IV.1Ритейл, электронная коммерция и fashion-tech

Speaklar Gemma 3 1B IT — дообученная с помощью QLoRA инструкция Gemma 3 на 1 млрд параметров для диалогов голосовых ботов на бенгальском языке. Модель использует контекст базы знаний, чтобы отвечать по предоставленным свидетельствам, признавать отсутствие нужной информации и соблюдать стиль голосового агента. Архитектура — Gemma3ForCausalLM; модель работает с текстом, поддерживает контекст длиной до 32 768 токенов и предназначена для генерации диалоговых ответов. Модель обучена на 15 000 примерах поведения бенгальского голосового бота. Датасет включает ввод и контекст на бенгальском, английском и бенглиш, а ответы модели формируются только на бенгальском. Среди сценариев — сбор сведений для заказов и записи на приём, расчёты, обработка жалоб, безопасные ответы на вопросы об оплате и передача чувствительных или неподдерживаемых обращений оператору. Для работы следует передавать подходящий контекст из базы знаний; качество заземления зависит от корректного поиска контекста и проверок на стороне продукта. README рекомендует оценить модель на реальном трафике перед производственным запуском. Сведений о лицензии в доступных данных нет.

TencentARC/t2iadapter_sketch_sd15v2 — адаптер T2I-Adapter для генерации изображений на основе Stable Diffusion 1.5. Разработан авторами проекта T2I-Adapter; адаптер добавляет к базовой модели управляющее условие в виде эскиза. Модель предназначена для преобразования эскиза в изображение с помощью текстового запроса и совместимой базовой модели Stable Diffusion 1.5. Она даёт возможность направлять генерацию по структуре наброска; для работы требуется базовый чекпойнт runwayml/stable-diffusion-v1-5 и программная среда Diffusers. Модель работает с изображениями и текстовыми запросами, выдаёт сгенерированные изображения. Карточка указывает английский язык и лицензию Apache 2.0. Качество результата зависит от базовой модели, эскиза и запроса; адаптер предназначен для конкретного типа условия и версии Stable Diffusion.

UniWorld-View — модель для синтеза новых ракурсов сцены на основе видео или одиночного изображения. В карточке она описана как единая система, использующая видеодиффузионные модели для управляемого синтеза ракурсов с большим изменением точки обзора. В метаданных задача модели обозначена как image-to-video, а веса представлены в формате safetensors. Модель предназначена для создания последовательности видеокадров с новыми ракурсами по монокулярному входу. Репозиторий указывает лицензию Apache-2.0. Карточка не содержит сведений о размере модели, поддерживаемых языках, длине контекста или подробных ограничениях качества.

openmmlab/upernet-swin-tiny — модель семантической сегментации изображений на основе фреймворка UperNet и компактного backbone Swin Transformer. UperNet объединяет backbone с Feature Pyramid Network и модулем Pyramid Pooling Module; модель предсказывает семантическую метку для каждого пикселя изображения. Модель предназначена для разметки сцен и разделения изображений на семантические области. Вариант Swin Transformer tiny использует иерархический vision transformer со сдвинутыми окнами. Репозиторий содержит веса PyTorch и опубликован под лицензией MIT. Карточка не приводит конкретные датасеты или набор классов сегментации; для специализированных сценариев доступны дообученные варианты.

VGGT-1B-Commercial — контрольная точка Visual Geometry Grounded Transformer, разработанная Meta AI Research и University of Oxford, VGG. Модель предназначена для восстановления геометрии сцены по одному, нескольким или множеству изображений и выдаёт 3D-атрибуты, включая параметры камер, карты глубины, карты точек и траектории 3D-точек. VGGT — прямой нейросетевой трансформер, который выполняет оценку за секунды. Репозиторий содержит веса в формате safetensors; карточка указывает лицензию для коммерческого использования с исключением военных применений. Полные условия приведены в файле LICENSE.

Walkyrie-1.3B-v2.0 — диффузионная модель для генерации изображений по текстовым описаниям, разработанная kpsss34 как дообучение Walkyrie-1.3B-v1.0. Модель запускается через Diffusers; карточка также указывает поддержку узла ComfyUI. В README отмечено улучшенное понимание анатомии и возможность выполнять генерацию за 12–28 шагов. Поддерживается только CFG 1.0. Модель ориентирована на создание изображений по текстовым промптам; язык карточки — английский. Репозиторий распространяется по лицензии Apache-2.0.

Wan2.1-Fun-V1.1-1.3B-Control — модель Alibaba PAI для генерации видео с управлением по заданным условиям. Она принимает текстовый запрос и управляющие данные, например видео с контурами Canny, картой глубины, позой или линиями MLSD; также поддерживает сочетание управляющих данных с референсным изображением и управление траекторией. Модель обучалась на 81 кадре при 16 кадрах в секунду и поддерживает генерацию в разрешениях 512, 768 и 1024 пикселя, а также многоязычные запросы. В метаданных указаны 990,9 млн параметров, архитектурное семейство I2V, библиотека VideoX-Fun и формат safetensors. Модель предназначена для создания управляемых видеосцен, переноса заданной структуры движения и подготовки визуальных прототипов. Для экономии видеопамяти доступны режимы выгрузки модели на CPU; режим с квантизацией float8 может несколько снизить качество. Для работы нужны значительные ресурсы хранения и совместимая среда с GPU. Лицензия — Apache 2.0.

В репозитории smp-hub/xception.imagenet размещены предобученные на ImageNet веса Xception, предназначенные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Модель можно применять как основу для классификации изображений и извлечения признаков при построении моделей сегментации. Карточка не сообщает размер модели, длину контекста или конкретные ограничения качества. Репозиторий содержит веса в формате safetensors; лицензия в метаданных обозначена как other, без уточнения условий.

Z-Image-Lora — адаптер LoRA для генерации изображений, предназначенный для использования с моделями Tongyi-MAI/Z-Image и Tongyi-MAI/Z-Image-Turbo. В README модель связана с проектом nphSi; точная информация об авторе или организации-разработчике отдельно не указана. Адаптер распространяется в формате safetensors и рассчитан на работу через инструменты экосистемы Diffusers. Модель предназначена для text-to-image-сценариев, в частности для генерации изображений людей и воспроизведения внешности или образов, представленных в наборе обучающих данных nphSi/LoRa_Datasets. Для активации конкретного образа необходимо использовать полное имя LoRA вместе с соответствующим trigger word формата vrtlxxxx; обычные описания вроде Woman или 1girl, согласно README, могут не сработать. Для адаптеров с несколькими триггерами предусмотрено использование специальных trigger words, включая vrtlMain. Ключевые архитектурные характеристики базовых моделей, размер адаптера, поддерживаемые языки и максимальный контекст в README не указаны. Сильной стороной является специализация на управляемой генерации образов и совместимость с двумя вариантами Z-Image. Ограничения включают зависимость результата от правильного trigger word, конкретной базовой модели и параметров инференса; качество и область применимости для других сюжетов или персонажей не описаны. Модель распространяется по лицензии Apache-2.0.

tue-mps/ade20k_panoptic_eomt_large_640 — модель сегментации изображений на архитектуре EoMT (Encoder-only Mask Transformer), разработанной авторами статьи «Your ViT is Secretly an Image Segmentation Model». EoMT использует Vision Transformer и предназначена для высококачественной сегментации без специализированного декодера или модулей слияния пиксельных признаков. Эта версия настроена для паноптической сегментации сцен ADE20K; семейство EoMT также поддерживает семантическую и экземплярную сегментацию с соответствующей постобработкой. Модель содержит около 402,7 млн параметров, принимает изображения и выдаёт сегментационные маски и классы. Репозиторий содержит веса PyTorch в формате Safetensors и распространяется по лицензии MIT.

Cinemo — модель для анимации изображений, разработанная авторами одноимённой работы. Она создаёт последовательность кадров на основе изображения и позволяет управлять интенсивностью движения. Вместо прямой генерации последующих кадров модель работает с распределением остаточных движений, чтобы получать более плавную анимацию и сохранять согласованность между кадрами. Для повышения временной согласованности Cinemo уточняет шум с помощью дискретного косинусного преобразования. Модель также можно применять для переноса движения и редактирования видео. В репозитории опубликованы предобученные веса и код инференса; лицензия — Apache 2.0. Метаданные также помечают репозиторий как image-to-video и text-to-image, однако README описывает именно анимацию изображений.

ContaLLM-Food-Beverage-8B-Instruct — китайская инструкционная языковая модель ContaAI для маркетинга в индустрии продуктов питания и напитков. Она дообучена на базе meta-llama/Llama-3.1-8B-Instruct на сочетании открытых, синтетических и размеченных людьми данных. Модель содержит 7,5 млрд параметров, использует архитектуру Llama и формат safetensors; базовый контекст — 131 072 токена. Модель генерирует маркетинговые тексты с учётом заданных потребностей, выбранного продукта и сведений о нём, ключевых слов, преимуществ, сценариев использования, хэштегов и формата публикации. Основной язык — китайский. Для применения требуется Transformers. Модель распространяется по лицензии Llama 3.1 Community License Agreement. В карточке отмечено, что во время генерации модель не использует встроенную фильтрацию ответов, поэтому она может выдавать проблемный контент; результаты следует проверять и при необходимости фильтровать.

xinsir/controlnet-openpose-sdxl-1.0 — модель ControlNet, разработанная xinsir и дообученная на базе stabilityai/stable-diffusion-xl-base-1.0. Она предназначена для генерации изображений по текстовому описанию с управлением позой человека на основе OpenPose, поэтому подходит для создания персонажей и сцен с заданным положением тела, в том числе в реалистичной и аниме-стилистике. Модель интегрируется с StableDiffusionXLControlNetPipeline из библиотеки Diffusers и использует SDXL. README не указывает размер модели, поддерживаемые языки, точную длину контекста и полный набор модальностей. К сильным сторонам относятся контроль композиции и позы через условное изображение OpenPose, а также совместимость с экосистемой Diffusers. Для стабильной работы может потребоваться специальная функция отрисовки позы из пакета controlnet_aux; качество зависит от корректности позовой разметки, текстового запроса и базовой модели. Лицензия — Apache-2.0.

Это общественная квантизация NVFP4 модели NVIDIA Cosmos3-Super-Image2Video-4Step для генерации видео по изображению. Исходная модель имеет 64 млрд параметров и использует дистилляцию DMD2 для генерации за четыре шага без classifier-free guidance. Квантизация весов уменьшает заявленный объём памяти примерно до 38 ГБ; часть компонентов, включая активации, эмбеддинги и нормализации, оставлена в BF16. Модель предназначена для создания видеоклипа на основе входного изображения. Репозиторий содержит вариант для загрузки через Diffusers и сервер FastAPI; для запуска на одном GPU README указывает ориентир от 45 ГБ свободной памяти. Для этой квантизированной точности нет официальной проверки или поддержки NVIDIA, а автор предупреждает о возможной дополнительной ошибке квантования по сравнению с FP8. README также описывает проблемы совместимости с указанной dev-версией Diffusers, исправляемые включённым скриптом обслуживания. Лицензия в метаданных обозначена как other; точные условия следует сверить с карточкой исходной модели.

CyberRealisticXL-GGUF — это набор GGUF-квантизаций и извлечённых компонентов модели CyberRealistic XL v10.0, разработанной Cyberdelia и подготовленной пользователем InsecureErasure для использования с ComfyUI-GGUF. Модель основана на архитектуре Stable Diffusion XL и предназначена для генерации изображений по текстовому описанию, в частности реалистичных портретов и сцен с фотографическим стилем. В репозитории представлены варианты весов F16, Q8_0, Q6_K, Q5_K_S, Q4_K_M, Q3_K_M и Q2_K, а также компоненты CLIP в формате Safetensors. GGUF-версии рассчитаны на разные компромиссы между качеством генерации, размером файлов и требованиями к памяти. В README подтверждается совместимость конфигураций с VAE и эквивалентность результатов для отдельных вариантов, однако поддерживаемые языки, размер контекста и точные системные требования не указаны. Сильными сторонами модели являются ориентация на реалистичную визуальную стилистику, наличие нескольких уровней квантизации и интеграция с ComfyUI-GGUF. Более сильная квантизация может снижать требования к ресурсам, но потенциально сказывается на качестве и детализации изображений; кроме того, для работы необходимы совместимые компоненты SDXL, CLIP, VAE и соответствующий интерфейс. Модель и производные веса распространяются по лицензии creativeml-openrail-m, если иное не установлено условиями исходной модели.

Depth Anything — крупная модель для оценки глубины по изображениям, представленная Lihe Yang и соавторами. Эта версия подготовлена для библиотеки Transformers и использует архитектуру DPT с backbone DINOv2. Модель обучена на примерно 62 миллионах изображений и предназначена для оценки относительной и абсолютной глубины, в том числе в zero-shot сценариях. Она выдаёт карту глубины для входного изображения и может применяться в задачах компьютерного зрения и анализа сцен. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Fire3D — модельная система для восстановления трёхмерных сцен, разработанная авторами проекта Fire3D. Она преобразует одно RGB-изображение или обычное RGB-видео в набор согласованных 3D-ресурсов сцены: определяет объекты, их положение и ориентацию, ограничивающие рамки, геометрию сеток и текстуры. Для реконструкции используется каскад моделей на основе flow matching, а результат формируется без дополнительной оптимизации на тестовом примере. В комплект входят контрольные точки восприятия сцены, реконструкции структуры и формы, VAE-компоненты и декодеры TRELLIS.2. Модель предназначена для создания редактируемых сцен и ресурсов, пригодных для использования в симуляции. Выпущенные контрольные точки рассчитаны на инференс по фиксированным протоколам. Качество может снижаться при неточных позах камеры или глубине, сильных перекрытиях, необычном масштабе, некомнатном фоне и объектах вне обучающего распределения; сгенерированные сетки следует проверять перед применением в критичных или физических системах. Лицензия указана как other, конкретные условия следует проверять в репозитории.

Joy-LTX 2.5 x Z-Image GGUF — это объединённая модель для генерации видео из текста, созданная joeygambino на базе Lightricks/LTX-2.5 и Joy-LTX 2.5. В модель внедрён профиль spatial attention от Z-Image, ориентированный на более детализированное отображение поверхностей, текстур, растительности, мелких объектов и фактуры кожи. Модель предназначена для сценариев text-to-video и audio-video в рабочих процессах ComfyUI. Модель распространяется в формате GGUF с вариантами квантования от Q2_K до Q8_0. Q8_0 служит ориентиром по качеству, Q6_K и Q5_K_M предлагают хороший баланс качества и размера, а Q4_K_M и Q4_K_S рассчитаны на видеокарты RTX 30/40. Q2_K и Q3_K_M подходят для систем с небольшим объёмом видеопамяти, но дают заметное снижение качества. Указана совместимость с workflow Joy-LTX 2.5 v2 GGUF, теми же загрузчиками, настройками и seeds. На RTX 30/40 GGUF-варианты заявлены как значительно более быстрые, тогда как для Blackwell рекомендуются другие native-варианты. Основное преимущество модели — улучшенная детализация поверхностей и пространственных характеристик при сохранении исходных особенностей идентичности, движения и звука. Ограничения включают зависимость качества от выбранного уровня квантования и отсутствие заявленных улучшений для идентичности, движения и звуковой составляющей. Языки и размер контекстного окна в README не указаны. Лицензия: ltx-2.5-community-license, исходная модель — Lightricks/LTX-2.5.

TheDivergentAI/krea2-turbo-distill-lora — экспериментальный набор LoRA-адаптеров, разработанный TheDivergentAI. Он предназначен для приближения поведения Krea-2-Turbo при использовании базовой модели krea/Krea-2-Raw без загрузки полного чекпойнта Turbo объёмом 24 ГБ. Адаптеры ориентированы на генерацию изображений из текста и могут применяться через ComfyUI или Hugging Face Diffusers. Адаптеры извлечены из разницы весов между krea/Krea-2-Turbo и krea/Krea-2-Raw с помощью усечённого SVD для 2D-матриц весов трансформера. Доступны варианты ранга 64, 128 и 256 размером примерно 0,47, 0,94 и 1,87 ГБ соответственно; рекомендованным начальным вариантом назван r128, а r256 обеспечивает наиболее точное приближение. Для работы рекомендуются 8 шагов, CFG 0 и timestep shift mu около 1,15. Модель позволяет получить turbo-подобное поведение при меньших требованиях к хранению, но точность приближения ограничена низкоранговой факторизацией, особенно в отдельных текстовых и временных MLP-слоях. Это неофициальный релиз Krea, а экспериментальный проект; качество и поведение могут отличаться от оригинальной Krea-2-Turbo. Указана лицензия Krea-2 Community License.

Krea-2-Turbo Training Adapter — обучающий адаптер LoRA для дообучения модели krea/Krea-2-Turbo, разработанный для использования с AI Toolkit; потенциально совместим и с другими средствами обучения. Он предназначен для fine-tuning дистиллированной text-to-image-модели в сценариях обучения стилей, концепций и персонажей. Адаптер снижает скорость разрушения step distillation во время коротких обучающих запусков, помогая сохранить преимущества турборежима и высокую скорость генерации. Он был получен обучением LoRA на тысячах изображений разных размеров и соотношений сторон с низкой скоростью обучения 1e-5. При инференсе адаптер удаляется, а изученная новая информация сохраняется в основной LoRA. Главное ограничение — это эвристический обходной метод, а не полноценное устранение проблемы дистилляции: при длительном обучении distillation постепенно разрушается, что после удаления адаптера может привести к артефактам. Размер, поддерживаемые языки и модальности сверх text-to-image, а также точные характеристики архитектуры не указаны. Лицензия обозначена как krea-2-community-license; условия следует уточнять в указанном лицензионном документе.

Это версия lightweight-OpenPose от сообщества LiteRT в формате TFLite, подготовленная для локального распознавания позы человека на устройствах. Модель основана на MobileNet и обучена для оценки 2D-позы на наборе COCO 2017 Keypoints; конверсия весов выполнена без дополнительного обучения. Репозиторий содержит варианты с весами FP16 и FP32, размером около 8,3 и 16,4 МБ соответственно. На вход подаётся RGB-изображение 256 × 256, на выходе — тепловые карты 18 ключевых точек тела и фон на сетке 32 × 32. Координаты точек и сборку скелета нужно вычислять в приложении. README описывает запуск через LiteRT GPU на Android и приводит результаты измерений на отдельных устройствах; фактическая скорость зависит от устройства и среды выполнения. Модель не идентифицирует людей. Лицензия репозитория — Apache-2.0.

LogoRedmond-LogoLoraForSDXL-V2 — LoRA-модель, разработанная artificialguybr при поддержке Redmond.AI. Она дообучена на базе Stable Diffusion XL 1.0 и предназначена для генерации изображений логотипов и иконок в формате text-to-image. Модель ориентирована на создание логотипов в самых разных тематиках и отличается универсальностью. Для активации рекомендуется использовать тег LogoRedmAF вместе с описанием Icons; результат можно дополнительно направлять словами detailed, minimalist, colorful, black and white. Автор рекомендует разрешение 1024×1024 и простые промпты, поскольку для получения удачного изображения иногда требуется несколько генераций. Модель подходит для создания цветных и монохромных, минималистичных и детализированных логотипов, однако не гарантирует идеальный результат с первой попытки. В README не указаны точный размер LoRA, поддерживаемые языки, дополнительные модальности и параметры контекстного окна. Модель распространяется по лицензии CreativeML Open RAIL-M.

Это модель MAnet с энкодером ResNet18 для семантической сегментации изображений, размещённая в репозитории smp-test-models/manet-tu-resnet18. Она предназначена для присвоения меток пикселям изображения. Загрузить модель можно через библиотеку segmentation-models-pytorch и метод from_pretrained. В карточке не приведены датасет и метрики качества, поэтому оценить точность модели и её пригодность для конкретных изображений нельзя. Модель опубликована под лицензией MIT.

Marigold Depth v1-0 — модель для оценки глубины по одному изображению, разработанная Bingxin Ke, Anton Obukhov, Shengyu Huang, Nando Metzger, Rodrigo Caye Daudt и Konrad Schindler. Это дообученная на базе Stable Diffusion 2 латентная диффузионная модель, предназначенная для монокулярной оценки глубины и рассчитанная на работу с изображениями в различных сценах без привязки к конкретному домену. Модель выдаёт карту относительной глубины, значения которой от 0 до 1 обозначают ближние и дальние области в выбранном моделью масштабе; абсолютные расстояния она не предсказывает. При объединении более двух предсказаний также можно получить карту неопределённости. Для наилучшего качества авторы рекомендуют DDIM и 10–50 шагов денойзинга. Хотя можно обрабатывать изображения любого размера, эффективное разрешение унаследовано от базовой модели и составляет около 768 пикселей; для крупных изображений рекомендуется уменьшить длинную сторону до этого размера. Модель опубликована под лицензией Apache 2.0 и доступна для использования через Diffusers. Она предназначена для оценки глубины по одиночным изображениям и не заменяет измерение абсолютных расстояний; версия v1-0 может давать менее оптимальные результаты при настройках числа шагов, отличных от рекомендованных.

nvidia/mit-b1 — энкодер SegFormer размера B1, выпущенный командой NVIDIA и представленный в статье SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers. Модель содержит иерархический Transformer-энкодер, предварительно обученный на ImageNet-1k; в репозитории доступны веса PyTorch и TensorFlow. Энкодер предназначен прежде всего для дообучения на задачах семантической сегментации. В карточке также приведён сценарий классификации изображений по 1000 классам ImageNet. Для готовой сегментации требуется добавить декодирующую голову и дообучить модель на целевом наборе данных. Лицензия указана как other, без уточнения условий в предоставленных данных.

Это веса модели mit_b1, подготовленные для использования в качестве энкодера библиотекой segmentation-models-pytorch. Модель предназначена для классификации изображений и может служить основой для систем сегментации, собираемых с помощью этой библиотеки. В репозитории опубликованы предварительно обученные на ImageNet веса в формате safetensors. Карточка не сообщает размер модели, поддерживаемые языки или лицензионные условия; метаданные указывают лицензию other. Перед использованием следует проверить условия распространения весов и библиотеки.

Репозиторий содержит веса модели mit_b3, предварительно обученной на ImageNet и предназначенной для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Модель относится к семейству Mix Transformer (MiT) и применяется как визуальная основа для задач классификации изображений и сегментации в составе соответствующих моделей библиотеки. Карточка указывает формат весов safetensors и лицензию other. Сведения о размере модели, поддерживаемых языках и конкретных ограничениях качества не приведены.

Modality Forcing — модель генерации пространственных изображений, разработанная авторами проекта Modality Forcing и построенная на базе FLUX.2. Один диффузионный трансформер создаёт RGB-изображение и карту глубины совместно по текстовому запросу, а при выводе также поддерживает преобразования изображение → глубина и глубина → изображение. Веса FluxRGBD DiT содержат 12 млрд параметров: основу класса FLUX.2 на 9 млрд параметров и дополнительные потоки для глубины; указана точность bf16. Текстовый энкодер Qwen3-8B загружается отдельно. Модель предназначена для генерации RGB-D данных и масштабируемого пространственного синтеза. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

NiRNE — модель оценки нормалей по изображению, входящая в состав Hi3DGen. Она принимает изображение и предсказывает карту нормалей, пригодную для сценариев восстановления геометрии или создания 3D-контента. Репозиторий содержит веса для библиотеки Diffusers и конвейера YOSONormalsPipeline. Модель предназначена для задачи преобразования изображения; подробности архитектуры и размер модели в карточке не описаны. Веса распространяются по лицензии Apache-2.0. Карточка ссылается на репозиторий GitHub за инструкциями по использованию. Данных о поддерживаемых естественных языках нет, поскольку модель работает с изображениями.

Eugeoter/noob-sdxl-controlnet-softedge_hed — модель на базе Laxhar/sdxl_noob, предназначенная для генерации изображений по текстовым описаниям с использованием управления композицией через ControlNet SoftEdge HED. Она ориентирована на сценарии, где необходимо сохранить или направить структуру и контуры исходного изображения при создании результата в экосистеме Diffusers. Модель относится к семейству Stable Diffusion XL и использует pipeline text-to-image. В доступных данных указано, что она поддерживает английский язык. Архитектурные детали, число параметров, размер контекста, точный набор поддерживаемых модальностей и дополнительные ограничения не указаны. Сильной стороной является сочетание генерации изображений на базе SDXL и контроля по мягким границам SoftEdge HED, однако качество и область применения зависят от исходной модели, управляющего изображения и настроек Diffusers. Модель распространяется по лицензии Fair AI Public License 1.0 for SD; перед использованием необходимо ознакомиться с её условиями по указанной ссылке.