IV.1Ритейл, электронная коммерция и fashion-tech

votepurchase/plantMilkModelSuite_walnut — модель генерации изображений по текстовому описанию, опубликованная на Hugging Face. Карточка и метаданные указывают на Stable Diffusion XL и использование Diffusers с файлами Safetensors. Модель предназначена для создания изображений по текстовым запросам, в том числе реалистичных и фотореалистичных сцен. Репозиторий содержит компоненты Diffusers, включая текстовые энкодеры, UNet и VAE, а также лицензию CreativeML OpenRAIL-M. По доступным сведениям нельзя надёжно установить точный размер модели, контекст, поддерживаемые языки или конкретные ограничения качества. Поскольку карточка не подтверждает обучение автором с нуля или связь с определённым исходным чекпойнтом, происхождение модели указано как неизвестное.

segmind/portrait-finetuned — модель генерации изображений по текстовому описанию, созданная как дистилляция SG161222/Realistic_Vision_V4.0 на подмножестве recastai/LAION-art-EN-improved-captions. Она предназначена для генерации портретных изображений по текстовым запросам. Модель основана на Stable Diffusion и распространяется в форматах Diffusers и PyTorch. При обучении использовались 7 тысяч изображений с разрешением 768 пикселей; обучение включало 131 тысячу шагов с точностью fp16. Репозиторий использует лицензию CreativeML OpenRAIL-M. Карточка не описывает ограничения по качеству или допустимому использованию сверх условий лицензии.

prithivMLmods/Qwen-Image-Edit-Rapid-AIO-V20 — набор весов трансформера для редактирования изображений, совместимый с библиотекой Diffusers. Веса извлечены из Phr00t/Qwen-Image-Edit-Rapid-AIO-NSFW-V20 и предназначены для ускоренного вывода Qwen Image Edit за четыре шага. Модель принимает изображение и используется для его преобразования; README не уточняет поддерживаемые операции редактирования и требования к текстовым инструкциям. Модель является дообученной производной Phr00t/Qwen-Image-Edit-Rapid-AIO. Файлы представлены в формате safetensors, библиотека для работы — Diffusers. Лицензия репозитория — Apache-2.0. В исходной модели явно указана NSFW-версия, поэтому следует учитывать возможность генерации или редактирования контента для взрослых.

Карточка модели refiners/sdxl.lightning.4step.unet на Hugging Face совпадает с карточкой refiners/sdxl.lightning.1step.unet, поэтому описание составлено по ней. refiners/sdxl.lightning.1step.unet — модель на основе ByteDance/SDXL-Lightning, опубликованная в формате safetensors для библиотеки refiners. Она предназначена для преобразования изображений (image-to-image) и связана с семейством Stable Diffusion XL. Базовая SDXL-Lightning оптимизирована для быстрой генерации изображений за 1–8 шагов; карточка этой модели отдельно не уточняет её размер, контекст или поддерживаемые языки. Модель распространяется по лицензии OpenRAIL++. Метаданные указывают на английский язык карточки, но не подтверждают, что он является основным языком запросов. README содержит только заголовок, поэтому дополнительные сценарии, качество, ограничения и точные характеристики самой модели определить нельзя.

SegMoE-4x2-v0 — модель генерации изображений по текстовому описанию, разработанная Segmind; авторами указаны Yatharth Gupta и Vishnu Jaddipal. Это диффузионная смесь экспертов, созданная без обучения из четырёх дообученных моделей SDXL. Она рассчитана на создание изображений по промптам и объединяет знания нескольких экспертных моделей, чтобы улучшать соответствие запросу и визуальную точность. Модель распространяется в форматах Diffusers и Safetensors и использует библиотеку Diffusers. Модель может быть полезна для генерации иллюстраций и фотореалистичных изображений по текстовым запросам. Она не предназначена для достоверного изображения людей, событий и реальных фактов, а также для задач, требующих высокой точности. В README отмечены ограничения по скорости и расходу памяти; без обучения качество не обязательно существенно превосходит качество отдельных экспертных моделей. Лицензия — Apache 2.0.

amd/stable-diffusion-1.5_io16_amdgpu — вариант Stable Diffusion 1.5, опубликованный AMD для генерации изображений по текстовым запросам. Модель предназначена для запуска через Diffusers и ONNX; суффикс io16 означает, что она принимает входные данные в fp16, выполняет операции в fp16 и выдаёт результат в fp16. Карточка также описывает вариант io32 для приложения Amuse, но он не является этим репозиторием. Модель подходит для создания изображений по текстовым описаниям. Она основана на stable-diffusion-v1-5/stable-diffusion-v1-5; лицензия — CreativeML Open RAIL-M. Сведения о размере модели, контекстном окне и поддерживаемых естественных языках в предоставленных данных отсутствуют.

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.

Stable Diffusion 3.5 Large Turbo GGUF — это квантованная версия модели stabilityai/stable-diffusion-3.5-large-turbo, преобразованная в формат GGUF пользователем city96. Модель предназначена для генерации изображений по текстовому описанию и может использоваться в сценариях text-to-image и image generation. В README указана поддержка английского языка. Модель является прямой конвертацией исходной версии, а не дообученной моделью, поэтому её возможности и ограничения соответствуют оригиналу. Точные сведения об архитектуре, размере, доступных модальностях и длине контекста в README не приведены. Для запуска рекомендуется использовать пользовательский узел ComfyUI-GGUF, разместив файлы модели в каталоге ComfyUI/models/unet. Распространяются те же ограничения и условия, что и для исходной модели; указана лицензия Stability AI Community License.

stable-diffusion-xl-base-1.0-GGUF — GGUF-квантизированная версия базовой модели Stable Diffusion XL 1.0, разработанной Stability AI. Модель предназначена для генерации и изменения изображений по текстовым запросам и относится к моделям латентной диффузии. Базовую модель можно использовать самостоятельно, а для финального улучшения изображения — совместно с отдельной моделью SDXL Refiner 1.0. Архитектура использует ансамбль экспертов и два фиксированных предварительно обученных текстовых энкодера: OpenCLIP ViT-G/14 и CLIP ViT-L/14. Доступны варианты квантования основной модели FP16, Q8_0, Q4_1 и Q4_0; текстовые энкодеры и VAE представлены в FP16. В сборке используется VAE из sdxl-vae-fp16-fix. Модель поддерживает текстовую генерацию изображений и сценарии img2img через двухэтапный процесс с повышением разрешения. Данные о размере модели, максимальной длине контекста и поддерживаемых языках в README не указаны. Сильные стороны модели — более высокое качество по сравнению с предыдущими версиями Stable Diffusion, возможность самостоятельного применения базовой модели и снижение требований к памяти благодаря квантованным вариантам. Ограничение данной сборки состоит в экспериментальной поддержке только через gpustack/llama-box версии v0.0.75 или новее. Модель распространяется по лицензии CreativeML Open RAIL++-M License.

TaoMate — модель цифрового человека для генерации длинных аудиовизуальных роликов в реальном времени, разработанная Alibaba Group, подразделением Taobao & Tmall. Репозиторий содержит контрольную точку модели и средства запуска инференса и интерактивной демонстрации. По метаданным Hugging Face, TaoMate дообучена на основе Lightricks/LTX-2.3; для запуска также требуются базовая модель LTX-2.3 и текстовый энкодер Gemma 3 12B IT. Модель предназначена для создания видео по текстовым запросам с аудио и цифровым ведущим, включая длинную генерацию из нескольких последовательных сегментов. README описывает потоковый интерактивный сценарий и пакетный инференс; 12 сегментов дают примерно минуту результата. Для указанной конфигурации 512×768 авторы проверяли работу на GPU с 72 ГБ памяти. В README не приведены поддерживаемые языки, длина контекста или подробные сведения об архитектуре TaoMate. Для инференса нужны совместимые NVIDIA GPU, CUDA 12.8 и отдельные веса базовой модели и текстового энкодера. Лицензия репозитория — Apache-2.0; условия использования Gemma 3 и других зависимостей следует проверять отдельно на страницах соответствующих моделей.

TinyFlux-Deep v4.1 (Lailah) — компактная модель генерации изображений по текстовому описанию, представленная AbstractPhil. Это диффузионная модель на основе rectified flow и архитектуры с раздельными и совместными потоками текста и изображения; в README указано около 246 млн параметров. Модель объединяет дистиллированные сигналы от учителей, включая траектории SD1.5 и структурные priors внимания, а также использует conditioning на признаках CLIP и T5. Модель предназначена для генерации изображений из текстовых запросов с меньшими вычислительными затратами, чем у крупномасштабных моделей. README заявляет целевое разрешение 512×512; среди ограничений также названы более компактный текстовый энкодер flan-t5-base и четыре головы внимания, что ограничивает ёмкость по сравнению с FLUX.1. Репозиторий распространяется в формате safetensors под лицензией MIT.

ultra-v9-sdxl — модель генерации изображений по текстовому описанию, опубликованная пользователем John6666 на Hugging Face. Карточка указывает, что исходную модель создал AIA_civit; она доступна в формате Diffusers с весами Safetensors и использует StableDiffusionXLPipeline. Размер модели — около 3 млрд параметров. Модель предназначена для создания изображений по текстовым запросам; теги карточки указывают на фотореалистичные изображения и тематику азиатской и японской эстетики. Для запуска в карточке приведён пример с Diffusers. Указанный язык — английский. Модель распространяется по лицензии Fair AI Public License 1.0 — SDXL (faipl-1.0-sd).

UniPortrait — модель для генерации изображений по текстовому описанию, опубликованная пользователем hejunjie9666 и представленная в репозитории UniPortrait. Модель предназначена для сценариев text-to-image и запускается с использованием библиотеки Diffusers. В метаданных указаны поддержка английского языка и лицензия Apache-2.0. Дополнительные сведения об архитектуре, размере модели, модальностях помимо текста и изображения, длине контекста, специальных сценариях применения и ограничениях в доступных материалах отсутствуют.

digiplay/unstableDiffusersYamerMIX_v3 — модель семейства Stable Diffusion в формате Diffusers для генерации изображений по текстовым запросам. В карточке представлены примеры изображений, созданных автором. Репозиторий содержит веса PyTorch в формате safetensors. Модель предназначена для преобразования текстового описания в изображение. Лицензия указана как other, поэтому условия использования следует уточнить в репозитории.

MCG-NJU/videomae-base-finetuned-ssv2 — базовая модель VideoMAE, представленная авторами VideoMAE и дообученная с учителем на наборе Something-Something-v2 после 2400 эпох предварительного самообучения. Архитектура основана на Vision Transformer: видео разбивается на патчи размером 16×16, а Transformer-энкодер формирует представление всего видеоролика для классификации. Размер модели — 113,2 млн параметров; веса опубликованы в формате PyTorch. Модель предназначена для классификации видеороликов по действиям и визуальным событиям. Она показывает точность top-1 70,6% и top-5 92,6% на тестовой части Something-Something-v2. Карточка также упоминает 400 меток Kinetics-400 для использования исходной модели; указанный чекпойнт дообучен на Something-Something-v2. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое применение.

xuyuan-trial-sentiment-bert-chinese — модель классификации текста на основе архитектуры BERT, созданная дообучением hfl/chinese-bert-wwm-ext. Она предназначена для классификации тональности китайского текста. В карточке приведён результат оценки на тестовой выборке: Macro-F1 0,9899 и loss 0,0247; сведения о наборе данных и методике оценки отсутствуют. Модель содержит 129,5 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Лицензия — Apache-2.0. Результаты на указанной выборке не гарантируют такого же качества на других данных; из-за отсутствия описания датасета и меток область надёжного применения оценить нельзя.

Z-Image-Turbo GGUF — набор квантизированных файлов базовой модели Tongyi-MAI/Z-Image-Turbo, подготовленный leejet для использования с stable-diffusion.cpp. Модель предназначена для генерации изображений по текстовым описаниям, включая художественные, кинематографические и фотореалистичные сцены. В README заявлена поддержка английского и китайского языков. Файлы доступны в вариантах квантования от q2_K до q8_0, а также в формате bf16, что позволяет выбирать баланс между качеством, размером и требованиями к памяти. Указана возможность запуска на GPU с 4 ГБ VRAM с применением выгрузки части вычислений на CPU. Для работы требуются совместимые компоненты, включая VAE и языковую модель Qwen3-4B-Instruct-2507, а запуск выполняется через stable-diffusion.cpp. README не содержит сведений о точной архитектуре, количестве параметров, максимальном разрешении, размере контекста, производительности и систематических ограничениях качества. Квантизация может влиять на качество результата по сравнению с исходной версией, особенно при использовании более компактных вариантов. Квантизированные файлы распространяются по лицензии Apache-2.0, как и исходная модель Z-Image-Turbo.

AltDiffusion — модель генерации изображений по текстовому описанию, разработанная BAAI на основе Stable Diffusion с двуязычным текстовым энкодером AltCLIP. Она предназначена для создания изображений по запросам на китайском и английском языках; в карточке заявлено хорошее соответствие изображений описаниям на обоих языках. Модель распространяется в формате Diffusers и использует архитектуру диффузионной модели с U-Net, автоэнкодером и текстовым энкодером AltCLIP. В README указаны 865 млн параметров у U-Net, 83,7 млн у автоэнкодера и 859 млн у текстового энкодера. Общий размер компонентов в таблице весов составляет около 8 ГБ для AltDiffusion и 3,22 ГБ для AltCLIP. Лицензия — CreativeML OpenRAIL-M. Модель сохраняет многие возможности Stable Diffusion, однако качество может зависеть от формулировки запроса; подробные ограничения и результаты оценки в карточке не описаны.

BeautiFool Reality 3 — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec. Она построена на Stable Diffusion 1.5 и предназначена для создания реалистичных и стилизованных изображений, в частности портретов, персонажей и сцен с кинематографическим освещением. Веса доступны в формате Diffusers и Safetensors; в модель встроен VAE 840K для улучшения деталей. Примеры в карточке показывают генерацию цифрового арта с эстетикой киберпанка, персонажей и бытовых сцен. Для работы модель принимает текстовые промпты на английском языке и выдаёт изображения. Лицензия — CreativeML OpenRAIL-M; её условия и ограничения следует учитывать при использовании и распространении результатов.

Модель edumunozsala/beto_sentiment_analysis_es — классификатор тональности испаноязычных отзывов, созданный Эдуардо Муньосом Салой. Она дообучена на базе BETO — испанской версии BERT-base с Whole Word Masking — с использованием Amazon SageMaker. Модель содержит 137,1 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт метку класса тональности. Основной сценарий — анализ отзывов о фильмах. В README также указано, что модель можно применять к отзывам других типов. Она обучалась на сбалансированном наборе примерно из 50 тысяч испаноязычных отзывов IMDb; на тестировании достигла accuracy 0,91 и F1 0,909. Для текстов за пределами отзывов качество не подтверждено. Лицензия — Apache-2.0.

boltning-hyperd-sdxl — модель преобразования текста в изображение, опубликованная организацией GraydientPlatformAPI на Hugging Face. Карточка предлагает запускать её через StableDiffusionXLPipeline из библиотеки Diffusers: модель принимает текстовый запрос и выдаёт изображение. Репозиторий содержит файлы Diffusers в формате Safetensors. Карточка модели отсутствует, поэтому подробности об архитектурных изменениях относительно SDXL, размере, поддерживаемых языках, лицензии и известных ограничениях установить нельзя.

digiplay/chilloutmix_NiPrunedFp32Fix — репозиторий модели генерации изображений по текстовому описанию в формате Diffusers, с весами Safetensors. В карточке приведена демонстрационная картинка исходного автора; сведений о разработчике и устройстве самой модели нет. Модель предназначена для создания изображений по текстовым запросам. Лицензия указана как other, поэтому условия использования нужно проверять в материалах репозитория.

Модель flyswot/convnext-tiny-224_flyswot — классификатор изображений на архитектуре ConvNeXt Tiny, обученный с нуля на наборе данных в формате image_folder. По метаданным, модель предназначена для задачи классификации изображений и доступна в форматах PyTorch, Safetensors, ONNX и Core ML. В карточке приведены результаты на оценочной выборке: F1 0,9756 и loss 0,5319. Назначение классов и состав обучающих данных не описаны, поэтому применимость к конкретным категориям изображений определить нельзя. Лицензия в предоставленных данных не указана.

Fluently XL V3 Lightning — модель генерации изображений по текстовому описанию, представленная автором Fluently. По карточке это обученная версия SDXL-Lightning, рассчитанная на быструю генерацию; в метаданных указаны Diffusers и формат SafeTensors, а также базовая модель ByteDance/SDXL-Lightning. Автор рекомендует 4–6 шагов сэмплирования, DPM++ SDE и CFG 1,5–2 для Automatic1111 и ComfyUI. В карточке заявлены генерация реалистичных и художественных изображений, работа с контрастом, природой и лицами. Модель предназначена для создания изображений по текстовым запросам; язык запросов и максимальное разрешение для этой версии в доступных сведениях не определены. Лицензия обозначена как other, поэтому перед использованием следует проверить условия на странице репозитория.

FLUX.1 [dev] — модель генерации изображений по текстовому описанию, разработанная Black Forest Labs и переизданная Unsloth как зеркало без ограничений доступа Hugging Face. Веса не изменялись. Это трансформер rectified flow с 12 млрд параметров, доступный в форматах Diffusers и Safetensors; для запуска поддерживается библиотека Diffusers и пайплайн FluxPipeline. Модель предназначена для создания изображений по запросам, творческих рабочих процессов и научных экспериментов. В карточке заявлены высокое качество генерации и хорошее следование запросам; результат зависит от формулировки промпта. Модель не предназначена для предоставления фактических сведений, может воспроизводить социальные предубеждения и иногда не соответствует запросу. Репозиторий указывает лицензию other и отсылает к условиям FLUX.1 [dev] Non-Commercial License; README при этом описывает разрешённое использование для личных, научных и коммерческих целей в рамках этой лицензии. Перед применением следует свериться с полным текстом лицензии и ограничениями на использование.

digiplay/HELLmix_v1.0 — модель генерации изображений по текстовому описанию для Stable Diffusion Pipeline. Карточка содержит демонстрационные изображения исходного автора, но не приводит подробностей об архитектуре, размере или базовой модели. Модель предназначена для создания изображений по текстовым запросам. В метаданных указаны форматы Diffusers и safetensors. Лицензия обозначена как other; конкретные условия использования в карточке не пояснены.

Lens-Turbo-3.8B-8bit — конверсия модели Microsoft Lens-Turbo в формат MLX для запуска на Apple Silicon. Это диффузионная модель с архитектурой DiT и 3,8 млрд параметров, дистиллированная версия семейства Lens для генерации изображений за четыре шага; рекомендуемые параметры из карточки — 4 шага и guidance scale 1,0. В репозитории находятся 8-битные веса с групповой квантизацией, занимающие около 4,39 ГБ. Модель принимает текстовый запрос и создаёт изображение; в примере показана генерация изображения размером 1024×1024. Для работы нужны токенизатор, энкодер GPT-OSS-20B и VAE FLUX.2, загружаемые из исходной модели. Весовая часть DiT распространяется по лицензии MIT; README указывает для энкодера лицензию Apache-2.0. Конверсия выполнена сообществом mlx-community, а исходная модель разработана Microsoft.

tera0711/lora — адаптер LoRA для генерации изображений из текстовых описаний, разработанный пользователем или организацией с идентификатором tera0711. Модель предназначена для использования в экосистеме Diffusers и подключается к базовой модели stabilityai/stable-diffusion-3.5-large. По имеющимся данным, адаптер может применяться для получения фотореалистичных изображений людей и сцен с соответствующими характеристиками через текстовые промпты. Модель не является самостоятельной полноразмерной генеративной системой: для работы требуется указанная базовая модель и совместимый пайплайн text-to-image. В карточке не указаны размер адаптера, точная архитектура LoRA, поддерживаемые языки, максимальный контекст, рекомендуемые параметры генерации и подробные ограничения качества. В качестве примера приведён вес адаптера 0,7, однако это не подтверждает оптимальность данного значения для всех сценариев. Модель распространяется по лицензии creativeml-openrail-m. Дополнительные условия использования, включая возможные ограничения на создаваемый контент и коммерческое применение, следует уточнять в тексте этой лицензии.

Lustify SDXL NSFW/SFW v4 — модель преобразования текста в изображение на базе Stable Diffusion XL, опубликованная пользователем John6666; исходная модель создана coyotte. Модель предназначена для генерации реалистичных и фотореалистичных изображений по текстовым описаниям, включая контент общего назначения и NSFW. Модель использует архитектуру StableDiffusionXLPipeline и библиотеку Diffusers, распространяется в формате SafeTensors и поддерживает английские текстовые запросы. Она подходит для создания реалистичных сцен, персонажей, фотографий и художественных концептов по промптам. Модель имеет маркировку not-for-all-audiences и NSFW, поэтому требует контроля содержимого и соблюдения правил площадки или приложения, где она используется. Условия использования определяются лицензией CreativeML OpenRAIL-M.

argmaxinc/mlx-FLUX.1-schnell — версия модели генерации изображений FLUX.1 [schnell], подготовленная для MLX и распространяемая разработчиком argmaxinc. Она принимает текстовые запросы и создаёт изображения; карточка предлагает запуск через библиотеку DiffusionKit. Модель подходит для быстрого получения изображений по описаниям и локального использования на устройствах Apple с поддержкой MLX. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. В карточке не приведены сведения о размере модели, длине контекста и поддержке языков, поэтому эти характеристики здесь не уточняются.