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

Nitro Diffusion — модель генерации изображений по текстовому описанию от nitrosocke, созданная на основе Stable Diffusion и дообученная одновременно на трёх стилях: Archer, Arcane и Modern Disney. В промпте можно задавать один стиль или сочетать несколько, регулируя их влияние. Для управления стилем используются слова «archer style», «arcane style» и «modern disney style».

NoobAI-XL-1.0 — диффузионная модель генерации изображений по текстовому описанию от Laxhar Lab. Она дообучена на базе NoobAI-XL-0.77; в README исходной моделью названа Illustrious-xl. Для обучения использовались изображения из Danbooru и e621 с подписями в виде тегов, поэтому модель ориентирована на генерацию изображений по теговым промптам. Рекомендуются CFG 5–6, 25–30 шагов и разрешение около 1024×1024; среди предложенных размеров — 832×1216 и 1216×832. Модель предназначена для создания иллюстраций по текстовым запросам. В README приведены рекомендуемые префикс промпта и негативный промпт, а также описаны связанные ControlNet-модели для normal, depth и canny. Основной указанный язык карточки — английский; данные обучения ориентированы на теги. Лицензия обозначена как other, а README запрещает коммерческое использование, требует открывать производные модели и соблюдать Fair AI Public License. Генерация может давать неожиданные или вредные результаты; качество зависит от промпта и настроек семплирования.

NyteTydeNoobAIXLvpred1.0EqB7-1024-with-protectedtags-withoutfaces — дообученная модель StarkEater для генерации изображений по текстовому описанию. Она основана на StarkEater/NoobAIXLvpred10EQB7 и предназначена для создания изображений без необходимости использовать специальные триггерные слова. Модель обучалась на разрешении 1024 пикселя. Некоторые теги в обучении сохранялись, но перемешивались; в наборе данных не было папки с кадрированными лицами. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

One-to-All Animation — модель для анимации персонажей и переноса позы на изображения, представленная авторами проекта One-to-All Animation. Она переносит движения на персонажа с одного референсного изображения и предназначена для генерации видео с гибким управлением движением, в том числе при произвольном расположении пары «референс — поза». Доступен чекпойнт размером 1,3 млрд параметров. Модель принимает изображение и создаёт видео; репозиторий содержит веса в формате safetensors и рассчитан на использование с библиотекой Diffusers. В README заявлена поддержка более длинных видео и случаев вне обучающего распределения. Лицензия — Apache-2.0.

DreamGen Opus V0 7B — языковая модель DreamGen для управляемого написания историй, чата и ролевых диалогов. Это дообученная версия Mistral-7B-v0.1 с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст на английском языке. Модель обучена следовать заданным сведениям о мире и персонажах, предыдущим фрагментам истории и указаниям о том, что должно произойти дальше. Карточка также характеризует её как uncensored, поэтому ответы могут включать взрослые или жестокие темы. В датасет дообучения вошли примеры совместного письма и более общие текстовые примеры; автор сообщает, что проза в наборе была написана людьми. Для запуска доступны совместимые с Mistral инструменты, включая vLLM и text-generation-webui. Модель распространяется в формате PyTorch. Лицензия в предоставленных данных не указана. Автор предупреждает, что доступные отдельно квантованные версии заметно уступают оригиналу по качеству.

CGCTG/orientation_resnet-50 — дообученная модель классификации изображений на базе ResNet-50, представленная в Transformers и сохранённая в формате safetensors. Она предназначена для определения ориентации на изображениях. В README приведены результаты на оценочной выборке: loss 0,5106 и accuracy 0,7598; обучение указано на датасете imagefolder. Модель распространяется по лицензии Apache-2.0.

OsenayanMix-Illustration — модель генерации изображений по текстовому описанию от EarthnDusk. Она предназначена для создания иллюстраций и изображений в стиле аниме; автор также отмечает разнообразное представление гендеров в результатах. Модель распространяется в форматах Diffusers, PyTorch и Safetensors и работает через StableDiffusionPipeline. Модель можно использовать для создания персонажей, концепт-арта и художественных иллюстраций по текстовым запросам. Автор допускает повторное использование и слияние модели с другими моделями при соблюдении условий CreativeML OpenRAIL-M и лицензий моделей, вошедших в слияния; перепубликовывать её нельзя. В README нет количественных оценок качества или описания конкретных ограничений генерации.

PaliGemma 3B PT 224 — компактная предобученная модель зрения и языка от Google, построенная на визуальном энкодере SigLIP и языковой модели Gemma. Она принимает изображение и текст, а в ответ генерирует текст; вариант 224 использует разрешение изображений 224 пикселя. Модель предназначена прежде всего для дообучения под конкретные задачи, а не для готового универсального чат-бота. После адаптации модель можно применять для описания изображений и коротких видео, визуальных вопросов и ответов, чтения текста на изображениях, обнаружения объектов и сегментации. Также возможна настройка для анализа снимков дистанционного зондирования, вопросов по науке, помощи людям с нарушениями зрения и объяснения элементов интерфейса. Поддерживаются несколько языков, но карточка не перечисляет их коды. Это одноходовая модель: она не предназначена для многошагового диалога. Без дообучения на целевой задаче качество может уступать специализированным моделям; ответы могут содержать фактические ошибки, а сложные запросы, нюансы языка и некоторые аспекты рассуждения могут даваться хуже. Репозиторий содержит веса Safetensors и распространяется по лицензии Gemma.

Pantheon-of-Cydonia-Realm-MN-22B-RP — слитая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом SLERP из Gryphe/Pantheon-RP-Pure-1.6.2-22b-Small и TheDrummer/Cydonia-22B-v1.2. Модель содержит 22 млрд параметров и рассчитана на генерацию текста в диалоговом формате, включая творческое письмо и ролевые сцены. Модель принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Репозиторий использует библиотеку Transformers и формат safetensors. Карточка не приводит сведения о лицензии и языковой специализации, поэтому их нельзя определить по предоставленным данным.

Phi-4-RP-V0.2 — диалоговая языковая модель на архитектуре Phi-4, объединённая из unsloth/phi-4 и адаптера bunnycore/Phi-4-rp-v1-lora. Разработчик позиционирует её для ролевых сценариев: интерактивных историй, RPG и персонализированных диалогов с виртуальными персонажами. Модель содержит 14,1 млрд параметров и поддерживает контекст до 16 384 токенов. Модель рассчитана на текстовые запросы в формате чата и генерирует продолжения диалога, реплики персонажей и сюжетные ответы. README сообщает о дообучении на материалах для ролевых игр, интерактивных историях и диалогах вымышленных персонажей. В метаданных указан формат safetensors и библиотека Transformers. Язык обучения и использования явно не указан. Лицензия в предоставленных данных не указана.

Pic X Real — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec. Карточка содержит примеры промптов для создания фотореалистичных и детализированных sci-fi сцен, включая инопланетные города, экзокостюмы и персонажей в необычных костюмах. Модель распространяется в формате Diffusers с весами safetensors и использует StableDiffusionPipeline. Примеры демонстрируют генерацию цифрового искусства с акцентом на фотореализм, высокое разрешение и проработанные детали. Лицензия — creativeml-openrail-m.

pi-r2 — модель обнаружения объектов на газетных страницах времён Первой мировой войны. Разработчик дообучил DETR с backbone ResNet-50, шестью слоями энкодера и декодера и 100 запросами объектов на наборе biglam/loc_beyond_words. Модель выделяет на изображениях фотографии, иллюстрации, карты, комиксы и карикатуры, заголовки и рекламу. Модель предназначена для анализа исторических газетных страниц, в частности сканов коллекции Chronicling America Библиотеки Конгресса США за 1910–1920 годы. Изображения при обработке масштабируются так, чтобы длинная сторона не превышала 1200 пикселей. Репозиторий распространяется по лицензии Apache-2.0. Проверка на 32 изображениях валидационной выборки показала крайне низкие значения mAP, поэтому качество обнаружения по приведённой оценке ограничено. Данные несбалансированы: заголовки и реклама встречаются чаще редких классов; на плотных страницах среди максимум 100 рамок некоторые объекты могут быть пропущены. На современных документах и страницах вне обучающего домена точность может снижаться.

Limbicnation/pixel-art-lora — LoRA-адаптер, разработанный Limbicnation для модели black-forest-labs/FLUX.2-klein-4B. Он предназначен для генерации пиксельных спрайтов персонажей и других игровых ассетов по текстовому описанию, включая рыцарей, монстров, роботов и персонажей в различных стилях. Модель ориентирована на использование в Godot, Unity и других игровых движках, а также поддерживает прозрачный фон. Адаптер работает с текстовыми запросами на английском языке и рекомендуется к применению с фразами pixel art sprite, game asset и transparent background; доступны стилевые модификаторы 16-bit pixel art, 32-bit pixel art и chibi. Заявленный формат результата — RGBA 512×512, генерация выполняется примерно за 4 шага при guidance scale 1.0 и сэмплере Euler. Базовая модель использует архитектуру FLUX.2-klein-4B с текстовым энкодером Qwen3, VAE AutoencoderKLFlux2 и специализированным пайплайном Flux2KleinPipeline. Обучение проводилось с LoRA rank 64, alpha 128, rsLoRA и датасетом из 500 изображений; README также указывает исходный датасет на 1 010 изображений. Сильные стороны модели — быстрая генерация, специализация на игровых пиксельных ассетах, поддержка прозрачного фона и использование заявленных CC0-данных. Ограничения включают зависимость от базовой модели FLUX.2-klein-4B, необходимость Diffusers версии не ниже 0.37.0.dev0 и рекомендованный диапазон силы LoRA 0.85–1.4 в ComfyUI. Лицензия адаптера — Apache-2.0; README заявляет, что обучающие изображения находятся в общественном достоянии и подходят для коммерческого использования.

PixelArt.Redmond — это LoRA-адаптер для генерации изображений в стиле пиксель-арта. Модель разработана artificialguybr и основана на Stability AI Stable Diffusion XL 1.0; обучение проводилось на большом наборе данных. Для активации указан триггер PixArFK, а рекомендуемый пример запроса — «Pixel Art, PixArFK». Модель предназначена для text-to-image генерации изображений с использованием совместимого SDXL-совместимого интерфейса или библиотеки Diffusers. Ключевая сильная сторона модели — специализация на создании пиксельной графики, что делает её подходящей для игровых ассетов, иллюстраций и других визуальных материалов в этом стиле. README не содержит сведений о размере адаптера, точном контекстном окне, поддерживаемых языках запросов, конкретных ограничениях качества или рекомендуемых параметрах генерации, поэтому эти характеристики нельзя определить по имеющимся данным. Для работы требуется базовая модель Stable Diffusion XL 1.0. Лицензия — CreativeML OpenRAIL-M.

PixelArtRedmond 1.5V — это LoRA-адаптер для генерации изображений в стиле пиксель-арта на базе Stable Diffusion v1.5. Модель разработана автором artificialguybr; официальный сайт автора — artificialguy.com. Она предназначена для text-to-image задач, включая создание персонажей, игровых ассетов, сцен, портретов и иллюстраций с выраженной стилизацией под пиксельную графику. Адаптер совместим с runwayml/stable-diffusion-v1-5 и используется в экосистеме Diffusers и Stable Diffusion. В README указаны текстовый триггер «Pixel Art» и примеры с дополнительным идентификатором «PixArFK». Поддерживается генерация по текстовым описаниям; сведения о размере LoRA, точной архитектуре, языках, максимальном контексте и входных модальностях не предоставлены. Сильная сторона модели — специализация на едином визуальном стиле, однако качество и применимость зависят от базовой модели, промпта и параметров генерации. Модель распространяется по bespoke-lora-trained-license. Лицензия разрешает коммерческое использование на условиях аренды, допускает производные работы и требует соблюдения условий, опубликованных по указанной ссылке; возможность использования без указания авторства также обозначена в ссылке на лицензию.

imjeffhi/pokemon_classifier — модель классификации изображений на базе ViT-base, дообученная на собранном наборе изображений покемонов. Она предназначена для распознавания покемонов на изображениях. Архитектура ViTForImageClassification содержит 113,2 млн параметров; веса представлены в формате PyTorch. Лицензия в предоставленных данных не указана.

premsa/political-bias-prediction-allsides-mBERT — модель классификации текста на базе BERT, обученная для предсказания политической предвзятости по материалам AllSides. Она предназначена для автоматической оценки политических формулировок и анализа новостных текстов. В README приведён пример классификации немецкого предложения и описано обучение с проверкой на валидационной выборке; лучший результат на тестовой выборке составил F1 0,8842. Модель содержит 194,6 млн параметров, принимает текст длиной до 512 токенов и доступна в формате safetensors. Обучение проводилось в течение пяти эпох с выбором чекпойнта по валидационной потере; в README указано, что наилучшая потеря была у второй эпохи. Лицензия — Apache-2.0. README не уточняет набор меток, используемое семейство mBERT или языковой охват, поэтому пример на немецком сам по себе не подтверждает поддержку других языков.

QIE-2511-Studio-DeLight — адаптер LoRA, разработанный Prithiv Sakthi и предназначенный для модели Qwen/Qwen-Image-Edit-2511. Он используется в сценариях image-to-image для нейтрального студийного освещения изображений: удаляет исходное освещение и заменяет его мягким, равномерно рассеянным светом, стремясь сохранить идентичность объектов, композицию, текстуры и геометрию. Модель работает через библиотеку Diffusers и совместима с версиями 2509 и 2511. Для активации эффекта рекомендуется использовать запрос «Neutral uniform lighting Preserve identity and composition». Адаптер особенно подходит для интерьерных фотосъёмок, изображений с чрезмерной обработкой и цветовым смешением. В открытых сценах нейтрализация жёсткого солнечного света может привести к выбеливанию или очищению фона, что является ограничением модели. Модель распространяется по лицензии Apache-2.0. README не содержит данных о размере адаптера, поддерживаемых модальностях помимо редактирования изображений, максимальном контексте или наборе языков; в метаданных указан язык en.

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.

AMAImedia опубликовала эту версию модели в рамках платформы NOESIS для автоматизации многоязычного дубляжа. В основе — дообученная philbert440/Qwen3.8-27B-Uncensored-Aggressive; это плотная мультимодальная модель семейства Qwen3.5 для Transformers, с весами safetensors в формате BF16. Сохранены vision tower и голова MTP для спекулятивного декодирования. Модель принимает изображения и текст и формирует текстовые ответы. Она предназначена для диалоговых сценариев с изображениями, а также для генерации ответов на инструкции с менее выраженными отказами, чем у исходной модели. В README описан метод ослабления отказов через ортогонализацию вектора отказа на слое 28 с коэффициентом α=1,15; приведённые там оценки — результаты авторского тестирования, а не независимая проверка. Заявлена поддержка многих языков, включая русский, английский и китайский. Лицензия — Apache-2.0.

Ali Alvandi разработал эту модель как дообученную версию Qwen/Qwen3-ASR-1.7B для распознавания персидской речи, уделив особое внимание речи пожилых людей и устойчивости к акустическим изменениям и шуму. Это плотная модель семейства Qwen3-ASR для автоматического распознавания речи; она принимает аудио и выдаёт текст. Репозиторий содержит артефакты для инференса, без состояния оптимизатора и продолжения обучения. Модель предназначена для транскрибации персидской речи, исследований и прототипирования, в том числе записей пожилых говорящих. При обучении использовались общедоступные и собранные данные персидской речи, включая ресурсы с речью пожилых людей, а также шумовая аугментация, изменение скорости, ухудшение сигнала и вставка пауз. В карточке сообщается агрегированный результат WER 0,31 и CER 0,27; он зависит от нормализации и состава тестовых данных. Модель распространяется по лицензии Apache-2.0. Точность может меняться в зависимости от акцента, устройства записи, уровня шума, возраста говорящего и предметной области; транскрипты могут содержать пропуски и замены, поэтому они не подходят как авторитетная запись для критически важных решений.

OPPOer/Qwen-Image-Edit-Pruning — это экспериментальная обрезанная версия Qwen-Image-Edit, представленная авторами проекта OPPOer. В ней удалено 20 слоёв и сохранены веса 40 слоёв исходной модели; заявленный размер составляет 13,6 млрд параметров. Модель предназначена для редактирования изображений по инструкциям, как и базовая Qwen-Image-Edit, и распространяется в формате Diffusers с весами Safetensors. Модель принимает изображения и текстовые инструкции и выдаёт отредактированные изображения. В метаданных указаны английский и китайский языки. Лицензия — Apache-2.0. README описывает обрезку слоёв, но не приводит результатов оценки качества или подробностей о скорости; поэтому свойства сохранённой производительности и практические ограничения относительно базовой модели не установлены.

Raehoshi Anima — диффузионная модель генерации изображений по текстовому описанию, разработанная Raelina и дообученная на базе circlestone-labs/Anima. Она предназначена для создания иллюстраций в аниме-стиле и расширяет знания базовой модели о персонажах и сериях, включая Zenless Zone Zero, Wuthering Waves, Honkai: Star Rail, Genshin Impact, Arknights: Endfield и Neverness to Everness; карточка указывает, что база знаний обновлена по май 2026 года. Модель принимает промпты в виде Danbooru-тегов и обычного естественного языка, в том числе их сочетания. Для более точной передачи персонажей рекомендуется указывать название серии и соответствующие теги. Файл модели в формате safetensors не включает текстовый энкодер и VAE: эти компоненты нужно загрузить отдельно. Для модели указан тип лицензии other, без уточнения конкретных условий.

RealCartoon3D-V15 — чекпойнт Stable Diffusion от sam749 для генерации изображений по текстовому запросу. Автор позиционирует эту версию как обновление RealCartoon с улучшенной чёткостью и общим качеством, более выраженной реакцией на указание возраста персонажей, а также хорошей генерацией пейзажей. Модель рассчитана на создание стилизованных мультяшных изображений с трёхмерным видом; для запуска автор приводит пример использования библиотеки Diffusers и StableDiffusionPipeline. Репозиторий содержит веса в формате safetensors для Diffusers. Лицензия — CreativeML Open RAIL-M. README не сообщает размер модели, контекст или поддерживаемые естественные языки; текстовый ввод используется как описание желаемого изображения.

RealCore Pony 1.0 — модель генерации изображений на основе Pony Diffusion V6 XL и семейства Stable Diffusion XL. Её создатель объединил несколько реалистичных моделей и пользовательских LoRA; в метаданных перечислены компоненты слияния, включая CyberRealisticPony и модели John6666. Модель распространяется в формате safetensors и рассчитана на работу с Diffusers. Она создаёт реалистичные, похожие на фотографии изображения по текстовым запросам, в том числе контент NSFW. Карточка отмечает совместимость с ускорением LCM и оптимизацию для ComfyUI. Указанный в метаданных язык — английский; контекст изображения задаётся текстовым промптом. Модель распространяется по лицензии OpenRAIL++ и предназначена для генерации изображений. Качество и соответствие промпту зависят от формулировки запроса и настроек генерации; карточка не приводит количественных оценок качества.

RealCore XL 1.0 — модель генерации изображений на основе Stable Diffusion XL, опубликованная rityak. Это объединённый чекпойнт, созданный из нескольких моделей и LoRA, включая модели для реалистичной и аниме-генерации; исходный рецепт слияния утерян. Модель предназначена для генерации реалистичных изображений и снимков в любительском фото-стиле по текстовым запросам. Автор отмечает высокую детализацию, совместимость с ускорением LCM и возможность использования в ComfyUI. Поддерживается генерация контента для взрослых, поэтому модель подходит и для NSFW-сценариев. Чекпойнт распространяется в формате Safetensors и использует лицензию OpenRAIL++. Карточка не приводит размер модели, длину контекста или список языков запросов; метаданные указывают английский язык карточки. Утерянный рецепт слияния ограничивает воспроизводимость и точное выяснение вклада отдельных компонентов.

Real Dream SDXL Pony 12 — авторский чекпойнт для генерации изображений по текстовому описанию, опубликованный пользователем sinatra. Модель основана на Pony SDXL и объединяет влияния нескольких реалистичных и художественных моделей; автор описывает её как ориентированную на фотореалистичные изображения с детализированной текстурой лица, более согласованными сценами и реалистичным контрастом. Модель принимает текстовые промпты и выдаёт изображения. Для Pony SDXL автор рекомендует сэмплер Euler a или DPM++ SDE Karras и 20–30 шагов; для работы с небольшим объёмом видеопамяти упоминаются режимы экономии памяти и Fooocus. Чекпойнт представлен в форматах Diffusers и safetensors. Автор предупреждает о риске создания реалистичных изображений, способных вводить людей в заблуждение, и запрещает использовать модель для мошенничества и дезинформации. Условия лицензии в предоставленных материалах не описаны.

realism_engine_krea2_v2 — это LoRA-адаптер для генерации изображений по текстовому описанию, разработанный пользователем или организацией uzumix. Модель предназначена для использования вместе с базовой моделью krea/Krea-2-Turbo в экосистеме Diffusers и, вероятно, ориентирована на повышение реалистичности создаваемых изображений. Указано, что адаптер распространяется в формате SafeTensors. Из доступных данных известно, что модель работает в сценарии text-to-image и относится к семейству diffusion LoRA. Размер адаптера, архитектура базовой модели, поддерживаемые языки, максимальный контекст и точные визуальные особенности не указаны. Также отсутствуют сведения о рекомендуемых параметрах, ограничениях качества и лицензии, поэтому условия использования необходимо уточнять на странице модели и у правообладателя.

ReGround Qwen2.5-VL-7B — мультимодальная модель SESPOIR для визуальных рассуждений. Она дообучена в два этапа на основе Qwen/Qwen2.5-VL-7B-Instruct: полное supervised fine-tuning на структурированных траекториях рассуждений, затем оптимизация GRPO для поведения самодиагностики и повторного изучения изображения. Модель принимает изображение и текстовый запрос и формирует текстовый ответ; при необходимости она может запросить повторную подачу исходного изображения через контроллер инференса. Модель подходит для вопросов по изображениям и сценариев, где полезно перепроверить визуальные данные перед ответом. Архитектура — плотная Qwen2.5-VL с 7,1 млрд параметров; нативный контекст — 128 000 токенов. В метаданных указан английский язык. Репозиторий распространяет веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Модель может ошибаться в рассуждениях и ответах, а также запрашивать повторную проверку изображения без необходимости. Для важных решений ответы следует независимо проверять.

winterForestStump/Roberta-fake-news-detector — модель классификации новостных текстов на фейковые и реальные. Автор дообучил RoBERTa на 8 000 новостных статей из источника, связанного с базой EUvsDisinfo. Модель выдаёт метку «фейковые новости» или «реальные новости»; входной текст длиннее установленного предела автоматически обрезается. Модель предназначена для первичной проверки новостных публикаций и анализа дезинформации. Это RoBERTa для классификации последовательностей с 151,8 млн параметров и контекстом 514 токенов; в README ограничение входа описано как менее 512 слов. Карточка указывает английский язык. Модель доступна в форматах PyTorch и Safetensors по лицензии GPL-2.0. Результат следует рассматривать как классификационный сигнал, а не окончательную проверку достоверности: обучающие данные ограничены 8 000 статей, а источник данных сосредоточен на материалах, связанных с прокремлёвской дезинформацией. Поэтому возможны ошибки и смещение за пределы такого набора данных.