IV.1Ритейл, электронная коммерция и fashion-tech

calcuis/ltxv0.9.7-gguf — это GGUF-квантизированный вариант модели LTX-Video, разработанной Lightricks и адаптированный для работы в ComfyUI с использованием gguf-node. Модель предназначена для генерации видео по текстовому описанию, а также, судя по указанным материалам, поддерживает сценарии image-to-video. В README приведены примеры генерации кинематографичных сцен с движением камеры и преобразованием текстового промпта в видео. В состав поставки входят GGUF-модель, текстовый энкодер T5XXL и VAE-компонент, размещаемые в соответствующих каталогах ComfyUI. Указаны варианты 0.9.7-dev и 0.9.7-distilled, однако их точные различия не описаны. Поддерживаемый язык — английский. Архитектура, количество параметров, максимальная длина контекста, поддерживаемые разрешения и точный набор модальностей не указаны. Для работы требуется актуальная версия ComfyUI с поддержкой автоматического определения размера тензоров. К сильным сторонам относятся совместимость с ComfyUI, возможность локального запуска через GGUF и наличие готовых рабочих процессов. Ограничения связаны с отсутствием подробных характеристик качества, производительности, требований к ресурсам и подтверждённых сведений о поддержке дополнительных языков. Лицензия обозначена как other; конкретные условия следует уточнять в файле LICENSE исходного репозитория.

mikkoph-klein9b — LoRA-модель, разработанная Michele Balistreri для воспроизведения авторского фотографического стиля mikkoph. Она обучена на 55 изображениях из портфолио автора, права на которые, согласно описанию, принадлежат разработчику. Базовая модель — black-forest-labs/FLUX.2-klein-9B, а формат ориентирован на генерацию изображений в экосистеме Diffusers. Модель предназначена для создания портретов и студийных фотографий с характерными приёмами автора: выразительным макияжем, постановочным и контрастным освещением, экспериментальными образами, необычными цветовыми сочетаниями и эффектами постобработки. В примерах представлены крупные и поясные портреты людей, гламурная, авангардная, киберпанк- и сюрреалистическая эстетика. Для активации рекомендуется использовать триггерную фразу «by mikkoph», хотя автор отмечает, что она необязательна; также может помогать выражение «studio shot». LoRA обучалась локально с помощью SimpleTuner на устройстве Strix Halo в течение 1000 шагов, но опубликован чекпойнт после 600 шагов. Рекомендуемый вес адаптера составляет примерно 1–1,3. Языки, максимальный размер контекста и точные параметры архитектуры самой LoRA не указаны. Сильной стороной модели является выраженная стилизация портретов и передача характерных особенностей освещения, макияжа и визуальной обработки; разработчик предупреждает, что обучение не было оптимальным, поэтому возможны нестабильность и зависимость результата от промпта и веса LoRA. Модель распространяется по лицензии Apache-2.0.

MiniMax-H3 x Z-Image Hybrid GGUF — экспериментальная общественная конверсия гибридной модели, созданная hoidhxd на основе hoidhxd/MiniMax-H3-x-Z-Image-hybrid. Модель предназначена для генерации видео и преобразования изображения в видео и рассчитана на использование через ComfyUI-GGUF при наличии поддержки архитектуры MiniMax-H3. Модель объединяет ветви FL2VA и REF2VA в единую архитектуру: блоки B00–B24 используют FL2VA, B25–B49 — REF2VA, а B50 и последующие — FL2VA. Доступно представление GGUF в формате BF16; дополнительные варианты квантования Q4_0, Q5_0 и Q8_0 заявлены как возможные будущие файлы. Сведения о размере модели, поддерживаемых языках, контекстном окне и точных модальностях, помимо сценариев генерации видео и image-to-video, в README не указаны. Это экспериментальная модель, не являющаяся официальным релизом MiniMax. Её сильная сторона — объединение двух специализированных ветвей и проверенная на уровне тензоров идентичность исходным данным: совпали 532 из 532 тензоров, без ошибок полезной нагрузки. Ограничения включают зависимость от совместимой версии ComfyUI-GGUF и потенциальную нестабильность экспериментальной гибридной архитектуры. Модель распространяется по лицензии Apache-2.0.

PMA-1.2 — компактная языковая модель Patriot Memory для работы на устройствах с ограниченными ресурсами. Это причинная авторегрессионная модель архитектуры PMA; в README указано 125,6 млн параметров, а в метаданных — 125,5 млн. Она рассчитана на контекст до 32 768 токенов и распространяется в формате safetensors для Transformers. Модель предназначена для общения на английском и традиционном китайском языках, ответов на вопросы о продукции Patriot Memory и Viper Gaming, включая оперативную память DDR4/DDR5, SSD, накопители и игровые периферийные устройства. Также предусмотрен интерфейс вызова инструментов для интеграции с backend API, например для проверки гарантии или поиска характеристик по серийному номеру. Модель ориентирована на локальное использование на edge-устройствах и выдачу быстрых ответов. В README отмечены слабая арифметика, ограниченная связность длинных рассказов и ненадёжность знаний за пределами обучающей выборки; ответы о технических характеристиках следует проверять. Выпуск обозначен как экспериментальный preview. Лицензия — Apache-2.0; для загрузки архитектуры требуется trust_remote_code=True.

QIE-2511-Cinematic-FlatLog-Control — адаптер LoRA от Prithiv Sakthi для модели Qwen/Qwen-Image-Edit-2511, предназначенной для преобразования изображений по принципу image-to-image. Адаптер добавляет кинематографический flat-log вид: снижает контраст и насыщенность, формируя нейтральную логарифмическую тональную характеристику. Модель рассчитана на кинематографическую цветокоррекцию и согласованные визуальные пайплайны, при этом, согласно README, сохраняет исходную идентичность объекта, композицию, текстуры и геометрию. Заявлены плавное отображение светлых участков, контролируемые тени и отсутствие артефактов. Для активации поведения рекомендуется использовать запрос «Transform into a cinematic flat log». Это не самостоятельная модель, а LoRA-адаптер, подключаемый к Qwen-Image-Edit-2511 через Diffusers; заявлена совместимость с версиями Diffusers 2509 и 2511. В README не указаны размер адаптера, точная архитектура, поддерживаемые модальности помимо обработки изображений, размер контекста и полный перечень языков; для базовой модели указан язык en. Модель распространяется по лицензии Apache-2.0.

Репозиторий fernandotonon/QtMeshEditor-trellis2-gguf содержит веса в формате GGUF для конвейера TRELLIS.2, который создаёт 3D-модель по изображению. Веса предназначены для запуска через trellis.cpp и backend trellis2 в QtMeshEditor; QtMeshEditor также выполняет обработку модели для игровых проектов и запекание PBR-текстур. Это зеркало конверсий исходных чекпойнтов из ilintar/trellis2-gguf, зафиксированное на наборе, проверенном для QtMeshEditor. Репозиторий включает подмножество конвейера 512 и общие декодеры; варианты *_1024 поддерживают каскад с более высоким разрешением. Лицензия — MIT.

ReSpace SG-LLM 1.5B — языковая модель, дообученная Gradient Spaces на базе Qwen/Qwen2.5-1.5B-Instruct для синтеза трёхмерных сцен помещений по текстовому описанию. Она предназначена для сценариев генерации и редактирования сцен с мебелью; авторы рекомендуют использовать её вместе с инструментарием ReSpace для добавления и удаления объектов. Модель построена на архитектуре Qwen2ForCausalLM, содержит 1,5 млрд параметров и поддерживает контекст до 32 768 токенов. В карточке указана поддержка английского языка. Модель выдаёт текстовое представление результата генерации сцены и рассчитана на диалоговое взаимодействие. Карточка отмечает ограничения при самостоятельном использовании без обвязки ReSpace. Лицензия CC BY-NC-SA 4.0 допускает использование на её условиях, включая ограничения на коммерческое применение и требования к распространению производных материалов.

siyan824/slam3r_i2p — репозиторий с предварительно обученными весами сети Image-to-Points из SLAM3R, системы для реконструкции плотной трёхмерной сцены по монокулярному RGB-видео. Система регрессирует трёхмерные точки с помощью нейросетей прямого прохода и предназначена для работы в реальном времени. Сеть принимает короткие видеоклипы и строит плотное облако точек, выравнивая кадры в общей системе координат. В метаданных модели указана задача image-to-3d, а веса представлены в формате safetensors. Карточка связывает проект с публикацией на CVPR 2025.

TrackWan 1.3B — исследовательский чекпойнт для генерации видео из изображения с управлением движением по траекториям точек. Модель дообучена на базе Wan2.1-Fun-1.3B-InP; обученный компонент — WanTransformer3DModel с дополнительной головой track-conditioning. Текстовый энкодер и VAE используются от базовой модели. Модель принимает исходное изображение и покадровые траектории точек с данными об их видимости, чтобы создавать видео с заданным движением объектов или областей сцены. Это двунаправленный вариант обучения merged_bias, чекпойнт 4800. Веса трансформера представлены в bf16 в формате safetensors; для запуска требуется специализированная архитектура WanTrack в форке FastVideo и компоненты Wan2.1-Fun-1.3B-InP. Лицензия — Apache-2.0.

city96/Wan2.1-Fun-14B-InP-gguf — это прямое преобразование модели alibaba-pai/Wan2.1-Fun-14B-InP в формат GGUF. Базовую модель разработала Alibaba PAI, а конверсию выполнил city96. Модель предназначена для задач генерации видео, включая сценарии text-to-video; в карточке также указаны поддерживаемые языки English и Chinese. Размер модели составляет 14B параметров согласно её идентификатору и названию базовой модели. Она распространяется в формате GGUF и рассчитана на использование с пользовательским узлом ComfyUI-GGUF, при этом файлы модели размещаются в каталоге ComfyUI/models/unet. Для работы дополнительно требуются VAE и другие файлы Wan2.1, доступные в отдельном репозитории. Конкретный тип квантования, архитектурные детали, максимальная длина контекста и точный набор входных и выходных модальностей в README не указаны. К сильным сторонам относятся совместимость с экосистемой GGUF и интеграция с ComfyUI, что упрощает использование модели в соответствующих локальных рабочих процессах генерации видео. Ограничения связаны с необходимостью установки ComfyUI-GGUF и загрузки дополнительных компонентов, а также с отсутствием в карточке сведений о производительности, требованиях к оборудованию и конкретном типе квантования. Модель распространяется по лицензии Apache-2.0.

ostris/wan22_i2v_14b_orbit_shot_lora — LoRA-адаптер для модели Wan2.2-I2V-A14B, разработанный Ostris и обученный с использованием AI Toolkit. Адаптер предназначен для генерации видео или изображений с эффектом орбитального движения камеры вокруг объекта; в качестве примера указан круговой облёт астронавта на Луне. Для активации эффекта необходимо использовать триггерную фразу «orbit 360». Модель относится к семейству diffusion LoRA и предназначена для интеграции с экосистемой Diffusers. Базовая модель Wan2.2-I2V-A14B поддерживает сценарии image-to-video, однако подробные характеристики адаптера, включая размер, точное устройство архитектуры, поддерживаемые языки, максимальный контекст и модальности, в README не указаны. Сильная сторона модели — специализированная настройка под орбитальные пролёты камеры, а ограничение — узкая область применения и зависимость от совместимой базовой модели. Лицензия — Apache 2.0.

StableNormal — модель, представленная в репозитории Stable-X/yoso-normal-v1-5. Она предназначена для преобразования изображения в карту нормалей: по входному изображению оценивает направление поверхности в каждой точке. Веса распространяются для библиотеки Diffusers и относятся к pipeline YOSONormalsPipeline. Название карточки указывает на подход к получению стабильных и чётких карт нормалей с использованием диффузионной модели. Репозиторий содержит файлы в форматах Diffusers и safetensors. Лицензия — Apache-2.0. Для установки и примера запуска карточка отсылает к GitHub-репозиторию, но в README нет подробностей об обучении, поддерживаемых входных данных или измеренных ограничениях качества.

StableNormal — модель на базе диффузии для создания карты нормалей по входному изображению. Репозиторий содержит веса StableNormal: Reducing Diffusion Variance for Stable and Sharp Normal; для работы используется библиотека Diffusers и конвейер YOSONormalsPipeline. Модель предназначена для преобразования изображений в карты нормалей, которые можно использовать в задачах восстановления геометрии и обработки 3D-сцен. Веса доступны в формате Diffusers и Safetensors. Лицензия — Apache-2.0.

Это экспериментальная LoRA-модель для генерации изображений с изображением спортивного костюма adidas с тремя полосками. Модель разработана пользователем GeorgyGUF и предназначена для использования совместно с базовой моделью black-forest-labs/FLUX.1-dev в сценариях text-to-image через Diffusers. Автор также рассматривает совместимость с моделями семейства FLUX, HiDream и Chroma, однако стабильность такой совместимости не подтверждена. Модель находится на стадии pre-alpha и активно дорабатывается. В README указано, что некоторые доступные контрольные точки переобучены или работают некорректно, а автор экспериментирует с дистилляцией, гиперпараметрами и увеличением rank LoRA. Поэтому качество, универсальность и предсказуемость результатов могут быть ограничены. Сведения о размере модели, точном rank, поддерживаемых языках, длине контекста и модальностях кроме генерации изображений не приведены. В README не указана лицензия модели. Для обучения использовался специализированный датасет, доступный в отдельном репозитории Hugging Face; автор планирует его улучшать и обновлять модель. Модель следует рассматривать как ранний экспериментальный компонент для генерации изображений, а не как готовое стабильное решение.

DR34ML4Y_I2V_14B_LOW_V2 — это LoRA-адаптер для моделей диффузии, разработанный пользователем или организацией SlartyG. Адаптер предназначен для использования с базовой моделью Wan-AI/Wan2.2-I2V-A14B и, судя по идентификатору и тегам, ориентирован на задачи image-to-video, то есть генерацию видео на основе изображения, в экосистеме Diffusers. В README не указаны точные архитектурные характеристики адаптера, число параметров, поддерживаемые языки, размер контекста, модальности входных данных, требования к оборудованию или особенности качества. Также отсутствует информация о лицензии и явных ограничениях использования. Доступны только базовая модель и общая классификация как LoRA-адаптера для diffusion-моделей, поэтому его сильные стороны и практические ограничения по представленным данным определить нельзя.

Quiho/Krea2_TextFusion_Refusal-Reduction_LoRA_v1.0_lora — адаптер LoRA версии 1.0 для базовой модели Krea 2, разработанный Capitan01R. Модель предназначена для text-to-image-сценариев и направлена на снижение склонности Krea 2 к отказам и ограничениям при обработке текстовых запросов, сохраняя исходные визуальные знания и поведение модели при формулировании промптов. Это специализированный адаптер rank-64 размером 26,4 МБ. Он работает с текстовым энкодером Qwen-VL и изменяет отдельные слои TextFusion, через которые текстовые признаки передаются в image transformer. Адаптер добавляет низкоранговые остаточные изменения к attention- и MLP-проекциям в заданных блоках TextFusion; при этом проектор TextFusion 1 × 12 tap, внешний txtmlp, image transformer и другие слои генерации изображений не затрагиваются. Новые визуальные концепции, персонажи, стили или эстетические предпочтения адаптер не добавляет. Сильной стороной модели является узкая специализация: она пытается сделать уже представленные в Krea 2 визуальные знания доступнее для текстового управления без замены исходных представлений и без изменения базового чекпойнта. Ограничения связаны с тем, что адаптер не предназначен для добавления новых понятий или улучшения качества изображений вне задачи снижения отказов; эффективность и оптимальная сила применения зависят от совместимости с Krea 2 и настроек инференса. В README лицензия не указана.

LingBot-World-v2 14B causal-fast — GGUF — это квантизированная версия модели robbyant/lingbot-world-v2-14b-causal-fast, подготовленная RealRebelAI для работы с ComfyUI_Rebels_LingBotWorld. Модель относится к классу управляемых мировых моделей и предназначена для генерации видео из исходного изображения с учётом заданной траектории камеры или движения. Трек действий можно создать вручную или задать через узел Action Builder; генерация выполняется локально, с причинной обработкой чанками и четырьмя дистиллированными шагами на чанк. Модель поддерживает сценарий image-to-video и ориентирована на потребительские GPU с ограниченным объёмом видеопамяти, включая RTX 3070 с 8 ГБ VRAM и 16 ГБ оперативной памяти. Доступны GGUF-квантизации от Q4_K_M до Q8_0; рекомендованный вариант Q4_K_S занимает около 11,7 ГБ, а остальные уровни позволяют выбирать компромисс между качеством и размером. Для работы требуются Wan2.1_VAE.pth и текстовый энкодер UMT5-XXL в формате GGUF. Рекомендуемые пресеты разрешения — 256×448 или 320×544, размер окна мировой памяти — 6+2, число кадров должно соответствовать формуле 4n+1, начальное значение — 21 кадр, частота экспорта — 16 кадров в секунду. Сильными сторонами модели являются управление движением и камерой, автономная офлайн-генерация и возможность запуска на видеокартах с 8 ГБ VRAM. Ограничения связаны с требованиями к оперативной памяти и разрешению: KV-кэш масштабируется вместе с размером окна и разрешением, поэтому более крупные настройки могут не поместиться на потребительских устройствах. Модель распространяется по лицензии CC BY-NC-SA 4.0, предусматривающей некоммерческое использование, указание авторства и распространение производных материалов на тех же условиях.

Модель manokaran1916 — дообученная плотная языковая модель семейства Llama 3.2 с 3,2 млрд параметров, созданная на базе unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit. По названию репозитория она предназначена для маршрутизации запросов в сервисе доставки еды; карточка подтверждает дообучение, но не описывает правила маршрутизации, формат ответов или результаты оценки. Модель работает с текстом и поддерживает контекст до 131 072 токенов. Модель можно применять в диалоговых сценариях, где нужно направлять запросы пользователей по процессам сервиса доставки еды. Она выпущена в формате Safetensors и распространяется по лицензии Apache-2.0. Для обучения использовались Unsloth и библиотека TRL.

RoyYang0714/Map-Det3D — модель обнаружения объектов, опубликованная через интеграцию PytorchModelHubMixin. В метаданных указан pipeline-тег object-detection и библиотека mapdet3d; веса представлены в формате safetensors. Карточка не описывает архитектуру, размер модели, входные данные, поддерживаемые классы объектов или целевые сценарии. Лицензия репозитория — Apache-2.0.

Map-Det3D — модель для онлайн-обнаружения объектов в метрическом 3D-пространстве, разработанная авторами из ETH Zürich, Meta Reality Labs Zürich и University of Bonn. Эта версия обучена на CA-1M и предназначена для многокадрового анализа потоковых RGB-изображений: использует геометрический признак, полученный из feed-forward модели реконструкции 3D, и напрямую предсказывает 3D-рамки объектов. Модель принимает RGB-кадры вместе с параметрами камер и идентификаторами кадров; результатом являются 3D-обнаружения, а при включённом трекинге рамки в мировых координатах. Работа описывает онлайн-обнаружение по короткому временному окну, без подъёма 2D-обнаружений в 3D. Репозиторий кода опубликован под Apache-2.0. Карточка модели не сообщает отдельную лицензию весов.

nimishac28/my_awesome_food_model — модель классификации изображений, созданная дообучением Vision Transformer ViT-Base разработчиками репозитория на неизвестном наборе данных. Она предназначена для определения класса по изображению; карточка называет её пищевой моделью, но не раскрывает список классов или конкретные сценарии применения. Модель содержит 113,2 млн параметров, использует библиотеку Transformers и сохранена в формате safetensors. Лицензия — Apache-2.0. На оценочном наборе указаны loss 2,2741 и accuracy 0,464. Эти результаты ограничивают уверенность в практическом качестве модели; сведения о данных обучения и оценки отсутствуют.

ResidualFusion Prompt Controller — специализированная языковая модель, разработанная для приложения ResidualFusion. Она преобразует разговорные запросы на редактирование фотографий в структурированную схему управления: определяет намерение, силу изменения и ограничения на сохранение исходных элементов. Модель не анализирует изображения и не изменяет пиксели: маски, расчёт параметров и рендеринг выполняют отдельные компоненты приложения. Это дообучение Qwen3-1.7B методом supervised LoRA с рангом 16; адаптер обучался при замороженной базовой модели. В репозитории есть LoRA-адаптер safetensors и объединённый с базовой моделью BF16-файл GGUF для запуска через Ollama. Для базовой модели указан контекст, однако README и метаданные не сообщают его длину. Модель ориентирована на китайский и английский языки. На выбранной валидационной выборке автор сообщает точность определения намерения 100%, точность полного совпадения полей 95% и micro-F1 ограничений 98,46%; на аудите составных ограничений micro-F1 составил 74,03%. Эти показатели относятся к конкретной задаче и не характеризуют общие языковые способности. Для использования нужна схема ResidualFusion и отдельный графический конвейер. Лицензия — Apache-2.0.

RoboPoint-v1-Vicuna-13B — открытая визуально-языковая модель, разработанная авторами RoboPoint и дообученная на базе lmsys/vicuna-13b-v1.5. Модель принимает изображение вместе с текстовой инструкцией и определяет точку или область, связанную с возможным действием в сцене, например свободное место на полке рядом с нужным предметом. Модель предназначена для пространственного понимания сцен и выдачи точечных указаний для робототехнических задач, а также для визуальных вопросов и ответов. Она построена на архитектуре LlavaLlamaForCausalLM, содержит 12,9 млрд параметров и имеет контекстное окно 4096 токенов. Обучение включало данные по робототехнике и визуальным вопросам и ответам; опубликованный набор данных — wentao-yuan/robopoint-data. Результат следует проверять перед использованием для управления физическим роботом: карточка не описывает гарантии точности или безопасность действий. Модель распространяется по лицензии Apache-2.0.

SpaceQwen2.5-VL-3B-Instruct — мультимодальная модель Remyx AI для анализа изображений и ответов на вопросы о пространственных отношениях между объектами. Это дообученная с помощью LoRA модель Qwen2.5-VL-3B-Instruct с архитектурой Qwen2.5-VL; в метаданных указаны 3,1 млрд параметров и контекст до 128 000 токенов. Репозиторий содержит веса в Safetensors и GGUF. Модель предназначена для визуальных задач, связанных с пространственным рассуждением: определения взаимного расположения и расстояния между объектами, их положения относительно сцены и количественных характеристик. Она дообучена на синтетическом наборе OpenSpaces примерно из 10 тысяч примеров с изображениями, вопросами и ответами. Основной язык карточки — английский. Лицензия — Apache-2.0. Качество может снижаться на загромождённых изображениях и при сложной перспективе. Обучение на синтетических рассуждениях и унаследованные от Qwen2.5-VL мультимодальные смещения могут влиять на ответы; модель не предназначена для решений, критичных для безопасности или права.

SPLASH-1B — мультимодальная модель команды SPLASH, представленная в работе «Wake up for Touch! Mask-isolated Tactile Alignment Learning in MLLMs». Она расширяет InternVL2.5-1B тактильным восприятием: использует языково-визуальную основу InternVL2.5-1B и тактильный фронтенд ViT-Tiny. Обучение проходит в два этапа: модель оценивает значимость параметров и выделяет неактивную подпространство весов, затем настраивает его для согласования тактильных представлений, сохраняя критическую часть параметров замороженной. Модель предназначена для диалоговых задач, в которых нужно совместно интерпретировать изображения и тактильные данные. Метод обучения нацелен на интеграцию осязания при сохранении уже имеющихся возможностей визуально-языкового рассуждения и снижении риска катастрофического забывания. В README не приведены сведения о лицензии, размере контекста и поддерживаемых языках; репозиторий содержит веса safetensors.

Wan2.2-Fun-A14B-Control-GGUF-fork — это квантованная версия модели Wan2.2-Fun-A14B-Control, разработанной Alibaba PAI и преобразованной в формат GGUF. Модель предназначена для генерации и управления созданием видео по текстовым описаниям и, вероятно, рассчитана на использование в связке с ComfyUI и узлом ComfyUI-GGUF. В карточке указаны поддерживаемые языки English и Chinese, библиотека GGUF и задача text-to-video. Основная модель имеет размерный класс A14B; для работы также требуются текстовый энкодер Umt5-xxl и VAE Wan2.1_VAE. Файлы компонентов размещаются в соответствующих каталогах ComfyUI. Квантование может снизить требования к ресурсам, однако конкретный тип квантования, контекст, поддерживаемые разрешения и показатели качества не указаны. Модель ориентирована на генерацию видео в экосистеме ComfyUI, но для запуска необходимы дополнительные компоненты и совместимый пользовательский узел. README не содержит подробностей об ограничениях качества, производительности и аппаратных требованиях. Указана лицензия Apache-2.0; при использовании квантованной версии сохраняются исходные условия лицензирования и ограничения базовой модели.

Amrs — модель-адаптер LoRA для генерации изображений по текстовому описанию, разработанная пользователем или организацией Rami234. Она предназначена для использования в задачах text-to-image и интеграции с экосистемой Diffusers, где адаптер подключается к базовой модели для получения специализированного визуального результата. Модель построена на базе ideogram-ai/ideogram-4-fp8. В карточке указано, что это LoRA для диффузионной модели; сведения о размере адаптера, точной архитектуре, поддерживаемых языках, максимальном контексте и конкретной специализации отсутствуют. Пример генерации приведён с текстовым запросом «assff», однако по этим данным нельзя сделать вывод о тематической направленности или качестве результатов. Модель может быть полезна для экспериментов с генерацией изображений и тонкой настройки поведения базовой модели при совместимом запуске в Diffusers. Ограничения включают недостаток информации о целевых сценариях, требованиях к параметрам инференса, качестве, совместимости версий и известных слабых сторонах. Указана лицензия Apache-2.0.

GirlsLike-Krea2 — набор адаптеров LoRA/LoKR для генерации изображений людей на базе Krea-2-Raw и Krea-2-Turbo. Модель разработана пользователем ifmylove2011 и предназначена для тестирования авторского подхода к обучению персонажных адаптеров, а не является самостоятельной базовой моделью. Она работает через библиотеку Diffusers в сценариях text-to-image. Адаптеры оптимизированы для воспроизведения внешности определённых людей по имени-триггеру. Для каждого персонажа используется его имя, обычно на китайском языке, а для некоторых персонажей — английский триггер, указанный на примерах. Наиболее подходящими считаются средние и крупные планы; на дальних планах и при разрешении около 1 мегапикселя сходство может быть слабее, хотя увеличение разрешения способно улучшить результат. Рекомендуемый вес LoRA составляет 0,8–1,5, а значения выше 2,0 могут приводить к заметной деформации лица. В большинстве случаев лучше работают английские текстовые запросы, однако для отдельных специфичных китайских понятий может быть полезен китайский язык. Автор отмечает, что понимание китайских запросов всё ещё ограничено. В качестве примера приведена конфигурация с Krea-2-Turbo FP8, 8 шагами, сэмплером Euler, CFG 1 и разрешением 960×1280. Размер модели, число параметров, поддерживаемые модальности помимо текста и изображений, а также максимальная длина контекста не указаны. Лицензия — Apache-2.0; при этом автор отдельно просит не использовать результаты для выдачи себя за другого человека, обмана или иных неправомерных целей.

fabskill/job_and_title_siamese_binary — дообученная модель Sentence Transformers на основе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2, разработанная для сопоставления названий должностей с описаниями вакансий. Модель преобразует текст в плотные векторы размерности 384 и сравнивает их косинусным сходством; архитектура включает BERT и усреднение токенных представлений. Метаданные указывают 124,3 млн параметров и контекст до 512 токенов, а README задаёт максимальную длину последовательности 128 токенов. Модель подходит для поиска похожих вакансий и должностей, оценки семантического соответствия пары текстов, извлечения кандидатов для классификации и кластеризации. В README приведены результаты бинарной классификации на нескольких наборах данных, включая данные с названием должности, описанием и меткой; качество зависит от набора данных и выбранного порога сходства. Базовая модель многоязычная, однако отдельный набор примеров ориентирован на вакансии на английском языке. Лицензия в предоставленных сведениях не указана.

Это LoRA-модель в формате safetensors для генерации изображений, разработанная пользователем или организацией uzumix. Она предназначена для использования с базовой моделью krea/Krea-2-Turbo в задачах text-to-image и интеграции с Diffusers. Из доступных данных известно, что модель является адаптацией LoRA, однако её точное назначение, изменения поведения базовой модели, размер, архитектурные параметры, поддерживаемые языки, контекст и модальности, помимо генерации изображений по тексту, не указаны. Поэтому нельзя достоверно оценить её сильные стороны, ограничения или рекомендуемые сценарии применения. Лицензия и условия использования в README не указаны. Для работы потребуется совместимая среда Diffusers и базовая модель krea/Krea-2-Turbo.