III.2Исследование рынка и маркетинг

WindyTranslate/translate-en-gaa — модель машинного перевода от Windstorm Labs для перевода с английского языка на га. Это дообученная версия Helsinki-NLP/opus-mt-en-gaa: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT и содержит 54,4 млн параметров; она принимает текст и выдаёт текст. Для работы используется Transformers, веса хранятся в формате safetensors, родной контекст — 512 токенов. Модель рассчитана на перевод в одном направлении — с английского на га. Выход проверяли на соответствие заявленному языку, но качество перевода не оценивали, поэтому пригодность результата для конкретных задач следует проверять отдельно. Лицензия — Apache-2.0.

Werea-TSS — модель синтеза турецкой речи из текста, разработанная организацией Werea. Это дообученная версия FreyaTTS-small с 183,2 млн параметров: модель использует non-autoregressive архитектуру flow-matching DiT, турецкий символьный словарь из 92 знаков и латентное аудиопредставление AudioVAE2. Результат — монофоническое аудио с частотой 48 кГц. Модель предназначена для озвучивания объявлений, создания аудио для доступности и прототипирования голосовых ассистентов на турецком языке. Обучающие тексты созданы для Werea, а учительские голоса получены синтетически из FreyaTTS-small; записи реальных людей и данные для клонирования голоса не использовались. В небольшой внутренней оценке на 20 предложениях качество распознавания синтезированной речи оказалось немного ниже базовой FreyaTTS-small; результаты нельзя напрямую сравнивать с опубликованными оценками Freya. Модель находится в бета-версии: возможны ошибки в именах, иностранных словах и длинных фразах. Она не поддерживает управление эмоциями и клонирование по референсному голосу; важные объявления следует прослушивать перед публикацией, а синтетическое происхождение звука — сообщать слушателям. Код и веса доступны по лицензии Apache License 2.0.

Модель timp al0l/xlm-roberta-base-faq-extractor — классификатор на базе XLM-RoBERTa Base, дообученный определять, относится ли вопрос или высказывание к часто задаваемым вопросам о товарах, компаниях и содержимом сайтов. Она принимает текст и возвращает бинарную метку: FAQ или не FAQ. Модель подходит для отбора пользовательских вопросов, предварительной сортировки обращений и извлечения FAQ-кандидатов из текстов. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa для классификации последовательностей и рассчитана на контекст до 514 токенов. Карточка указывает поддержку многоязычных сценариев; среди языков перечислены, в частности, английский, немецкий, французский, испанский, арабский, китайский и японский. Весовые файлы представлены в форматах PyTorch и Safetensors. Лицензия — MIT. Классификатор предназначен для определения тематической пригодности текста как FAQ, а не для генерации ответов на вопросы. Карточка не описывает качество на отдельных языках или доменах, поэтому результаты на специфичных данных следует проверять отдельно.

Карточка модели Arsh9210/AnyFlow-FAR-Wan2.1-1.3B-Diffusers на Hugging Face совпадает с карточкой nvidia/AnyFlow-FAR-Wan2.1-1.3B-Diffusers, поэтому описание составлено по ней. AnyFlow-FAR-Wan2.1-1.3B-Diffusers — причинная диффузионная модель для генерации видео, созданная авторами AnyFlow на основе Wan2.1-T2V-1.3B-Diffusers. Она формирует видео по текстовому запросу, изображению или исходному видео; в карточке Hugging Face основной задачей указана генерация видео по тексту. Модель распространяется в формате Diffusers с весами Safetensors и содержит 1,3 млрд параметров. AnyFlow использует дистилляцию карт потока с обучением на собственных траекториях и рассчитана на генерацию с произвольным числом шагов: можно выбирать бюджет вывода, получая качественную генерацию за несколько шагов и постепенное улучшение при увеличении их числа. В README заявлена работа с разрешением 480p и поддержка сценариев text-to-video, image-to-video и video-to-video. Модель предназначена для создания коротких видеороликов из текстовых описаний, изображений и видео. README не сообщает конкретные языковые ограничения; в метаданных указан английский язык. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией и условиями проекта перед применением.

Bharat-Tiny-LLM — компактная разговорная языковая модель, разработанная индийской лабораторией eulogik на базе Qwen2.5-1.5B и дообученная методом LoRA. Модель содержит 1,5 млрд параметров и предназначена для генерации ответов на хинди письмом деванагари и на хинглише — хинди, записанном латиницей. Контекстное окно составляет 32 768 токенов. Модель рассчитана на короткие диалоги и локальный запуск на устройствах с ограниченными ресурсами; доступны варианты MLX с 4-битной квантизацией и PyTorch fp16. В README также заявлена скорость около 57 токенов в секунду на Mac Mini M4. Для более чистой генерации рекомендуется температура около 0,3, штраф за повторы не ниже 1,25 и ограничение повторяющихся n-грамм. Небольшой размер помогает запускать модель офлайн, но ограничивает её в сложных рассуждениях, длинных фактических текстах и продолжительной генерации, где возможны повторы и отклонение от темы. Другие индийские языки унаследованы от базовой Qwen2.5 и не были основным фокусом дообучения. Лицензия — Apache-2.0.

Карточка модели Mikefeed/CogVideoX-2b на Hugging Face совпадает с карточкой zai-org/CogVideoX-2b, поэтому описание составлено по ней. CogVideoX-2B — открытая модель генерации видео из текста, разработанная командой CogVideoX и происходящая от QingYing. Она создаёт видеоролики по англоязычному текстовому описанию сцены и движения; примеры в карточке показывают как предметные и природные сцены, так и драматические сюжеты. Модель рассчитана на запуск через библиотеку diffusers и использует архитектуру CogVideoXPipeline; веса представлены в формате safetensors. Версия 2B обучена с точностью FP16. Для инференса можно применять оптимизации diffusers и квантизацию модулей, чтобы снизить требования к видеопамяти; квантизация может замедлить генерацию. Описанные проверки памяти проводились на NVIDIA A100 и H100, а применимость оптимизаций на других устройствах явно не подтверждена. Модель принимает только английские запросы; для других языков README предлагает предварительный перевод. Лицензия — Apache-2.0.

Карточка модели Olena29/CyberRealistic на Hugging Face совпадает с карточкой cyberdelia/CyberRealistic, поэтому описание составлено по ней. CyberRealistic — модель генерации изображений по текстовому описанию от Cyberdelia, основанная на архитектуре Stable Diffusion 1.5. Версия v8.0 распространяется в формате safetensors и включает встроенный VAE; в README указан размер файла около 6,3 ГБ. Модель ориентирована на фотореалистичные изображения, особенно портреты людей, и рассчитана на работу с простыми промптами. Она подходит для создания портретов, fashion-изображений и кинематографичных сцен. В README рекомендованы 25–30 шагов сэмплирования и разрешение 512×512; для большего разрешения предлагается Hires.fix. Лицензия в метаданных указана как CreativeML OpenRAIL-M. Реалистичная направленность может ухудшать результаты для абстрактных и аниме-промптов. В отдельных настройках освещение и кожа могут выглядеть чрезмерно гладкими; модель также способна создавать чувствительный контент.

CyberRealistic Classic — модель генерации изображений по тексту, разработанная Cyberdelia на архитектуре Stable Diffusion 1.5. Она предназначена для фотореалистичных портретов и сцен и рассчитана на получение результатов с короткими и простыми запросами. Модель особенно хорошо подходит для изображений людей, моды и кинематографических сцен; поставляется в формате safetensors со встроенным VAE. В README рекомендуются разрешение 512×512 и 25–30 шагов сэмплирования; для увеличения разрешения предлагается Hires.fix. Модель работает с текстовыми запросами и выдаёт изображения. Она ориентирована на реализм, поэтому может хуже справляться с абстрактными и аниме-сюжетами; иногда освещение и кожа выглядят чрезмерно гладкими. README предупреждает, что результаты могут содержать чувствительный контент. Лицензия — CreativeML Open RAIL-M по метаданным Hugging Face; в README указано название CreativeML Open RAIL++-M.

Goekdeniz-Guelmez/dolphin-2.8-gemma-2b_gguf — разговорная модель для генерации текста, опубликованная разработчиком Gökdeniz Gülmez на Hugging Face. Она предназначена для диалоговых сценариев и локального запуска средствами, совместимыми с форматом GGUF, включая llama.cpp и другие поддерживающие его приложения. В карточке указаны около 3 млрд параметров, архитектура llama и формат GGUF. Доступны варианты квантования от 2 до 8 бит с размером файлов примерно от 1,33 до 3,23 ГБ. Сведения о поддерживаемых языках, размере контекста, точной базе обучения, лицензии и мультимодальных возможностях не указаны. Автор предупреждает, что текущая GGUF-версия выводит текст на латыни, предположительно из-за ошибочного квантования; это является существенным ограничением качества. Модель не размещена у inference-провайдеров, а условия лицензии в доступной карточке не приведены.

ylh1013/fintune-ja-chatbot — дообученная языковая модель на архитектуре GPT-2, созданная на основе rinna/japanese-gpt2-medium. Она предназначена для генерации текста в формате чат-бота на японском языке. Модель использует веса PyTorch и имеет контекст длиной 1024 токена. Модель может служить основой для японского чат-бота и генерации ответов в диалоге. Данные дообучения не описаны, поэтому нельзя оценить охват тем, качество ответов или пригодность для конкретной области. Лицензия — MIT.

MeiGen-MultiTalk — открытая модель MeiGen-AI для генерации видео с говорящими людьми по изображению и аудио. Она предназначена для создания диалогов с одним или несколькими персонажами, синхронизируя движения губ с речью и связывая аудио с нужным человеком в кадре. В README описаны управление персонажами с помощью текстовых подсказок, поддержка мультяшных персонажей и пения, разрешения 480p и 720p, произвольные соотношения сторон и длительность видео до 15 секунд. Модель использует аудио-ориентированный подход к генерации видео, метод Label Rotary Position Embedding для связывания аудио и видеолатентов, а также адаптивную локализацию человека по референсному изображению. В репозитории находятся веса в формате Safetensors; заявлена лицензия Apache-2.0. Для установки и запуска разработчики отсылают к своему GitHub-репозиторию.

MODA-Fashion-CrossDomain — дообученный HopitAI визуальный энкодер для поиска похожих предметов одежды по изображениям. Он основан на архитектуре ViT-B/16-SigLIP с 203,2 млн параметров и выдаёт векторное представление размерности 768. Модель предназначена для поиска одного и того же товара между студийными фотографиями из интернет-магазинов и пользовательскими снимками с улицы, а также для междоменного поиска изображений одежды. По данным карточки, на LookBench модель достигает Fine Recall@1 66,52% и превосходит FashionSigLIP на 2,68 процентного пункта; обучение проводилось на 13 557 парах-триплетах без использования LookBench и без дистилляции. Репозиторий включает полную архитектуру CLIP с визуальной и текстовой частями, но описанный сценарий инференса преобразует изображение в эмбеддинг для поиска. Модель распространяется по лицензии MIT. Ее качество подтверждено прежде всего на задачах поиска одежды; карточка не заявляет о равной эффективности на других предметных областях.

Модель cyberagent/opencole-stable-diffusion-xl-base-1.0-finetune — дообученная CyberAgent версия Stable Diffusion XL 1.0. Её UNet обучен на наборе данных OpenCOLE 1.0 для генерации изображений в стиле графического дизайна без текста по текстовому описанию. Модель предназначена для создания визуальных макетов и графических композиций, в которых текстовые элементы не требуются. Она использует архитектуру SDXL и библиотеку Diffusers; веса представлены в формате safetensors. Лицензия — OpenRAIL++.

Карточка модели maheshrawat18/Qwen3-8B-grpo-emotion-v4-merged на Hugging Face совпадает с карточкой maheshrawat18/Qwen3-8B-grpo-emotion-v3-merged, поэтому описание составлено по ней. maheshrawat18/Qwen3-8B-grpo-emotion-v3-merged — разговорная текстовая модель, разработанная maheshrawat18 на основе Qwen3. Это дообученная версия maheshrawat18/Qwen3-8B-grpo-emotion-v2-merged, предназначенная для генерации текста в диалогах. Название указывает на настройку для работы с эмоциями, однако README не уточняет её конкретные возможности или сценарии использования. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров. Она принимает текст и выдаёт текст, поддерживает английский язык и контекст до 40 960 токенов. Веса опубликованы в формате safetensors; модель обучали с использованием Unsloth. Лицензия — Apache-2.0.

Realistic Vision V1.4 — модель генерации изображений по текстовому описанию от автора SG161222, созданная на базе Stable Diffusion и предназначенная для фотореалистичных изображений, особенно портретов и сцен с людьми. Автор рекомендует промпты с описанием объекта, освещения, качества и фотокамеры; для генерации предлагает сэмплеры Euler A или DPM++ 2M Karras, около 25 шагов и CFG 3,5–7. Упоминается возможность увеличения разрешения с помощью Latent upscaler. Модель распространяется в форматах Diffusers, PyTorch и Safetensors по лицензии CreativeML OpenRAIL-M. Автор предупреждает, что фраза «RAW photo» в промпте может ухудшить результат. В README приведены негативные промпты для уменьшения анатомических и визуальных дефектов; конкретная длина контекста не относится к описанным характеристикам модели.

Siddhanto — модель Казала Чандры Бармана для принятия решений по разговорным текстам на бенгальском, английском и бенглиш, то есть романизированном бенгальском и смешанной речи. Она дообучена на базе convaiinnovations/laya-multilingual: кодировщика mmBERT-base с 322 млн параметров. Вместо фиксированного набора классов модель принимает вопрос и варианты ответа, заданные при запросе, и возвращает распределение вероятностей по этим вариантам. Динамическая двухслойная голова оценки вариантов поддерживает типизированные интерфейсы choice, noul и score. Модель предназначена для классификации намерений и маршрутизации сообщений, в том числе в задачах поддержки, электронной коммерции и туристических сервисов. В README описаны обучение на примерно 268 тысячах примеров, калибровка вероятностей и оценки на знакомых и новых схемах и доменах. На реальных сообщениях и незнакомых данных точность ниже, чем на синтетических примерах; специализированные модели могут превосходить её в своей узкой области. Большие списки вариантов расходуют бюджет головы в 1024 токена. Лицензия — Apache-2.0.

WindyTranslate/translate-en-mkh — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-en-mkh: веса дообучены на параллельном корпусе OPUS-100. Модель использует архитектуру MarianMT, содержит 53,9 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель предназначена для перевода с английского языка на кхаси (направление en→mkh). Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0. Качество перевода пока не оценивалось на бенчмарках; изменение весов подтверждает происхождение версии, но само по себе не свидетельствует о качестве. Поддерживается только одно направление перевода.

Ultravox-Qwen3.6-27B-v2 — англоязычная речевая модель QuantumDesk на архитектуре Ultravox, предназначенная для голосовых агентов телефонных линий. Она принимает аудио напрямую и формирует текстовый ответ в диалоге; также её можно использовать для транскрибирования речи. Модель объединяет Qwen3.6-27B, Whisper-large-v3-turbo и проекционный адаптер; по карточке, Whisper-энкодер обучался с LoRA, а обучение включало дистилляцию. Размер языковой модели — 27 млрд параметров. Репозиторий распространяет веса в формате safetensors и использует библиотеку Transformers. Модель обучена QuantumDesk для сценариев приёма звонков и продаж: в обучающих данных особое внимание уделено реальным телефонным записям и распознаванию плотных последовательностей сущностей — номеров, имён, адресов, дат и адресов электронной почты. В README приведены результаты на телефонной речи и обычном английском ASR, однако они не гарантируют качество на коротких репликах. Лицензия — Apache 2.0. К известным ограничениям относятся резкое падение качества на изолированных репликах короче примерно 1,5 секунды, ухудшение качества на языках кроме английского и при сильном акценте, а также чувствительность разговорного режима к формату инструкции, показанному в карточке. Для коротких фрагментов README рекомендует добавлять окружающий контекст или использовать резервную модель.

Wan2.2-S2V-14B-Diffusers — это версия модели Wan-AI/Wan2.2-S2V-14B, упакованная в структуру каталогов FastVideo. Она анимирует изображение человека, синхронизируя движения с голосовой записью, и предназначена для создания видео говорящего персонажа по изображению, аудио и текстовому запросу. Для генерации используются веса видеомодели Wan2.2-S2V-14B; текстовый энкодер, VAE, токенизатор и scheduler взяты из Diffusers-релиза Wan2.1, а аудиоэнкодер wav2vec2 — из официального репозитория S2V. Это конверсия формата и структуры файлов для совместимости с FastVideo: README сообщает, что веса модели не менялись, а тензоры видеомодели побайтно совпадают с официальным релизом. В README проверена загрузка 1260 тензоров с корректными именами и формами, но сквозная генерация видео на GPU ещё не проверена. Репозиторий распространяется по лицензии Apache-2.0.

La Javaness разработала wav2vec2-lg-xlsr-fr-speech-emotion-recognition как экспериментальный классификатор эмоций в разговорной речи на французском языке. Модель построена на архитектуре Wav2Vec2ForSequenceClassification, содержит 402,7 млн параметров и принимает аудио, а на выходе присваивает фрагментам речи пять эмоциональных классов: Pleased, Relaxed, Neutral, Sad и Tension. Её обучили на примерно четырёх часах реальных разговоров с более чем 30 участниками в разных условиях записи, чтобы анализировать речь, например, в колл-центрах и интервью. На собственной выборке модель показала F1-micro 0,56 и F1-macro 0,45, однако авторы отмечают слабые результаты на стандартных англоязычных и франкоязычных тестах и считают модель proof of concept. Распознавание эмоций в реальных разговорах зависит от данных, поэтому результаты могут быть ненадёжными; авторы ожидают улучшения при расширении обучающей выборки. Модель распространяется по лицензии Apache-2.0.

Модель data354/camembert-fr-covid-tweet-sentiment-classification — франкоязычный чекпойнт для классификации тональности твитов о COVID-19. В README указано, что модель дообучена на SST-2 на основе Yanzhu/bertweetfr-base; при этом описанный набор меток включает негативную, нейтральную и позитивную тональность. Архитектура в метаданных обозначена как CamemBERT для классификации последовательностей, размер — 137,8 млн параметров, максимальная длина контекста — 514 токенов. Модель предназначена для определения эмоциональной окраски франкоязычных сообщений в Twitter и может применяться для анализа общественных реакций на пандемию. На dev-наборе README сообщает точность 71%. Лицензия — Apache-2.0. Результат следует трактовать с осторожностью: README противоречиво описывает задачу и данные — называет SST-2 и четырёхклассовую классификацию тем, но перечисляет только три класса тональности; качество на других данных не подтверждено.

CentralBankRoBERTa-sentiment-classifier — модель на архитектуре RoBERTa, дообученная для анализа предложений из коммуникаций центральных банков. Она определяет тональность как положительную или отрицательную применительно к домохозяйствам, компаниям, финансовому сектору или правительству. Модель предназначена для анализа заявлений и публикаций центральных банков; в карточке указаны accuracy, F1, precision и recall по 0,88. Модель содержит 151,8 млн параметров, принимает текст и выдаёт метки классификации. Максимальная длина контекста — 514 токенов. В метаданных указан английский язык, формат PyTorch и лицензия MIT. Для текстов на других языках качество не подтверждено; также карточка не описывает поведение на предложениях вне сферы коммуникаций центральных банков.

CyberIllustrious — модель генерации изображений по текстовому описанию от Cyberdelia, также известная как CyberRealistic. Это фотореалистичная адаптация чекпойнта Illustrious-XL, сохранённая в формате safetensors и включающая встроенный VAE. Модель предназначена для создания детализированных изображений, особенно портретов и сцен с людьми, а также модных, редакционных и кинематографических сюжетов. Для генерации достаточно текстового запроса; модель рассчитана на простые промпты и хорошо передаёт реалистичный вид. В README рекомендуются 30 и более шагов сэмплирования, сэмплеры DPM++ SDE Karras, DPM++ 2M Karras или Euler a и разрешения 896×1152 либо 832×1216. Лицензия — CreativeML Open RAIL++-M; её условия следует учитывать при использовании и распространении результатов.

CyberRealistic Pony Catalyst — экспериментальная модель генерации изображений из текста, созданная как ответвление линейки CyberRealistic Pony. Она предназначена для создания фотореалистичных изображений по коротким или подробным текстовым запросам; особенно проработаны лица, глаза, кожа, освещение и текстуры. Модель основана на Stable Diffusion XL и распространяется в формате Safetensors для Diffusers. В README рекомендованы 25–30 шагов сэмплирования и разрешения 896×1152 или 832×1216. Встроенный VAE позволяет работать без отдельного VAE. Модель ориентирована на реалистичную эстетику: абстрактные и аниме-запросы могут давать менее качественные результаты, а кожа и освещение иногда выглядят чрезмерно гладкими или чистыми. Лицензия — CreativeML OpenRAIL-M.

Модель abdelkader/distilbert-base-uncased-finetuned-clinc — дообученная версия DistilBERT от команды Hugging Face на датасете clinc_oos для классификации пользовательских запросов по намерениям и распознавания запросов вне известных категорий. Она использует архитектуру DistilBertForSequenceClassification, принимает текст и выдаёт метки классов. На оценочной выборке указана точность 0,9174. Максимальная длина контекста — 512 токенов. Модель подходит для маршрутизации коротких запросов в диалоговых системах и определения намерений пользователя. Модель работает с английским текстом, что следует из uncased-варианта базового DistilBERT и датасета clinc_oos. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Карточка не раскрывает подробности обучения и ограничения за пределами оценки на наборе clinc_oos, поэтому качество на других типах запросов не установлено.

Lahgtna-OmniVoice Egyptian v3 — модель OmniVoice, дообученная ehabnegm на египетской разговорной арабской речи. Она преобразует текст без диакритических знаков в речь, поддерживает два обученных голоса и клонирование голоса по аудиореференсу. Модель рассчитана на многоголосые продукты, длинные реплики и потоковую генерацию; в README отмечены улучшенная разборчивость чисел и меньшая задержка по сравнению с v2. В тесте на 321 слово модель сохраняла связность текста лучше предыдущих версий семейства. Для синтеза следует подавать египетский арабский текст без огласовок и указывать язык как arz. Числа рекомендуется записывать словами, а английские фрагменты — удалять или транслитерировать: переключение на английский не обучалось. Для клонирования требуется аудиореференс и его текстовая расшифровка. Модель распространяется по лицензии Apache-2.0; README также просит получить разрешение на коммерческое использование голосов, созданных на основе публичных YouTube-материалов, и не применять их для имитации или введения в заблуждение.

Карточка модели mobark3/lahja-sa-huba-v1 на Hugging Face совпадает с карточкой wasmdashai/lahja-sa-huba-v1, поэтому описание составлено по ней. Lahja SA Huba V1 — модель синтеза речи на арабском языке, разработанная WasmAI и настроенная на саудовский диалект. Она преобразует текст в естественную речь с характерными для диалекта произношением, ритмом и интонацией. Модель создана на архитектуре VITS и дообучена на наборе данных LAHJA-API-Data; содержит 3,5 млн параметров и распространяется в формате safetensors для использования с Transformers. Модель предназначена для голосовых помощников, чат-ботов, IVR, клиентской поддержки, образовательных и вспомогательных сервисов, а также голосовых интерфейсов устройств и робототехники. Заявлены низкая задержка и выразительная речь. Лицензия в предоставленных данных не указана.

Helsinki-NLP/opus-mt-es-yua — модель машинного перевода семейства MarianMT, опубликованная Helsinki-NLP в рамках проекта OPUS-MT. Она переводит текст с испанского языка на юкатекский майя (yua). Модель основана на Transformer с выравниванием, содержит 48,7 млн параметров и рассчитана на контекст до 512 токенов. Для предобработки применяются нормализация текста и SentencePiece. Модель подходит для перевода отдельных фраз и текстов с испанского на юкатекский; на наборе JW300.es.yua указаны оценки BLEU 23,6 и chr-F 0,471. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Qwen-Image-Edit-2509-Fusion — адаптер LoRA для модели Qwen-Image-Edit-2509, разработанный автором dx8152 и обученный с использованием инфраструктуры ModelScope. Модель предназначена для задач image-to-image и融合 изображений: интеграции продукта или объекта в фон с согласованием перспективы, освещения и визуального окружения. Адаптер используется совместно с базовой моделью Qwen/Qwen-Image-Edit-2509 и, согласно README, требует также LoRA Qwen-Image-Lightning. Для активации указаны триггерные слова «溶图» и «纠正产品透视角度和光影并使产品融入背景», связанные соответственно с объединением изображений и коррекцией перспективы, света и интеграцией продукта в фон. Сведения о размере, точной архитектуре базовой модели, поддерживаемых языках и максимальном контексте не приведены. Основная сильная сторона модели — специализация на реалистичном совмещении объектов и фонов с коррекцией перспективы и освещения. Ограничения включают зависимость от совместного использования базовой модели и дополнительного Lightning LoRA, а также отсутствие подробных данных о качестве, параметрах и рекомендуемых настройках. В карточке указана лицензия Apache-2.0.

Windstorm Labs выпустила модель машинного перевода с английского на валлийский, дообученную на параллельных данных от Helsinki-NLP/opus-mt-en-cy. Это модель MarianMT с 53 млн параметров, предназначенная для перевода текста только в направлении en→cy; максимальная длина контекста — 512 токенов. LoRA-дообучение объединено с базовыми весами, а модель доступна в формате safetensors для Transformers. В ограниченной проверке на 48 предложениях FLORES-200 она получила chrF++ 28,73 и BLEU 8,98; этот результат не является полноценной публикационной оценкой. Модель распространяется по лицензии Apache-2.0.