I.8Изображения и компьютерное зрение

HiDream-ai/Prompt-Refine — дообученная модель семейства Gemma 4 от HiDream AI, созданная на основе google/gemma-4-31B-it для уточнения промптов в составе HiDream-O1-Image-Dev-2604. Архитектура — плотная мультимодальная Gemma4ForConditionalGeneration; модель поддерживает диалог и работу с изображениями, принимает текст и изображения и генерирует текст. Базовая модель рассчитана на длинный контекст, но его точная длина для этой версии не указана. Модель предназначена для улучшения и уточнения запросов перед генерацией изображений. Используется лицензия MIT. Карточка содержит мало сведений о качестве, языковой поддержке и ограничениях; применение вне сценария подготовки промптов не подтверждено.

PVC v4 — латентная диффузионная модель для генерации изображений по текстовым запросам, дообученная p1atdev на Waifu Diffusion v1.5 beta 2.6 с изображениями фигурок из ПВХ. Для создания изображений можно использовать теги Danbooru; тег pvc задаёт стиль материала, figma помогает получить фигурки с шарнирами, а nendoroid вместе с chibi — стиль чиби-фигурок. В README также рекомендуется применять Highres fix и VAE от Waifu Diffusion для получения более качественных результатов. Модель предназначена для генерации иллюстраций коллекционных фигурок, включая стили фигурок Figma и Nendoroid. Репозиторий содержит веса safetensors в форматах fp16 и fp32 и поддерживает запуск через Diffusers StableDiffusionPipeline. Карточка указывает лицензию other, поэтому условия использования следует сверить с лицензией репозитория и базовой модели.

Qwen-Image-Edit-2511-Polaroid-Photo — адаптер LoRA, разработанный prithivMLmods для модели Qwen/Qwen-Image-Edit-2511. Он предназначен для обработки изображений в режиме image-to-image и преобразует исходные изображения в фотографии в стиле Polaroid с кинематографичной эстетикой. Модель добавляет мягкое плёночное зерно, лёгкую виньетку, мягкое освещение, белую рамку и эффект рукописной подписи, стремясь сохранить реалистичные текстуры, детали, композицию, цвета, тени и визуальную согласованность исходного изображения. Для активации эффекта рекомендуется использовать специальный триггерный промпт, указанный в README. Адаптер совместим с версиями Qwen-Image-Edit 2509 и 2511 и используется через библиотеку Diffusers. Модель особенно подходит для создания ностальгических, стилизованных и визуально реалистичных Polaroid-фотографий. Её ключевое ограничение — узкая специализация на данном визуальном эффекте и зависимость от базовой модели Qwen-Image-Edit-2511, качества исходного изображения и корректности промпта. Лицензия — Apache-2.0.

Это адаптация textual inversion для CompVis/stable-diffusion-v1-4, опубликованная пользователем abhipsabasu. Она добавляет в Stable Diffusion возможность создавать изображения с человеком или персоной, обозначенной специальным токеном BLF, по текстовому запросу. Модель предназначена для генерации изображений через Diffusers; её базовая модель — латентная диффузионная модель, преимущественно работающая с английскими запросами. В репозитории указаны веса в форматах Diffusers и Safetensors, а лицензия — CreativeML Open RAIL-M. Карточка не описывает конкретные ограничения адаптации, поэтому качество и диапазон сцен для токена BLF по имеющимся сведениям оценить нельзя.

Модель Allenbv — версия Stable Diffusion, дообученная методом DreamBooth для генерации изображений в стиле True-GUWEIZ. Для активации стиля в текстовом запросе используется токен truegwz; модель предназначена для создания изображений по текстовым описаниям с характерной стилизацией True-GUWEIZ. Модель опубликована в формате Diffusers/PyTorch и использует лицензию CreativeML OpenRAIL-M. Карточка демонстрирует примеры генерации, но не приводит сведения о конкретной версии Stable Diffusion, размере модели, длине контекста или поддерживаемых языках. Качество и применимость за пределами изученного стиля могут зависеть от формулировки запроса.

Waifu Diffusion v1.4 — латентная диффузионная модель преобразования текстовых описаний в изображения, созданная дообучением на высококачественных изображениях в стиле аниме. Она предназначена для генерации аниме-иллюстраций по текстовым запросам; пример в карточке показывает описание персонажа, одежды, ракурса, окружения и художественного стиля. Модель распространяется в форматах Diffusers, PyTorch и Safetensors, а лицензия — CreativeML OpenRAIL-M. Карточка указывает развлекательное применение и использование в качестве помощника для генеративного искусства.

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

AbyssMapleVer3 — модель преобразования текста в изображения, опубликованная AIARTCHAN. Это смешанная модель на базе Stable Diffusion: в README перечислены AbyssOrangeMix2 NSFW, maplestoryStyle, Terada Tera Style, myHeroAcademiaHorikoshi и yomYomuStyle с указанными коэффициентами. Репозиторий содержит варианты no-EMA и fp16; для работы используется библиотека Diffusers и доступны веса в форматах PyTorch и safetensors. Модель предназначена для генерации изображений по текстовым запросам в художественных стилях, сочетающих эстетику MapleStory, мангу и перечисленные стили. README указывает на NSFW-происхождение одной из базовых моделей, поэтому результаты могут включать контент для взрослых. Лицензия — CreativeML OpenRAIL-M.

AnimeBoysXL v3.0 — модель Koolchh для генерации изображений в стиле аниме, ориентированная на мужских персонажей и изображения только с мужчинами. Она основана на Pony Diffusion V6 XL и предназначена для генерации по текстовым запросам, в том числе с тегами персонажей и серий. Автор рекомендует структурировать запросы, задавать негативный запрос и использовать SDXL VAE; модель также подходит для дальнейшего обучения собственных моделей и LoRA. Модель распространяется в форматах Diffusers и Safetensors и лицензирована по OpenRAIL++. В README указаны настройки для разных пропорций изображения и примеры тегов качества, эстетики и рейтинга. Результаты зависят от формулировки и порядка тегов; автор не приводит сведений о размере модели или длине контекста.

BioViL-T — разработанная Microsoft domain-specific vision-language модель для анализа рентгенограмм грудной клетки и радиологических заключений. Она объединяет текстовый энкодер на основе BERT и гибридный визуальный энкодер из Vision Transformer и ResNet-50; модель содержит 136,7 млн параметров и принимает контекст до 512 токенов для текстовой части. Доступны веса в форматах PyTorch и Safetensors. Модель обучена на медицинских текстах и последовательностях рентгенограмм с временным мультимодальным предобучением. Она формирует совместные представления изображений и текста и предназначена для извлечения признаков и эмбеддингов, а также для адаптации к задачам сопоставления изображений и заключений, классификации, phrase grounding и обработки естественного языка в радиологии. Основной язык — английский. BioViL-T показала улучшение представления временной информации и результаты на исследовательских бенчмарках радиологии. Модель предназначена для исследований и воспроизведения экспериментов; её не следует использовать для автоматической диагностики или как медицинское устройство. README указывает, что любые развёрнутые сценарии, коммерческие и некоммерческие, находятся вне предполагаемого применения. Лицензия — MIT.

CyberRealistic Pony — модель генерации изображений по текстовому описанию, созданная на основе Pony Diffusion с элементами CyberRealistic. Она предназначена для создания фотореалистичных изображений пони и персонажей, а также иллюстраций и концепт-арта. Модель распространяется в формате safetensors и включает встроенный VAE. Для генерации рекомендованы 30 и более шагов сэмплирования и разрешения 896×1152 или 832×1216. Модель специализируется на изображениях пони и может хуже справляться с абстрактными запросами и сюжетами, не связанными с пони; иногда освещение и текстуры получаются чрезмерно гладкими. Возможна генерация чувствительного контента. Лицензия — CreativeML Open RAIL-M.

DanTagGen-delta-rev2 — модель KBlueLeaf для автоматической генерации тегов изображений, ориентированная прежде всего на задачи, связанные с иллюстрациями и метаданными Danbooru. Она предназначена для дополнения неполного набора тегов: на основе указанных параметров качества, рейтинга, автора, персонажей, правообладателей, соотношения сторон, целевой длины и общих тегов модель генерирует дополнительные описательные теги. Модель может использоваться в рабочих процессах подготовки промптов для генерации изображений и в инструментах, интегрированных с Stable Diffusion и совместимыми интерфейсами. Модель обучена с нуля на архитектуре LLaMA с примерно 400 млн параметров, которую автор неофициально называет NanoLLaMA. Это text-generation модель для английских тегов, обученная на 7,2 млн записей из набора KBlueLeaf/danbooru2023-sqlite; обучение продолжалось 12 эпох, всего было обработано примерно 10–15 млрд токенов. Версия rev2 продолжает delta и обучалась ещё две эпохи на том же наборе данных. По сравнению с предыдущими версиями delta отличается большим объёмом данных и лучшим разнообразием, но может быть слегка недообучена. Модель совместима с интерфейсами инференса для LLaMA. В репозитории доступны варианты FP16 GGUF и квантованные GGUF-модели с разрядностью 8 и 6 бит; автор рекомендует llama.cpp или llama-cpp-python, что обеспечивает быстрое выполнение. Ограничения включают узкую специализацию на тегах и домене Danbooru, отсутствие заявленной поддержки других языков и отсутствие указанных характеристик контекстного окна. Модель имеет лицензию CC BY-SA 4.0 и помечена как содержащая материалы не для всех аудиторий.

Emo & Goth Core — модель генерации изображений по текстовому описанию, созданная Duskfallcrew методом DreamBooth на базе Stable Diffusion 1.5. Она предназначена для генерации изображений с эмо- и готической эстетикой; автор рекомендует использовать специальные concept prompts и запускать модель через библиотеку diffusers. Репозиторий содержит веса в форматах Diffusers, PyTorch и SafeTensors. Модель распространяется по лицензии CreativeML OpenRAIL-M. Она рассчитана на генерацию изображений по тексту; сведений о контексте, языках или конкретных ограничениях качества в карточке нет.

FLUX.2-klein-ghost-mannequin — это LoRA-адаптер для модели black-forest-labs/FLUX.2-klein-base-9B, опубликованный пользователем nhathoangfoto. Модель предназначена для text-to-image генерации изображений одежды в стиле ghost mannequin: визуализации изделий с эффектом невидимого манекена, когда одежда выглядит объёмной и парящей, но сам манекен не виден. Основные сценарии применения связаны с коммерческой предметной съёмкой, каталогами одежды, fashion e-commerce и автоматизацией подготовки товарных изображений. Адаптер обучен на 50 парах изображений одежды в течение 6000 шагов и имеет Rank 256, что, согласно описанию, ориентировано на сохранение деталей ткани, цветов и контуров изделий. Для активации рекомендуется использовать триггерное слово 3Dghostmannequin. Поддерживается интеграция через Diffusers и ComfyUI. Для стандартной базовой модели рекомендуются 20–30 шагов генерации, CFG 2.0–4.0 и сила LoRA 0.8–1.0; для distilled или lightning-моделей указаны 4 шага, CFG 1.0 и сила LoRA 0.85–1.0. Сильная сторона модели — специализация на студийной визуализации одежды и создании эффекта трёхмерного невидимого манекена. Ограничение заключается в узкой предметной области: модель оптимизирована прежде всего для apparel и зависит от совместимой базовой FLUX-модели. Данные о поддерживаемых языках, максимальном контексте, количественных бенчмарках и устойчивости на других категориях изображений не указаны. Лицензия — Apache 2.0.

Это LoRA-адаптация для генерации изображений на базе black-forest-labs/FLUX.1-dev, опубликованная пользователем или организацией furaidosu. Модель подключается через библиотеку Diffusers и предназначена для text-to-image генерации в стиле «tosti vector style», сочетая чистые контуры, плоские цвета и плавные градиенты с мультяшной, карикатурной и иногда мрачной или готической тематикой. Модель рассчитана на создание цифровых иллюстраций и стилизованных портретов по текстовым описаниям: примеры включают фантастических и хоррор-персонажей, людей, юмористические образы и антропоморфные объекты. Для активации стиля в README указан instance prompt «tosti vector style». Заявлены английский язык и базовое разрешение 1024×1024 пикселей; сведения о размере LoRA, параметрах адаптации, максимальной длине контекста и поддерживаемых модальностях, кроме текстового ввода и генерации изображений, не приведены. Сильная сторона модели — специализация на узнаваемой вектороподобной визуальной подаче с выразительными персонажами, контрастными цветами и аккуратной графической стилизацией. Результат зависит от возможностей FLUX.1-dev, качества текстового описания и корректного подключения LoRA; README не содержит количественных оценок, сведений о стабильности анатомии или ограничениях по содержанию. Модель распространяется по лицензии flux-1-dev-non-commercial-license, указанной как other, поэтому её использование ограничено условиями этой лицензии и некоммерческим характером базовой модели.

Sagalink/Flux-uncensored — это LoRA-расширение для базовой модели black-forest-labs/FLUX.1-dev, разработанное командой EnhanceAI. Модель предназначена для генерации изображений по текстовым описаниям, включая контент для взрослых и другие материалы, которые могут блокироваться ограничениями базовой модели. Она ориентирована на исследовательское и личное использование. Расширение подключается к pipeline FLUX.1-dev через библиотеку diffusers. Указаны веса LoRA в формате lora.safetensors и рекомендуемый тип данных torch.bfloat16; для оптимальной производительности требуется GPU с поддержкой CUDA. README не содержит сведений о размере LoRA, поддерживаемых языках, максимальном контексте или точных архитектурных изменениях относительно FLUX.1-dev. Сильная сторона модели — снятие заявленных ограничений на генерацию откровенных изображений, однако это также является ключевым ограничением с точки зрения безопасности, этики и применимого законодательства. Распространение осуществляется на условиях FLUX-1-dev Non-Commercial License, то есть коммерческое использование не заявлено как разрешённое. Пользователь обязан соблюдать лицензию, законодательство и правила площадок, особенно при создании материалов для взрослых.

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

FWKV/FWKV-Image-Hibiscus-LoRA — небольшой LoRA-адаптер для базовой модели FWKV/FWKV-Image, предназначенной для генерации изображений по текстовому описанию. Разработчик адаптера в README явно не указан; обучение выполнено с использованием библиотеки PEFT и набора данных HuggingEnvs/watercolour-reference-pool. Модель ориентирована на добавление к базовой FWKV-Image художественной стилистики акварельной живописи: к подписям при обучении автоматически добавлялись указания «watercolour wash, soft bleed». Это text-to-image-модель, работающая с текстовыми описаниями на английском языке и генерирующая изображения. Обучение проводилось на изображениях, приведённых к размеру 256×256 пикселей, однако максимальный контекст текста, рекомендуемое разрешение генерации и общий размер базовой модели в README не указаны. Адаптер изменяет только отдельные модули cross-attention DiT-компонента через LoRA с параметрами rank 8, alpha 16 и dropout 0,05; текстовый энкодер и VAE оставались замороженными. Сильной стороной является компактный способ адаптации базовой модели под акварельную стилистику без полного дообучения. Ограничения связаны с экспериментальным характером, небольшим специализированным набором данных и риском переобучения из-за 2000 эпох обучения; универсальность, качество на других стилях и устойчивость к различным запросам не заявлены. Лицензия — MIT.

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

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

MicroLLaVA — компактная визуально-языковая модель автора keeeeenw, созданная на базе TinyLLaVA Factory для ответов на вопросы об изображениях и экспериментов с VLM на доступном оборудовании. Она объединяет языковую модель MicroLlama примерно на 300 млн параметров и визуальный энкодер SigLIP2 примерно на 400 млн параметров; общий размер составляет около 700 млн параметров. Модель реализована для Transformers и PyTorch, веса опубликованы в формате safetensors. Модель принимает изображение и текстовый вопрос, а в ответ генерирует текст. В README указана точность 56,91% на VQAv2 test-dev. Её предполагаемые сценарии — быстрое исследование визуально-языковых моделей на ограниченном оборудовании, учебные демонстрации и дообучение для конкретных задач. README приводит англоязычные метаданные; поддержка других языков не подтверждена. Небольшой размер языковой модели может ограничивать глубину рассуждений и качество OCR; результат зависит от предметной области и качества изображения. Модель имеет минимальную фильтрацию безопасности, поэтому для ответственных применений требуется человеческая проверка и дополнительная защита. Лицензия — Apache-2.0.

NeoSumi — дообученный текстовый энкодер на архитектуре NeoMME от разработчика nebulette. Он предсказывает токены в позициях маски и предназначен для работы с подписями к изображениям в стиле booru и обычным естественным языком. Его можно применять для дополнения и уточнения текстовых описаний аниме-изображений, в том числе при подготовке промптов для совместимых моделей генерации изображений. Модель содержит 366 млн параметров, использует плотную архитектуру NeoMMEForMaskedLM и контекст длиной до 16 384 токенов. Токенизатор оставлен без изменений; обучение включало естественные описания и перемешанные ключевые слова, а английские стоп-слова из подписей удалялись. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. Для работы требуется ветка разработки или версия Transformers 5.17 и новее.

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

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

vinid/plip — модель на базе CLIP, опубликованная в марте 2023 года. Она предназначена для исследовательской работы с классификацией изображений без дообучения на конкретных классах: модель сопоставляет изображение с текстовыми описаниями классов и выбирает наиболее подходящие. Репозиторий содержит веса PyTorch для архитектуры CLIPModel; карточка не сообщает размер модели или длину контекста. Основные сценарии — исследование обобщения, устойчивости, смещений и ограничений компьютерного зрения, а также эксперименты с классификацией изображений по произвольно заданным категориям. Модель рассчитана на английские текстовые запросы: она не обучалась и не оценивалась целенаправленно на других языках. Авторы не рекомендуют развёртывание модели; применение к конкретной таксономии требует тщательного тестирования в соответствующей области. Карточка описывает модель как исследовательский результат, но отдельная лицензия в предоставленных данных не указана. Результаты могут сильно зависеть от набора текстовых меток, а нетестируемое применение может быть вредным; модель не следует использовать как медицинскую консультацию.

Scyrax Pastel Core V10 SDXL — модель преобразования текста в изображение на базе Stable Diffusion XL и Illustrious-xl-early-release-v0. Модель создана DeViLDoNia и распространяется в формате, совместимом с библиотекой Diffusers; для хранения весов используется Safetensors. Модель предназначена для генерации 2D-иллюстраций в аниме-стилистике, включая изображения девушек, с мягкой пастельной цветовой гармонией, чистыми линиями, выразительной передачей эмоций и сочетанием аниме- и скетчевой эстетики. Она ориентирована на стабильные и предсказуемые результаты по текстовым описаниям на английском языке. Модель лицензирована по FAIPL-1.0-SD; условия использования следует проверять в полном тексте этой лицензии. Специализация на пастельной аниме-эстетике может ограничивать пригодность модели для фотореалистичных изображений, других художественных стилей и задач, не связанных с генерацией изображений.

Z-Image-Engineer V6 GGUF — квантованная версия текстового энкодера Z-Image-Engineer V6, разработанная BennyDaBall на базе 4B-энкодера Qwen от Tongyi-MAI из экосистемы Z-Image-Turbo. Модель предназначена для улучшения промптов и управления текстовым условием при генерации изображений, в частности в ComfyUI и LM Studio. Она также может использоваться как замена текстового энкодера Z-Image-Turbo в ComfyUI через ComfyUI-Z-Engineer или CLIPLoaderGGUF, а также в локальных рабочих процессах без внешнего сервера. Модель обучена с применением SMART DoRA, включающей разделение направления и величины обновлений адаптера, энтропийную, голографическую, топологическую и многообразную регуляризацию. Доступны варианты GGUF от F16 размером 7,498 GiB до компактных Q3_K_M размером 1,933 GiB и MXFP4 размером 2,101 GiB; также представлены Q8_0, Q6_K, Q5_K_M и Q4_K_M. README указывает поддержку английского языка, текстовой модальности и контекста, необходимого для обработки промптов, но точный размер контекстного окна не указан. Сильные стороны модели — локальная работа, несколько вариантов квантования, уменьшенный размер файлов и сохранение стиля и поведения кондиционирования V6. Ограничение заключается в том, что это текстовый энкодер и инструмент улучшения промптов, а не самостоятельная модель генерации изображений; для полноценной генерации требуется совместимое окружение Z-Image-Turbo, например ComfyUI. Модель распространяется по лицензии Apache-2.0.

Набор Jak’s Zombie Vector Pack создан для Stable Diffusion и обучен на 124 изображениях в течение 5000 шагов; автор README — Jak_TheAI_Artist. Триггер «zombie_vector» активирует стиль набора. Модель предназначена для генерации векторных изображений зомби по текстовым запросам, например иллюстраций для футболок. Репозиторий использует форматы Diffusers и PyTorch и распространяется по лицензии CreativeML OpenRAIL-M. В карточке не приведены сведения о размере модели, контекстном окне и поддерживаемых языках.

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

AI-Porn/anime-desire-illustrious — модель-адаптер LoRA для генерации изображений по текстовому описанию. В README разработчик не указан. Модель распространяется в формате, совместимом с Diffusers, и предназначена для создания иллюстраций в аниме- и стилизованной цифровой эстетике, включая персонажей, различные позы, одежду, окружение, освещение и композиции. Среди примеров есть эротические и откровенно сексуальные сцены. Сильной стороной модели является поддержка детализированных художественных сцен и управление результатом с помощью текстовых промптов, весов токенов и negative prompt. Примеры демонстрируют одиночных персонажей, фантазийные образы, животных, сложное освещение и высокую детализацию. Базовая модель, размер адаптера, требования к видеопамяти, поддерживаемые разрешения, языки промптов и ограничения по контексту в README не указаны. Лицензия и условия использования также не указаны, поэтому перед применением необходимо проверить их отдельно.