I.8Изображения и компьютерное зрение

Yntec/DisneyPixarCartoon768 — модель генерации изображений по текстовому описанию в стиле мультфильмов Disney и Pixar. Она основана на Stable Diffusion и распространяется в формате Diffusers с весами Safetensors. Эта версия рассчитана на изображения 768×768 и включает встроенный 84KVAE, который, по карточке, улучшает детализацию. Модель подходит для создания мультяшных персонажей и сцен по текстовым промптам. В примерах показаны сказочные и праздничные сюжеты, животные и портреты; некоторые примеры используют английские промпты. Указана лицензия CreativeML OpenRAIL-M. Карточка не приводит количественных оценок качества или подробных ограничений по использованию.

DreamPhotoGASM — модель генерации изображений по текстовому описанию, созданная Yntec на основе дообученной модели Yntec/epiCPhotoGasm. Она предназначена для создания фотореалистичных и художественных изображений, в том числе портретов, сцен с людьми, одежды и кинематографических сюжетов. Примеры в карточке показывают работу с подробными промптами и такими характеристиками, как освещение, композиция, стиль и детали изображения. Модель распространяется в формате Diffusers с весами Safetensors. Лицензия — CreativeML OpenRAIL-M. Карточка ориентирует её на генерацию изображений с привлекательными и откровенными образами; качество зависит от формулировки запроса, а примеры не гарантируют стабильный результат для любых сцен.

DreamShaper 3 — модель генерации изображений из текста на основе Stable Diffusion, разработанная Lykon. Она дообучена на runwayml/stable-diffusion-v1-5 и предназначена для создания художественных изображений по текстовым запросам. Модель можно использовать через Diffusers; опубликованные файлы представлены в форматах Diffusers и safetensors. DreamShaper ориентирована на широкий спектр художественных стилей, включая аниме и фотореалистичные изображения. В README отмечено, что для уверенного управления результатом важны навыки составления запросов; модель может уступать специализированным моделям в фотореализме или аниме. Лицензия — CreativeML OpenRAIL-M.

Dreamshaper XL v2 Turbo — модель генерации изображений по текстовому описанию от Lykon, созданная на основе Stable Diffusion XL Base 1.0. Это дообученная версия семейства Stable Diffusion XL, рассчитанная на работу через Diffusers и представленная в форматах Diffusers и safetensors. Модель подходит для создания художественных изображений и иллюстраций по запросу. В карточке отмечены художественный и аниме-стили, а также режим Turbo и связь с LCM; для запуска в Diffusers требуется соответствующий программный стек. Модель принимает текст и выдаёт изображение, основной язык карточки — английский. Модель распространяется по лицензии OpenRAIL++. Карточка не содержит конкретных ограничений качества или безопасности; результаты зависят от формулировки запроса и настроек генерации.

andro-flock/Flat-2D-Animerge-v4-5-sharp — модель генерации изображений по текстовому описанию на базе Stable Diffusion, опубликованная пользователем andro-flock. По сравнению с версией v4.0 она рассчитана на более чёткое и чистое изображение, лучшее следование запросу и повышенную насыщенность цветов. Модель предназначена для создания стилизованных плоских 2D-аниме-иллюстраций по текстовым промптам. Репозиторий содержит веса в форматах Diffusers и safetensors; для работы используется библиотека Diffusers. Лицензия — CreativeML OpenRAIL-M. Данных о размере модели, контексте или поддерживаемых языках карточка не приводит.

pleasen/Gemma-4-E2B-IT-QAT — оптимизированная версия модели Gemma 4 E2B IT для развёртывания на устройствах с ограниченными ресурсами, включая мобильные. В README описаны уменьшение размера и квантование компонентов, связанных со зрением: vision-слои приведены к Q8_0 или Q4_K_M, а позиционные эмбеддинги — к FP16. Репозиторий также содержит варианты GGUF Q4_0, Q4_K_M, Q4_K_XL и Q8_0. Из модели удалены аудиоэнкодеры, поэтому она не предназначена для обработки аудио. Оптимизации сокращают размер файла mmproj-BF16 примерно до 14% или 20% от исходного, в зависимости от варианта квантования. Лицензия — Gemma.

mlx-community/gemma-4-e4b-it-8bit — это 8-битная конверсия модели google/gemma-4-E4B-it, подготовленная сообществом mlx-community для работы на устройствах Apple с Apple silicon. Модель основана на Gemma 4 и предназначена для задач image-text-to-text, то есть обработки изображений и текста с генерацией текстовых ответов. Модель подходит для локального запуска мультимодальных сценариев, например описания изображений, визуального вопросно-ответного взаимодействия и других задач, где требуется анализ изображения по текстовой инструкции. Конкретные сведения об архитектуре, количестве параметров, поддерживаемых языках и размере контекстного окна в README не указаны. Доступен 8-битный вариант, ориентированный на более эффективное использование памяти при запуске на Apple silicon через MLX и mlx-vlm. README не содержит результатов бенчмарков или подробного описания сильных сторон и ограничений модели, поэтому её качество и область практической применимости следует оценивать отдельно. Модель распространяется по лицензии Gemma; исходной моделью указана google/gemma-4-E4B-it.

GoldenEra — модель генерации изображений по текстовому описанию, созданная автором Yntec. Это смешанная модель на основе DucHaiten-GoldenLife и Elldreth’s Retro, собранная с помощью SuperMerger Train Difference из чекпойнтов семейства Stable Diffusion 1.5. Автор также приводит вариант GoldenEra-mini. Модель предназначена для создания стилизованных иллюстраций с ретро-анимационной, аниме, chibi и похожей на Pixar эстетикой; пример в карточке показывает персонажа в игровой комнате. Репозиторий содержит веса в формате Diffusers и safetensors. Лицензия — CreativeML Open RAIL-M, которая устанавливает условия использования и ограничения на запрещённые сценарии.

LyliaEngine/hosekiLustrousmixAnima_animaV10 — модель генерации изображений по текстовому описанию, опубликованная LyliaEngine и основанная на LyliaEngine/anima_baseV10. В создании также участвовали @ComradeAnanas, @Manityro и @justTNP; авторство указано за пользователем Hoseki. Модель предназначена для создания цветных, детализированных 2D-аниме-изображений с менее плоской стилистикой, более живописной проработкой тел, фонов и освещения. Она поддерживает художественные стили, естественные языковые описания и добавление текста в промпт. Текстовый энкодер и VAE предоставляются отдельно на странице Anima Base v1. В карточке модель обозначена как LoRA для Diffusers, однако описание также называет её checkpoint, поэтому точный формат распространения следует уточнять по файлам репозитория. Рекомендуются сэмплеры ER SDE или Euler a, 24 шага и CFG Scale 4–5. Для улучшения лиц и глаз автор рекомендует расширение ADetailer. В качестве положительного промпта предлагаются указания на высокое качество, а в отрицательном — ограничения для низкого качества, анатомических ошибок, артефактов и водяных знаков. Триггерное слово не требуется: указано значение None. Модель распространяется по лицензии Creative Data Licence Agreement Permissive 2.0 (CDLA-Permissive-2.0).

JoyAI-Echo x LTX-2.5 (echoVid) — это объединённая и квантованная GGUF-модель для генерации видео и звука по текстовому описанию. Её основа — официальный LTX-2.5 от Lightricks, дополненная видеодельтой из JoyAI-Echo от JD (jdopensource); объединение, квантование и рабочие процессы подготовил joeygambino. Модель предназначена для использования в ComfyUI и совместима с экосистемой LTX-2.5. Модель генерирует изображение и звук за один проход, поддерживает сценарии text-to-video и audio-video, включая синхронизацию губ, выразительную мимику, устойчивый голос, многокадровые сцены и продолжение видео с объединением фрагментов. Указаны варианты с разной интенсивностью переноса характеристик JoyAI-Echo: 070T30 рассчитан на более естественную цветопередачу и кожу, а 100T50 — на более яркую и комедийную актёрскую подачу. Доступны GGUF-квантизации от Q3_K_M до Q8_0 объёмом примерно 10,6–22,7 ГБ; заявлена работа на видеокартах RTX 30/40, а для RTX 5090 рекомендуются версии comfy-native. В README также упоминаются разрешения 1280×736 и 960×544 с последующим увеличением до 1920×1088, а также генерация роликов длительностью 8–10 секунд и многосюжетных последовательностей. Сильные стороны модели — генерация видео и звука в одном процессе, естественная синхронизация речи с движением губ, выразительные лица, сохранение голоса и относительно быстрый дистиллированный режим: обычно 8 шагов для первого прохода и 3 для второго. Ограничения включают значительные требования к видеопамяти, зависимость от ComfyUI, дополнительных VAE и текстового энкодера, а также компромиссы квантования между размером, качеством и скоростью. Модель распространяется по LTX-2.x Community License; README не приводит полный текст условий лицензии.

Карточка модели kiel2/Kiel-2-Flare на Hugging Face совпадает с карточкой kiel2/Kiel-Gen-2-Fast, поэтому описание составлено по ней. KielForge-fast — дообученный LoRA-адаптер для Stable Diffusion XL Base 1.0, созданный KielTech. Он предназначен для генерации изображений по тексту и преобразования исходных изображений, с акцентом на детализированные футуристические портреты, персонажей научной фантастики и концепт-арт с реалистичными текстурами. Адаптер доступен в виде 16-битных весов safetensors, а также вариантов GGUF F16 и Q4_0. Для генерации рекомендуется разрешение 1024 × 1024; в README также приведены параметры сэмплирования и силы преобразования изображения. Для работы нужны базовая модель SDXL и совместимый интерфейс или конвейер, например Diffusers, ComfyUI либо WebUI Forge. Модель ориентирована на англоязычные запросы. Квантованная версия Q4_0 может давать небольшие артефакты по сравнению с вариантом F16. Модель наследует ограничения и профиль безопасности базовой SDXL. Лицензия — CreativeML OpenRAIL-M.

Карточка модели kiel2/KielForge-fast на Hugging Face совпадает с карточкой kiel2/Kiel-Gen-2-Fast, поэтому описание составлено по ней. KielForge-fast — дообученный LoRA-адаптер для Stable Diffusion XL Base 1.0, созданный KielTech. Он предназначен для генерации изображений по тексту и преобразования исходных изображений, с акцентом на детализированные футуристические портреты, персонажей научной фантастики и концепт-арт с реалистичными текстурами. Адаптер доступен в виде 16-битных весов safetensors, а также вариантов GGUF F16 и Q4_0. Для генерации рекомендуется разрешение 1024 × 1024; в README также приведены параметры сэмплирования и силы преобразования изображения. Для работы нужны базовая модель SDXL и совместимый интерфейс или конвейер, например Diffusers, ComfyUI либо WebUI Forge. Модель ориентирована на англоязычные запросы. Квантованная версия Q4_0 может давать небольшие артефакты по сравнению с вариантом F16. Модель наследует ограничения и профиль безопасности базовой SDXL. Лицензия — CreativeML OpenRAIL-M.

MatAIart/kurzgesagt-style-v2-768 — модель генерации изображений по текстовому описанию, созданная методом DreamBooth на базе модели v2-768. Она предназначена для создания изображений в стиле Kurzgesagt: в запросе рекомендуется указывать название этого стиля. Модель распространяется в формате Diffusers/PyTorch и использует библиотеку Diffusers. Лицензия — CreativeML OpenRAIL-M.

LTX-2.3 — разработанная Lightricks диффузионная аудиовизуальная foundation-модель на основе DiT. Она создаёт видео и синхронизированное с ним аудио в одной модели; карточка описывает варианты image-to-video, а в тегах также перечислены сценарии text-to-video, преобразования видео и генерации аудио. Выпущены полный обучаемый чекпойнт и дистиллированные варианты на 8 шагов. Репозиторий содержит веса safetensors; для работы авторы описывают собственный код на PyTorch и интеграцию с ComfyUI. Модель предназначена для локальной генерации аудиовизуальных клипов по изображениям и текстовым запросам, а также для творческих рабочих процессов с видео и звуком. В карточке указан английский язык. Качество следования запросу зависит от формулировки промпта; модель может не точно воспроизводить его, усиливать общественные предубеждения и создавать неподходящий или оскорбительный контент. Аудио без речи может быть низкого качества, а модель не предназначена для выдачи фактической информации. Лицензия в метаданных указана как other.

Это 8-битная MLX-версия LTX-2.3 10Eros v1.3 DMD, подготовленная для запуска на компьютерах Apple Silicon. Веса основаны на TenStrip/LTX2.3-10Eros; DMD-дистилляция JoyAI Echo объединена с базовой моделью, а линейные слои трансформера квантованы до int8. Модель принимает текстовые описания и изображения для генерации видео; текстовый энкодер Gemma 3 12B загружается отдельно и не входит в пакет. Модель предназначена для генерации видео по текстовому запросу и изображению с помощью ltx-2-mlx. Это дистиллированная сборка, рассчитанная на режим --distilled; варианты запуска, которым нужен dev-трансформер, здесь недоступны. Модель ориентирована на контент для взрослых. В README указана лицензия «other»; дополнительных условий лицензии в предоставленных данных нет.

Magi — модель Ragav Sachdeva и Andrew Zisserman из Оксфордского университета для работы с мангой и комиксами. Карточка описывает её как систему автоматической генерации транскрипций для комиксов. В метаданных указаны архитектура MagiModel и задача feature-extraction; репозиторий содержит веса PyTorch в формате Safetensors. Английский указан как язык карточки, но подробности о поддерживаемых языках транскрипции, размере модели и длине контекста не приведены. Лицензия в доступных данных не указана.

Min-Illust-Background-Diffusion — дообученная модель Stable Diffusion v1.5 от ProGamerGov для генерации иллюстративных фонов и пейзажей в стиле художника Sin Jong Hun. Чтобы усилить стиль, добавьте в текстовый запрос токен «sjh style». Модель принимает текстовые запросы и создаёт изображения; для применения используется Diffusers. Обучение проведено в 2250 итераций с сохранением предыдущих знаний и включало 4120 регуляризационных изображений. Модель опубликована под лицензией CreativeML OpenRAIL-M.

MiniMax H3 FL2V LightX2V 4-Step Int8-ConvRot — это LoRA-адаптер для базовой модели MiniMaxAI/MiniMax-H3, опубликованный пользователем rzgar. Модель предназначена для генерации видео по текстовому описанию, а также поддерживает сценарии text-to-audio и audio-video согласно заявленным тегам. Адаптер ориентирован на ускоренную генерацию с использованием LightX2V и рассчитан преимущественно на 4 шага сэмплирования; также доступна версия на 8 шагов и более ранняя версия v0.1 на 4 шага. Модель распространяется в формате ComfyUI и представлена квантованными файлами Int8-ConvRot размером около 991 МБ каждый. Для работы требуются свежая ComfyUI и специальный узел ComfyUI-LoraInt8Loader, поскольку стандартные загрузчики LoRA не умеют деквантизировать этот формат. Рекомендуемая сила LoRA — 1.0, а диапазон сэмплирования — 4–6 шагов. Полная версия также изменяет token_refiner, отвечающий за текстовое и аудиоустройство; вариант norefiner оставляет этот компонент на базовом качестве и может помочь при проблемах со звуком или слабом conditioning. К сильным сторонам относятся ускоренная генерация за малое число шагов и снижение размера благодаря Int8-квантизации. Ограничения — зависимость от ComfyUI и специализированного загрузчика, необходимость использования совместимого рабочего процесса MiniMax H3, а также возможные проблемы с качеством аудио в полной версии LoRA. Лицензия — Apache-2.0.

NetaYume Lumina Image v2.0 — модель генерации изображений по текстовому описанию, созданная Neta.art Lab на основе Neta Lumina и Lumina-Image-2.0 от команды Alpha-VLLM при Shanghai AI Laboratory. Модель дообучена для создания реалистичных изображений людей и детализированных иллюстраций в аниме-стиле. Она лучше передаёт персонажей, в том числе описанных тегами Danbooru, и прорисовывает контуры, цвета, одежду, причёски, аксессуары и фон. Веса объединены в файл safetensors со встроенными компонентами VAE, текстовым кодировщиком и моделью изображения; автор рекомендует использовать его в ComfyUI. Текстовый кодировщик основан на Gemma-2-2b, а VAE — на Flux.1 dev. Модель подойдёт для создания аниме-иллюстраций и изображений по текстовым промптам. Репозиторий распространяется по лицензии Apache-2.0.

RevAnimated V2 Rebirth — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec. Карточка показывает примеры иллюстраций в аниме, мультяшном и ретро рекламном стилях; метаданные указывают на Stable Diffusion и использование библиотеки Diffusers с файлами Safetensors. Модель подходит для создания персонажей, стилизованных сцен и небольших иллюстраций по текстовым запросам. В карточке приведены примеры с чиби-персонажами, портретом в ретро-стиле и красной пандой. Указана лицензия «other»; README направляет к исходной странице за условиями лицензии, поэтому конкретные права использования по доступным данным установить нельзя.

Roughness Painter — модель генерации изображений, опубликованная AIARTCHAN и предназначенная для ускорения создания концепт-арта и матт-пейнтинга персонажей. Она основана на Stable Diffusion и доступна для Diffusers в форматах PyTorch и SafeTensors; автор описывает её как результат слияния моделей. Модель создаёт изображения по текстовым описаниям и также подходит для преобразования изображений, например, для вариаций грубого эскиза. Модель ориентирована на быстрые наброски с выразительным силуэтом, объёмом и абстрактными деталями, которые затем можно доработать вручную. Автор рекомендует невысокие шаги и масштаб генерации, чтобы ускорить работу и облегчить ретушь; дополнительные LoRA и эмбеддинги не требуются. В README приведены настройки генерации, включая 10–20 шагов и CFG 4–9. Карточка не сообщает размер архитектуры, длину контекста или список поддерживаемых языков. Лицензия — CreativeML OpenRAIL-M; её условия и ограничения следует учитывать при использовании и распространении результатов.

SD 3.5 Fusion Merge v1 — модель для генерации изображений по текстовому описанию, разработанная пользователем huchukato. Она основана на Stability AI Stable Diffusion 3.5 Large и распространяется в формате Safetensors. В карточке также указаны совместимость с Diffusers и формат LoRA, однако описание называет модель 8-step merge fp16. Модель предназначена для создания детализированных художественных и фотореалистичных сцен: персонажей, фантазийных композиций, театральных сюжетов и окружений с выразительным освещением и насыщенной цветовой палитрой. Для активации заявленного стиля рекомендуется использовать триггерное слово pimpmysd35. В примерах показаны сцены с огненной героиней, подводным дворцом и ритуальным представлением. Известные характеристики включают работу с текстом и изображениями, точность fp16 и настройку на генерацию за 8 шагов. Данные о поддерживаемых языках, максимальном контексте, точном размере весов и требованиях к оборудованию не указаны. Возможные ограничения — зависимость качества от формулировки запроса и необходимость использования рекомендованного триггера; отдельные сведения о качестве и стабильности представлены только демонстрационными примерами. Лицензия указана как stabilityai-ai-community; условия следует уточнять по ссылке на лицензию Stability AI.

SD3_prompt-llama_8b — дообученная модель семейства Llama 3 от matrixglitch, предназначенная для преобразования кратких или ненатурально сформулированных запросов в естественные языковые промпты для Stable Diffusion 3. Она старается сохранить исходную идею запроса, поскольку SD3 хуже работает с промптами, написанными неестественным языком. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. Дообучение выполнено за 1500 шагов на RTX 3090. В наборе данных было более 90 тысяч исходных промптов и 220 тысяч их преобразованных вариантов; весь набор не использовался из-за ограниченных вычислительных ресурсов. Автор сообщает о снижении отдачи от дальнейшего обучения при малом размере пакета. Модель распространяется по лицензии Llama 3; применяются условия этой лицензии.

Delta-Vector/SD-Prompter-1.5B-V0.1 — языковая модель, разработанная Delta-Vector и дообученная на базе NewEden/Qwen-1.5B-Claude для составления промптов Stable Diffusion по описанию внешности персонажа. Модель использует плотную архитектуру Qwen2ForCausalLM с 1,5 млрд параметров и поддерживает контекст длиной до 131 072 токенов. Модель принимает текстовую инструкцию в формате Alpaca и выдаёт текст промпта для генерации изображения. Для обучения использовался датасет NewEden/CivitAI-SD-Prompts; README указывает на два эпоха полно-параметрического дообучения. Модель предназначена для подготовки описаний персонажей, которые затем можно использовать в Stable Diffusion. Лицензия в предоставленных данных не указана.

Sulphur 2 — модель генерации видео, опубликованная пользователем Seregil13th и основанная на LTX 2.3. Она предназначена для создания видео по текстовому описанию (t2v) и по исходному изображению с текстовой инструкцией (i2v), а также поддерживает другие форматы, доступные в LTX 2.3. Модель позиционируется как uncensored, то есть без заявленных дополнительных ограничений на содержание. В состав проекта входит prompt enhancer для улучшения текстовых запросов; он может принимать текст и изображение и запускаться через LM Studio с использованием файлов GGUF и mmproj. README рекомендует использовать dev-версии модели в форматах fp8mixed или bf16 вместе с distill LoRA. Архитектура, количество параметров, поддерживаемые языки, максимальная длина контекста и точные требования к аппаратному обеспечению не указаны. К сильным сторонам относятся нативная поддержка text-to-video и image-to-video, совместимость с форматами LTX 2.3 и наличие инструмента для расширения промптов. Ограничения связаны с неполнотой документации: подробные инструкции по установке и обучению заявлены на будущее, а сведения о качестве, производительности и лицензии отсутствуют. Условия лицензирования в README не указаны.

Two And A Half Dimensions — модель генерации изображений по текстовому описанию, размещённая пользователем Yntec. Она специализируется на стилистике 2.5D, сочетая признаки двумерной иллюстрации и трёхмерного рендера, а также может создавать изображения в других стилях. В примерах показаны мультяшные и аниме-персонажи, поп-арт, сцены в духе 3D-анимации и спортивные сюжеты. Модель предназначена для создания иллюстраций по промптам с описанием персонажей, внешности, одежды, поз, окружения и художественного освещения. Репозиторий использует Diffusers и формат Safetensors; модель основана на Stable Diffusion. Лицензия — CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении результатов.

В репозитории размещён текстовый энкодер UMT5-XXL для конвейера генерации видео WAN 2.2. Автор карточки описывает его как компонент для понимания текстовых запросов и преобразования их в эмбеддинги, которые задают условия генерации видео по тексту или изображению. Энкодер содержит около 11 млрд параметров, поддерживает контекст до 512 токенов и имеет размерность эмбеддингов 4096. Веса представлены в формате GGUF с точностью FP16 без квантизации; карточка указывает на совместимость с Diffusers, Transformers и llama.cpp, а также на поддержку многоязычного кодирования текста. Репозиторий содержит компонент энкодера, а не полный генератор видео: для запуска WAN 2.2 нужны остальные части конвейера. Для работы энкодера заявлены 12 ГБ видеопамяти и 16 ГБ оперативной памяти как минимальные требования. Лицензия указана как other, поэтому конкретные условия использования следует проверять в репозитории.

Карточка модели kingzhenxing/animagine-xl-3.0 на Hugging Face совпадает с карточкой cagliostrolab/animagine-xl-3.0, поэтому описание составлено по ней. Animagine XL 3.0 — диффузионная модель для генерации аниме-изображений по текстовым запросам, разработанная Cagliostro Research Lab на основе Stable Diffusion XL и дообученная на Animagine XL 2.0. Она предназначена для создания иллюстраций в аниме-стиле и лучше понимает аниме-концепции и структуру тегов в промпте; авторы также отмечают улучшения в изображении рук. Модель поддерживает генерацию с разными соотношениями сторон и доступна в форматах Diffusers и Safetensors. Для лучших результатов рекомендуется использовать структурированные, конкретные промпты и настройки генерации, описанные авторами. Модель не предназначена для фотореализма и может ошибаться в сложных позах и анатомии; охват персонажей и серий ограничен обучающими данными. Модель может генерировать NSFW-контент, поэтому следует учитывать рейтинг и тщательно задавать промпты. Лицензия — CreativeML Open RAIL++-M.

Anima In-Context Character — это адаптер LoRA для модели Anima, разработанный daraskme и предназначенный для генерации изображений персонажей по визуальным референсам. Он позволяет прикрепить от одного до трёх изображений персонажа и создавать его в новых позах, сценах и выражениях лица без отдельного обучения на конкретном персонаже, в том числе если базовая модель ранее его не видела. Модель ориентирована на anime-стилистику и используется в связке с ComfyUI через набор специализированных узлов. Адаптер основан на архитектуре Anima 2B: Cosmos-Predict2 DiT, текстовом энкодере Qwen3-0.6B и WanVAE. Это in-context reference LoRA для DiT с рангом 64. В отличие от IP-Adapter, работающего через CLIP-эмбеддинг, референс подаётся как отдельный VAE-латент внутри self-attention, что предназначено для сохранения деталей внешности, включая причёску, украшения, узоры одежды и цвет глаз. Обучение проводилось примерно на 994 тысячах anime-изображений и 62 тысячах пар изображений одного персонажа, выполненных разными художниками; из подписей удалялись сведения о персонаже, художнике и правообладателе. Сильной стороной модели является перенос идентичности персонажа между сценами и стилями без per-character training. Для лучших результатов рекомендуется использовать полнофигурный референс вместе с крупным планом лица и дополнительно описывать внешность в текстовом запросе. Ограничения включают зависимость от качества и содержания референсов, необходимость базовой модели Anima, ComfyUI и совместимых файлов модели, а также специализацию на anime-изображениях. В README указана лицензия circlestone-labs-non-commercial; условия использования следует уточнять по лицензии и её официальному описанию.

deepghs/animefull-latest — версия в формате Diffusers модели, описанной в карточке как официально утёкшая модель NovelAI. Она предназначена для генерации изображений по текстовым запросам и использует StableDiffusionPipeline. Репозиторий содержит веса в форматах Diffusers и PyTorch; лицензия указана как MIT. Оригинальный вариант модели доступен в репозитории deepghs/animefull-latest-ckpt.