IV.1Ритейл, электронная коммерция и fashion-tech

TempestV0.1 — модель генерации изображений по текстовому описанию от инициативы Tempest, опубликованная пользователем dataautogpt3. В карточке указана архитектура StableDiffusionXLPipeline и форматы Diffusers, PyTorch и Safetensors; лицензия — GPL-3.0. Модель предназначена для создания изображений с высокой детализацией и проработанными текстурами. Автор описывает вариант Base как основной обученный чекпойнт, а Artistic — как вариант с большей стилистической выразительностью, основанный на сочетании Proteus и Tempest. В README указаны рекомендуемые настройки CFG и числа шагов, а также размеры 2048×1024 и 1920×1088. Автор сообщает об обучающем наборе из более чем 6 миллионов изображений и 3 миллионах итераций. Известное ограничение: из-за отличий распределения данных LoRA могут не работать на высоких разрешениях. Использование регулируется лицензией GPL-3.0.

smp-hub/upernet-swin-tiny — модель семантической сегментации изображений на архитектуре UPerNet с энкодером Swin-Tiny. Карточка описывает запуск обученной модели через библиотеку segmentation_models_pytorch; для подготовки окружения также предлагается albumentations. Модель обучена на наборе данных ADE20K и предназначена для присвоения метки класса пикселям изображения. Подходит для разметки сцен и выделения объектов и областей на изображениях. Веса опубликованы в формате safetensors. Лицензия — MIT.

apiantonio/vjepa2.1-vit-base-384 — конвертированная в формат Hugging Face версия видеокодировщика и предиктора V-JEPA 2.1 ViT-B/16 от Meta AI. Веса Meta перенесены без изменения значений; объединённые проекции QKV разделены на отдельные матрицы query, key и value для совместимости с Transformers. Архитектура включает энкодер ViT с 12 слоями, размером скрытого состояния 768 и 12 головами внимания, а также предиктор с 12 слоями и размером скрытого состояния 384. В метаданных указано 113,2 млн параметров; README приводит оценку 109,7 млн. Модель предназначена для анализа видеоклипов: извлечения признаков, получения промежуточных многоуровневых представлений и классификации видео через обучаемый attentive pooler. Основной режим рассчитан на кадры 384×384, но интерполяция RoPE позволяет использовать иные разрешения, включая неквадратные. Вход — последовательность видеокадров; длина клипа влияет на вычислительную стоимость квадратично, поэтому для длинных клипов нужны небольшие пакеты и значительные вычислительные ресурсы. Порт включает численную проверку соответствия исходной реализации. Для иерархических признаков только последняя из четырёх нормализаций имеет обученные аффинные параметры; остальные используют начальные параметры LayerNorm. Лицензия — MIT. Модель опубликована в июле 2026 года.

wangqixun/YamerMIX_v8 — модель генерации изображений по текстовому описанию, основанная на модели civitai-Yamer и опубликованная пользователем wangqixun на Hugging Face. Репозиторий использует StableDiffusionXLCommonPipeline и распространяет веса в формате Diffusers с файлами Safetensors. Модель предназначена для создания изображений по текстовым запросам. В README автор характеризует её как качественную модель и предлагает обращаться по вопросам коммерческого лицензирования, пользовательских моделей и других услуг. В метаданных указана лицензия MIT. Сведения о размере модели, контекстном окне и поддерживаемых языках карточка не содержит.

Lykon/AbsoluteReality — модель преобразования текста в изображение на базе Stable Diffusion, опубликованная разработчиком Lykon. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors; в метаданных также указана библиотека Diffusers. Модель предназначена для создания изображений по текстовым запросам и отмечена тегами, связанными с художественными изображениями и фотографией. Карточка не приводит сведений о размере модели, контексте, обучающих данных или конкретных настройках генерации. Лицензия указана как other, поэтому условия использования следует проверить в репозитории перед применением.

AbsoluteReality v1.8.1 — модель генерации изображений по текстовому описанию, опубликованная digiplay и основанная на Stable Diffusion. В карточке указаны примеры реалистичных портретов и изображений с детализированными элементами; файлы доступны в форматах Diffusers, PyTorch и Safetensors. Модель предназначена для создания изображений по текстовым запросам, включая портреты и сцены с проработанными материалами и деталями. Данных о размере модели, контексте и поддерживаемых естественных языках в карточке нет. Лицензия обозначена как other, поэтому условия использования следует уточнить в репозитории модели.

Bhavu02/BFS-Best-Face-Swap — серия LoRA-адаптеров для редактирования изображений, разработанная автором Bhavu02. Адаптеры предназначены для моделей Qwen Image Edit 2509/2511, FLUX.2 Klein 4B/9B и Krea 2 и специализируются на замене лица, головы или всего человека с естественным смешиванием оттенка кожи, освещения и внешности. В серию входят варианты для замены только лица, полной головы и тела. Версии Head V2–V5 улучшают сопоставление тона кожи, выравнивание позы, анатомическую согласованность и перенос выражения; Head V5 является актуальным вариантом для рабочих процессов 2511. Для FLUX.2 Klein и большинства версий Head требуется инвертированный порядок входных изображений: сначала изображение тела или базовый кадр, затем лицо. Версия для замены тела в Krea 2 экспериментальная, поэтому поза может переноситься неточно. Модель работает с визуальными входами; заявленный язык — английский. Размер, максимальный контекст и точные параметры архитектуры не указаны. Использование требует совместимой базовой модели, соответствующего рабочего процесса и правильного порядка изображений. Для разных версий доступны workflows, включая интеграцию с ComfyUI. Серия распространяется по лицензии MIT.

big-asp-v2 — модель генерации изображений по текстовому описанию, опубликованная пользователем fancyfeast на Hugging Face. Репозиторий использует формат Diffusers и safetensors, а архитектура обозначена как StableDiffusionXLPipeline. Модель принимает текстовый запрос и генерирует изображение; карточка показывает пример запуска через Diffusers. Подтверждённых сведений о точном размере, обучающих данных, поддерживаемых языках, контекстном окне и лицензии в доступных источниках нет. Модель рассчитана на создание изображений по текстовым промптам; рекомендации по формулированию запросов и подробные ограничения в карточке не описаны.

Bokeh 3.5 Medium — дообученная модель Tensor.Art на базе Stable Diffusion 3.5 Medium, предназначенная для генерации изображений по текстовым запросам. Модель продолжила обучение на тщательно отобранном высокоразрешающем наборе данных с оценкой эстетики; при обучении использовались короткие и подробные описания сцен. Она ориентирована на высокую детализацию, качество композиции и управляемость генерации. Модель подходит для создания иллюстраций, фотографий, 3D-рендеров и концепт-арта, а также для последующей настройки через LoRA. README рекомендует структурированные запросы длиной примерно 30–70 токенов и несколько форматов изображения, включая квадратные, альбомные и портретные. Для быстрой генерации за 8–10 шагов описана отдельная дистиллированная версия или LoRA; это не следует считать свойством данного чекпойнта без соответствующего компонента. Известные ограничения — возможные ошибки в анатомии людей, слабая фотореалистичность и неодинаковое эстетическое качество для отдельных концепций. Модель распространяется по Stability Community License.

Dreamlike PhotoReal 2 — модель генерации изображений по текстовому описанию в формате Diffusers, опубликованная Yntec. В README указано, что в веса встроен VAE 840K, предназначенный для улучшения глаз и детализации. Примеры охватывают фотореалистичные портреты, городские сцены, ретрофутуристические изображения и стилизованные иллюстрации. Модель принимает текстовые запросы и создаёт изображения; в метаданных для неё указаны библиотека Diffusers, форматы Diffusers и safetensors, а также английский язык. Лицензия обозначена как other; README направляет читателя к лицензии на исходной странице, поэтому условия использования следует сверить там.

martineux/dvine82-xl — модель генерации изображений по текстовому описанию, опубликованная пользователем martineux на Hugging Face. Репозиторий размечен как text-to-image и использует StableDiffusionXLPipeline; в карточке Hugging Face указаны 3 млрд параметров и формат safetensors с точностью F16. Модель предназначена для создания изображений по текстовым запросам через Diffusers. Карточка не содержит описания специализации, поддерживаемых языков, длины контекста или лицензии, поэтому эти характеристики нельзя надёжно уточнить.

Epic Diffusion 1.1 — модель генерации изображений по текстовому описанию, опубликованная johnslegers. Она основана на Stable Diffusion 1.x и создана как универсальная модель для генерации изображений в разных художественных стилях. Автор описывает её как тщательно откалиброванное слияние SD 1.4, SD 1.5, нескольких стилизованных моделей и собственных моделей, обученных методом DreamBooth. Модель принимает текстовые промпты и выдаёт изображения. README заявляет поддержку широкого спектра стилей и NSFW-контента; репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors. Модель распространяется по лицензии CreativeML OpenRAIL-M. Она унаследовала ограничения Stable Diffusion 1.x, а качество и безопасность результатов зависят от промпта и настроек генерации.

FLUX.2-Klein-9B-Consistency — это LoRA-адаптер для базовой модели black-forest-labs/FLUX.2-klein-9B, предназначенный для работы в библиотеке Diffusers в сценариях image-to-image. Автор и разработчик адаптера в README не указаны; модель опубликована под идентификатором dx8152/Flux2-Klein-9B-Consistency. Адаптер направлен на повышение согласованности результатов Klein без использования специальных ключевых слов в запросе. Согласно README, версия V2 улучшает цветопередачу, устраняет часть проблем с чрезмерным добавлением деталей и снижает избыточную насыщенность изображений. Это делает модель полезной для генерации и преобразования изображений, где важны более стабильный внешний вид и единообразие результатов. Известно, что модель имеет размерную основу 9B, относится к семейству FLUX.2 и использует архитектуру LoRA, однако сведения о точной архитектуре адаптера, поддерживаемых языках, размере контекста, конкретных модальностях базовой модели и требованиях к аппаратному обеспечению не приведены. Модель распространяется по лицензии Apache-2.0.

FocalNet Small — модель компьютерного зрения для классификации изображений, разработанная авторами работы Focal Modulation Networks и обученная на ImageNet-1k. Она принимает изображения размером 224×224 и предсказывает один из 1000 классов ImageNet. Архитектура FocalNet заменяет механизм self-attention, используемый в Vision Transformer, фокальной модуляцией: модель собирает визуальный контекст на разных масштабах с помощью иерархии глубинных свёрток, выборочно агрегирует его и передаёт в представления изображения. Карточка также сообщает о применении семейства FocalNet в обнаружении объектов и сегментации, но эта версия предназначена для классификации. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Она подходит для распознавания объектов из набора классов ImageNet; для специализированных задач может потребоваться дообученная версия.

Карточка модели Eric111/huggingworld_onnx-image-models на Hugging Face совпадает с карточкой huggingworld/onnx-image-models, поэтому описание составлено по ней. huggingworld/onnx-image-models — подборка моделей для увеличения разрешения и восстановления изображений. В README перечислены варианты с масштабированием в 2× и 4×, включая UltraSharp, PurePhoto, ClearReality, Nomos8k, LSDIR и Real-ESRGAN, а также облегчённые варианты для мобильных устройств и обработки в реальном времени. Репозиторий содержит форматы ONNX и safetensors; лицензия — MIT. Модели предназначены для повышения детализации фотографий и иллюстраций, уменьшения заметности JPEG-артефактов и обработки портретов. README рекомендует UltraSharp V2 для общего применения, PurePhoto RealPLSKR для фотографий, Nomos8k DAT для сильно сжатых изображений, а ClearReality и PurePhoto SPAN — при ограниченных ресурсах. Это каталог нескольких моделей, поэтому качество и скорость зависят от выбранного варианта; заявленные рейтинги основаны на README и не сопровождаются описанием методики сравнения.

Insane Realistic 2 — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec. В карточке приведены примеры промптов для реалистичных портретов, сцен с людьми и младенцем, космических сюжетов и пейзажей; метаданные указывают на использование Diffusers и формата Safetensors, а также на связь со Stable Diffusion. Модель подходит для создания реалистичных иллюстраций по текстовым запросам, включая портреты, сцены повседневной жизни и природные или фантастические композиции. Лицензия — CreativeML Open RAIL-M; её условия регулируют разрешённое использование и распространение модели. В карточке нет сведений о точном размере модели, контексте или языках промптов.

Kontext-Watermark-Remover — адаптер LoRA для модели FLUX.1-Kontext-dev, разработанный пользователем или организацией prithivMLmods и предназначенный для работы через библиотеку Diffusers. Модель выполняет редактирование изображений и специализируется на удалении водяных знаков, логотипов и текстовых элементов с сохранением фона, текстур, освещения и общего реалистичного вида изображения. Адаптер применяется в сценариях image-to-image: на вход подаётся изображение и текстовая инструкция на английском языке, после чего модель генерирует отредактированную версию. Указано, что обучение проводилось на 150 парах изображений, включавших 75 исходных и 75 итоговых изображений. В README не приведены сведения о размере модели, точной архитектуре базовой модели, максимальном контексте или перечне поддерживаемых языков, кроме метаданных о языке en. Сильной стороной модели является узкая специализация на удалении водяных знаков с попыткой бесшовно восстановить скрытые области и избежать видимых артефактов. Качество может зависеть от содержания изображения, расположения и сложности водяного знака, а небольшой объём обучающих данных ограничивает гарантии обобщения. Для запуска требуются FLUX.1-Kontext-dev, Diffusers и совместимая вычислительная среда, обычно с GPU. Модель распространяется по лицензии Apache-2.0.

Krea-2-Turbo-GGUF — набор квантованных моделей Krea 2 Turbo в формате GGUF, разработанной Krea.ai. Модель предназначена для генерации изображений по текстовому описанию и относится к классу Diffusion Transformer (DiT). Репозиторий предоставляет несколько вариантов квантования весов для запуска на потребительском оборудовании, CPU и Apple Silicon с пониженным потреблением памяти. Базовая модель содержит 12 миллиардов параметров. Доступны варианты квантования от Q3_K_M и Q3_K_S до Q8_0; их размер составляет примерно от 6,01 до 13,7 ГБ. Более компактные варианты требуют меньше памяти, тогда как Q6_K и Q8_0 лучше сохраняют качество исходных весов. В README приведён пример генерации изображения размером 1024×1024 за 8 шагов с помощью совместимых реализаций, включая stable-diffusion.cpp; также указана совместимость с llama.cpp, однако конкретные требования к аппаратному обеспечению и поддерживаемые разрешения не описаны. Модель подходит для локальной text-to-image генерации, особенно когда важны экономия памяти и запуск без специализированной облачной инфраструктуры. Уровень качества зависит от выбранного варианта квантования: Q4_K_M обозначен как сбалансированный базовый вариант, а Q5_K_M — как компромисс между скоростью, качеством и сохранением параметров. В метаданных указан английский язык. Модель распространяется по лицензии Krea 2 Community License; лицензия обозначена как other, а полный текст доступен по ссылке, указанной в карточке.

Krea-2-Turbo MLX 8-bit — это квантизированная локальная версия модели Krea-2-Turbo, подготовленная сообществом mflux-community на основе оригинальной модели Krea, разработанной Krea. Модель предназначена для генерации изображений по текстовому описанию на компьютерах Apple Silicon с использованием MLX и Metal. Модель представляет собой text-to-image систему с одно поточным MMDiT-трансформером примерно на 13 млрд плотных параметров, 28 слоями, скрытым размером 6144, GQA, SwiGLU и Flux-подобным RoPE. Она использует текстовый энкодер Qwen3-VL-4B и VAE Qwen-Image. Turbo-вариант дистиллирован для генерации качественных изображений за 8 шагов; стандартные параметры включают guidance 1.0 и sampler er_sde. Модель поддерживает текстовые промпты, но редактирование и генерация по референсному изображению пока не реализованы. Указанные языки явно не определены. Основные преимущества — локальная работа на Apple Silicon, готовая 8-битная квантизация без повторной квантизации при загрузке, меньший размер по сравнению с исходными невзвешенными параметрами и высокая скорость генерации. Ограничения включают требование оборудования Apple Silicon, размер снимка около 13 ГБ и отсутствие image conditioning. Модель распространяется по лицензии krea-2, унаследованной от базовой модели; перед использованием необходимо ознакомиться с условиями оригинальной лицензии.

Lens-Turbo-3.8B-bf16 — это конверсия модели microsoft/Lens-Turbo в формат MLX для запуска на Apple Silicon. Она использует архитектуру DiT с 3,8 млрд параметров и предназначена для генерации изображений по текстовому описанию. Модель представляет собой дистиллированный вариант Lens, рассчитанный на генерацию за 4 шага при guidance scale 1.0. Репозиторий содержит только DiT-компонент; для работы также загружаются текстовый энкодер GPT-OSS-20B и VAE FLUX.2 из исходного снапшота Lens. В README указана лицензия MIT для DiT-компонента; энкодер распространяется по Apache-2.0. Размер файлов модели составляет около 8,2 ГБ. Для запуска описан конвейер LensPipeline из проекта lens-mlx.

LinFusion-1-5 — модель генерации изображений по текстовому описанию, опубликованная в формате Diffusers на Hugging Face. Карточка содержит раздел с базовым использованием LinFusion, но подробности о разработчике, архитектуре и назначении версии 1.5 не раскрывает. Модель принимает текстовые запросы и создаёт изображения. В репозитории указаны файлы safetensors. Информация о лицензии, языках запросов, размере модели и ограничениях отсутствует в доступных данных.

OdooClaw Light 1.2B FT — MLX BF16 — это дообученная Nicolas Ramos версия LiquidAI/LFM2.5-1.2B-Instruct для вызова инструментов Odoo через MCP. Модель принимает запросы на естественном языке в чате Odoo и выбирает подходящий инструмент ERP; заявлены диалог с учётом истории и сценарии поиска, создания записей и выполнения бизнес-операций. Архитектура — плотная LFM2 causal language model, объём — 1,5 млрд параметров, контекст — до 128 000 токенов. Репозиторий содержит полноточные BF16-веса в формате Safetensors для MLX на Apple Silicon; для запуска указан mlx-lm. На карточке приведены результаты оценки версии v18 на наборах диалоговых, задач создания и бизнес-сценариев. Модель рассчитана на локальный запуск и интеграцию с Odoo, в том числе на компьютерах Apple Silicon с ограниченной памятью, хотя BF16-версия требует около 2,4 ГБ памяти. README рекомендует 4-битную версию для повседневного запуска на устройстве. Лицензия — Apache-2.0. Оценки качества опубликованы разработчиком; результаты могут зависеть от инструментов, интеграции и характера запросов.

Realistic-Gender-Classification — модель prithivMLmods для бинарной классификации реалистичных портретов по категориям «female portrait» и «male portrait». Она дообучена на базе визуальной модели Google SigLIP 2 siglip2-base-patch16-224 и предназначена для анализа и автоматической разметки наборов изображений, а также для персонализации и медиааналитики. Модель принимает изображения и выдаёт категорию портрета. В отчёте README приведены точность 97,06% и F1-оценки около 0,97 на тестовой выборке из 3200 изображений; эти показатели не гарантируют такого же качества на других данных. Модель обучалась на наборе реалистичных портретов, поэтому её пригодность для иных типов изображений не подтверждена. Лицензия — Apache-2.0.

TainU/RePlan-Qwen2.5-VL-7B — модуль планирования RePlan для сложного редактирования изображений по текстовой инструкции. Модель разработана для исследования RePlan и дообучена методом GRPO на базе Qwen/Qwen2.5-VL-7B-Instruct примерно на тысяче примеров без парных изображений. Это мультимодальная модель семейства Qwen2.5-VL с 7,1 млрд параметров и контекстом до 128 000 токенов. На вход модель получает изображение и инструкцию на естественном языке, анализирует сцену и формирует план правок: рассуждение, общие изменения и локальные правки с координатами областей и текстовыми подсказками. План предназначен для последующего исполнения системой редактирования изображений; сама модель выступает планировщиком, а не генератором отредактированных изображений. В карточке описаны улучшения рассуждения и сохранения фона в экспериментах RePlan. Модель распространяется по лицензии Apache-2.0. Для получения структурированного XML/JSON-ответа README требует использовать системный промпт RePlan; подробности промпта в предоставленном тексте опущены. Указанные результаты относятся к экспериментам авторской работы и не гарантируют качество на произвольных изображениях и инструкциях.

SDXL-512 — диффузионная модель генерации изображений по тексту, разработанная Natural Synthetics Inc. и дообученная на базе Stable Diffusion XL 1.0. Она предназначена для более простой генерации детализированных изображений при разрешении около 512×512 пикселей; обучение на подборке данных с разными соотношениями сторон чередовало пакеты низкого и высокого разрешения, чтобы сохранить возможности базовой модели при больших размерах. Авторы рекомендуют использовать модель вместе с Hotshot-XL. Модель подходит для создания изображений по текстовым описаниям и их редактирования. Она не гарантирует фотореализм, может плохо отображать лица и людей, не умеет надёжно создавать читаемый текст и испытывает трудности со сложными пространственными композициями. Лицензия — CreativeML Open RAIL++-M License (OpenRAIL++).

akleine/sdxs-512 — дообученная модель для генерации изображений по текстовым описаниям, основанная на IDKiro/sdxs-512-dreamshaper. Согласно метаданным, это модель семейства SDXS: латентная диффузионная модель, предназначенная для быстрой генерации изображений размером 512 пикселей за один шаг. Репозиторий использует формат safetensors и библиотеку diffusers. Модель подходит для быстрого создания изображений по промптам и прототипирования визуальных идей. README не содержит сведений о разработчике, качестве результатов или дополнительных сценариях применения. Лицензия — OpenRAIL++; её условия следует учитывать при использовании и распространении результатов.

SPRIGHT-T2I — диффузионная модель генерации изображений по тексту, разработанная Агниетом Чаттерджи, Габриэлой Бен-Мелех Стэн и соавторами. Модель дообучена на Stable Diffusion 2.1 с использованием подмножества SPRIGHT, где изображения сопровождаются обычными и пространственно ориентированными описаниями. Она предназначена для создания изображений, точнее передающих расположение объектов и отношения между ними в запросе. Модель рассчитана на англоязычные текстовые запросы и работает через библиотеку Diffusers. Авторы сообщают об улучшении пространственной точности и качества генерации по сравнению с SD 2.1. Лицензия — CreativeML Open RAIL++-M. К ограничениям относятся унаследованные от Stable Diffusion 2.1 предубеждения, а также возможность размытых лиц людей; авторы связывают последнее с использованием изображений Segment Anything при дообучении. Обучающая выборка была небольшой: 444 изображения для обучения и 50 для валидации.

Stable Diffusion 2.1 — модель генерации и редактирования изображений по текстовому описанию, разработанная Robin Rombach и Patrick Esser. Этот репозиторий — зеркало устаревшего репозитория Stability AI и не связан с этой организацией. Модель основана на Stable Diffusion 2 и дообучена: сначала на 55 тысячах шагов с параметром punsafe=0,1, затем ещё на 155 тысячах шагов с punsafe=0,98. Это латентная диффузионная модель с фиксированным текстовым энкодером OpenCLIP-ViT/H. Она принимает текстовые запросы на английском языке и создаёт или изменяет изображения; запуск доступен через Diffusers. Лицензия — CreativeML Open RAIL++-M License (OpenRAIL++). Модель может быть полезна для художественной генерации, дизайна и творческих инструментов. Она не обеспечивает идеальный фотореализм, плохо отображает читаемый текст и сложные пространственные отношения, а лица и люди могут получаться некорректно. Качество запросов на языках, отличных от английского, ниже; модель также наследует смещения обучающих данных LAION и может выдавать вредный, стереотипный или нежелательный контент.

Карточка модели yangjiwoong1/stable-diffusion-2-1 на Hugging Face совпадает с карточкой sd2-community/stable-diffusion-2-1, поэтому описание составлено по ней. Stable Diffusion 2.1 — модель генерации и редактирования изображений по текстовому описанию, разработанная Robin Rombach и Patrick Esser. Этот репозиторий — зеркало устаревшего репозитория Stability AI и не связан с этой организацией. Модель основана на Stable Diffusion 2 и дообучена: сначала на 55 тысячах шагов с параметром punsafe=0,1, затем ещё на 155 тысячах шагов с punsafe=0,98. Это латентная диффузионная модель с фиксированным текстовым энкодером OpenCLIP-ViT/H. Она принимает текстовые запросы на английском языке и создаёт или изменяет изображения; запуск доступен через Diffusers. Лицензия — CreativeML Open RAIL++-M License (OpenRAIL++). Модель может быть полезна для художественной генерации, дизайна и творческих инструментов. Она не обеспечивает идеальный фотореализм, плохо отображает читаемый текст и сложные пространственные отношения, а лица и люди могут получаться некорректно. Качество запросов на языках, отличных от английского, ниже; модель также наследует смещения обучающих данных LAION и может выдавать вредный, стереотипный или нежелательный контент.

Карточка модели glowforge-prod/stable-diffusion-2-1-custom на Hugging Face совпадает с карточкой glowforge-dev/stable-diffusion-2-1-base-custom, поэтому описание составлено по ней. Это пользовательская реализация базовой модели Stable Diffusion 2.1 для Glowforge, созданная на основе модели Stable Diffusion 2.1 Робина Ромбаха и Патрика Эссера. Модель принимает текстовые описания и генерирует изображения; в метаданных указана задача text-to-image и форматы Diffusers, PyTorch и safetensors. Карточка не сообщает о дополнительных настройках реализации, поддерживаемых языках, размере модели, длине контекста или лицензии, поэтому эти характеристики нельзя уточнить. Условия использования следует сверять с лицензией базовой модели и репозитория; конкретная лицензия в доступных данных не указана.