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

Gemma-4-E4B-Luchador — модель для диалогового ролевого общения и творческого письма, созданная rpDungeon на основе Google Gemma 4 E4B Instruct. Это плотная модель семейства Gemma 4: около 4 млрд эффективных параметров; README также указывает около 7,5 млрд параметров до удаления мультимодальных адаптеров. В репозитории представлены веса Safetensors, а метаданные отмечают поддержку чата и генерации текста. Модель получена в два этапа: слиянием сигналов четырёх адаптеров с базовой instruct-моделью, а затем объединением с LoRA, обученной на разговорных данных для ролевого общения и творческого письма. При обучении и слиянии применялись маска подпространства инструкций, взвешивание по важности параметров и слоёв и сферическая интерполяция, чтобы сохранить способность следовать инструкциям и улучшить качество прозы. README приводит результаты IFEval: 85,95% strict-P и 82,81% loose-P. Модель рассчитана прежде всего на англоязычные сценарии: в тегах и языках карточки указан английский. Автор предупреждает, что оценка ограничена IFEval и внутренней оценкой стиля; модель не предназначена для задач, требующих надёжных знаний, а применение для кода, математики и критически важных задач не рекомендуется. Лицензия — Gemma; её условия следует учитывать при использовании и распространении.

GPT-2 — дообученная Imran1 модель генерации текста на корпусе новостей на урду. Она обучалась с причинно-языковой целью на 1000 примерах и предназначена для продолжения и генерации текстов в новостном стиле на урду. Модель использует архитектуру GPT-2, представлена в форматах PyTorch и Safetensors и имеет контекст длиной 1024 токена. Автор сообщает о тренировочной потере 3,042 и предупреждает, что из-за малого объёма данных качество может быть невысоким. Лицензия — MIT.

GPT-NeoX-20B-Skein — модель генерации историй из серии Skein, разработанная KoboldAI. Она предназначена для интерактивной прозы и текстовых приключений, а также для обычного написания романов; модель склонна вести повествование от второго лица. Модель построена на архитектуре GPT-NeoX, имеет 26,9 млрд параметров и принимает текст с контекстом до 2048 токенов. Обучающие данные в основном включают ранобэ из набора KoboldAI/GPT-Neo-2.7B-Horni-LN и интерактивную художественную литературу; в данных использовались тематические теги. Указанный язык — английский. Модель может отражать гендерные, профессиональные, расовые и религиозные предубеждения, характерные для NLP-моделей. Распространяется по лицензии Apache-2.0.

HeackMT5-ZhSum100k — модель для суммаризации китайского текста, созданная KongYang из Шанхайского университета Цзяотун. Это дообученная версия mT5 с архитектурой encoder-decoder и 291,2 млн параметров; веса опубликованы в формате PyTorch. Модель обучалась 10 эпох на корпусе примерно из миллиона строк, преимущественно из китайских финансовых новостей, и предназначена для создания кратких связных резюме текстов на китайском языке. В карточке приведены оценки ROUGE-1 56,46, ROUGE-2 45,81, ROUGE-L 52,98 и ROUGE-Lsum 20,22. Модель может подойти для сокращения новостных материалов и подготовки кратких обзоров финансовых публикаций. Коммерческое использование требует отдельной платной лицензии; некоммерческое использование заявлено как бесплатное. Метаданные указывают лицензию CC-BY-NC-SA-4.0, поэтому условия карточки и метаданных следует учитывать совместно.

TrevorJS/htdemucs-CoreML — это конвертированная в Core ML модель Hybrid Transformer Demucs (HTDemucs), разработанная Meta AI для разделения музыки на источники. Она принимает стереозвук и предназначена для обработки на GPU в macOS 15 и новее; указанная реализация обрабатывает сегменты длительностью около 7,8 секунды с частотой 44,1 кГц. Модель выделяет четыре дорожки: ударные, бас, вокал и остальные звуки. Репозиторий содержит Core ML ML Program в формате float32; README отмечает, что float16 приводит к переполнению. Для работы с моделью хост-приложение должно рассчитывать спектрограмму, восстанавливать аудио и обрабатывать перекрывающиеся сегменты. Конверсия сверялась с PyTorch на синтетическом сегменте. Модель распространяется по лицензии MIT. Она ориентирована на разделение музыкальных миксов и зависит от совместимого хоста, реализующего описанный аудиоконвейер; запуск заявлен для macOS 15 и новее.

Hunyuan3D 2.0 — система генерации 3D-объектов, разработанная Tencent. Репозиторий содержит модели из проекта, описанного в статье Hunyuan3D 2.0: Scaling Diffusion Models for High Resolution Textured 3D Assets Generation. Основной сценарий — создание 3D-геометрии по изображению с последующим синтезом текстур; отдельная модель текстурирования также предназначена для работы с готовыми мешами. Система использует двухэтапный конвейер: Hunyuan3D-DiT строит форму объекта на основе flow-based diffusion transformer, а Hunyuan3D-Paint синтезирует карты текстур с опорой на геометрию. Заявлены генерация высокодетализированных текстурированных объектов и соответствие исходному изображению. Метаданные указывают поддержку английского и китайского языков, но не уточняют их роль в основном image-to-3d сценарии. Для запуска доступны веса в форматах PyTorch и safetensors; README также описывает API, совместимый по стилю с Diffusers, и интерфейс Gradio. Лицензия указана как other, поэтому условия использования следует сверять с файлами лицензии репозитория. Количество параметров и длина контекста для этой модели не применимы к описанному визуально-3D конвейеру.

Карточка модели CB-3AXAPOB/Hunyuan3D-2.1 на Hugging Face совпадает с карточкой tencent/Hunyuan3D-2.1, поэтому описание составлено по ней. Hunyuan3D-2.1 — модель Tencent для создания 3D-объектов по входному изображению. Она предназначена для преобразования изображения в трёхмерный объект, например для подготовки ассетов в графике и 3D-производстве. Модель доступна в форматах PyTorch и Safetensors и связана с библиотекой hunyuan3d-2. В карточке Hugging Face указаны поддержка английского и китайского языков и лицензия other. Сведения о конкретных архитектуре, размере модели, контекстном окне и ограничениях качества не приведены.

Карточка модели duckky-green/Hunyuan3D-2.1 на Hugging Face совпадает с карточкой tencent/Hunyuan3D-2.1, поэтому описание составлено по ней. Hunyuan3D-2.1 — модель Tencent для создания 3D-объектов по входному изображению. Она предназначена для преобразования изображения в трёхмерный объект, например для подготовки ассетов в графике и 3D-производстве. Модель доступна в форматах PyTorch и Safetensors и связана с библиотекой hunyuan3d-2. В карточке Hugging Face указаны поддержка английского и китайского языков и лицензия other. Сведения о конкретных архитектуре, размере модели, контекстном окне и ограничениях качества не приведены.

Hunyuan3D-2.1 — модель Tencent для создания 3D-объектов по входному изображению. Она предназначена для преобразования изображения в трёхмерный объект, например для подготовки ассетов в графике и 3D-производстве. Модель доступна в форматах PyTorch и Safetensors и связана с библиотекой hunyuan3d-2. В карточке Hugging Face указаны поддержка английского и китайского языков и лицензия other. Сведения о конкретных архитектуре, размере модели, контекстном окне и ограничениях качества не приведены.

Карточка модели yasserrajeb/Hunyuan3D-2.1 на Hugging Face совпадает с карточкой tencent/Hunyuan3D-2.1, поэтому описание составлено по ней. Hunyuan3D-2.1 — модель Tencent для создания 3D-объектов по входному изображению. Она предназначена для преобразования изображения в трёхмерный объект, например для подготовки ассетов в графике и 3D-производстве. Модель доступна в форматах PyTorch и Safetensors и связана с библиотекой hunyuan3d-2. В карточке Hugging Face указаны поддержка английского и китайского языков и лицензия other. Сведения о конкретных архитектуре, размере модели, контекстном окне и ограничениях качества не приведены.

Hunyuan3D-2mv — модель Tencent из семейства Hunyuan3D 2.0 для генерации трёхмерных форм по изображениям с управлением по нескольким ракурсам. Это дообученная версия Hunyuan3D-2, разработанная для создания 3D-объектов с учётом многовидовых изображений. Модель предназначена для преобразования визуальных референсов в 3D-формы, например для создания и редактирования цифровых ассетов. Репозиторий относится к проекту Hunyuan3D 2.0, посвящённому генерации высокодетализированных 3D-объектов с текстурами; карточка этой версии отдельно указывает на генерацию формы с управлением по нескольким ракурсам. Доступны веса в форматах PyTorch и Safetensors, используется библиотека hunyuan3d-2. Лицензия указана как other, поэтому условия использования следует проверять в файлах репозитория. Описание не сообщает конкретные требования к вычислительным ресурсам и качество генерации может зависеть от изображений и ракурсов, поданных на вход.

Карточка модели 7ser1324/Hunyuan3D-Omni на Hugging Face совпадает с карточкой tencent/Hunyuan3D-Omni, поэтому описание составлено по ней. Hunyuan3D-Omni — модель Tencent для управляемой генерации 3D-объектов. Она построена на Hunyuan3D 2.1 и использует единый энкодер управления, который объединяет сигналы разных типов для задания формы и позы объекта. Модель генерирует 3D-модель по изображению, а также поддерживает управление через облако точек, воксельное представление, ограничивающий 3D-бокс или скелетную позу. Это подходит для создания и преобразования 3D-ассетов для игр, кино и дизайна, когда нужно точнее контролировать геометрию, топологию или позу. В README указан размер 3,3 млрд параметров и потребность в 10 ГБ видеопамяти для генерации. В репозитории указаны веса PyTorch и библиотека hunyuan3d-2. Лицензия обозначена как other; конкретные условия следует проверять в лицензии репозитория. Модель наследует структуру Hunyuan3D 2.1; подробности о качестве, поддерживаемых форматах 3D-вывода и точных ограничениях применения в карточке не приведены.

Jommarn/Illustrious-XL-v2.0 — модель генерации изображений по текстовому описанию на базе Stable Diffusion XL. Репозиторий содержит компоненты Diffusers: два текстовых энкодера CLIP, токенизаторы, U-Net, VAE и планировщик, а также файл весов safetensors в одном файле. Модель предназначена для создания изображений по текстовым запросам; в метаданных она помечена как ориентированная на аниме. Модель можно использовать через Diffusers или загрузить веса из файла safetensors. Сведения о лицензии обозначены как «other», поэтому конкретные условия использования следует проверять на странице модели. README не сообщает о специализированных ограничениях или языковой поддержке.

Infinite 80s — модель преобразования текста в изображения в эстетике кино 1980-х годов. Она создана AInfinity и LiberteRedmond с использованием LoRA 80s Movie Style от Lykon; для её базовой модели Liberte Infinity объединены AIInfinityRealistic и LiberteRedmond. Карточка сообщает, что модель diffusers была переименована в Infinite80sAlpha для повторного запуска проекта. Модель предназначена для создания реалистичных и стилизованных изображений по текстовым запросам, в том числе портретов и сцен с кинематографическим настроением. Репозиторий содержит веса в форматах Diffusers и PyTorch, включая safetensors. Указаны английский язык запросов и лицензия CreativeML OpenRAIL-M. Размер модели и длина контекста в предоставленных данных не указаны.

Карточка модели fengjie3304/InstantMesh на Hugging Face совпадает с карточкой TencentARC/InstantMesh, поэтому описание составлено по ней. InstantMesh — модель TencentARC для быстрого создания 3D-сеток по одному изображению. Она использует feed-forward подход, объединяющий готовую модель многовидовой диффузии и модель реконструкции по разреженным ракурсам на основе архитектуры LRM. Модель предназначена для генерации 3D-объектов из одиночного изображения и создания ассетов для исследовательских и творческих проектов. Авторы заявляют, что генерация занимает менее 10 секунд; система также использует дифференцируемое извлечение изоповерхности и напрямую оптимизирует представление сетки. В карточке указаны формат PyTorch и лицензия Apache-2.0.

InternVL3-14B-GGUF — мультимодальная большая языковая модель, разработанная командой OpenGVLab и представленная в GGUF-формате Unsloth. Модель основана на OpenGVLab/InternVL3-14B и использует данные MMPR-v1.2; заявленная лицензия — Apache 2.0. Модель предназначена для задач, сочетающих работу с текстом и изображениями: мультимодального восприятия и рассуждений, анализа промышленных изображений, 3D-восприятия, использования инструментов и создания GUI-агентов. Поддерживается многоязычная работа, однако конкретный перечень языков в README не указан. Архитектура построена по схеме ViT-MLP-LLM: визуальная часть представлена InternViT-300M-448px-V2_5, языковая — Qwen2.5-14B, а между ними используется MLP-проектор. Размер языковой модели — 14 млрд параметров; модель поддерживает текстовую и визуальную модальности. Контекстное окно, точные характеристики GGUF-квантизации и требования к ресурсам в README не указаны. К сильным сторонам относятся мультимодальные возможности и широкий спектр прикладных сценариев, но качество и производительность могут зависеть от выбранного варианта квантизации и аппаратной конфигурации.

Isometric Dreams SD 1.5 — модель генерации изображений, обученная Duskfallcrew с помощью Hugging Face Dreambooth Training Space на базе Stable Diffusion 1.5. Она предназначена для создания изображений в изометрическом стиле по текстовым запросам; автор рекомендует использовать специальные concept prompts. Модель распространяется в форматах Diffusers, PyTorch и Safetensors и лицензирована по CreativeML OpenRAIL-M. Для запуска автор предлагает использовать Colab Notebook для инференса через Diffusers. Карточка не описывает конкретные ограничения качества или поддерживаемые языки запросов.

KansenSakura-Zero-RP-12b — объединённая автором Retreatcost 12,1-миллиардная модель на архитектуре Mistral для ролевых диалогов и создания историй. Она рассчитана на сюжетные сценарии с яркими персонажами, трансформациями и мотивами техноорганического хоррора, в том числе на истории в эстетике визуальных новелл и апокалиптические сюжеты. Модель создана слиянием восьми моделей методом passthrough, с использованием ChatML. Хотя в карточке указан контекст до 1 024 000 токенов, автор рекомендует ограничивать его примерно 16 000 токенами для лучшего качества; также приведены настройки генерации и ограничение вывода до 320 токенов. Модель может выдавать неотфильтрованный творческий текст, включая тревожные и откровенные сюжеты. Она предназначена для генерации текста, а не изображений или иных медиа. Лицензия — Apache-2.0.

Kiel-2-Image — LoRA-модель, разработанная KielTech на базе Stable Diffusion XL Base 1.0 для создания и редактирования футуристических портретов, научно-фантастических персонажей и концепт-арта. Она поддерживает генерацию изображения по текстовому запросу и преобразование исходного изображения с помощью текстового описания. Модель рассчитана на детализированные изображения с реалистичными текстурами. В карточке рекомендовано генерировать изображения в разрешении 1024 × 1024 с 25–35 шагами сэмплирования; для преобразования изображения указана сила воздействия 0,45–0,6. Доступны веса LoRA в safetensors и варианты GGUF F16 и Q4_0. Для работы требуется базовая модель SDXL Base 1.0. В карточке указан английский язык запросов. Лицензия — CreativeML Open RAIL-M.

KOALA-Lightning-700M — модель генерации изображений по текстовому описанию от ETRI Visual Intelligence Lab. Она предназначена для создания изображений в художественных, дизайнерских и образовательных сценариях, а также для исследований генеративных моделей и их ограничений. Модель основана на латентной диффузии и использует компактный U-Net примерно на 782 млн параметров вместо U-Net SDXL; текстовые энкодеры сохранены от SDXL-Base-1.0. Заявлена генерация изображений размером 1024×1024, в том числе на потребительских GPU с 8 ГБ видеопамяти. По данным авторов, модель дистиллирована из SDXL-Lightning с акцентом на self-attention и генерирует изображение более чем в четыре раза быстрее SDXL на NVIDIA 4090. Модель может ошибаться в сложных запросах с несколькими атрибутами и плохо отображает длинный разборчивый текст внутри изображения. Она не предназначена для достоверного изображения людей или событий. Авторы указывают исследовательское назначение; лицензия в предоставленных данных не приведена.

ainize/kobart-news — корейская модель суммаризации новостных статей, разработанная Ainize на основе KoBART и дообученная на текстах для документного суммирования и газетных материалах с помощью Ainize Teachable-NLP. Она предназначена для получения краткого содержания по входной статье; размер модели составляет 79,7 млн параметров, архитектура — BART с условной генерацией текста, контекст — до 1026 токенов. Модель принимает и выдаёт текст на корейском языке. Модель распространяется в формате PyTorch по лицензии MIT. Карточка описывает применение к новостным и документным текстам; длинный вход сверх контекстного окна может потребовать предварительного сокращения. Качество на иных жанрах и языках не подтверждено.

Kokoro-82M-Swift — преобразованные веса Kokoro-82M, подготовленные для запуска синтеза речи через Swift на устройствах Apple Silicon. Репозиторий поддерживает два варианта инференса: MLX-Swift с использованием GPU и Metal, а также CoreML с сегментированными пакетами для Neural Engine и CPU. Модель принимает текст и генерирует речь; доступны 54 набора голосов с разными языками и стилями, включая американские и британские английские, испанские, французские и японские голоса. Для использования предусмотрен Swift-пакет kokoro-swift, который может загружать голосовые наборы по запросу. Веса преобразованы из hexgrad/Kokoro-82M; репозиторий распространяется по лицензии Apache-2.0.

L3.1-Artemis-b2-8B — слитая диалоговая языковая модель на архитектуре Llama, созданная с помощью mergekit. В основе лежит kromeurus/L3.1-Ablaze-Vulca-v0.1-8B; слияние выполнено методом DARE TIES с моделями Casual-Autopsy/L3-Umbral-Mind-RP-v3.0-8B, mergekit-community/L3-Boshima-a и vicgalle/Configurable-Hermes-3-Llama-3.1-8B. Модель содержит 7,5 млрд параметров, рассчитана на контекст до 131 072 токенов и предназначена для генерации текста в диалоговых и ролевых сценариях. Описание базовой модели указывает на ролевые игры с эмоционально тяжёлыми темами и сценариями спасения персонажей. Модель доступна в формате safetensors; лицензия в предоставленных данных не приведена.

L3.1-Artemis-b-8B — слитая диалоговая языковая модель семейства Llama 3.1, созданная сообществом mergekit-community с помощью mergekit. В основе слияния лежит lamm-mit/Bioinspired-Base-Hermes-3-Llama-3.1-8B; также объединены Casual-Autopsy/L3-Umbral-Mind-RP-v3.0-8B, mergekit-community/L3-Boshima-a и kromeurus/L3.1-Ablaze-Vulca-v0.1-8B методом DARE TIES. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает диалог и имеет контекстное окно до 131 072 токенов. Базовые модели и описание в каталоге указывают на применение для ролевых игр, в том числе с тяжёлыми эмоциональными темами и сюжетами спасения персонажей. Модель распространяется в формате Safetensors; лицензия в предоставленных данных не указана.

L3.3-Ignition-v0.1-70B — плотная текстовая модель на архитектуре Llama 3.3, созданная invisietch как многоэтапное слияние нескольких моделей на базе Llama 3.3. Она предназначена для творческого ролевого отыгрыша и написания художественной прозы; модель лучше реагирует на подробные описания персонажей и тщательно сформулированные системные инструкции. Размер — 69,5 млрд параметров, формат репозитория — Safetensors, заявленная длина контекста — 131 072 токена; автор сообщает, что тестировал генерацию в FP8 и FP16 с согласованными ответами примерно до 64 тысяч токенов. Модель генерирует диалоги и художественный текст, стремясь к связности и меньшему количеству шаблонных фраз. Она может создавать откровенный, тревожный и оскорбительный контент. Для использования требуется соблюдать лицензию Meta Llama 3.3 (llama3.3).

Это экспериментальная донастройка LFM2.5-1.2B-Instruct от DavidAU, выполненная с помощью Unsloth на наборе TeichAI/claude-4.5-opus-high-reasoning-250x. Модель предназначена для генерации текста с рассуждениями, диалога и творческого письма: в примере она пишет хоррор-рассказ, а теги также указывают на создание сюжетов и продолжение сцен. Архитектура — плотная Lfm2ForCausalLM семейства LFM2; указанный размер — 1,5 млрд параметров, формат файлов — safetensors, библиотека — Transformers. Контекстная длина составляет до 128 000 токенов. Рассуждения выводятся обычным текстом, а не в отдельном блоке, и их длина и появление могут меняться между генерациями; иногда для получения продолжения или более развёрнутого ответа требуется повторная генерация или дополнительная инструкция в запросе. Автор оценивает модель как слегка экспериментальную. Для работы с ней рекомендуется контекст от 8 тысяч токенов и настройки сэмплирования, приведённые в карточке. Базовая модель распространяется по лицензии LFM Open License v1.0; для этой донастройки README отдельную лицензию не описывает.

LibreOVDEIMm — обнаружитель объектов с открытым словарём из линейки LibreYOLO, основанный на OV-DEIM-M. Он находит объекты на изображении по текстовым описаниям классов, включая произвольные названия и фразы вроде «человек», «красный рюкзак» или «погрузчик», которые передаются при запуске. Модель включает детектор примерно на 20 млн параметров с бэкбоном ViT-tinyplus, дистиллированным из DEIMv2, и текстовый энкодер MobileCLIP-B(LT) для кодирования запросов. Артефакт создан на основе весов OV-DEIM от wleilei и текстового энкодера apple/MobileCLIP-B-LT-OpenCLIP. По README, параметры обучения детектора не менялись: выполнены преобразование ключей и упаковка компонентов. Исходный детектор обучен на Objects365v1 и GoldG; для исходной реализации сообщается скорость 109 кадров/с на T4 с TensorRT при размере входа 640, а порт LibreYOLO воспроизводит результат 45,9 AP на COCO val2017 для версии L. Эти показатели относятся к указанным конфигурациям и не гарантируют такую же скорость или качество в других условиях. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая не разрешает коммерческое использование.

LibreSAMbase — точная копия весов и конфигурации Segment Anything Model 1 (SAM-1) ViT-Base от Meta Platforms, размещённая организацией LibreYOLO. Репозиторий зеркалирует facebook/sam-vit-base без изменений и содержит веса в формате safetensors; для загрузки предлагается библиотека libreyolo. Модель предназначена для сегментации объектов на изображениях и генерации масок. Лицензия Apache 2.0. Размер модели и поддерживаемые языки в предоставленных источниках не описаны; текстовый интерфейс не заявлен.

LiveAvatar-GGUF — это пакет модели для audio.cpp, подготовленный проектом audio-cpp на базе Wan-AI/Wan2.2-S2V-14B с объединённым официальным LoRA-адаптером Quark-Vision/Live-Avatar. Модель предназначена для генерации видео аватара по референсному изображению, речевому аудио и текстовому описанию сцены или действий. Пакет включает GGUF-компоненты: текстовый энкодер UMT5, аудиоэнкодер Wav2Vec2, токенизатор, видео-VAE и денойзирующую модель Wan2.2 S2V с адаптером LiveAvatar. Указан размер базовой модели 14B; поддерживаются аудио-, текстовые и визуальные условия с генерацией видео. В README не указаны поддерживаемые языки и максимальная длина текстового или аудиоконтекста. Сильной стороной является возможность создавать синхронизированные с речью аватарные видео, включая генерацию в разрешении 720p на видеокарте с примерно 16 ГБ VRAM благодаря потоковой загрузке весов и поочерёдной обработке слоёв. Ограничения — высокая вычислительная стоимость, значительное время генерации, потребность в трёх обязательных GGUF-файлах и дополнительной оперативной памяти при использовании временного кэша. Потоковая загрузка весов снижает требования к VRAM, но замедляет работу. Для пакета указана лицензия Apache-2.0.

LLAMA2 13B-Holodeck-1 — дообученная KoboldAI модель семейства Llama 2 для генерации текста. Она основана на Meta Llama 2 и обучена на корпусе примерно из 3000 электронных книг разных жанров; значительная часть примеров помечена жанровым префиксом. Модель подходит для продолжения художественных текстов и генерации прозы по заданному началу. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и 12,9 млрд параметров. Она принимает текст и выдаёт текст, поддерживает английский язык; максимальный контекст составляет 4096 токенов. Репозиторий содержит веса PyTorch и Safetensors. Лицензия указана как other, поэтому условия использования следует уточнять в материалах репозитория.