IV.9Медиа, журналистика, культура, архивы и игры

hell0ks가 개발한 ja-ko-vn-7b-v1은 Trillion Labs의 Tri-7B-Base 모델을 일본어 시각소설 및 게임 대사와 한국어 번역 쌍으로 SFT한 7B 파라미터 밀집형 Llama 모델입니다. 모델 предназначена для перевода коротких реплик с японского на корейский, в том числе в игровых плагинах. Принимает японский исходный текст и может сохранять управляющие коды и специальные символы; для собственных имён можно передавать подсказки. Использует контекст до 4096 токенов и рассчитана на одношаговый режим Completions, а не чат. Модель подходит для локализации диалогов визуальных новелл и других игр, особенно при пакетном или построчном переводе. Обратный перевод и другие языковые пары не поддерживаются; автор не рекомендует применять модель там, где критична точность, а обработка имён может быть нестабильной. Модель выпущена под лицензией Apache 2.0.

Kenshi — созданная автором личная смесь моделей для генерации изображений в полуреалистичном художественном стиле. В README названы среди исходных моделей Nixeu, WLOP, Guweiz и BoChen; отдельная базовая модель не указана. Репозиторий содержит веса PyTorch и Safetensors для Diffusers, задача по метаданным — генерация изображений по тексту. Модель рассчитана на создание иллюстраций по подробным текстовым запросам и, по словам автора, подходит для разных художественных стилей. Автор рекомендует не менее 20 шагов генерации, sampler DPM++ 2M Karras и CFG scale 2–7; VAE назван важным компонентом. Kenshi может требовать тщательной настройки промпта, поэтому в README она не рекомендуется начинающим пользователям. Лицензия — CreativeML OpenRAIL-M.

24aittl/klein-9b-outpaint — объединённый чекпойнт для расширения изображений за их исходные границы (outpainting), созданный на базе FLUX.2 [klein] 9B от Black Forest Labs. Веса LoRA outpaint_lora.safetensors слиты с базовой моделью методом Diffusers fuse_lora() с весом 1.0. Модель предназначена для редактирования изображений с помощью генерации содержимого за пределами исходного кадра. Базовая FLUX.2 [klein] 9B поддерживает генерацию изображений по тексту и редактирование с референсами; этот чекпойнт ориентирован на outpainting. Метаданные указывают поддержку задач text-to-image и image-to-image, однако README не уточняет точные требования к промптам или рабочему процессу расширения. Репозиторий содержит формат Diffusers и файлы safetensors. Для модели указана лицензия other; README уточняет, что применяются некоммерческая лицензия FLUX и требования допустимого использования базовой модели. Число параметров, контекст и поддерживаемые языки в предоставленных данных не описаны.

Krea2_Anything2RealCharacters — модель преобразования изображений на базе Krea2_Turbo, дообученная AIGC-Singularity. Она переводит 2D-иллюстрации, аниме и художественные изображения в фотореалистичный стиль, сохраняя черты персонажей и передавая детали лица, кожи, волос и освещения. Версия V3 выпущена как LoRA, что позволяет сочетать её с другими LoRA для Krea2, чтобы менять стиль фотографии и отдельные характеристики персонажа. Модель обучалась для работы с изображениями разрешением до 2048 × 2048 пикселей и поддерживает экспериментальный перенос идентичности с отдельного референсного изображения на стилизованного персонажа. Для этого сценария результаты могут меняться в зависимости от начального шума и соответствия изображений. Модель распространяется по лицензии Apache-2.0; для работы требуется совместимый базовый чекпойнт Krea2_Turbo и поддерживающий LoRA интерфейс, например ComfyUI.

Krea 2 Registered Outpaint — адаптер LoRA, опубликованный пользователем yijunwang2 для расширения изображений на больший холст с сохранением исходных пикселей и размещением исходного изображения в заданной области. Модель основана на Krea 2 Raw и предназначена для дистиллированного вывода за 8 шагов с базовой моделью Krea-2-Turbo через библиотеку Diffusers. Адаптер используется для outpainting и редактирования изображений: продолжения сцен вправо, влево, вверх или вниз, изменения квадратного формата на альбомный или портретный, а также согласованного продолжения перспективы, освещения, текстур и повторяющихся элементов. На вход подаются RGB-изображение, целевой холст с размерами, кратными 16, ограничивающий прямоугольник исходного изображения и промпт для полной композиции. Поддерживаются фотореалистичные, акварельные и стилизованные 3D-сцены. Ключевая особенность — rank-32 LoRA с координатным позиционированием токенов исходного изображения относительно целевого холста. Максимальный размер кодирования опорного изображения по большей стороне составляет 384 пикселя; после генерации исходные пиксели восстанавливаются с 32-пиксельным внутренним растушёвыванием границы. Рекомендуемые параметры: 8 шагов, guidance scale 0, LoRA scale 1, отключённое VLM-кодирование и включённый кэш reference K/V. Адаптер требует специального pipeline и не совместим с автоматически создаваемым Diffusers-примером и обычными импортерами LoRA. Лицензия модели — Krea 2 Community License; код pipeline и вспомогательных компонентов распространяется по Apache-2.0.

L3.1-EtherealRainbow-v1.0-rc1-8B — разговорная модель для генерации текста, созданная invisietch на базе Instruct-модели семейства Llama 3.1. Она предназначена прежде всего для творческого письма и ролевых диалогов. Модель содержит около 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. В карточке указан английский язык; обучение проводилось методом QLoRA на смеси открытых и частных наборов данных. Это предварительный релиз-кандидат, выпущенный для сбора отзывов, поэтому качество и настройки генерации ещё могут требовать доработки. Модель может генерировать откровенный, тревожный или оскорбительный контент. Указана лицензия Llama 3.1; при использовании необходимо соблюдать её условия.

djuna/L3.1-RPganoff-8B-B — диалоговая текстовая модель, созданная слиянием моделей с помощью mergekit и метода della_linear. В качестве базовой использована ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.1, в слияние также вошла HiroseKoichi/Llama-3-8B-Stroganoff-4.0. Модель основана на плотной архитектуре Llama и содержит 7,5 млрд параметров. Модель предназначена для генерации текста в диалогах и ролевых сценариях, а также для творческого письма. Максимальная длина контекста составляет 131 072 токена. Метаданные указывают на поддержку чата; описание базовой модели связывает её с творческим письмом и ролевыми сценариями. Репозиторий содержит веса в формате Safetensors. Сведения о лицензии и языковой поддержке в предоставленных данных отсутствуют.

L3.1-RP-Hero-BigTalker-8B-GGUF — языковая модель для генерации текста, разработанная DavidAU на основе семейства Llama 3.1 и ориентированная прежде всего на ролевые сценарии, а также на творческое письмо и создание художественных текстов. Она подходит для отыгрыша персонажей, продолжения сцен, разработки сюжетов и подсюжетов, написания рассказов и прозы разных жанров, включая научную фантастику, романтику и хоррор. Модель имеет размер 8B параметров, поддерживает английский язык и максимальный контекст до 128k токенов. Это GGUF-квантизированная версия; в репозитории также упоминаются варианты с разным уровнем квантизации, влияющим на детализацию, нюансированность и качество генерации. Модель заявлена как стабильная, с низкой perplexity и усиленным следованием инструкциям. Она рассчитана на длинные ответы, выразительную и детализированную прозу, включая нецензурированный контент, насилие, графический хоррор и gore. Для работы рекомендуется шаблон Llama 3 или Command-R. Сильными сторонами являются качество художественного стиля, развитая детализация, устойчивость генерации и возможность гибко менять результат настройками temperature и repetition penalty. При этом чрезмерно высокие значения могут ухудшать следование инструкциям и приводить к чрезмерно длинной или нестабильной генерации, а низкокачественные кванты могут заметно снижать качество. Модель имеет нейтрально-негативную склонность, которую следует учитывать при формулировании промптов. Распространяется по лицензии Apache-2.0.

cgato/L3.1-TheGreenLion-8b-SFT-v0.1.2 — текстовая генеративная модель семейства Llama, предназначенная для ролевых диалогов и написания историй. Она использует формат ChatML и может работать с системным сообщением или без него. Модель содержит 7,5 млрд параметров, имеет контекст длиной до 131 072 токенов и распространяется в формате safetensors. Автор описывает её как SFT-версию и отмечает, что планирует дообучение DPO. Модель подойдёт для создания персонажных диалогов и художественного текста; ответы языковых моделей могут быть недостоверными. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

kromeurus/L3.1-Tivir-v0.1-10B — слитая автором модель на архитектуре Llama для ролевых диалогов и художественного письма. Репозиторий содержит веса в формате Safetensors; объём модели в метаданных указан как 10,1 млрд параметров, а нативный контекст — 131 072 токена. В карточке описан процесс экспериментального объединения нескольких моделей и LoRA с помощью mergekit, включая SCE и другие методы слияния. Модель предназначена для генерации творческой прозы, ролевых сценариев и продолжения историй с сохранением деталей и характеров. Автор отмечает прямой стиль ответов, который может переходить в выразительную прозу, и рекомендует осторожно задавать инструкции: модель бывает избирательна к ним. Указаны настройки генерации для шаблона Llama 3, в том числе температура 0,8–1 и Min P 0,1–0,12. Для использования доступны веса Transformers, лицензия — Llama 3.1 Community License. Карточка описывает личный эксперимент автора; результаты генерации зависят от промпта и настроек, а смешение моделей Llama 3 и Llama 3.1 может привносить стилистические и связностные особенности.

L3.3-70B-Magnum-Nexus — текстовая диалоговая модель на архитектуре Llama 3.3, созданная DS-Archive путём слияния нескольких моделей Magnum и Llama 3.3 70B Instruct методом Model Stock с помощью mergekit. Она предназначена для творческого письма и ролевых диалогов, стремится воспроизводить стиль и качество прозы Claude 3 Sonnet/Opus и может работать с именами персонажей и префиллом или без них. Модель содержит 69,5 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов; в метаданных указан английский язык. Для запросов используется формат промптов Llama 3. Модель подходит для локального использования в сценариях генерации художественной прозы и ролевого общения. Возможны характерные для ролевых LLM и базовой модели смещения; автор предупреждает, что ответы следует считать вымыслом, а не фактической информацией или советом. Лицензия — Llama 3.3; файлы репозитория представлены в формате safetensors.

LDM3D — модель генерации RGB-изображений и карт глубины по текстовому запросу, разработанная Intel и описанная в статье, принятой на CVPR 2023. Это дообученная модель латентной диффузии на основе Stable Diffusion; в карточке указано 1,06 млрд параметров. Она формирует RGBD-данные, которые можно использовать, например, для создания интерактивных 360-градусных сцен в DepthFusion. Модель предназначена для генерации изображений и глубины по тексту, а также для прототипирования сцен в играх, развлечениях, архитектуре и дизайне. Обучение проводилось на наборе пар изображений, карт глубины и подписей, составленном из части LAION-400M. В README приведены результаты генерации изображений, сопоставимые со Stable Diffusion аналогичного размера; на оценке глубины LDM3D уступила DPT-Large по указанным метрикам. Модель принимает текст на английском языке и выдаёт изображение вместе с картой глубины. Применяются форматы Diffusers, PyTorch и Safetensors. Лицензия — CreativeML Open RAIL-M. На качество и предвзятость генерации изображений влияют ограничения Stable Diffusion, а карты глубины наследуют ограничения и смещения DPT, использованной для получения обучающих эталонов.

Intel LDM3D-4C — модель генерации изображений и карт глубины по текстовому описанию, разработанная авторами исследования LDM3D, принятого на конференцию CVPR 2023. Это дообученный латентный диффузионный чекпойнт на основе Stable Diffusion; в этой версии глубина представлена одним каналом. Модель формирует RGBD-изображения и предназначена для создания визуального контента, сцен с картой глубины и интерактивных 3D- и VR-представлений. Модель обучалась на подмножестве LAION-400M с парами изображений, карт глубины и подписей. В README указано, что она имеет 1,06 млрд параметров; метаданные связывают её с StableDiffusionLDM3DPipeline. Карточка описывает текстовые запросы на английском языке. Лицензия — CreativeML OpenRAIL-M. Качество генерации изображений сопоставимо с Stable Diffusion того же размера по приведённым метрикам, а показатели оценки глубины в опубликованном сравнении уступают DPT-Large. На модель распространяются ограничения и смещения Stable Diffusion; карты глубины также наследуют ограничения разметки, полученной с помощью DPT-Large.

LibreSAMlarge — точная копия Segment Anything Model 1 (SAM-1) ViT-Large от Meta Platforms, размещённая организацией LibreYOLO. Веса и конфигурация перенесены без изменений из facebook/sam-vit-large; модель предназначена для сегментации изображений и генерации масок с использованием библиотеки LibreYOLO. Модель принимает изображение и выдаёт маски сегментов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache 2.0. Для загрузки README приводит пример с библиотекой LibreYOLO.

Lichtspiel Diffusion — дообученная методом DreamBooth модель Stable Diffusion 1.5, созданная IcelosAI на основе реализации SD от XavierXiao. Она генерирует изображения по текстовым описаниям с кинематографической стилизацией, вдохновлённой кадрами операторов кино: приглушёнными цветами, свечением и зернистостью плёнки. Для включения стиля в запрос добавляют токен «Lichtspiel Style»; автор также рекомендует ссылаться на конкретные фильмы. Модель особенно подходит для портретов и атмосферных сцен. Модель обучена на 10 500 шагах и доступна в форматах Diffusers и PyTorch; в README также описано использование файла checkpoint в интерфейсах Stable Diffusion. Автор отмечает, что качество результата непостоянно. Лицензия — CreativeML Open RAIL++-M, предусматривающая ограничения на использование.

kasukanra/linebrush-style — дообученная модель Stable Diffusion v1.5 для генерации изображений с эффектом чернильной кисти и выразительной линейной графики. Для вызова стиля в запросе автор рекомендует использовать токен DBlinebrush style; модель обучена на изображениях в стиле фантастических концепт-иллюстраторов и дизайнеров. Модель предназначена для генерации иллюстраций по текстовому описанию, в том числе фэнтезийных персонажей и портретов. В README приведён пример генерации монохромного аниме-портрета; указаны настройки примера: 50 шагов, Euler, CFG 7 и размер 512×512. Репозиторий содержит формат Diffusers и PyTorch, а карточка указывает лицензию CreativeML OpenRAIL-M.

Это производная версия LingBot Video MoE 30B-A3B, подготовленная WaveCut для генерации видео по текстовому описанию. Диффузионный трансформер хранится в статически квантованном формате SDNQ UINT4; текстовый энкодер, токенизатор, планировщик и VAE оставлены в исходной точности. В карточке указано, что квантованы почти все параметры трансформера и рефайнера, включая тензоры экспертов MoE. Модель предназначена для создания видео по текстовым запросам и может использоваться с базовым трансформером или рефайнером. В опубликованных тестах на конкретной системе квантованный вариант снизил пиковое потребление видеопамяти базовой генерации примерно на 66%, но генерация шла медленнее, чем у исходной версии BF16. Это результаты одного тестового окружения, а не гарантия производительности на другом оборудовании. Квантование заметно меняет пиксели результата. В тестах отмечены ухудшение соответствия запросу и артефакты; пример с рефайнером также демонстрировал клиппинг цветов, присутствовавший и в исходной версии. Модель распространяется по лицензии Apache-2.0.

LingBot-World-Fast — модель генерации видео из изображения, выпущенная командой Robbyant Team как часть проекта LingBot-World. Она предназначена для создания интерактивных видеосцен на основе входного изображения, текстового промпта и сигналов управления положением камеры. Модель построена на кодовой базе Wan2.2 и распространяется в формате safetensors по лицензии Apache-2.0. Модель генерирует видео в разрешении 480p и 720p. Проект заявляет генерацию со скоростью 16 кадров в секунду и задержкой менее секунды, а также поддержку роликов длительностью до минуты с сохранением контекстной согласованности. Возможные сценарии включают создание контента, игровые среды и обучение роботов. Карточка не приводит размер модели и отдельные измерения качества LingBot-World-Fast; заявленные возможности могут зависеть от оборудования и настроек запуска.

LLaMA2-13B-Psyfighter2 — модель генерации текста, созданная участниками сообщества KoboldAI Jeb Carter и TwistedShadows. Это объединение нескольких моделей на базе Llama 2 13B, выполненное методом task arithmetic; итоговая модель содержит около 12,9 млрд параметров и распространяется в формате Safetensors. Для генерации доступно контекстное окно до 4096 токенов. Модель ориентирована прежде всего на художественное письмо, продолжение историй, диалоги с персонажами и текстовые приключения. Она поддерживает разные стили инструкций, в том числе Alpaca, но лучше проявляет себя при свободной импровизации и кратких вводных, чем при подробных промптах. В модель добавлены ограниченные медицинские данные для детализации анатомии и психических состояний в художественных текстах. Модель склонна выдумывать факты и может смешивать медицинские сведения с художественными данными, поэтому её не следует использовать для медицинских советов или терапии. Также в ответах на инструкции может проявляться уклон в приключенческую тематику. Лицензия — Llama 2; применимость модели регулируется её условиями.

LLaMA2-13B-Tiefighter — текстовая генеративная модель KoboldAI на архитектуре LLaMA 2 с 12,9 млрд параметров и контекстом до 4096 токенов. Это слияние нескольких моделей и LoRA-адаптеров, включая Undi95/Xwin-MLewd-13B-V0.2, PocketDoc/Dans-RetroRodeo-13b и Blackroot/Llama-2-13B-Storywriter-LORA; итоговая версия предназначена прежде всего для художественного письма, ролевых диалогов и текстовых приключений. Модель продолжает заданный текст, пишет истории по инструкции, поддерживает чат с персонажами и может работать в разных форматах инструкций, включая Alpaca. Для приключенческих игр README рекомендует кратко описать мир и цель, а команды задавать с префиксом `>`. Модель склонна импровизировать, но ответы в фактологических задачах могут быть вымышленными; иногда в инструктивных ответах проявляется уклон в приключенческие сюжеты. Использование регулируется лицензией Llama 2.

ArliAI разработала Llama-3.1-8B-ArliAI-RPMax-v1.1 — диалоговую модель для творческого письма и ролевых сценариев на основе Meta-Llama-3.1-8B. Модель дообучена на разнообразных наборах данных для творческого письма и ролевых игр; при подготовке данных уделялось внимание разнообразию и удалению повторов. Версия 1.1 исправляет обучение слоя эмбеддингов и lm_head в версии 1.0. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Она генерирует диалоговые ответы в формате Llama 3 Instruct и рассчитана на выразительные, разнообразные и менее повторяющиеся ролевые реплики. README рекомендует полные веса или GPTQ; для репозитория указаны веса safetensors. Лицензия — Llama 3. Ограничения: заявленные преимущества основаны на описании и ранних отзывах пользователей; в карточке нет подробной оценки качества для других задач или перечня поддерживаемых естественных языков.

Envoid/Llama-3-TenyxChat-DaybreakStorywriter-70B — разговорная языковая модель для генерации текста, созданная слиянием SLERP в пропорции 50/50 моделей crestf411/L3-70B-daybreak-storywriter-v0.4 и teny x/Llama3-TenyxChat-70B. Она основана на архитектуре Llama 3 и предназначена прежде всего для ролевых диалогов и написания историй; использует формат промптов Llama-3-Instruct. Модель содержит 69,5 млрд параметров, поддерживает контекст до 8192 токенов и доступна в формате safetensors. README отмечает повышенную пригодность модели для ролевых сценариев, но приведённая оценка NALA описана авторами как произвольная и ненаучная. Модель способна генерировать контент для взрослых. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

LLongMA-2-13b-storysummarizer — дообученная модель семейства LLaMA, созданная на основе conceptofmind/LLongMA-2-13b. Она предназначена для создания кратких пересказов и литературного анализа художественных произведений, включая анализ отдельных глав и сюжетных линий. В карточке приведены примеры пересказа и анализа текста романа. Модель содержит 12,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM и работает с текстом. Размер контекстного окна — 8192 токена. Для обучения использовался адаптированный датасет BookSum; при инференсе предусмотрен пользовательский код для Flash Attention 2, ускоряющий обработку длинного контекста. Модель подходит для анализа художественной прозы, но её специализация не подтверждает качество на иных жанрах и задачах. Лицензия — Apache-2.0.

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.

xFutureTechx/lost_and_found_2025 — дообученная на базе Stable Diffusion v1.5 модель для генерации изображений по текстовым запросам. Репозиторий создан в 2023 году и содержит веса в формате safetensors; модель рассчитана на создание иллюстраций, аниме и изображений в стиле комиксов. Карточка описывает репозиторий как личное собрание моделей и не приводит точных сведений об обучении, архитектурных изменениях или настройках генерации. Для использования указана лицензия CreativeML Open RAIL-M.

MirageML/lowpoly-environment — модель генерации изображений на основе Stable Diffusion, дообученная методом DreamBooth на концепции низкополигональных окружений. Для генерации используйте в запросе фразу «a photo of lowpoly_environment»; модель предназначена для создания изображений окружений в low-poly стиле по текстовому описанию. Модель распространяется в форматах Diffusers, PyTorch и Safetensors. Лицензия — CreativeML OpenRAIL-M. Карточка не сообщает размер модели, длину контекста или подробности о наборе обучающих данных; результаты зависят от формулировки запроса и могут не точно следовать ему.

MirageML/lowpoly-world — модель Stable Diffusion, дообученная разработчиком MirageML методом DreamBooth на концепции Low Poly World. Она предназначена для генерации изображений по текстовому описанию в низкополигональном стиле; для вызова концепции в запросе README рекомендует фразу «a photo of lowpoly_world». Модель распространяется в форматах Diffusers и PyTorch, поддерживает английский язык и лицензирована по CreativeML OpenRAIL-M. README также упоминает запуск через Gradio и платформу Mirage.

LTX-2.5 Quantized — это набор квантизированных весов базовой модели Lightricks/LTX-2.5, опубликованный пользователем joeygambino. Модель предназначена для генерации видео по текстовому описанию с одновременным созданием изображения и звука за один проход. Основной сценарий использования — запуск LTX-2.5 в ComfyUI на видеокартах с ограниченной видеопамятью, включая карты на 16 ГБ. Базовая модель имеет архитектуру DiT и размер 22B параметров; исходные веса в формате bf16 занимают около 42 ГБ, а текстовый энкодер Gemma 4 12B — ещё около 26,3 ГБ. Репозиторий содержит варианты в форматах GGUF и safetensors с квантованием от 2 до 8 бит, включая смешанные 4- и 8-битные варианты. Для работы используются отдельные текстовый энкодер и видео- и аудио-VAE. Рекомендуемая конфигурация для 16 ГБ включает вариант Q3_K_M или comfy-w4a4, квантизированный Gemma 4 12B и tiled VAE decode. Поддержка рассчитана на ComfyUI; GGUF требует ComfyUI-GGUF, тогда как safetensors можно использовать в штатном ComfyUI 0.32 и новее. Главное преимущество — значительное снижение требований к памяти: отдельные варианты занимают примерно от 7,9 до 22,7 ГБ, что позволяет запускать модель на более доступном оборудовании. К ограничениям относятся возможное ухудшение качества из-за квантования, необходимость отдельного текстового энкодера и VAE, а также то, что для некоторых конфигураций 16 ГБ недостаточно. Лицензия указана как ltx-2.x-community-license; точные условия определяются лицензией Lightricks.

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.

QuantStack/LTXV-13B-0.9.8-dev-GGUF — это квантованная модель в формате GGUF, представляющая прямую конвертацию варианта LTXV-13B-0.9.8-dev из семейства LTX-Video. Исходную модель разработала Lightricks, а квантование выполнил YarvixPA. Это не дообученная версия, поэтому к ней применяются ограничения и условия исходной модели. Модель предназначена для генерации видео по текстовому описанию и преобразования изображений в видео. README указывает английский язык, однако точные сведения о поддерживаемых языках, архитектуре, размере контекста и характеристиках генерируемого видео не приведены. Параметрическая версия обозначена как 13B; для работы также требуются текстовый энкодер T5-V1.1-XXL и соответствующий VAE. Основной сценарий использования — запуск в ComfyUI с поддержкой GGUF, включая актуальную встроенную поддержку или узел ComfyUI-GGUF. Модель совместима с LoRA при соблюдении требований рабочего процесса, но использование torchcompile вместе с LoRA не рекомендуется. Teacache поддерживается ограниченно и может заметно снижать качество, поэтому его советуют отключать. Лицензия указана как other; подробные условия доступны в файле LICENSE.md репозитория.