I.8Изображения и компьютерное зрение

ash12321 разработал SeeDream 4.5 Specialist — специализированный классификатор изображений на базе Vision Transformer ViT-base-patch16-224. Он отличает изображения, созданные SeeDream 4.5, от остальных. В модели около 113,2 млн параметров; при дообучении размораживались последний слой и классификатор, а основная часть базовых признаков оставалась замороженной. README сообщает о тестовой точности 100% на наборе из 40 изображений; этот результат относится к указанному небольшому тестовому набору. Модель предназначена для проверки изображений на генерацию SeeDream 4.5 и может использоваться как один из специализированных детекторов в ансамбле. Она принимает изображение и выдаёт класс, указывающий на принадлежность к целевому генератору. Обучение проводилось на изображениях SeeDream 4.5 и WikiArt; заявлена поддержка Test-Time Augmentation. Детектор не предназначен для выявления изображений от других генераторов или синтетических изображений общего вида. Лицензия — MIT.

Модель sd-dreambooth-library/smiling-friends-cartoon-style создана Pinguin как дообученная с помощью DreamBooth модель Stable Diffusion для генерации изображений в стиле мультсериала «Улыбающиеся друзья». Для генерации следует использовать текстовый запрос с триггером «sks», например описать фотографию в этом стиле. Модель распространяется в формате Diffusers/PyTorch по лицензии MIT. Карточка не сообщает размер модели, длину контекста или перечень поддерживаемых языков.

BEE-spoke-data/smol_llama-101M-midjourney-messages — компактная языковая модель семейства Llama, разработанная BEE-spoke-data и дообученная на наборе pszemraj/midjourney-messages-cleaned. По частичному запросу для генератора изображений она продолжает текст и добавляет подходящие детали, помогая составить полный промпт для Midjourney и других text-to-image систем. Модель содержит 76,6 млн параметров, использует архитектуру LlamaForCausalLM и принимает текст, выдавая текст; максимальный контекст — 1024 токена. Для оценки на тестовом наборе указаны loss 2,8431 и accuracy 0,4682. Распространяется по лицензии Apache-2.0.

TaxaBind ViT-B-16 — модель эмбеддингов изображений и текста, разработанная MVRL и опубликованная в формате open_clip. Она предназначена для классификации изображений видов без специального обучения на каждом наборе классов: изображение сопоставляется с текстовыми названиями таксонов, после чего выбирается наиболее подходящий класс. Модель принимает изображения и текстовые описания классов и выдаёт представления, используемые для сравнения и классификации. Модель можно применять для определения видов по фотографиям, если классы заданы таксономическими текстовыми метками. В карточке указана лицензия MIT. Сведения о размере модели, контекстном окне и поддерживаемых языках не приведены.

Technically-Color-Z-Image-Turbo — LoRA-адаптер для моделей диффузии, предназначенный для генерации изображений по текстовому описанию. Модель опубликована пользователем или организацией renderartist; точная информация о разработчике в README не указана. В качестве основного сценария использования заявлена стилизация изображений под цветную киноплёнку и фотоматериалы в духе 1940–1960-х годов: портреты, кинематографические сцены, персонажи, пейзажи и сюжетные композиции с винтажной цветокоррекцией и атмосферным освещением. Для активации характерного стиля в примерах используется маркер «t3chnic4lly». Модель совместима с экосистемой Diffusers и относится к формату diffusion LoRA. README не содержит данных о базовой архитектуре, количестве параметров, размере, поддерживаемых языках, максимальном разрешении или длине контекста. По приведённым примерам, сильной стороной адаптера является передача винтажной кинематографической эстетики, включая плёночный вид, цветовую обработку, мягкое освещение и постановочную композицию. Ограничения и типичные ошибки отдельно не описаны; результат зависит от базовой модели, формулировки запроса и параметров генерации. Лицензия в README не указана.

Z-Image-Turbo - Children’s Drawings — это LoRA-адаптер для базовой модели Tongyi-MAI/Z-Image-Turbo, разработанный автором или организацией ostris. Он предназначен для генерации изображений в стиле детского рисунка: адаптер преобразует содержимое текстового запроса, сохраняя его смысловые элементы и придавая результату характерную наивную рисованную стилистику. Примеры показывают применение к сценам с людьми, животными, предметами, транспортом и фантазийными сюжетами. Модель относится к семейству text-to-image и рассчитана на использование с Diffusers и совместимыми инструментами для LoRA. Архитектура, размер, поддерживаемые языки и максимальная длина контекста в README не указаны. Сильная сторона модели — специализированная стилизация разнообразных текстовых описаний под детские рисунки; ограничения, включая качество на отдельных сюжетах и требования к настройке силы LoRA, не описаны. Модель распространяется по лицензии Apache-2.0.

ACertainModel — латентная диффузионная модель JosephusCheung для генерации детализированных изображений в аниме-стиле по текстовым запросам. Она основана на Stable Diffusion и доступна в формате Diffusers/PyTorch; автор описывает дообучение с использованием DreamBooth и собственных обучающих данных, включавших изображения, созданные другими диффузионными моделями, и отобранные иллюстрации. Модель предназначена для создания аниме-иллюстраций по коротким промптам и тегам Danbooru, включая теги художников. В карточке отмечены качество композиции и жестов рук; приведены примеры настроек генерации, а для работы рекомендуется Clip skip 2. Лицензия — CreativeML OpenRAIL-M. Результат зависит от формулировки запроса и настроек генерации; карточка также указывает, что параметры размещённого онлайн-превью менять нельзя.

umm-maybe/AI-image-detector — экспериментальная модель классификации изображений на основе архитектуры Swin с 58,7 млн параметров. Она определяет, было ли художественное изображение сгенерировано ИИ, и обучалась как бинарный классификатор с помощью AutoTrain. Модель создана в октябре 2022 года. По словам автора, обучающие данные не включали изображения из Midjourney 5, SDXL и DALL·E 3; результаты на изображениях от более новых генераторов могут быть верными, но это не гарантируется. Модель рассчитана на художественные изображения и не предназначена для выявления дипфейков или анализа скриншотов, веб-камер и другой обычной компьютерной графики. Её оценку следует считать одним из сигналов и при необходимости проверять с участием специалиста. В README приведены метрики на проверочной выборке: accuracy 0,942, precision 0,938, recall 0,978, AUC 0,980 и F1 0,958. Это proof-of-concept, а не универсальная проверка происхождения изображений. Лицензия — CC BY 4.0.

Animagine XL 4.0 (Anim4gine) — модель генерации изображений по тексту на основе диффузионной архитектуры SDXL, разработанная Cagliostro Research Lab. Она дообучена на Stable Diffusion XL 1.0 и предназначена для создания и изменения изображений в аниме-стилистике по текстовым запросам. Для управления результатом лучше использовать структурированные запросы с тегами, в том числе теги качества, рейтинга и художественного периода; модель доступна в форматах Diffusers и safetensors, а в карточке указана лицензия OpenRAIL++. Модель подходит для иллюстраций персонажей, сцен и стилизованных изображений. Карточка сообщает об обучении на крупном наборе изображений в аниме-стиле, но не приводит длину контекста. Модель может ошибаться в сложной анатомии, особенно в изображении рук и пальцев; генерация читаемого текста на изображениях не поддерживается. Для новых персонажей, сцен с несколькими персонажами и разрешений выше исходного SDXL могут потребоваться точные запросы, а качество или согласованность стиля могут снижаться.

Anything Remix — экспериментальная модель генерации изображений по текстовому описанию, созданная независимым автором Yntec. Она объединяет веса Anything 4.0 и Anything 4.5 с базовыми блоками Anything V7 и включает VAE MoistMixV2VAE. Модель ориентирована на создание изображений в аниме-стиле; распространяется в форматах Diffusers и Safetensors. Автор отмечает, что модель находится в разработке. Она предназначена для генерации изображений из текстовых запросов и использует лицензию CreativeML OpenRAIL-M. Поддерживаемый язык карточки — английский; README не описывает контекстные ограничения или подробные результаты оценки качества.

Guizmus/BloodborneDiffusion — модель генерации изображений на основе Stable Diffusion, обученная в стиле серии Bloodborne. Разработчик дообучил её методом DreamBooth на наборе из 100 изображений, используя runawayml 1.5 и новую версию VAE; обучение включало 12 тысяч шагов. Для вызова визуальной концепции в запросе рекомендуется использовать токен «Bloodborne Style». Модель принимает текстовые запросы на английском языке и создаёт изображения. В README рекомендуются сэмплеры k_Euler_a или DPM++ 2M Karras, 20 шагов и CFG 7; модель можно запускать через Diffusers StableDiffusionPipeline. Репозиторий содержит веса в формате Diffusers/PyTorch и safetensors. Лицензия — CreativeML OpenRAIL-M.

capsolve-sp — компактная модель nakasyou для распознавания CAPTCHA из пяти символов. Она использует остаточную сверточную нейросеть с адаптивной подгонкой признаков к пяти символьным позициям и содержит 486 861 параметр. На вход подается серое изображение размером 175×60 пикселей с инвертированной интенсивностью, на выходе — строка ровно из пяти символов: цифр и строчных латинских букв. Модель предназначена для автоматического распознавания CAPTCHA в сценариях, где такое распознавание разрешено. На валидации точность распознавания отдельных символов составила 96,94%, а точность всей пятисимвольной строки — 87%. Для быстрого CPU-инференса рекомендуется INT8 ONNX; также доступны FP32 ONNX и веса PyTorch в safetensors. Модель распространяется по лицензии MIT. Качество может снижаться на генераторах CAPTCHA, которые не представлены в обучающих данных; OCR-разметка могла содержать ошибки. Модель рассчитана только на изображения из пяти символов с указанным набором знаков.

ColoringBookRedmond-V2 — это LoRA-модель для генерации изображений в стиле раскрасок, разработанная artificialguybr. Она предназначена для text-to-image-сценариев и может использоваться с базовой моделью Stable Diffusion XL 1.0 для создания контурных изображений, подходящих для раскрашивания. Модель основана на Stability AI Stable Diffusion XL Base 1.0 и обучена на большом наборе данных. Для её активации в подсказке README рекомендует использовать теги ColoringBookAF и Coloring Book. Архитектура LoRA позволяет подключать адаптацию к совместимой базовой модели вместо использования полностью отдельной модели. Другие характеристики, включая точный размер, поддерживаемые языки, максимальный контекст и набор модальностей помимо генерации изображений, не указаны. Сильная сторона модели — специализация на создании изображений в формате coloring book. Ограничения связаны с зависимостью от Stable Diffusion XL 1.0 и отсутствием подробных сведений о качестве на разных типах запросов, рекомендуемых параметрах и совместимости с другими базовыми моделями. Модель распространяется по лицензии CreativeML Open RAIL-M.

Craig-Wazowski-style — модель генерации изображений по тексту, созданная Kagerage методом DreamBooth на базе Stable Diffusion 2.1 с разрешением 768 пикселей. Она предназначена для создания изображений в стиле, связанном с Крейгом Вазовски; автор рекомендует добавлять к запросу «GregRutkowski artwork» для более удачных результатов. Модель распространяется в формате Diffusers и PyTorch, веса FP16; лицензия — CreativeML OpenRAIL-M. Автор отмечает, что результаты могут непоследовательно переключаться между живописной и реалистичной манерой. Для запуска FP16-варианта могут возникнуть проблемы без Xformers; автор это не проверял. Рекомендуется не использовать разрешение ниже 768 пикселей. Выбор CFG, sampler и negative prompt также влияет на результат.

DALL·E Mega — трансформерная модель генерации изображений по текстовым описаниям, разработанная Борисом Деймой, Сураджем Патилом и другими участниками проекта DALL·E Mini. Это крупнейшая версия DALL·E Mini; модель предназначена для творческих экспериментов, создания иллюстраций и изучения возможностей генеративных моделей. Репозиторий содержит веса во Flax, а лицензия — Apache 2.0. Модель обучалась на англоязычных описаниях и лучше всего работает с английскими запросами. Качество изображений с людьми и животными часто невысокое, а результат трудно предсказать и улучшить можно подбором формулировки запроса. Модель может воспроизводить вредные стереотипы и не предназначена для создания достоверных изображений людей или событий.

Diving Illustrious Flat Anime Paradigm Shift v20VAE SDXL — модель генерации изображений по текстовому описанию, созданная пользователем DivingSuit. Модель предназначена для сценариев text-to-image, связанных с созданием аниме- и стилизованных изображений, включая flat anime, flat coloring и реалистичные визуальные решения. Модель разработана для библиотеки Diffusers и относится к семейству Stable Diffusion XL. В качестве базовой модели указана OnomaAIResearch/Illustrious-xl-early-release-v0. В README также заявлена поддержка английского языка. Сведения о точном количестве параметров, максимальном контексте, используемой VAE-конфигурации, дополнительных обучающих данных и рекомендуемых настройках генерации не приведены. К сильным сторонам модели относятся специализация на аниме-стилистике и плоской цветовой подаче, а также совместимость с экосистемой Diffusers и SDXL. Ограничения связаны с отсутствием подробной технической документации и неизвестными характеристиками качества, производительности и применимости за пределами заявленных стилей. Модель распространяется по лицензии faipl-1.0-sd; условия следует уточнять в тексте лицензии по указанной ссылке.

Firewatch Diffusion — модель генерации изображений по текстовому описанию, обученная автором ItsJayQz на игровых кадрах Firewatch и некоторых игровых постерах Олли Мосса. Для обращения к характерному стилю в запросе используется токен «fwatch style». Модель предназначена прежде всего для создания пейзажей природы и отдельных объектов в похожей художественной манере. Модель распространяется в формате Diffusers с весами PyTorch Safetensors и использует лицензию CreativeML OpenRAIL-M, которая допускает гибкое использование и распространение производных моделей с ограничениями, изложенными в лицензии. Автор отмечает, что модель создана для исследований и развлечения и не связана с Campo Santo или правообладателями игровых иллюстраций.

FLUX.1-dev-LoRA-Dark-Fantasy — адаптер LoRA, разработанный пользователем GUIZANG для Shakker AI и обученный на базовой модели black-forest-labs/FLUX.1-dev. Модель предназначена для генерации изображений по текстовому описанию, прежде всего фантастических существ и персонажей в мрачной фэнтезийной стилистике. Адаптер совместим с FLUX.1-dev и используется в экосистеме Diffusers. Триггерное слово не требуется; рекомендуемый коэффициент применения в Diffusers — от 0,6 до 0,8. Генерации обычно получают тёмную атмосферу, текучие металлические текстуры костюмов, а также магические или технологические световые эффекты. README не указывает размер адаптера, параметры архитектуры, поддерживаемые языки, размер контекста или дополнительные модальности, поэтому эти характеристики неизвестны. Модель особенно подходит для концепт-арта, иллюстраций фантастических персонажей и сцен с сочетанием тёмной атмосферы, металлических материалов и эффектного освещения. Ограничение состоит в том, что это не самостоятельная модель, а LoRA-адаптер, требующий базовую FLUX.1-dev. Распространяется по лицензии flux-1-dev-non-commercial-license, то есть с некоммерческими условиями использования базовой модели.

strangerzonehf/Flux-Super-Portrait-LoRA — адаптер LoRA для генерации изображений на основе black-forest-labs/FLUX.1-dev. Модель предназначена для создания портретов крупным планом по текстовому описанию: можно задавать внешность персонажа, одежду, аксессуары, выражение лица и цвет фона. Для активации адаптера в запросе требуется использовать триггерную фразу «Super Portrait». Модель работает в сценарии text-to-image и рассчитана на использование вместе с базовой моделью FLUX.1-dev через Diffusers. Адаптер обучен на 19 плоских изображениях разрешения 4K с разметкой на английском языке, созданной с помощью Florence-2. Указаны параметры LoRA: network dimension 64 и network alpha 32. Рекомендуемые размеры генерации — 1280×832 с соотношением сторон 3:2 и 1024×1024 как стандартный вариант; рекомендуемый диапазон — 30–35 шагов инференса. Веса доступны в формате Safetensors. Сильная сторона модели — специализация на выразительных портретах и возможность управлять деталями персонажа с помощью текстового описания. Ограничения связаны с узкой портретной специализацией, небольшим объёмом обучающего набора и необходимостью использовать совместимую базовую модель FLUX.1-dev; качество и соответствие запросу могут зависеть от выбранных параметров и формулировки промпта. Лицензия указана как CreativeML Open RAIL-M.

Holodayo XL 2.1 — диффузионная модель для генерации изображений по текстовым запросам, разработанная Linaqruf. Она дообучена на базе Animagine XL 3.1 и предназначена для создания иллюстраций в аниме-стиле, особенно изображений персонажей и эстетики франшизы виртуальных ютуберов. Модель основана на Stable Diffusion XL и доступна в форматах Diffusers и safetensors; её можно использовать через ComfyUI, Stable Diffusion WebUI и библиотеку diffusers. В версии 2.1 разработчик стремился улучшить анатомию и качество рук, снизить забывание, связанное с обучением текстового энкодера, и уменьшить пересвеченный вид изображений. Карточка рекомендует структурированные запросы и приводит настройки генерации: CFG около 5–7, 25–30 шагов и сэмплер Euler Ancestral. Модель обучена преимущественно на англоязычных тегах и запросах. Лицензия — Fair AI Public License 1.0-SD.

Lasorco/lametta_old — авторский набор старых, снятых с основного развития и экспериментальных моделей слияния Stable Diffusion 1.5, опубликованный разработчиком Lametta. В репозитории есть модели для генерации изображений по текстовым описаниям и материал для слияния с другими моделями; материал при смешивании примерно с весом 0,5 призван придавать результату характерный стиль Lametta. Основной описанный материал усиливает упрощённую, сильно деформированную манеру изображения и намеренно подавляет некоторые детали, поэтому автор предупреждает о потере проработанности исходной модели. Отдельные старые варианты имеют собственные недостатки: у некоторых нестабильны глаза или высока вероятность дефектов. Для v21240 требуется явно задавать VAE во избежание ошибки NaN; автор рекомендует liquid111vae_v10 или zVae_v10. Поддерживаются японские промпты; точная длина контекста неприменима к генератору изображений. Указана лицензия CreativeML OpenRAIL-M. README разрешает коммерческое использование сгенерированных изображений и распространение слияний, но запрещает продавать саму модель или слияния с ней; также запрещено имитировать конкретные произведения или стили так, чтобы это вредило правообладателям.

vantagewithai/LTX2.3-10Eros-1.4-GGUF — это GGUF-версия модели LTX2.3-10Eros-1.4, разработанная для использования в ComfyUI. Модель основана на TenStrip/LTX2.3-10Eros и связана с Sulphur-2-base от SulphurAI. По метаданным она предназначена для генерации видео из изображений (image-to-video), включая сцены для взрослых и эротические сценарии. Модель ориентирована на преобразование исходного изображения в развивающуюся видеосцену с управляемыми движениями, изменениями композиции, диалогами и звуковыми событиями через подробные текстовые подсказки. Для версии 1.4 заявлено возвращение поддержки явных подсказок и движения при снижении склонности к перерисовке анатомии и нежелательным эффектам. Разработчик отмечает, что требуется тщательная проработка промптов, а для улучшения результата могут применяться LoRA-стэки и специализированная DMD LoRA. Ключевые характеристики архитектуры, количество параметров, поддерживаемые языки, размер контекста и точный набор модальностей в README не указаны. Среди ограничений отмечены недостаточно качественное отображение анатомии и высокая зависимость от строгих, подробных и директивных промптов; модель обладает слабым самостоятельным рассуждением при условии генерации. Для работы могут потребоваться пользовательские узлы TenStrip для ComfyUI и соответствующий специализированный workflow. Лицензия в README не указана.

Карточка модели CarolVorders/ltxvideo-2b-nsfw на Hugging Face совпадает с карточкой Muinez/ltxvideo-2b-nsfw, поэтому описание составлено по ней. Muinez/ltxvideo-2b-nsfw — экспериментальное дообучение LTX-Video 0.9.5, созданное автором Muinez на данных с изображениями и видеоклипами. Модель предназначена для генерации видео по исходному изображению; в конце обучения её дополнительно настраивали для image-to-video. Для описаний использовались booru-теги, а обучающая выборка включала реалистичные и аниме-материалы разных авторов. Автор сообщает, что модель быстро генерирует видео и иногда даёт приемлемый результат, но качество нестабильно и в целом уступает более сильным моделям. Обучение проводилось на изображениях и 4,7 тыс. видеоклипах; максимальная длина клипов составляла 121 кадр, разрешения изображений — от 512×768 до 768×512. По карточке Hugging Face модель использует Diffusers и сохранена в формате safetensors; размер параметров и длина контекста не указаны. Модель помечена как предназначенная для взрослой аудитории. Условия лицензии в предоставленных данных не указаны.

MeinaMix V11 — модель генерации изображений по текстовому описанию, опубликованная автором Meina. Она предназначена прежде всего для создания художественных изображений в стиле аниме и рассчитана на получение выразительного результата при коротких промптах. Модель распространяется в форматах Diffusers и Safetensors и использует библиотеку Diffusers. Для портретов автор рекомендует разрешение 512×768 или 512×1024, а для пейзажных изображений — 768×512, 1024×512 или 1536×512. В README приведены рекомендации по сэмплерам, числу шагов, CFG Scale и Clip Skip; для изображений с удалёнными персонажами рекомендуется Hires.fix для улучшения проработки лиц и глаз. Модель предназначена для создания художественных изображений; качество зависит от промпта и настроек генерации. Лицензия — CreativeML OpenRAIL-M. Автор заявляет, что модель будет бесплатной; условия использования и ограничения следует сверять с лицензией.

MyneFactory Base Model — модель преобразования текста в изображение, разработанная Myne Factory; авторы карточки — 金Goldkoron, tsmkirby и Juusoz. Модель обучена на Stable Diffusion с подборкой примерно из 23 тысяч изображений с высоким рейтингом с Yande.re и Konachan. Подписи к изображениям создавались теггером WD14; модель лучше работает с тегами в стиле booru и дополнительно дообучена для работы с короткими промптами. Модель предназначена для генерации иллюстраций по текстовому описанию, особенно аниме-арта и сцен, заданных тегами. Авторы рекомендуют использовать подходящие соотношения сторон и параметры сэмплирования; приведённые настройки — ориентир для экспериментов. Репозиторий содержит веса Diffusers/PyTorch в форматах safetensors и ckpt. Лицензия — CreativeML OpenRAIL-M. Обучающие данные происходят с сайтов с аниме-изображениями, что отражается в специализации и стиле генерации. Как и другие модели генерации изображений, результат зависит от формулировки промпта и параметров; README не приводит систематической оценки качества или полного описания ограничений и допустимого использования по лицензии.

Oops All Toons NAI v10 Toonitup SDXL — модель преобразования текста в изображение, созданная пользователем someyoungguy69. Она предназначена для генерации 2D-иллюстраций в стилистике аниме, мультфильмов и furry по текстовым описаниям на английском языке. Модель представляет собой объединение компонентов на базе Illustrious XL v1.0 и noobai-XL-1.1 и использует StableDiffusionXLPipeline из библиотеки Diffusers. В карточке отмечены улучшенная привязка к промпту, проработка глаз и рук, цветопередача, резкость деталей и распознавание artist tags. Модель подходит для создания персонажей, концепт-артов и стилизованных сцен в 2D. Модель распространяется по лицензии FAIR AI Public License 1.0 (faipl-1.0-sd), указанной в README; метаданные также классифицируют лицензию как other. Результаты зависят от качества текстового промпта и параметров генерации, а специализация на стилизованной 2D-графике может ограничивать пригодность для фотореалистичных изображений.

GreenMap/qwen3-vl-2b-ru-blueprint-extractor — дообученная GreenMap мультимодальная модель на базе Qwen/Qwen3-VL-2B-Instruct для анализа русскоязычных строительных чертежей. Она принимает изображение фрагмента плана с выделенным красным прямоугольником и текстовую инструкцию, а в ответ формирует JSON с типом и длиной стены. Модель предназначена для определения типа и длины стены, чтения размеров на размерных линиях и попытки восстановить полную длину стены по фрагменту. Структурированный результат можно использовать при подготовке данных для BIM/IFC и автоматизации обработки проектной документации. Архитектура — плотная Qwen3-VL для условной генерации; в репозитории указаны веса safetensors, лицензия Apache-2.0. Основной язык чертежей — русский. Автор прямо предупреждает, что модель сырая и не рекомендует её к использованию. Точность извлечения длины и типа стены не гарантирована; для нераспознаваемого объекта или неопределимой длины предусмотрены специальные значения результата.

Raemu XL V4 — диффузионная модель генерации изображений по тексту, разработанная Raelina и ориентированная на аниме в стилистике 2.5D. Карточка указывает, что модель получена слиянием Rae Diffusion XL V2, RealCartoonXL V6 и Blue Pencil XL v3.1.0; метаданные связывают её с дообученной Rae Diffusion XL V2. Она рассчитана на создание аниме-иллюстраций по текстовым запросам, в том числе изображений персонажей. В запросах рекомендуется указывать персонажа и произведение в начале, а также использовать специальные теги качества и эстетики. Для работы предлагаются настройки CFG 7, 25–35 шагов и сэмплер Euler a; README также описывает увеличение разрешения через Hires.fix. Модель распространяется в форматах Diffusers и Safetensors. Лицензия указана как Fair AI Public License 1.0-SD; в метаданных она обозначена как other.

Rotoscopee — модель генерации изображений из текста, созданная автором tuwonga путём дообучения Stable Diffusion 1.5 на кадрах из анимационных произведений «A Scanner Darkly», «Undone» и «Tehran Taboo». Чтобы вызвать характерную ротоскопическую стилизацию, в запрос добавляют токен «rotoscopee». Модель рассчитана на создание персонажей, сцен, пейзажей и животных в этом стиле; автор отмечает, что персонажи получаются лучше, чем пейзажи и сцены. Модель обучена методом DreamBooth автором TheLastBen на 50 изображениях в течение 5000 шагов. Она распространяется в формате Diffusers и PyTorch, включая safetensors; README также описывает использование файла ckpt в интерфейсе Stable Diffusion. Лицензия — CreativeML OpenRAIL-M.

SamaritanDoesArt — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec и рассчитанная на художественные стили, включая аниме и мультяшную 3D-эстетику. Автор описывает её как смесь SamDoesArtUltimerge и Samaritan 3D Cartoon v2; в репозитории доступны веса Diffusers в формате Safetensors. Модель принимает текстовые запросы и создаёт изображения. В карточке приведён пример запроса для генерации изображения в стиле чиби. Модель распространяется по лицензии CreativeML OpenRAIL-M. README не сообщает размер модели, длину контекста или систематические результаты оценки качества.