I.8Изображения и компьютерное зрение

AnyaLora — LoRA-модель для Stable Diffusion, обученная Improceid методом DreamBooth с использованием fast-DreamBooth notebook от TheLastBen. Она предназначена для генерации изображений по текстовым запросам с воспроизведением обученного визуального концепта. В карточке приведены примеры изображений концепта и способ попробовать модель через fast-Colab-A1111; параметры базовой модели и результаты использования этим не раскрываются. Модель распространяется в форматах Diffusers, PyTorch и safetensors. Указана лицензия CreativeML OpenRAIL-M. LoRA является производной моделью и для генерации требует совместимой базовой модели Stable Diffusion.

Arthemy Comics — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec. Она предназначена для создания иллюстраций в эстетике комиксов и графических романов, включая выразительный линейный рисунок, штрихованные тени, винтажные рекламные и pulp-иллюстрации. В примерах показаны портреты персонажей, фэнтезийные и научно-фантастические сцены, а также драматические эпизоды. Модель распространяется в формате Diffusers с весами Safetensors и использует лицензию CreativeML OpenRAIL-M. Карточка указывает английский язык. Примеры демонстрируют широкий диапазон стилей и сюжетов; отдельные запросы содержат сексуализированные образы. В README не приведены сведения об архитектурном размере, длине контекста или количественных оценках качества.

BioCLIP-2 — биологическая vision-language модель на архитектуре OpenCLIP ViT-L/14. Репозиторий eugenehp/bioclip-2 содержит staging-перераспределение upstream-чекпойнта для запуска через RLX. Модель предназначена для классификации изображений по заданным текстовым меткам без дообучения: пользователь передаёт фотографию и список категорий, а модель сопоставляет изображение с текстовыми описаниями. В репозитории доступны веса safetensors и версия GGUF F16, а также файлы токенизатора. Указана лицензия MIT. README рекомендует использовать поддерживаемый путь загрузки RLX и предупреждает, что файлы могут присутствовать по историческим причинам.

BlackList Prompt Enhancer — компактная авторегрессионная модель на архитектуре Transformer, разработанная Bl4ckSpaces. Она преобразует короткие английские ключевые слова о визуальном образе в более подробные промпты для генераторов изображений, добавляя описания освещения, композиции, художественного стиля и качества рендеринга. Модель предназначена для подготовки запросов перед использованием Stable Diffusion, Flux, Midjourney и других систем генерации изображений, а также для встраивания в API и лёгкие приложения. В README указаны 23,27 млн параметров, 6 слоёв, 8 голов внимания, словарь BPE на 8 000 токенов и контекст до 512 токенов. Репозиторий содержит веса safetensors, для работы заявлена библиотека Transformers. Модель обучена с нуля на парах промптов, а не дообучена от Mini GPT-2; лицензия — Apache 2.0. BlackList быстро расширяет короткие запросы и выдаёт структурированные описания, ориентированные на визуальную эстетику. Она не предназначена для диалога, длинных текстов, фактических ответов и задач, не связанных с визуальными промптами; результаты могут повторять распространённые эстетические формулировки и не гарантируют совместимость с настройками каждого генератора изображений.

Canopus-Pixar-3D-Flux-LoRA — адаптер LoRA для генерации изображений на базе black-forest-labs/FLUX.1-dev, разработанный prithivMLmods. Модель предназначена для text-to-image сценариев, в которых требуется создавать яркие стилизованные 3D-иллюстрации в эстетике Pixar, включая персонажей, супергероев и кинематографичные сцены. Адаптер обучен на более чем 110 изображениях высокого разрешения с использованием англоязычных описаний, сформированных Florence 2. Указаны network dim 64, network alpha 32, 15 эпох и более 2300 шагов обучения; веса доступны в формате Safetensors. Для активации рекомендуется использовать триггерные слова Pixar, Pixar 3D или 3D. В README не указаны точный объём параметров, поддерживаемые языки базовой модели и размер контекстного окна. Сильная сторона модели — выраженная специализация на мультяшной 3D-стилистике, ярком освещении и кинематографичной подаче. При этом модель всё ещё находится на стадии обучения, не является финальной версией и может создавать артефакты или плохо работать в отдельных случаях. Лицензия — creativeml-openrail-m.

CharHelper — модель генерации изображений в стиле цифровой живописи, разработанная ManglerFTW для поиска идей при создании персонажей и портретов. Она основана на Stable Diffusion 2.1 и обучалась на изображениях размером 768 × 768. Версия V4 объединяет CharHelper V3 с новой обученной моделью; прежние ключевые слова CharHelper V3 продолжают работать. Модель предназначена для генерации персонажей, в том числе пришельцев и зомби, а также изображений птиц, маяков, макросъёмки и объектов в милом стиле. Стили и ключевые слова можно комбинировать. В README рекомендуются настройки CFG 7–15 и разрешение от 756 × 756 пикселей. Для использования в каталоге модели требуется добавить файл YAML; для VAE рекомендуется режим Auto, поскольку VAE от SD 1.5 может давать менее качественные результаты. Модель распространяется по лицензии CreativeML OpenRAIL-M.

Children's Stories Anime — модель генерации изображений из текста от Zovya, доступная в формате Diffusers. Веса содержат встроенный VAE Waifu 1.4, который, по описанию автора, улучшает насыщенность изображений. Модель предназначена для создания иллюстраций в аниме-стиле для детских историй. Модель опубликована в формате safetensors и распространяется по лицензии CreativeML OpenRAIL-M. В карточке не приведены сведения о размере модели, контекстном окне и поддерживаемых языках; эти характеристики здесь не указаны.

Jak's Clayitization Image Pack — это дообученная на базе Stable Diffusion 2.1 модель генерации изображений в стиле пластилиновых фигур и текстур. Её разработал Jak_TheAI_Artist; для запуска требуется Stable Diffusion 2.1 и файл конфигурации clayitization-SD2.1-768px.yaml рядом с моделью. Модель принимает текстовый запрос. Добавьте в начало промпта слово «clayitization», затем укажите объект или сцену; можно сочетать стиль с embeddings. Для портретов автор рекомендует квадратное соотношение сторон, для диорам — прямоугольное, а для более детализированного рендера — слова «3d, octane render, intricate details». Обучение проведено на 100 изображениях размером 768 пикселей в течение 8000 шагов с 500 шагами обучения Text Encoder. Модель предназначена для создания изображений с пластилиновым видом и художественных экспериментов. Лицензия — CreativeML OpenRAIL-M. Результат зависит от промпта и используемого разрешения; автор рекомендует разрешение 768 пикселей или выше.

CLIP ViT-B/16 — модель OpenAI, обученная сопоставлять изображения с текстовыми описаниями. Она состоит из визуального энкодера на базе Vision Transformer ViT-B/16 и текстового Transformer-энкодера; контрастивное обучение сближает представления соответствующих пар «изображение — текст». Репозиторий содержит вариант с Vision Transformer. Модель предназначена прежде всего для исследований обобщения и устойчивости компьютерного зрения, в том числе для классификации изображений с произвольными текстовыми категориями без дополнительного обучения. Её можно применять для экспериментального сопоставления изображений с текстовыми метками и поиска изображений в ограниченной, заранее проверенной области. Основной язык использования — английский. CLIP хуже справляется с тонкими различиями между похожими классами и подсчётом объектов; результаты и смещения могут заметно зависеть от формулировки категорий. В карточке отдельно отмечены демографические перекосы и риски несправедливой классификации. Разработчик не рекомендует развёртывать модель в продуктивных сценариях без тщательного тестирования и исключает наблюдение и распознавание лиц. Сведения о лицензии в предоставленных материалах отсутствуют.

CompoDistill-SFT-2B — мультимодальная модель для диалога по изображениям, опубликованная как базовый SFT-чекпойнт для статьи CompoDistill. Она построена на Qwen1.5-1.8B и визуальном энкодере SigLIP-so400m и обучена стандартным способом visual instruction tuning в стиле LLaVA, без дистилляции. Модель предназначена для ответов на текстовые инструкции и вопросы об изображениях, в том числе для задач композиционного рассуждения, оцениваемых в работе. Репозиторий содержит веса в формате safetensors; размер параметров и длина контекста в предоставленных данных не указаны. Лицензия — Apache-2.0. Это исследовательский базовый чекпойнт для сравнения с вариантами CompoDistill; практическое качество зависит от задачи и может быть ограничено по сравнению с более крупными мультимодальными моделями.

Counterfeit-V2.0 — модель генерации изображений в аниме-стиле на основе Stable Diffusion от gsdf. Она предназначена для создания иллюстраций по текстовым запросам и поддерживает работу через StableDiffusionPipeline в Diffusers. Автор указывает, что модель создана с помощью DreamBooth, объединения блочных весов и слияния LoRA. Примеры в карточке показывают генерацию персонажей и сцен с настройками для изображений разных пропорций. В качестве отправной точки приведены параметры: 20 шагов, сэмплер DPM++ SDE Karras и CFG 8; это примеры, а не обязательные настройки. Репозиторий содержит веса Diffusers в форматах PyTorch и Safetensors. Модель рассчитана на художественные аниме-иллюстрации; точные сведения о размере, контекстном окне и поддерживаемых языках карточка не приводит. Лицензия — CreativeML OpenRAIL-M, поэтому использование должно соответствовать её условиям и ограничениям.

DreamCoil-V0.1 — серия моделей генерации изображений в стиле аниме и иллюстрации, созданная muverqqw на основе Stable Diffusion XL 1.0 и дообученная на Danbooru2023. В репозитории представлены четыре варианта чекпойнта: Basic для повседневной генерации, Masterpiece для детализированных композиций, PyroNet для выразительного освещения и Fever Dream для сюрреалистичных и атмосферных сцен; также доступны LoRA-адаптеры для настройки стиля. Модель принимает текстовые запросы и генерирует изображения. Она ориентирована на персонажей, выразительные лица и позы, яркие цвета, детализированные костюмы, а также динамичные или атмосферные композиции. Используются форматы Diffusers и Safetensors; лицензия — MIT. Карточка описывает художественные сценарии, но не приводит измерений качества и не гарантирует точность сложных деталей. Результат зависит от выбранного чекпойнта, запроса и настроек генерации.

DuelAnimeMix_v1 — модель генерации изображений в аниме-стиле, опубликованная пользователем digiplay. Карточка называет её милой аниме-моделью; она принимает текстовое описание и создаёт изображение. Репозиторий представлен в форматах Diffusers, PyTorch и Safetensors, а задача text-to-image указана в метаданных Hugging Face. Карточка содержит демонстрационное изображение исходного автора, но не приводит сведений об архитектуре, размере, контексте, языках, обучении или конкретных ограничениях. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией в репозитории.

Everything V1 — модель генерации изображений на основе Stable Diffusion, дообученная и объединённая разработчиком TheRafal из Anything V3. Она предназначена для создания изображений в аниме-стиле по текстовым запросам и поддерживает теги Danbooru, например для описания внешности персонажей, окружения и сцены. Модель распространяется в форматах Diffusers, PyTorch и Safetensors и может использоваться через Stable Diffusion Pipeline; README также упоминает экспорт в ONNX и MPS. Карточка указывает лицензию CreativeML OpenRAIL-M. Метаданные отмечают английский язык, но README не описывает языковую специализацию подробнее. Модель ориентирована на создание аниме-изображений; иных характеристик качества или ограничений карточка не раскрывает.

KawaiiRealisticAsian_v0.7 — модель генерации изображений по текстовому описанию, опубликованная пользователем digiplay на Hugging Face. Она предназначена для создания изображений в эстетике, сочетающей кавайную стилизацию и реалистичное изображение азиатской внешности; исходная карточка ссылается на страницу модели KawaiiRealisticAsian Mix на Civitai. Модель распространяется для использования с diffusers и реализует StableDiffusionPipeline. В метаданных указан формат safetensors и задача text-to-image. По доступным данным, модель ориентирована прежде всего на художественную генерацию персонажей и портретных сцен. Лицензия обозначена как other, поэтому перед использованием необходимо ознакомиться с условиями лицензирования исходной модели и страницы на Civitai. Конкретные сведения о поддерживаемых языках, размере модели, длине контекста и ограничениях генерации в предоставленных материалах отсутствуют.

Kilkenny Mix CelShade — модель генерации изображений по текстовому описанию от Earth & Dusk. Это merge-модель на базе Stable Diffusion, распространяемая в формате Diffusers и предназначенная для создания изображений в аниме-стиле. В README нет сведений о размере модели, длине контекста или конкретных настройках генерации. Модель принимает текстовые запросы на английском языке и создаёт изображения. Карточка советует сохранять метаданные генерации и указывает, что повторная загрузка модели запрещена. Лицензия CreativeML Open RAIL-M; применяйте модель с учётом её условий и ограничений.

LAMEanime — модель генерации изображений по текстовому описанию, созданная автором репозитория как смешение нескольких чекпойнтов Stable Diffusion. В состав вошли animeTWO от realisticElves, lametta v1745 и lametta v1602 от Lasorco; при сборке также использована модель animeSEXTILLION на базе animeTEN, а в итоговый чекпойнт встроен VAE MoistMixV2. Модель предназначена для создания иллюстраций в аниме-стилистике, включая милых персонажей и чиби-образы. Репозиторий приводит пример запроса на генерацию фантазийной иллюстрации девочки-джинна с детализированными глазами и освещением. Модель распространяется в формате Diffusers с весами PyTorch и Safetensors и под лицензией CreativeML OpenRAIL-M. README описывает смешивание моделей и настройки блоковых весов, но не приводит размер модели, контекст или список поддерживаемых языков. Качество результата зависит от формулировки запроса; отдельные ограничения генерации в карточке не описаны.

LTX2.3 Audio Reactive LoRA — адаптер LoRA для базовой модели Lightricks/LTX-2.3, разработанный для генерации видео, визуально реагирующего на музыку и звуковую дорожку. Модель предназначена прежде всего для сценариев audio-to-video и image-plus-audio-to-video, включая музыкальные клипы, визуализаторы и синхронизированную с битом анимацию; также может использоваться в рабочих процессах image-to-video и text-to-video через совместимую инфраструктуру Diffusers и endpoint fal.ai. Адаптер усиливает реакцию видео на удары, бас, снейры, хай-хэты и изменения синтезатора. Он ориентирован на движение геометрических форм, частиц, световых импульсов, камеры, дыма, жидкого света и деформацию материалов в такт музыке. В README указаны рекомендации использовать первый кадр со структурированными объектами, геометрией и визуализаторными элементами, масштаб LoRA 1.0–1.5, частоту 24 кадра в секунду, сегменты длительностью 5–15 секунд и разрешение 1024×1024 для квадратных роликов. Конкретные сведения о размере адаптера, архитектуре базовой модели, поддерживаемых языках и максимальной длине контекста не приведены. Сильная сторона модели — выраженная аудиореактивная динамика, включая более заметные удары в ритм, пульсацию света, мерцание частиц и движение дыма или жидких эффектов. Ограничение заключается в том, что результат особенно зависит от подходящего исходного изображения и точного текстового описания желаемой синхронизации; общие характеристики качества и ограничения базовой LTX-2.3 в README не раскрыты. Использование регулируется LTX-2 Community License Agreement, унаследованным от базовой модели; лицензия указана как other.

LTX_2.3_Pixar_Toon_Style_LoRa — адаптер LoRA для модели Lightricks/LTX-Video, предназначенной для генерации видео по текстовому описанию. Модель разработана пользователем vrgamedevgirl84 и добавляет стилистику высококачественной CGI-анимации: гладкие поверхности, выразительные персонажи, упрощённую геометрию, мягкие материалы, яркие сбалансированные цвета и кинематографическое освещение. По заявлению автора, обучающий набор не содержал объектов интеллектуальной собственности и не использовал кадры из фильмов или сериалов Pixar. Адаптер ориентирован на сцены с персонажами, существами и животными, портретные и полноразмерные композиции, фантастические и приключенческие сюжеты, семейные сцены, интерьеры, экстерьеры и другие повествовательные эпизоды в стиле анимационного фильма. Он стремится сохранять единую стилизованную CGI-идентичность персонажей, объектов и окружения, включая выразительную мимику, привлекательные пропорции и читаемые силуэты. Основное триггерное слово — P1x4r, однако автор указывает, что адаптер может работать и без него; также рекомендуются описания вроде stylized CGI character и animated film character. Известно, что это LoRA для text-to-video на базе LTX-Video, но сведения о размере адаптера, точной архитектуре, поддерживаемых языках, длине контекста, рекомендуемых параметрах генерации и системных требованиях не приведены. Лицензия в карточке модели также не указана, поэтому условия коммерческого и иного использования требуют дополнительной проверки.

MaTVLM_0_25_Mamba2 — компактная визуально-языковая модель из семейства TinyLLaVA, разработанная командой HustVL. Она заменяет часть слоёв Transformer-декодера предварительно обученной VLM слоями Mamba-2, инициализируя их весами соответствующих слоёв внимания, а затем использует дистилляцию от исходной VLM. Модель предназначена для диалоговых задач с изображениями и генерации ответов по визуальному содержимому. В README заявлены результаты, сопоставимые с моделью-учителем и существующими VLM, а также ускорение инференса до 3,6 раза и сокращение потребления GPU-памяти на 27,5% относительно учителя без потери качества. Файлы модели представлены в формате safetensors и рассчитаны на библиотеку Transformers. Карточка не сообщает размер модели, длину контекста или поддерживаемые языки. Лицензия — MIT.

MiniMax-H3-Qwen3-VL-NVFP4 — 4-битная NVFP4-квантизация текстового энкодера Qwen3-VL-32B для модели генерации видео MiniMax-H3. Репозиторий подготовлен для ComfyUI как замена штатного энкодера conditioning и загружается через CLIPLoader с типом minimax; веса видеодиффузионной модели не изменены. В safetensors-файле размером около 16,64 ГиБ в NVFP4 переведены линейные слои средней части языковой модели, а эмбеддинги, первый и последний языковые слои и вся зрительная башня сохранены в bf16. Энкодер предназначен для подготовки текстового и визуального conditioning в рабочих процессах генерации видео MiniMax-H3, в том числе на потребительских GPU с 24 ГБ памяти при выгрузке части моделей. Автор сообщает о тестах на 16 парах клипов: LPIPS 0,099, SSIM 0,891 и небольшое изменение межкадрового мерцания относительно bf16; это результаты ограниченного внутреннего набора, а не гарантия качества для любых запросов. На Blackwell NVFP4 работает быстрее; на Ada для ускоренных FP4-ядер требуется сборка PyTorch cu130. Это преобразованная и квантованная версия энкодера, а не самостоятельная видеомодель: для генерации нужны совместимые веса MiniMax-H3 и соответствующий workflow ComfyUI. Лицензия указана как other; README предписывает соблюдать MiniMax Community License и местное законодательство.

MostClassical — модель генерации изображений по текстовому описанию в классическом мультяшном и ретро-аниме стиле. Авторская карточка выделяет изображения котят в стиле классической Disney-анимации, а примеры также показывают персонажей и стилизацию под ретро-фотографию. Модель создана слиянием DucHaiten Classic Anime и Moistalgia с помощью SuperMerger Weight Sum MBW. В карточке упомянуты также связанные с Moistalgia модели Rainbowpatch, Esthetic Retro Anime и DucHaiten-GoldenLife. Репозиторий содержит веса в форматах Diffusers и Safetensors; размер модели, архитектура базовых чекпойнтов и длина контекста в предоставленных данных не указаны. Модель подходит для создания иллюстраций и стилизованных персонажей по текстовым промптам. Она может не всегда точно следовать запросу: автор отмечает, что генерация котёнка иногда вместо этого даёт персонажа с кошачьими ушами или без котёнка. Лицензия — CreativeML OpenRAIL-M.

Neta Lumina — модель генерации изображений в аниме-стилистике, разработанная Neta.art Lab на основе Lumina-Image-2.0 команды Alpha-VLLM из Шанхайской лаборатории искусственного интеллекта. Модель дообучена на корпусе аниме-изображений и мультиязычных тегов; карточка описывает официальный выпуск v1.0 и архивные бета-версии. Модель предназначена для создания иллюстраций, постеров, раскадровок и дизайна персонажей по текстовым запросам. Она работает с обычными описаниями и тегами Danbooru, рассчитана на разные стили, включая furry и традиционную китайскую эстетику, и заявляет поддержку китайского, английского и японского языков. В основе — архитектура Lumina2 Diffusion Transformer (DiT) с текстовым энкодером Gemma; для запуска автор рекомендует ComfyUI и видеокарту с не менее чем 8 ГБ VRAM. По README модель хорошо следует сложным запросам и охватывает широкий спектр персонажей и стилей. Это заявление разработчика; сравнительные результаты или независимая оценка качества в карточке не приведены. Модель распространяется по лицензии Apache-2.0.

jayanta/resnet50-finetuned-memes — модель классификации изображений на архитектуре ResNet-50, дообученная на базе microsoft/resnet-50 для классификации мемов. Она принимает изображение и предсказывает метку класса. На оценочной выборке указана точность 0,5742 и функция потерь 1,0625; состав классов и подробности датасета в карточке не описаны. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

riMixIllustriousAnima_riMixV2 — модель LoRA для генерации изображений по текстовому описанию, разработанная LyliaEngine. Она предназначена для использования в Diffusers и совместимых интерфейсах генерации изображений, включая сценарии text-to-image с последующим увеличением разрешения и улучшением деталей. В README модель также описана как стилевой LoRA, основанный на собственной модели Ri-mix, объединяющей Pony и Illustrious XL. Модель работает поверх базовой модели OnomaAIResearch/Illustrious-xl-early-release-v0 и ориентирована на создание детализированных художественных изображений, преимущественно персонажей и сцен в аниме-стилистике. Указаны примеры генерации взрослых персонажей, портретов и фантазийных сцен. Для активации модели триггерные слова не требуются: в README рекомендуется использовать None. Точные размер, количество параметров, поддерживаемые языки и максимальная длина контекста не указаны; по типу модели она принимает текстовые промпты и генерирует изображения. Для Anima рекомендованы CFG Scale 3, sampler er_sde и 30–40 шагов; для генерации на Civitai — CFG Scale 7, Euler a, 30–40 шагов и denoise 0,35–0,40. Для ForgeUI приведены настройки с разрешением 768×1152, Euler a, 30 шагами и опциональным Highres fix. Сильные стороны модели — специализация на выразительной аниме-визуализации, детализации и совместимость с распространёнными инструментами экосистемы Stable Diffusion XL. Ограничения включают зависимость от базовой модели и необходимость подбора параметров под конкретный интерфейс. Лицензия — Creative Data License Agreement Permissive 2.0 (CDLA-Permissive-2.0).

ShotVL-7B — мультимодальная модель для понимания кинематографического языка, разработанная как дообученная версия Qwen/Qwen2.5-VL-7B-Instruct в рамках работы ShotBench. Она принимает изображения и видео вместе с текстовыми запросами и формирует текстовые ответы о визуальных и кинематографических характеристиках сцен. Модель имеет плотную архитектуру Qwen2.5-VL, содержит 7,1 млрд параметров и поддерживает контекст до 128 000 токенов. Модель предназначена для анализа кадров и видео с точки зрения кинематографии. В README заявлено, что она достигла передовых результатов на бенчмарке ShotBench, оценивающем понимание кинематографии моделями vision-language. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

TIPO-500M-ft — языковая модель семейства LLaMA, разработанная KBlueLeaf для улучшения текстовых запросов к генераторам изображений. Она дополняет и уточняет пользовательский промпт перед передачей в систему text-to-image, чтобы упростить подготовку запросов и повысить качество результата. Модель содержит 467 млн параметров и имеет контекст до 2048 токенов по метаданным. Она принимает текст и генерирует текст; репозиторий содержит веса Safetensors и GGUF F16. В README описана интеграция через расширение z-tipo-extension для Stable Diffusion WebUI, Forge и ComfyUI. Данные для обучения включали подписи и метаданные изображений, в том числе из Danbooru2023, Coyo-HD и GBC10M. Оценки в карточке приведены для TIPO-200M, поэтому они не подтверждают качество именно версии 500M-ft. Указанная лицензия — other; конкретные условия использования следует сверять с лицензией репозитория.

Tron Legacy Diffusion — модель генерации изображений по текстовому описанию, созданная как дообучение Stable Diffusion v1.5 на скриншотах фильма «Трон: Наследие» (2010). Для вызова характерного стиля в промпт добавляют токен trnlgcy. Модель подходит для создания персонажей, городских пейзажей и других сцен в визуальной стилистике фильма. Модель обучена методом DreamBooth на 30 изображениях в течение 3000 шагов. Репозиторий содержит веса в форматах Diffusers и PyTorch; в README также описано использование файла ckpt в интерфейсах Stable Diffusion. Лицензия — CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении результатов.

vkp1024pic — это LoRA-модель для генерации изображений из текстовых описаний, разработанная пользователем rocknroll0000herewego и обученная на базе black-forest-labs/FLUX.1-dev. Она предназначена для подключения к совместимым интерфейсам и инструментам генерации изображений, включая ComfyUI, AUTOMATIC1111, SD.Next, InvokeAI и Forge. Модель специализируется на воспроизведении определённого визуального стиля, вероятно ориентированного на фотореалистичные сцены. Для активации рекомендуется использовать триггерную фразу «In the style of vkp1024pic». В карточке указаны поддержка text-to-image, архитектура LoRA и формат весов Safetensors. Дополнительные сведения о размере модели, контекстном ограничении, языках, параметрах обучения и точных характеристиках стиля отсутствуют. Модель доступна по лицензии flux-1-dev-non-commercial-license, унаследованной от базовой FLUX.1-dev; перед использованием следует ознакомиться с условиями лицензии по указанной ссылке. Поскольку это адаптер LoRA, для работы требуется совместимая базовая модель и программное окружение, поддерживающее FLUX и формат Safetensors.

John6666/wai-nsfw-nova-furry-illustrious-v30-sdxl — модель преобразования текста в изображение, созданная Vulgin и опубликованная на базе OnomaAIResearch/Illustrious-XL-v1.0. Она предназначена для генерации изображений по текстовым описаниям, прежде всего в стилистике anime и furry, включая контент для взрослой аудитории. Модель реализуется через StableDiffusionXLPipeline в библиотеке Diffusers и распространяется в формате SafeTensors. Она использует архитектуру Stable Diffusion XL и рассчитана на англоязычные текстовые запросы. В метаданных не указаны размер модели и длина контекста. Модель подходит для создания персонажей, иллюстраций и тематических сцен в anime- и furry-стилистике. Ограничения включают потенциально NSFW-характер результатов, зависимость качества от формулировки запроса и отсутствие сведений о дополнительных настройках или тестах качества. Лицензия указана как faipl-1.0-sd (тип лицензии в метаданных — other); условия лицензии следует проверить перед использованием.