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

ControlNet v1.1 Tile Version — модель управления генерацией изображений, разработанная Lvmin Zhang и Maneesh Agrawala. Эта версия представляет собой конвертацию исходного контрольного чекпойнта в формат diffusers и предназначена для использования совместно с Stable Diffusion, прежде всего runwayml/stable-diffusion-v1-5. Модель принимает изображение с плиточной структурой как дополнительное условие для диффузионной генерации. Она подходит для image-to-image-сценариев, восстановления и детализации изображений, а также генерации новых деталей при сохранении структуры входного изображения. По назначению она близка к модели суперразрешения, но может работать и без изменения исходного размера. Основная модальность — изображения, а текстовое управление обеспечивается базовой моделью Stable Diffusion; в карточке указано, что поддерживаемый язык — английский. Ключевая сильная сторона модели — дополнительный контроль над результатом генерации с сохранением пространственной структуры и деталей входного изображения. Ограничения включают зависимость от совместимой диффузионной модели, в первую очередь Stable Diffusion v1.5, а также отсутствие в предоставленных данных сведений о размере параметров, максимальном контексте, производительности и количественных оценках качества. Модель распространяется по лицензии CreativeML OpenRAIL M, являющейся вариантом лицензии Open RAIL M.

Cool Japan Diffusion 2.1.1 — модель генерации изображений по текстовому описанию, созданная Alfred Increment на основе дообучения Stable Diffusion. Она ориентирована на стилистику аниме, манги и игр и использует Latent Diffusion Model и OpenCLIP-ViT/H. В карточке заявлена поддержка японских промптов; пример применения — создание иллюстраций и AI-арта, а также образовательные и исследовательские проекты. Модель предназначена для генерации изображений по текстовым запросам через Diffusers или веб-интерфейс. Автор указывает, что коммерческое использование запрещено, кроме описанных в лицензии исключений; применяется CreativeML Open RAIL++-M-NC License. Модель унаследовала смещения Stable Diffusion, а качество генерации и другие ограничения автор подробно не характеризует.

Cosmos-37b-BASE — базовая языковая модель athirdpath на архитектуре Mistral с 37,3 млрд параметров и контекстом до 131 072 токенов. Это дообученная версия athirdpath/LD-Zephyria-37b_HEALED, продолжительно предобученная на одном проходе по наборам bluuwhale/nsfwstory, bluuwhale/nsfwstory2 и закрытому набору Iambe. Модель предназначена прежде всего для творческого письма и генерации текста. Она не проходила последующее instruction tuning, поэтому для диалогов и выполнения инструкций автор рекомендует вариант -INSTRUCT; возможности чата в метаданных не отменяют это ограничение. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных источниках отсутствуют.

Это общественная квантизация NVFP4 модели NVIDIA Cosmos3-Super-Image2Video-4Step для генерации видео по изображению. Исходная модель имеет 64 млрд параметров и использует дистилляцию DMD2 для генерации за четыре шага без classifier-free guidance. Квантизация весов уменьшает заявленный объём памяти примерно до 38 ГБ; часть компонентов, включая активации, эмбеддинги и нормализации, оставлена в BF16. Модель предназначена для создания видеоклипа на основе входного изображения. Репозиторий содержит вариант для загрузки через Diffusers и сервер FastAPI; для запуска на одном GPU README указывает ориентир от 45 ГБ свободной памяти. Для этой квантизированной точности нет официальной проверки или поддержки NVIDIA, а автор предупреждает о возможной дополнительной ошибке квантования по сравнению с FP8. README также описывает проблемы совместимости с указанной dev-версией Diffusers, исправляемые включённым скриптом обслуживания. Лицензия в метаданных обозначена как other; точные условия следует сверить с карточкой исходной модели.

CounterfeitXL — модель генерации изображений по текстовому описанию в формате Diffusers, предназначенная для Stable Diffusion XL. Карточка связывает её с Civitai и перечисляет три варианта негативных эмбеддингов: Standard, Realistic и Anime like. Модель подходит для создания изображений по промптам с использованием негативных эмбеддингов, чтобы задавать нежелательные признаки результата. Репозиторий распространяется в формате Safetensors; лицензия — CreativeML OpenRAIL-M. Сведения о разработчике, архитектуре сверх совместимости с Stable Diffusion XL, размере, языках и ограничениях качества в карточке не приведены.

Crunchy-onion — разговорная языковая модель, созданная Epiculous дообучением модели семейства Mixtral на примерах из LimaRP в формате ShareGPT, а также на данных по теории разума и наборе Gnosis. Она предназначена для генерации текста в диалоге, в том числе для ролевых сценариев и ответов, учитывающих намерения и психическое состояние собеседников. Модель имеет архитектуру Mixtral MoE, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии AGPL-3.0.

Crystalwave — модель генерации изображений по текстовому описанию, созданная слиянием Synthwave и Crystal Clear Remix. Она предназначена для создания иллюстраций и обоев с эстетикой synthwave и vaporwave: неоновые линии и круги, геометрические горы, ретроавтомобили, пальмы, ночные пейзажи, персонажи и другие сюжеты. Для усиления стилистического эффекта автор рекомендует добавлять в запрос слово «snthwve». Модель распространяется в формате Diffusers с весами Safetensors и использует лицензию CreativeML OpenRAIL-M. В карточке приведены примеры разнообразных художественных и фотореалистичных запросов, но сведения о размере модели, поддерживаемых языках и длине контекста отсутствуют.

CvT-21 — модель компьютерного зрения семейства Convolutional Vision Transformer, представленная Wu и соавторами и опубликованная в репозитории Microsoft. Она предварительно обучена на ImageNet-1k с разрешением изображений 224×224 и предназначена для классификации изображений по 1000 классам ImageNet. Модель использует архитектуру CvT, сочетающую свёрточные операции с Vision Transformer. Она подходит для распознавания объектов и сцен на изображениях, в том числе для классификации изображений из пользовательских наборов данных по классам ImageNet. Доступны веса PyTorch и TensorFlow. Модель обрабатывает изображения и выдаёт метки классов. Она обучена на ImageNet-1k, поэтому её классы и качество на других предметных областях могут не соответствовать нуждам конкретного применения. Лицензия — Apache-2.0.

Cyberpunk Anime Diffusion — модель генерации изображений от DGSpitzer, созданная дообучением Waifu Diffusion V1.3 с помощью DreamBooth на базе Stable Diffusion 1.5 и новым VAE. Она предназначена для создания персонажей и иллюстраций в аниме-стиле с киберпанк-тематикой по текстовым запросам. Для усиления характерного стиля в запросе рекомендуется использовать ключевое слово «dgs» и указание на стиль иллюстрации. Модель доступна в форматах Diffusers и PyTorch, включая файлы SafeTensors и CKPT, и совместима со стандартными конвейерами Stable Diffusion. В карточке указана лицензия CreativeML OpenRAIL-M. В README приведён пример запроса с откровенно подчёркнутым изображением персонажа; качество и точность результата зависят от формулировки запроса.

Cyberpunk Anime Diffusion — модель генерации изображений в стиле киберпанк-аниме, разработанная DGSpitzer. Она создана дообучением Waifu Diffusion V1.3 на базе Stable Diffusion 1.5 с помощью Dreambooth; в этой версии добавлена встроенная поддержка персонажей Genshin Impact. Модель принимает текстовые запросы и выдаёт изображения, а для усиления фирменного стиля автор рекомендует добавлять в запрос ключевое слово «dgs» и описание стиля иллюстрации. Модель распространяется в форматах Diffusers и checkpoint и совместима со стандартными конвейерами Stable Diffusion. Лицензия — CreativeML OpenRAIL-M. Она предназначена для создания художественных изображений, особенно персонажей и сцен киберпанк-аниме; качество зависит от формулировки запроса. Это специализированный генератор изображений, а не универсальная модель для понимания изображений или диалога.

CyberRealistic Pony Catalyst — экспериментальная модель генерации изображений из текста, созданная как ответвление линейки CyberRealistic Pony. Она предназначена для создания фотореалистичных изображений по коротким или подробным текстовым запросам; особенно проработаны лица, глаза, кожа, освещение и текстуры. Модель основана на Stable Diffusion XL и распространяется в формате Safetensors для Diffusers. В README рекомендованы 25–30 шагов сэмплирования и разрешения 896×1152 или 832×1216. Встроенный VAE позволяет работать без отдельного VAE. Модель ориентирована на реалистичную эстетику: абстрактные и аниме-запросы могут давать менее качественные результаты, а кожа и освещение иногда выглядят чрезмерно гладкими или чистыми. Лицензия — CreativeML OpenRAIL-M.

Cyberrealistic Pony v130 — дообученная модель Cyberdelia на базе cyberdelia/CyberRealisticPony для генерации изображений по текстовым запросам. Она предназначена для создания реалистичных и фотореалистичных изображений в стиле Pony; метаданные указывают на использование Stable Diffusion XL и библиотеки Diffusers. Модель поддерживает запросы на английском языке. Модель распространяется в форматах Diffusers и safetensors. В карточке указана лицензия «other», поэтому конкретные условия использования следует проверять в исходной карточке модели. README не содержит сведений о рекомендуемых параметрах генерации или дополнительных ограничениях качества.

DAI-NER-nested — адаптер LoRA на базе QWEN/Qwen3.5-9B, разработанный для распознавания именованных сущностей во французских приходских записях XVI–XVIII веков. Модель дообучена на изображениях исторических документов; в карточке указаны ширина изображения 1500 пикселей, ранг LoRA 8, alpha 32 и 10 эпох обучения (около 4 тысяч шагов). Модель предназначена для извлечения сущностей из рукописных приходских записей на французском языке. Для работы требуется базовая модель QWEN/Qwen3.5-9B и поддержка адаптеров PEFT. Лицензия в предоставленных данных не указана.

SzilviaB/DarkUnholyPlanet-OAS-8b — слитая авторами модель на архитектуре Llama 3, созданная с помощью mergekit методом SLERP из DavidAU/L3-Dark-Planet-8B и Undi95/Llama3-Unholy-8B-OAS. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста в диалоговом формате; каталог характеризует базовые модели как предназначенные для художественной прозы, сюжетов, сцен и ролевого общения. Модель подходит для творческого письма, продолжения историй и ролевых диалогов. Заявленная длина контекста — 8192 токена. Репозиторий содержит веса в формате safetensors и указывает библиотеку Transformers. Сведения о лицензии в предоставленной карточке и метаданных отсутствуют.

Proxima darkvictorian_artstyle — дообученная модель для генерации изображений в тёмной викторианской художественной стилистике. В README указано, что версия v1 обучена на Stable Diffusion 1.4, а v2 — на Stable Diffusion 1.5; для применения стиля в запросе рекомендуется использовать токены «darkvictorian artstyle». Также автор добавил вариант LoRA. Модель предназначена для создания мрачных викторианских иллюстраций по текстовым описаниям. Репозиторий содержит веса в форматах Diffusers и PyTorch; в метаданных указаны библиотека Diffusers и задача text-to-image. Лицензия — CreativeML OpenRAIL-M. Для LoRA-варианта требуется совместимая базовая модель Stable Diffusion.

A-Asif/deberta_movie_review2 — модель классификации текста на базе DistilBERT, дообученная для отзывов о фильмах. Она предназначена для определения класса отзыва; README сообщает метрики на тестовой выборке: accuracy 0,935, precision 0,9307, recall 0,94 и F1 0,9353. Название модели указывает на задачу анализа отзывов, однако набор меток и схема классификации в карточке не описаны. Модель использует архитектуру DistilBertForSequenceClassification и принимает текст с контекстом до 512 токенов. Она распространяется в формате safetensors по лицензии Apache-2.0. В README не приведены подробности о данных, обучении и ограничениях, поэтому метрики нельзя переносить на другие наборы отзывов без проверки.

lvwerra/distilbert-imdb — модель классификации текста на базе DistilBERT, дообученная автором репозитория на наборе данных IMDb. Она предназначена для определения тональности отзывов о фильмах: на оценочном наборе автор сообщает точность 0,928 и значение функции потерь 0,1903. Модель принимает текст и выдаёт метку класса; контекст ограничен 512 токенами. Доступна в формате PyTorch и распространяется по лицензии Apache-2.0. README не приводит дополнительных сведений о тренировочных данных и ограничениях применения.

Narrativa/distilroberta-finetuned-stereotype-detection — дообученная модель на базе distilroberta-base для классификации текста с целью выявления стереотипов. Архитектура — RoBERTa для классификации последовательностей; размер составляет 95,2 млн параметров, контекст — до 514 токенов. В карточке указаны результаты оценки: accuracy 0,9892 и loss 0,0651. Модель принимает текст и выдаёт метку классификации. Она может применяться для автоматического выявления стереотипных формулировок в текстах и анализа гендерных предубеждений. Обучающий датасет и подробности о схеме меток не описаны, поэтому результаты оценки не позволяют судить о качестве на других доменах. Лицензия — Apache-2.0.

dndcoverart-v1 — модель генерации изображений, обученная abesmon методом DreamBooth на базе Stable Diffusion v1.5. Она предназначена для создания иллюстраций обложек в стилистике D&D по текстовому запросу; для вызова изученного концепта в запросе используется ключевое слово dndcoverart. Модель работает через Diffusers и распространяется в форматах Diffusers и PyTorch. Модель принимает текстовые описания и генерирует изображения. Репозиторий распространяется по лицензии CreativeML OpenRAIL-M. Карточка не сообщает контекстные характеристики или конкретные ограничения качества.

DreamAnything — смешанная модель для генерации изображений по текстовому описанию, опубликованная пользователем Yntec на Hugging Face. Автор объединил модели семейства Anything и свои любимые модели, чтобы получить универсальный чекпойнт, способный работать без опоры на негативные промпты. Веса доступны в формате Diffusers и Safetensors; в модель встроен VAE Color 101. Модель предназначена для создания изображений по текстовым промптам. Автор отмечает, что добавление слова «anime» в запрос усиливает аниме-стилистику. В качестве примера приведён промпт для портрета персонажа с зелёными волосами в ночной обстановке. Лицензия — CreativeML OpenRAIL-M. Карточка не сообщает размер модели, базовые чекпойнты, длину контекста или результаты сравнительной оценки качества.

Dreamful 3 — модель генерации изображений из текста в формате Diffusers, опубликованная Yntec на Hugging Face. Карточка приводит пример запроса для создания детализированного аниме-портрета девушки-теннисистки с длинными волнистыми волосами и голубыми глазами, в кинематографическом стиле. Модель предназначена для создания иллюстраций и портретов по текстовым описаниям; метки карточки указывают на тематику аниме, портретов и 3D. Репозиторий содержит веса в формате safetensors и использует лицензию CreativeML Open RAIL-M. В README и метаданных не приведены размер модели, контекст или сведения о базовой модели.

DreamPhotoGASM — модель генерации изображений по текстовому описанию, созданная Yntec на основе дообученной модели Yntec/epiCPhotoGasm. Она предназначена для создания фотореалистичных и художественных изображений, в том числе портретов, сцен с людьми, одежды и кинематографических сюжетов. Примеры в карточке показывают работу с подробными промптами и такими характеристиками, как освещение, композиция, стиль и детали изображения. Модель распространяется в формате Diffusers с весами Safetensors. Лицензия — CreativeML OpenRAIL-M. Карточка ориентирует её на генерацию изображений с привлекательными и откровенными образами; качество зависит от формулировки запроса, а примеры не гарантируют стабильный результат для любых сцен.

DreamWorks — модель генерации изображений по текстовому описанию, размещённая пользователем Yntec. Карточка показывает пример промпта для создания кинематографичного CGI-изображения в стилистике анимационных фильмов: персонаж играет с сестрой во дворе в солнечный день. Модель предназначена для генерации иллюстраций с визуальной подачей, напоминающей CGI и мультфильмы DreamWorks или Pixar. Репозиторий использует Diffusers и содержит веса в формате safetensors. Лицензия — CreativeML Open RAIL-M.

Eagle-X2-Llama3-8B-ConsecutiveTableReadout-Mix-160k — визуально-языковая модель семейства Eagle, разработанная на основе adapter-based структуры LLaVA и Eagle. Она дообучена на базе meta-llama/Meta-Llama-3-8B-Instruct и использует визуальные энкодеры CLIP-448 на основе CLIP-336 и ConvNeXt. Модель предназначена для диалоговой работы с изображениями и генерации текста по визуальному содержимому. Название указывает на чтение таблиц, однако README не описывает конкретные сценарии или результаты этой специализации. Архитектура — EagleLlamaForCausalLM; размер составляет 7,5 млрд параметров, контекст — 8192 токена. Метаданные задают основную задачу как image-text-to-text, а также отмечают поддержку text-generation. Для использования доступны веса в формате safetensors через Transformers. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространения производных материалов на тех же условиях и запрещает коммерческое использование. Качество на чтении таблиц и поддерживаемые языки в предоставленных данных не описаны.

EVA Qwen2.5-1.5B v0.0 — компактная разговорная модель для ролевых диалогов и написания историй, созданная Kearm, Auri и Cahvay. Это полнопараметрическое дообучение Qwen/Qwen2.5-1.5B с архитектурой Qwen2ForCausalLM; модель содержит 1,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель обучена на смеси синтетических и естественных данных, включая наборы для инструктивных ответов, структурированного письма, ролевых карточек персонажей и творческих подсказок. Она предназначена для генерации текста и чата, особенно для ролевых сцен и художественного письма. В метаданных указан английский язык. Модель распространяется под лицензией Apache-2.0.

EVA-Qwen2.5-32B-v0.0 — диалоговая модель для ролевых сценариев и написания историй, разработанная Kearm и Auri. Это полное дообучение плотной языковой модели Qwen2.5-32B с 32 млрд параметров; модель обучали на смеси синтетических и естественных данных, включая наборы для инструкций, структурированного письма, ролевых карточек и творческих подсказок. Она использует формат ChatML и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации творческого текста, отыгрыша персонажей и продолжения историй в чат-интерфейсах, включая SillyTavern. Для вывода доступна на Featherless.AI. README предупреждает, что квантизированный KV-кэш Qwen2.5 может ухудшать качество генерации; для KV-кэша рекомендуется f16. Лицензия — Apache-2.0.

EvtV3 — модель генерации изображений по текстовому описанию, опубликованная пользователем haor. Она основана на Evt_V2 и дообучена в течение 20 эпох на 35 467 изображениях. Модель распространяется в формате Diffusers для PyTorch и предназначена для создания изображений в аниме-стиле по текстовым запросам. Модель использует пайплайн Stable Diffusion. В карточке указана лицензия CreativeML OpenRAIL-M. Данных о конкретных ограничениях качества и поддерживаемых языках запросов в предоставленных источниках нет.

ExpMixLine v2.0 — модель генерации изображений по текстовому описанию на базе Stable Diffusion, опубликованная AIARTCHAN. Это объединённая модель, сочетающая ExpMix_Line, ChikMix и стилистические LoRA SamDoesArts, ligne claire, Motomurabito и Kidmo; она ориентирована на создание иллюстраций с ощущением 2D-арта. Репозиторий содержит веса Diffusers/PyTorch в формате safetensors; в карточке указана версия no-EMA fp32 размером 5,67 ГБ. Модель предназначена для генерации стилизованных изображений по промптам, в частности одиночных персонажей и иллюстраций. Автор рекомендует DPM++ SDE Karras, Clip skip 1–2, CFG 6–10 и при увеличении разрешения R-ESRGAN 4x+Anime6B с denoise strength 0,4–0,65. Для публикации указана лицензия other, поэтому конкретные права использования следует сверять с условиями на странице модели и исходных компонентов. Основные сведения о поддерживаемых языках, контекстном окне и дополнительных ограничениях качества карточка не устанавливает.

Fairseq-dense 2.7B-Nerys — англоязычная авторская донастройка плотной модели Fairseq, опубликованная KoboldAI. Это причинная языковая модель архитектуры XGLM с 3,1 млрд параметров, предназначенная для генерации продолжений текста и художественной прозы. При обучении использовались около 2500 электронных книг разных жанров, датасет интерактивных историй CYS и 50 азиатских лайт-новелл; в значительной части обучающих текстов перед жанром добавлялась метка вида [Genre: …]. Модель можно применять для продолжения повествования, написания художественных сцен и интерактивных историй. Она принимает и генерирует текст, поддерживает контекст до 2048 токенов и опубликована в формате PyTorch. Лицензия — MIT. Как и другие языковые модели, может воспроизводить смещения, в том числе связанные с полом, профессией, расой и религией; качество генерации не гарантируется.

Pulk17 разработал англоязычную модель классификации новостных статей на достоверные и фальшивые. Это модель BERT с архитектурой BertForSequenceClassification, дообученная на размеченных новостных данных; размер составляет 136,7 млн параметров, максимальная длина контекста — 512 токенов. Модель принимает текст статьи и выдаёт класс. Модель предназначена для автоматической предварительной проверки новостных материалов и исследовательских экспериментов по выявлению дезинформации. В README заявлены высокие показатели на использованной при оценке выборке, однако подробности её состава и протокола оценки не приведены, поэтому эти результаты не гарантируют качество на новых источниках и темах. Модель ориентирована на английский язык; расширение на другие языки потребует подходящих данных. Распространяется по лицензии Apache-2.0.