстовому описанию, опубликованная пользователем John6666; исходная версия создана Konoko. Это дообученная модель семейства Stable Diffusion XL на базе OnomaAIResearch/Illustrious-xl-early-release-v0, связанного с KBlueLeaf/kohaku-xl-beta5. Модель рассчитана на создание иллюстраций в стилистике anime, в том числе изображений персонажей. Для запуска доступны формат Diffusers и веса Safetensors; карточка указывает StableDiffusionXLPipeline и тензоры F16. Модель принимает текстовый промпт и генерирует изображение. В метаданных указан английский язык. Репозиторий обозначает лицензию faipl-1.0-sd; конкретные ограничения качества и подробные рекомендации по промптам в доступной карточке не описаны.

Paint Journey V2 — модель генерации изображений по текстовому описанию, созданная FredZhang7 как дообучение Paint Journey V1. Она предназначена для создания цифровых изображений и живописных работ, особенно картин маслом; для выраженного эффекта масляной живописи автор рекомендует начинать запрос с «((oil painting))». Модель основана на Stable Diffusion и распространяется в формате Diffusers, с файлами PyTorch и Safetensors. При обучении автор дообучал текстовый энкодер на разнообразных запросах и примерно 300 отобранных изображениях, включая работы Midjourney V4, Open Journey V2, Disco Diffusion и художников, давших разрешение. Модель рассчитана на создание портретов, пейзажей и других художественных изображений. В карточке приведены примеры разрешений от 512×768 до 1280×768; автор отмечает, что результат зависит от подробности позитивного и негативного запросов и что на низких разрешениях качество портретов может уступать DreamShaper 3.3. Лицензия — CreativeML OpenRAIL-M.

google/paligemma-3b-ft-rsvqa-hr-224 — модель семейства PaliGemma, разработанная Google. Это дообученная на задаче визуальных вопросов и ответов по снимкам высокого разрешения модель с архитектурой VLM, сочетающей зрительный компонент SigLIP и языковую модель Gemma. Она принимает изображение и текстовый запрос, а в ответ генерирует текст; предназначена для одношаговой обработки, а не для многоходового диалога. Модель подходит для ответов на вопросы о содержимом снимков дистанционного зондирования Земли и других изображений высокого разрешения. PaliGemma также можно дообучать для специализированных задач анализа изображений. В карточке указана поддержка нескольких языков, но конкретные языки для этой версии не перечислены. Модель лучше работает с чёткими запросами; на открытых и сложных задачах, тонкостях языка и рассуждениях здравого смысла возможны ошибки. Ответы могут содержать фактические неточности. Лицензия — Gemma; применяются ограничения политики допустимого использования Gemma.

Yntec/PaperBag — модель генерации изображений по текстовому описанию, созданная автором Yntec слиянием моделей Deliberate, aBagOfChips и Stable_Diffusion_PaperCut_Model. Она предназначена для создания иллюстраций в стиле PaperCut: бумажных аппликаций, оригами и бумажного квиллинга; автор отмечает, что стиль может проявляться и без специального слова в запросе, а слово «papercut» помогает его активировать. Модель основана на Stable Diffusion 1.5 и работает через Diffusers; доступны веса в формате safetensors. Примеры в карточке демонстрируют бумажные иллюстрации с аниме-персонажами, животными и сказочными сюжетами, включая детализированные текстуры и яркую или пастельную палитру. Модель принимает текстовые запросы и выдаёт изображения. Лицензия — CreativeML OpenRAIL-M.

PHM_v3_lora — адаптер LoRA для генерации изображений по текстовому описанию, опубликованный пользователем или организацией Shero448. Модель предназначена для использования в экосистеме Diffusers и совместимых инструментах генерации изображений, где она подключается к базовой модели dhead/wai-nsfw-illustrious-sdxl-v140-sdxl. Для активации указан триггер <lora:PHM_style_IL_v3.3:1.0>. Из README известно, что модель относится к классу text-to-image LoRA и, вероятно, добавляет к базовой SDXL-модели определённый визуальный стиль. В качестве примера приведён промпт для создания высококачественных эстетичных сцен; конкретные поддерживаемые языки, размер адаптера, точная архитектура, максимальный контекст и перечень модальностей, помимо генерации изображений по тексту, не указаны. Сильная сторона модели — компактный формат адаптера и возможность применять его поверх совместимой базовой модели, однако результат зависит от базовой модели, формулировки промпта и корректного использования триггерного слова. Лицензия и условия коммерческого или иного использования в README не указаны.

PinkCherry_MiniMax-H3 — экспериментальная модель из семейства MiniMax-H3, представленная автором как работа над дообучением PinkCherry для ref2va. Карточка также упоминает LoRA NaughtyTimes v3 и вариант fl2va, но не поясняет их связь с опубликованной моделью. В метаданных указаны задача text-to-video, архитектура MiniMaxH3 и формат safetensors. Модель предназначена для генерации видео по текстовому описанию. Автор сообщает о варианте LoRA в точности fp32 и об отказе выпускать версию int8. Репозиторий распространяется по лицензии Apache-2.0. В карточке нет сведений о размере модели, длине контекста, поддерживаемых языках или практическом качестве генерации.

Pixel Art XL — модель-адаптер LoRA, разработанная пользователем nerijs для Stable Diffusion XL Base 1.0 от Stability AI. Она предназначена для генерации изображений в стиле пиксель-арта по текстовым описаниям, включая изометрические и неизометрические сцены. Для получения пиксельной детализации рекомендуется уменьшать изображение в 8 раз с использованием интерполяции Nearest Neighbor. Модель поддерживает работу с Diffusers и может применяться как самостоятельный LoRA-адаптер поверх Stable Diffusion XL. В карточке указано, что специальное ключевое слово или стилевой промпт не требуются, а достаточно описывать содержание изображения; в качестве примера используется запрос с милым корги. Рекомендуется использовать фиксированный VAE для снижения артефактов. Также адаптер можно комбинировать с LCM LoRA для ускоренной генерации примерно за 8 шагов при guidance scale 1.5 и силе Pixel Art XL 1.2. Сильные стороны модели — специализация на пиксельной стилистике, совместимость с изометрическими сценами и возможность ускоренной генерации в сочетании с LCM LoRA. Ограничения включают необходимость корректного последующего уменьшения изображения для получения точного пиксельного результата, а также возможное появление артефактов при неподходящем VAE. Сведения о поддерживаемых языках, размере адаптера, максимальном контексте и конкретных аппаратных требованиях не указаны. Лицензия — CreativeML OpenRAIL-M.

PixelKicks — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec. Примеры в карточке показывают стилизацию изображений под аналоговую цветную фотографию 1970-х годов, кадры кино 1990-х и Kodachrome, с зернистостью плёнки и драматическим освещением. Модель предназначена для создания художественных изображений по текстовым запросам, включая портреты, сцены и иллюстрации с ретро-фотографической эстетикой. Репозиторий использует библиотеку Diffusers и формат Safetensors; указанная лицензия — CreativeML OpenRAIL-M.

Promptist — языковая модель Microsoft на архитектуре GPT-2, предназначенная для автоматической оптимизации текстовых запросов для генерации изображений. Она преобразует пользовательский ввод в формулировки, предпочтительные для моделей генерации изображений; в карточке показан сценарий использования со Stable Diffusion v1.4. Модель обучали оптимизировать промпты с помощью обучения с подкреплением. Репозиторий содержит веса PyTorch, а длина контекста составляет 1024 токена. Promptist подходит для подготовки и переформулирования промптов перед генерацией изображений. Карточка не сообщает сведения о размере модели и лицензии, поэтому условия использования по этим данным определить нельзя. В README также отмечено, что демо работает на CPU и может генерировать медленно; для локальной работы рекомендуется GPU.

Electrofried разработал Promptmaster-mistral-7b — дообученную на собственном наборе данных Electrofried/promptmaster-data языковую модель семейства Mistral. Это плотная авторегрессионная модель на 7,1 млрд параметров с контекстом до 32 768 токенов, предназначенная для расширения кратких запросов в промпты для Stable Diffusion. Она добавляет ключевые слова и форматирует результат как промпт, не предназначенный для вывода пояснений. Модель принимает текстовый запрос и генерирует текст промпта на английском языке. Карточка сообщает о сильной склонности добавлять обнажённость и откровенные выражения даже при нейтральных запросах, в частности при упоминании женщины; набор обучения также содержит потенциально оскорбительные термины. Модель распространяется по лицензии Apache-2.0.

Raehoshi Anima — диффузионная модель генерации изображений по текстовому описанию, разработанная Raelina и дообученная на базе circlestone-labs/Anima. Она предназначена для создания иллюстраций в аниме-стиле и расширяет знания базовой модели о персонажах и сериях, включая Zenless Zone Zero, Wuthering Waves, Honkai: Star Rail, Genshin Impact, Arknights: Endfield и Neverness to Everness; карточка указывает, что база знаний обновлена по май 2026 года. Модель принимает промпты в виде Danbooru-тегов и обычного естественного языка, в том числе их сочетания. Для более точной передачи персонажей рекомендуется указывать название серии и соответствующие теги. Файл модели в формате safetensors не включает текстовый энкодер и VAE: эти компоненты нужно загрузить отдельно. Для модели указан тип лицензии other, без уточнения конкретных условий.

Raehoshi illust XL 2 — диффузионная модель генерации изображений по текстовому описанию, разработанная Raelina и дообученная на Illustrious XL v0.1. Она предназначена для создания иллюстраций в стиле, ориентированном на теги booru; для составления запросов рекомендуется использовать соответствующие теги и описания сцены. По карточке, эта версия уменьшает перенасыщенность цветов и шумовые артефакты исходной модели, хотя полностью их не устраняет. README рекомендует CFG 5–6, 28 шагов сэмплирования и sampler Euler a; также приведены настройки Hires.fix для увеличения изображения. Модель опубликована в форматах Diffusers и Safetensors. Лицензия — Fair AI Public License 1.0-SD.

RainierMix — объединённая модель для генерации изображений по текстовому описанию, созданная Hemlok на основе ACertainThing. В README также описаны варианты Rainier-base и RainierMixV1, собранные из нескольких моделей; доступная карточка не уточняет, к какой именно версии относятся метаданные репозитория. Модель предназначена для создания иллюстраций по промптам, в частности изображений в аниме-стиле. Для работы автор рекомендует использовать WebUI, например AUTOMATIC1111, выбирать DDIM или DPM++ SDE Karras, делать около 50 шагов или больше, устанавливать Clip skip 2 и CFG Scale 5–8, а также подключать VAE. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors. Лицензия — CreativeML OpenRAIL-M. README сообщает, что RainierMixV2 и PastelRainier больше нельзя использовать в коммерческих целях из-за изменения лицензии источника слияния, и предлагает версии 2.5; условия для других перечисленных вариантов отдельно не уточнены. Автор также сообщает, что модель была повреждена и исправленная версия загружена в Modified-Model.

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

sd-wikiart-v2 — модель генерации изображений на основе Stable Diffusion, дообученная разработчиком valhalla на наборе WikiArt. Она предназначена для создания художественных изображений по текстовым запросам в разных стилях и жанрах, а также для использования в качестве помощника по генеративному искусству. В основе лежит Stable Diffusion v1.4 — латентная диффузионная модель, предварительно обученная на LAION2B-en. Для дообучения использованы 81 тысяча пар текста и изображения из WikiArt; обучались только слои внимания в течение одной эпохи. Репозиторий представлен в форматах Diffusers и PyTorch. Модель принимает текст на английском языке и генерирует изображения. Модель сохраняет большую часть возможностей исходной Stable Diffusion, одновременно лучше ориентируясь на художественные стили и жанры. Лицензия — BigScience BLOOM RAIL 1.0; README описывает развлекательное применение и создание генеративного искусства.

ntc-ai/SDXL-LoRA-slider.anime — это LoRA-адаптер для генерации изображений в аниме-стилистике на базе Stable Diffusion XL Base 1.0 от Stability AI. Модель разработана командой ntcai.xyz и предназначена для text-to-image сценариев, в которых требуется управляемо усиливать или ослаблять аниме-визуальные характеристики изображения. Для активации используется триггерное слово «anime». Адаптер доступен в формате Safetensors и может подключаться через библиотеку Diffusers. Модель поддерживает настройку силы воздействия LoRA, включая отрицательные и положительные значения; в примерах README показан диапазон от -3 до 3, а в коде — вес 2.0. Она ориентирована на англоязычные текстовые промпты, однако сведения о точном размере адаптера, максимальной длине контекста, наборе данных, поддерживаемых языках помимо указанного английского и конкретных ограничениях качества не приведены. Основное преимущество — возможность гибко изменять выраженность аниме-стиля поверх базовой SDXL-модели. Использование разрешено по лицензии MIT.

Simple Diffusion XS (sdxs-2b alpha version) — компактная экспериментальная модель преобразования текста в изображения от AiArtLab. В основе заявлены CosmosTransformer3D примерно на 2 млрд параметров и Qwen3.5 на 0,8 млрд параметров; модель использует VAE Qwen с конфигурацией 16ch8x и распространяется в формате Diffusers с весами Safetensors. Модель предназначена для генерации изображений по текстовым запросам, включая иллюстрации, аниме и фотографии. Обучение проводилось на небольшом наборе данных; использовались подписи Danbooru и короткие или средние естественно-языковые описания длиной до 250 токенов. Заявленное разрешение по умолчанию — 768×1152, обучение охватывало разрешения от 576 до 1152 пикселей с шагом 64. В README также упомянуты доработка запросов и незатренированные конвейеры img2img и text-to-video. Это альфа-версия с предварительными весами и ограниченным обучающим набором, поэтому качество и универсальность могут быть неравномерными; возможности img2img и генерации видео не следует считать обученными функциями. Лицензия указана как other, без конкретных условий в предоставленных данных.

SenseNova-SI-1.2-InternVL3-8B — мультимодальная чат-модель, разработанная командой SenseNova на основе InternVL3-8B от OpenGVLab и дообученная для пространственного понимания. Она отвечает на вопросы по изображениям и тексту, в особенности о положении, взаимном расположении и повороте объектов, а также сохраняет широкие возможности мультимодального понимания. Модель оценивалась на пространственных бенчмарках VSI, MMSI, MindCube, ViewSpatial, SITE, BLINK, 3DSRBench и EmbSpatial-Bench; авторы сообщают о высоких результатах среди сопоставимых по размеру открытых моделей. Модель построена на архитектуре InternVL Chat, содержит 8 млрд параметров и предназначена для исследовательских и прикладных сценариев, где нужно задавать вопросы об изображениях на естественном языке. Репозиторий распространяет веса в формате safetensors для Transformers. Базовая модель также описана как способная работать с видео, однако карточка этой версии явно демонстрирует пространственные задачи по изображениям; поддержка видео именно этой донастройкой не подтверждена. Лицензия — Apache-2.0.

SiFW Annihilation XL v305 Illustrious Beta — модель генерации изображений по текстовому описанию, созданная Sirius_FW. Она предназначена для создания иллюстраций в стиле аниме; в метаданных также отмечена тематика персонажей-девушек. Модель объединяет Illustrious XL Early Release v0 и SiFW-AnnihilationXL и доступна в форматах Diffusers и safetensors. Модель создана для генерации изображений по текстовым промптам и использует Stable Diffusion XL через библиотеку Diffusers. Метаданные указывают английский язык. Лицензия обозначена как other, поэтому условия использования следует уточнять на странице модели. README не сообщает о специальных ограничениях качества или применении.

Это адаптация textual inversion для модели CompVis/stable-diffusion-v1-4, опубликованная abhipsabasu. Она добавляет в Stable Diffusion понятие человека, обозначаемого токеном nbf, и предназначена для создания изображений по текстовым запросам с этим понятием. Веса представлены в форматах Diffusers и safetensors; для работы требуется базовая модель Stable Diffusion v1.4 и библиотека Diffusers. Модель принимает текстовый запрос и генерирует изображение. Базовая модель ориентирована преимущественно на английский язык. Репозиторий распространяется по лицензии CreativeML OpenRAIL-M. Карточка не содержит примеров использования или описания известных проблем и смещений.

Timeless Diffusion — модель генерации изображений по текстовому описанию, созданная автором репозитория wavymulder. Это DreamBooth-дообучение Stable Diffusion 1.5 с VAE на разнообразных колоризированных фотографиях 1880–1980-х годов. Модель предназначена для создания выразительных изображений с насыщенными тонами и анахроничным ощущением; для вызова характерного стиля автор рекомендует добавлять в запрос фразу «timeless style». Репозиторий содержит веса в форматах Diffusers, PyTorch и safetensors. Лицензия — CreativeML OpenRAIL-M.

TinyLLaVA-1.5B — компактная мультимодальная модель для диалога по изображениям из семейства TinyLLaVA, разработанного авторами проекта TinyLLaVA. Она сочетает визуальный модуль с языковой моделью TinyLlama и предназначена для ответов на вопросы об изображениях, их описания и других сценариев визуального диалога. В карточке указаны около 1 млрд параметров, плотная архитектура TinyLlavaLlamaForCausalLM и контекст 2048 токенов; модель принимает изображения и текст, а генерирует текст. В README приведены результаты оценки на наборах LLaVA-Bench-Wild, MME, MMBench, MM-Vet, SQA-image, VQA-v2, GQA и TextVQA. Модель обучалась с использованием данных LLaVA и ShareGPT4V, включая наборы для предварительного обучения и инструкционного дообучения. Метаданные отмечают английский и китайский языки. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Компактный размер удобен для исследовательских и прикладных экспериментов с визуальными вопросами и ответами, но доступные результаты показывают более скромные показатели версии 1.5B по сравнению с более крупными вариантами TinyLLaVA; языковое покрытие и качество за пределами оценённых сценариев могут быть ограничены.

Карточка модели bczhou/TinyLLaVA-3.1B на Hugging Face совпадает с карточкой bczhou/TinyLLaVA-1.5B, поэтому описание составлено по ней. TinyLLaVA-1.5B — компактная мультимодальная модель для диалога по изображениям из семейства TinyLLaVA, разработанного авторами проекта TinyLLaVA. Она сочетает визуальный модуль с языковой моделью TinyLlama и предназначена для ответов на вопросы об изображениях, их описания и других сценариев визуального диалога. В карточке указаны около 1 млрд параметров, плотная архитектура TinyLlavaLlamaForCausalLM и контекст 2048 токенов; модель принимает изображения и текст, а генерирует текст. В README приведены результаты оценки на наборах LLaVA-Bench-Wild, MME, MMBench, MM-Vet, SQA-image, VQA-v2, GQA и TextVQA. Модель обучалась с использованием данных LLaVA и ShareGPT4V, включая наборы для предварительного обучения и инструкционного дообучения. Метаданные отмечают английский и китайский языки. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Компактный размер удобен для исследовательских и прикладных экспериментов с визуальными вопросами и ответами, но доступные результаты показывают более скромные показатели версии 1.5B по сравнению с более крупными вариантами TinyLLaVA; языковое покрытие и качество за пределами оценённых сценариев могут быть ограничены.

TIPO-100M — компактная модель генерации текста семейства LLaMA от KBlueLeaf, предназначенная для улучшения запросов к системам генерации изображений. Она дополняет и расширяет пользовательский промпт перед передачей его в текстово-графическую модель, чтобы помочь получать более подходящие изображения с меньшими усилиями. В README указан рабочий процесс с расширением z-tipo-extension для Stable Diffusion WebUI, Forge и ComfyUI. В метаданных указаны 79,9 млн параметров, архитектура LlamaForCausalLM, контекст 8192 токена и поддержка английского языка. Доступны веса Safetensors и GGUF F16; модель обучалась на подписях и тегах из наборов, включая Conceptual Captions, COYO-HD, Danbooru2023 и GBC10M. README отмечает, что версия на 100 млн параметров находится в разработке; приведённые там результаты оценки относятся к TIPO-200M, поэтому их нельзя напрямую считать оценкой этой модели. Лицензия — Apache-2.0.

TIPO-200M-ft — дообученная языковая модель семейства LLaMA от KBlueLeaf, предназначенная для подготовки и оптимизации текстовых запросов к генераторам изображений. Она дополняет или уточняет короткие и неполные промпты, чтобы помочь получить более подходящее описание для генерации изображения. Модель содержит 177,9 млн параметров, принимает текст и генерирует текст; карточка указывает контекст до 2048 токенов, а README описывает архитектуру LLaMA и обучение на данных Danbooru2023 и Coyo-HD-11M. Модель рассчитана на использование в конвейере text-to-image через расширение z-tipo-extension, совместимое со Stable Diffusion WebUI, Forge и ComfyUI. В README приведены результаты оценки базовой TIPO-200M, но не отдельные результаты TIPO-200M-ft. Репозиторий содержит веса safetensors и вариант GGUF F16. Лицензия указана как other, поэтому условия использования следует уточнять по карточке модели.

True Pencil XL v100 SDXL — модель генерации изображений по текстовому описанию, созданная blue_pen5805 и опубликованная пользователем John6666. Она основана на дообученной модели bluepen5805/true_pencil-XL и предназначена для создания иллюстраций, в том числе изображений в аниме-стиле. Модель использует Stable Diffusion XL и доступна в форматах Diffusers и safetensors; работать с ней можно через StableDiffusionXLPipeline из библиотеки Diffusers. На вход подаётся текстовый запрос, на выходе получается изображение. В карточке указаны английский язык и лицензия other, поэтому перед использованием следует проверить условия лицензии репозитория.

UV-CoT — мультимодальная модель на основе LLaVA-1.5-7B, дообученная авторами проекта методом предпочтений для рассуждений о визуальном содержимом. Подход Unsupervised Visual CoT автоматически формирует варианты ограничивающих рамок, оценивает их с помощью модели-оценщика и использует сравнения для обучения без обширного набора размеченных рамок. Модель предназначена для ответов на текстовые вопросы об изображениях и задач визуального рассуждения, особенно пространственного. В качестве архитектуры указана LLaVA с языковой частью Llama; размер — 6,6 млрд параметров, контекст — 4096 токенов. Модель принимает изображения и текст, а выдаёт текстовые ответы. Для использования доступна библиотека Transformers и формат safetensors. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий.

Модель e1010101/vit-384-tongue-image — дообученный Vision Transformer на базе ViT-384 от Google для многометочной классификации изображений языка. Она предсказывает наличие или отсутствие трёх признаков: трещин, красных точек и следов зубов. Модель содержит 113,2 млн параметров и опубликована в формате safetensors для использования с библиотекой Transformers. Модель предназначена для автоматической разметки фотографий языка по указанным визуальным признакам. README не указывает лицензию или клинические гарантии; классификацию не следует считать диагнозом.

Wai NSFW Illustrious v1.3.0 — модель преобразования текста в изображение из семейства Stable Diffusion XL, опубликованная пользователем votepurchase; исходная версия размещена на Civitai. Модель предназначена для генерации реалистичных и фотореалистичных изображений по текстовым описаниям, включая контент для взрослых. Модель работает через Diffusers StableDiffusionXLPipeline и распространяется в формате, совместимом с библиотекой Diffusers. В метаданных указана лицензия CreativeML OpenRAIL-M. Поддерживаемые языки текстовых запросов и размер модели в доступных данных не указаны. Сильными сторонами являются ориентация на реалистичную визуальную генерацию и совместимость с экосистемой Stable Diffusion XL. Результаты зависят от качества промпта, параметров генерации и используемого интерфейса; модель может создавать изображения с отклонениями от запроса и потенциально нежелательным или откровенным содержанием.