IV.1Ритейл, электронная коммерция и fashion-tech

Toto-2.0-313m — модель семейства Toto, разработанная Datadog для прогнозирования многомерных временных рядов. Это предварительно обученная модель на 352,3 млн параметров для задач прогнозирования, в том числе в сценариях наблюдаемости инфраструктуры; она поддерживает прогнозирование без дообучения на конкретном ряде. Модель построена на архитектуре patched transformer с декодером: слои внимания поочерёдно обрабатывают временную ось и переменные. Она поддерживает контекст и горизонт прогноза переменной длины, а также выдаёт точечные прогнозы и оценки неопределённости через квантильную выходную голову. Datadog сообщает о высоких результатах семейства на бенчмарках BOOM, GIFT-Eval и TIME. Для работы нужны числовые временные ряды; модель выдаёт прогнозы и связанные с ними оценки неопределённости. Лицензия — Apache-2.0. В README не перечислены конкретные ограничения применимости или гарантии качества для отдельных наборов данных; результаты на бенчмарках сами по себе не гарантируют точность на конкретном временном ряду.

VINCIE — модель ByteDance-Seed для контекстного редактирования изображений, разработанная в рамках исследования обучения на видео. Она принимает изображение и контекстную последовательность из текста и ранее созданных изображений, чтобы выполнять многошаговое редактирование и создавать связанные изображения. В основе модели — блоково-каузальный диффузионный трансформер; обучение проводилось на задачах предсказания следующего изображения и сегментационных масок. Размер модели в карточке обозначен как 3B. Модель предназначена для редактирования изображений по контексту, композиции нескольких концепций, создания последовательности кадров или иллюстраций и цепочек последовательных правок. В README заявлены сильные результаты на двух бенчмарках многошагового редактирования, а также перспективные способности к композиции и сторителлингу. Репозиторий использует библиотеку VINCIE и формат PyTorch. Лицензия — Apache-2.0.

Это модель для создания подписей к изображениям на китайском языке, разработанная yuanzhoulvpi. Она объединяет визуальный энкодер ViT с декодером GPT-2: ViT кодирует изображение, а GPT-2 формирует текстовое описание. В качестве компонентов указаны google/vit-base-patch16-224 и yuanzhoulvpi/gpt2_chinese. Модель принимает изображение и генерирует китайскую текстовую подпись. Она предназначена для автоматического описания изображений и может использоваться, например, для подготовки подписей к фотоколлекциям. Репозиторий содержит веса в форматах PyTorch и Safetensors; лицензия — MIT. Карточка не приводит оценок качества или ограничений применения.

misri/cyberrealisticXL_v22 — модель генерации изображений по текстовому описанию, опубликованная пользователем misri на Hugging Face в формате Diffusers и Safetensors. Метаданные указывают на архитектуру Stable Diffusion XL; карточка демонстрирует генерацию изображения по запросу и пример запуска через Diffusers. Модель предназначена для создания изображений по текстовым промптам. Данных о размере контекста и поддерживаемых языках нет, поэтому их характеристики здесь не уточняются. Лицензия в метаданных обозначена как неизвестная; условия использования следует проверять у автора.

DolphinVision 7b — мультимодальная чат-модель, созданная Куаном Нгуеном, Эриком Хартфордом и Cognitive Computations. Она предназначена для диалога и генерации текста, а также для рассуждений и комментариев по изображениям. В метаданных модель указана как плотная архитектура BunnyQwenForCausalLM на 7,1 млрд параметров с контекстом до 131 072 токенов. Карточка называет её uncensored, однако бенчмарки в README не приведены. Указанная лицензия — other; конкретные условия использования нужно проверять в файлах репозитория.

jzli/DreamShaper-8 — модель генерации изображений по текстовому описанию в формате Diffusers, совместимая со StableDiffusionPipeline. Карточка сообщает о возможности запускать её бесплатно и получать доступ через API. Модель предназначена для создания изображений по текстовым запросам. В доступных сведениях не приведены разработчик, базовая модель, число параметров, контекст и поддерживаемые языки; поэтому эти характеристики не указаны. Репозиторий содержит файлы Diffusers, PyTorch и SafeTensors. Лицензия в предоставленных данных не указана.

A-Kishore/llama-3.2-3b-text2sql — дообученная модель на базе unsloth/Llama-3.2-3B-Instruct-bnb-4bit для преобразования вопросов на естественном языке и схем баз данных в SQL-запросы. Это плотная авторегрессионная модель семейства Llama с 3,2 млрд параметров и контекстом до 131 072 токенов. Модель обучена методом LoRA на 50 000 примерах из gretelai/synthetic_text_to_sql; в README указано, что веса объединены и доступны в 16-битной точности. Подходит для генерации SQL по заданной схеме DDL, например для интерфейсов запросов к базам данных на естественном языке и прототипирования аналитических запросов. В тесте на первых 200 примерах набора gretelai/synthetic_text_to_sql автор сообщает ROUGE-L 0,8151, однако эта метрика оценивает текстовое сходство, а не выполнение или логическую корректность SQL. Качество может снижаться на схемах с большим числом сущностей, глубоко вложенных подзапросах и структурах, отличающихся от обучающих данных. Лицензия — Apache-2.0.

Lloro — языковая модель Semantix Research Labs для анализа данных на Python по запросам на португальском языке. Это дообученная с помощью QLoRA модель CodeLlama-7b-Instruct на синтетическом наборе инструкций и примеров кода; архитектура — плотная LlamaForCausalLM, размер — 6,6 млрд параметров. Модель принимает текст и генерирует текст, включая Python-код. Метаданные указывают контекст до 16 384 токенов; в README для выпуска V3 указано увеличение контекста до 2 048 токенов. Lloro подходит для запросов о проведении анализа данных, написания и пояснения кода на Python в португалоязычных сценариях. README сообщает, что модель также понимает английский, но основной язык — португальский. Модель создана для генерации кода по текстовым инструкциям; качество ответов следует проверять на целевых данных и в исполняемой среде. Лицензия — Llama 2.

PixArt-Σ XL 2 1024 MS — диффузионная модель генерации и редактирования изображений по текстовым запросам, разработанная командой PixArt-Σ. Она использует латентную диффузию на основе трансформерных блоков, предобученный текстовый кодировщик T5 и VAE. Модель рассчитана на создание изображений размером 1024 пикселя, а семейство PixArt-Σ также поддерживает генерацию в разрешении 2K и 4K. Модель подходит для создания иллюстраций и концептов для дизайна, творческих и образовательных инструментов, а также для исследований генеративных моделей. Распространяется в форматах Diffusers и safetensors по лицензии CreativeML Open RAIL++-M. В карточке Hugging Face указана лицензия openrail++. Ограничения включают несовершенный фотореализм, трудности с композицией объектов, нечитаемый текст внутри изображений и ошибки в деталях вроде пальцев. Модель не предназначена для создания достоверных изображений реальных людей или событий; генерация может усиливать социальные предубеждения, а VAE вносит потери.

Карточка модели CaioXapelaum/sdxl на Hugging Face совпадает с карточкой stabilityai/stable-diffusion-xl-base-1.0, поэтому описание составлено по ней. Stable Diffusion XL Base 1.0 — модель генерации и редактирования изображений по текстовому описанию, разработанная Stability AI. Она использует латентную диффузию и два предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Базовую модель можно применять самостоятельно либо вместе с отдельной моделью-рефайнером для финальной обработки изображения; также описан двухэтапный вариант с повышением разрешения через img2img. Модель предназначена для создания иллюстраций и художественных изображений, а также для творческих и образовательных инструментов и исследований генеративных моделей. Она поддерживает генерацию изображений по текстовым запросам; репозиторий предлагает варианты запуска через Diffusers, ONNX и OpenVINO. Лицензия — CreativeML Open RAIL++-M (в метаданных указана openrail++).

Stable Diffusion 2.1-base — модель генерации изображений по тексту, разработанная Робином Ромбахом и Патриком Эссером. Это дообученная версия Stable Diffusion 2-base: обучение продолжено на 220 тысяч шагов на том же наборе данных. Модель использует латентную диффузионную архитектуру и фиксированный текстовый энкодер OpenCLIP-ViT/H; доступна для запуска через Diffusers и в формате PyTorch с файлами Safetensors. Модель принимает текстовые запросы и создаёт или изменяет изображения. Она подходит для иллюстраций, художественных и дизайнерских эскизов, творческих и образовательных инструментов, а также исследований генеративных моделей. Основной язык запросов — английский; на других языках результат обычно хуже. Лицензия — CreativeML Open RAIL++-M. Ограничения включают слабую передачу читаемого текста, сложных пространственных отношений, лиц и людей, а также несовершенный фотореализм. Модель может отражать культурные и социальные предубеждения обучающих данных; изображения не следует считать достоверными изображениями людей или событий. В обучающих данных присутствовал контент для взрослых и насилие, хотя применялась фильтрация NSFW.

Карточка модели yuvraj108c/stable-diffusion-3.5-large на Hugging Face совпадает с карточкой stabilityai/stable-diffusion-3.5-large, поэтому описание составлено по ней. Stable Diffusion 3.5 Large — модель генерации изображений по текстовому описанию, разработанная Stability AI. Она предназначена для создания иллюстраций и других художественных изображений, работы в дизайнерских процессах, творческих и образовательных инструментах, а также исследований генеративных моделей. Модель использует архитектуру Multimodal Diffusion Transformer (MMDiT), три предварительно обученных текстовых энкодера — OpenCLIP-ViT/G, CLIP-ViT/L и T5-XXL — и нормализацию QK. В README отмечены улучшения качества изображений, работы с типографикой, понимания сложных запросов и эффективности использования ресурсов. Модель ориентирована на английские запросы; для энкодеров указаны контексты 77 и 256 токенов на разных этапах обучения. Модель распространяется по Stability Community License; для коммерческого использования Stability AI предлагает уточнить условия лицензирования. Она не предназначена для достоверного изображения реальных людей или событий. Защитные меры не гарантируют устранения всего потенциально вредного контента, поэтому разработчикам следует проверять результаты и применять подходящие ограничения.

Карточка модели weights/stable-diffusion-xl-base-1.0 на Hugging Face совпадает с карточкой stabilityai/stable-diffusion-xl-base-1.0, поэтому описание составлено по ней. Stable Diffusion XL Base 1.0 — модель генерации и редактирования изображений по текстовому описанию, разработанная Stability AI. Она использует латентную диффузию и два предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Базовую модель можно применять самостоятельно либо вместе с отдельной моделью-рефайнером для финальной обработки изображения; также описан двухэтапный вариант с повышением разрешения через img2img. Модель предназначена для создания иллюстраций и художественных изображений, а также для творческих и образовательных инструментов и исследований генеративных моделей. Она поддерживает генерацию изображений по текстовым запросам; репозиторий предлагает варианты запуска через Diffusers, ONNX и OpenVINO. Лицензия — CreativeML Open RAIL++-M (в метаданных указана openrail++).

Карточка модели zelawski99/stable-diffusion-xl-base-1.0 на Hugging Face совпадает с карточкой stabilityai/stable-diffusion-xl-base-1.0, поэтому описание составлено по ней. Stable Diffusion XL Base 1.0 — модель генерации и редактирования изображений по текстовому описанию, разработанная Stability AI. Она использует латентную диффузию и два предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Базовую модель можно применять самостоятельно либо вместе с отдельной моделью-рефайнером для финальной обработки изображения; также описан двухэтапный вариант с повышением разрешения через img2img. Модель предназначена для создания иллюстраций и художественных изображений, а также для творческих и образовательных инструментов и исследований генеративных моделей. Она поддерживает генерацию изображений по текстовым запросам; репозиторий предлагает варианты запуска через Diffusers, ONNX и OpenVINO. Лицензия — CreativeML Open RAIL++-M (в метаданных указана openrail++).

UMO — разработанная ByteDance Research система настройки изображений, основанная на объединении нескольких моделей. Она предназначена для генерации и кастомизации изображений по текстовому описанию с сохранением внешности нескольких заданных людей и снижением путаницы между их идентичностями. Метод использует глобальное сопоставление нескольких референсных изображений с результатами генерации и обучение с подкреплением для диффузионных моделей; доступны варианты на основе FLUX.1-dev, UNO и OmniGen2. В README заявлено, что подход улучшает сохранение идентичности и уменьшает смешение персонажей по сравнению с открытыми методами.

Карточка модели ByteDance/Video-As-Prompt-CogVideoX-5B на Hugging Face совпадает с карточкой ByteDance/Video-As-Prompt-Wan2.1-14B, поэтому описание составлено по ней. Video-As-Prompt (VAP) — модель ByteDance для генерации видео, которая использует референсное видео как семантическую подсказку и анимирует заданное изображение, перенося на него семантику референса. Эта версия основана на Wan2.1 I2V 14B и рассчитана на генерацию видео по изображению с управлением через референсное видео. Модель предназначена для создания видео с нужными действиями и другими семантическими характеристиками, заданными примером: например, можно сохранить исходное изображение, но получить разные варианты движения по разным референсным видео. Авторы отмечают сильные результаты на действиях людей и новых понятиях; при этом из-за ограниченного числа шагов обучения устойчивость ниже на некоторых семантических условиях. Репозиторий использует Diffusers и формат safetensors. Лицензия — Apache-2.0.

epiCRealism-NaturalSin — модель генерации изображений по текстовому описанию, опубликованная TheImposterImposters. Она реализована как StableDiffusionPipeline и распространяется в формате safetensors через Hugging Face и Diffusers. Репозиторий содержит компоненты полноценного диффузионного пайплайна, включая U-Net, VAE, текстовый энкодер, токенизатор, планировщик и safety checker.

Avnay/Food_not_food_classificer-distilbert-base-uncased — модель Avnay для классификации текста по категориям «еда» и «не еда». Она дообучена на базе distilbert/distilbert-base-uncased и использует архитектуру DistilBertForSequenceClassification. Модель принимает текст и выдаёт метку класса; максимальная длина контекста — 512 токенов. Модель подходит для автоматической фильтрации и сортировки текстовых записей, связанных с едой. Она опубликована в формате safetensors и распространяется по лицензии Apache-2.0. В карточке нет сведений о составе обучающих данных и результатах оценки качества.

SimianLuo/LCM_Dreamshaper_v7 — модель для генерации изображений по текстовому описанию, созданная методом дистилляции на основе Dreamshaper v7, дообученной версии Stable Diffusion 1.5. В README указано, что дистилляция заняла 4 000 итераций, около 32 часов на A100. Модель предназначена для быстрого вывода: в неё перенесено руководство classifier-free guidance, чтобы получать изображения за короткое время инференса. Модель рассчитана на генерацию изображений из англоязычных текстовых запросов и распространяется в форматах Diffusers, ONNX и Safetensors. Лицензия — MIT. Карточка не сообщает ограничений по разрешению или подробных требований к аппаратному обеспечению.

Marco-MT-Algharb — модель машинного перевода команды Marco Translation Team компании Alibaba International Digital Commerce, представленная для общей задачи машинного перевода WMT 2025. Она основана на Qwen3-14B и предназначена для перевода между 13 направлениями; README подчёркивает многоэтапную доработку переводов ради беглости и точности. Для повышения эффективности вывода в примерах используется vLLM, а для выбора перевода описан подход с генерацией нескольких вариантов и MBR-декодированием. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 14 млрд параметров и принимает контекст до 4096 токенов. Метаданные указывают английский, китайский, русский, украинский, чешский, японский, корейский, эстонский, сербский, арабский и немецкий языки; README сообщает о 13 направлениях перевода, хотя полный перечень направлений в доступном тексте карточки приведён не полностью. Доступны веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

Open Diffusion V2 (OD-v2) — модель генерации изображений по текстовому описанию, разработанная OpenSkyML. Она предназначена для создания изображений по запросу пользователя. Модель опубликована в форматах Diffusers и PyTorch с весами Safetensors; метаданные также отмечают поддержку ONNX. В карточке указаны английский, французский и русский языки. Используется лицензия CreativeML-OpenRAIL-M.

Модель shemalfoy/qwen2-vl-scicap-afterdaptandsft разработана shemalfoy и дообучена на базе unsloth/qwen2.5-vl-7b-instruct-unsloth-bnb-4bit. Это мультимодальная Qwen2.5-VL модель с плотной архитектурой для генерации текста по текстовым и визуальным входам; поддерживает диалоговый режим и обработку изображений. В карточке указано обучение с использованием Unsloth и библиотеки TRL. Модель предназначена для сценариев, где нужно анализировать изображение и формировать текстовый ответ. README не уточняет специализированные задачи датасета SciCap, качество модели и ограничения по контексту. Лицензия — Apache-2.0.

zhengbang0707/Qwen3.5-9B-meSFT — дообученная модель на базе Qwen/Qwen3.5-9B, обученная на наборе данных vlguard_Qwen3.5-9B_meSFT. Это мультимодальная плотная модель семейства Qwen3.5 с архитектурой Qwen3_5ForConditionalGeneration; метаданные указывают поддержку чата и зрения, а основная задача на Hugging Face — image-text-to-text. В карточке приведён результат оценки: loss 1.1224. Модель предназначена для диалоговых сценариев с изображениями, где требуется сформировать текстовый ответ по визуальному вводу. README не раскрывает конкретные целевые сценарии или ограничения; назначение дообучения можно связать с названием обучающего набора, но его содержание не описано. Лицензия указана как other, поэтому конкретные условия использования по имеющимся данным определить нельзя.

Realistic Vision V3.0 VAE — модель генерации изображений по текстовому описанию, опубликованная пользователем SG161222. Карточка указывает, что необходимый VAE уже встроен в модель; репозиторий содержит файлы в формате Diffusers и safetensors. Модель предназначена для создания реалистичных изображений по текстовым запросам. В README приведены рекомендуемые алгоритмы сэмплирования Euler A и DPM++ SDE Karras, диапазон CFG 3,5–7 и настройки увеличения разрешения с апскейлером 4x-UltraSharp. Для улучшения результата предлагается задавать отрицательный промпт, исключающий анатомические дефекты, артефакты и нежелательные стили. Модель распространяется по лицензии CreativeML OpenRAIL-M. Карточка рекомендует параметры генерации, но не содержит заявлений о точности, поддерживаемых языках или ограничениях качества; результат зависит от промпта и настроек генерации.

Карточка модели LAYEK-143/SD_X1_BASE_v1 на Hugging Face совпадает с карточкой stabilityai/stable-diffusion-xl-base-1.0, поэтому описание составлено по ней. Stable Diffusion XL Base 1.0 — модель генерации и редактирования изображений по текстовому описанию, разработанная Stability AI. Она использует латентную диффузию и два предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Базовую модель можно применять самостоятельно либо вместе с отдельной моделью-рефайнером для финальной обработки изображения; также описан двухэтапный вариант с повышением разрешения через img2img. Модель предназначена для создания иллюстраций и художественных изображений, а также для творческих и образовательных инструментов и исследований генеративных моделей. Она поддерживает генерацию изображений по текстовым запросам; репозиторий предлагает варианты запуска через Diffusers, ONNX и OpenVINO. Лицензия — CreativeML Open RAIL++-M (в метаданных указана openrail++).

Stable Cascade — модель генерации изображений по текстовому описанию, разработанная Stability AI. Она построена на архитектуре Würstchen и состоит из трёх частей: Stage C создаёт компактные латентные представления по текстовому запросу, а Stage A и Stage B декодируют их в изображение. Сжатие с коэффициентом 42 позволяет работать с латентным представлением 24×24 для изображения 1024×1024, что снижает стоимость обучения и ускоряет генерацию по сравнению с менее сжатыми подходами. Для Stage C доступны варианты на 1 и 3,6 млрд параметров, для Stage B — на 700 млн и 1,5 млрд; Stage A содержит 20 млн параметров. Модель предназначена для генерации изображений в творческих инструментах, дизайне, образовательных приложениях и исследованиях генеративных моделей. В README отмечены возможности расширения через дообучение, LoRA, ControlNet, IP-Adapter и LCM. Автор рекомендует вариант Stage C на 3,6 млрд параметров и крупный вариант Stage B для более детальных результатов. Лицензия в метаданных обозначена как other; README указывает на соблюдение Acceptable Use Policy Stability AI и описывает модель как предназначенную для исследований. К ограничениям относятся возможные дефекты лиц и людей в целом, а также потери при автоэнкодировании. Модель не предназначена для создания достоверных изображений людей или событий; сгенерированный контент может быть вредоносным или отражать смещения.

Stable Diffusion 2.1 — модель генерации и редактирования изображений по текстовым описаниям, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с фиксированным текстовым энкодером OpenCLIP-ViT/H. Версия 2.1 дообучена на базе Stable Diffusion 2 дополнительными шагами обучения; карточка описывает вариант с разрешением 768 пикселей. Модель доступна в форматах Diffusers, PyTorch и safetensors. Модель подходит для создания иллюстраций, художественных изображений и материалов для дизайна, а также для творческих и образовательных инструментов. Она принимает текстовые запросы, лучше всего понимает английский язык и выдаёт изображения. Лицензия — CreativeML Open RAIL++-M; карточка ограничивает применение исследовательскими целями и описывает недопустимые сценарии использования. Модель не гарантирует фотореализм, плохо отображает читаемый текст и сложные пространственные отношения, а лица и люди могут получаться некорректно. Качество генерации по неанглийским запросам ниже; обучающие данные могут отражать культурные и социальные предубеждения.

Карточка модели LanguageMachines/stable-diffusion-2-1 на Hugging Face совпадает с карточкой Charles-Elena/stable-diffusion-2-1, поэтому описание составлено по ней. Stable Diffusion 2.1 — модель генерации и редактирования изображений по текстовым описаниям, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с фиксированным текстовым энкодером OpenCLIP-ViT/H. Версия 2.1 дообучена на базе Stable Diffusion 2 дополнительными шагами обучения; карточка описывает вариант с разрешением 768 пикселей. Модель доступна в форматах Diffusers, PyTorch и safetensors. Модель подходит для создания иллюстраций, художественных изображений и материалов для дизайна, а также для творческих и образовательных инструментов. Она принимает текстовые запросы, лучше всего понимает английский язык и выдаёт изображения. Лицензия — CreativeML Open RAIL++-M; карточка ограничивает применение исследовательскими целями и описывает недопустимые сценарии использования. Модель не гарантирует фотореализм, плохо отображает читаемый текст и сложные пространственные отношения, а лица и люди могут получаться некорректно. Качество генерации по неанглийским запросам ниже; обучающие данные могут отражать культурные и социальные предубеждения.

Stable Diffusion v1.5 — модель генерации и редактирования изображений по текстовому запросу, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с фиксированным текстовым энкодером CLIP ViT-L/14. Чекпойнт основан на Stable Diffusion v1.2 и дообучен на 595 тысячах шагов при разрешении 512×512 на данных LAION-Aesthetics v2 5+; в 10% случаев текстовое условие отключалось для улучшения classifier-free guidance. Модель доступна в форматах Diffusers, PyTorch и safetensors. Модель подходит для создания иллюстраций, концепт-арта и изображений для творческих и образовательных инструментов по англоязычным промптам. Она хуже работает с другими языками, может ошибаться в композиционно сложных сценах, не обеспечивает надёжный фотореализм и обычно не создаёт читаемый текст. Разработчики указывают, что обучающие данные содержат материалы для взрослых, а модель может воспроизводить предвзятости и запоминать дубли изображений; для использования рекомендуется применять Safety Checker. Лицензия — CreativeML OpenRAIL-M.

Карточка модели chcjohn8/stable-diffusion-xl-base-1.0 на Hugging Face совпадает с карточкой stabilityai/stable-diffusion-xl-base-1.0, поэтому описание составлено по ней. Stable Diffusion XL Base 1.0 — модель генерации и редактирования изображений по текстовому описанию, разработанная Stability AI. Она использует латентную диффузию и два предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Базовую модель можно применять самостоятельно либо вместе с отдельной моделью-рефайнером для финальной обработки изображения; также описан двухэтапный вариант с повышением разрешения через img2img. Модель предназначена для создания иллюстраций и художественных изображений, а также для творческих и образовательных инструментов и исследований генеративных моделей. Она поддерживает генерацию изображений по текстовым запросам; репозиторий предлагает варианты запуска через Diffusers, ONNX и OpenVINO. Лицензия — CreativeML Open RAIL++-M (в метаданных указана openrail++).