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

Fantastica-7b-Instruct-0.2-Italian — разговорная инструктивная языковая модель, разработанная Scribis и дообученная на базе Mistral-7B-Instruct-v0.2. Это плотная архитектура Mistral с 7,1 млрд параметров, контекстом до 32 768 токенов и весами в формате safetensors; модель рассчитана на генерацию текста на итальянском языке. Модель предназначена для создания итальянских текстов в литературных стилях Алессандро Мандзони, Карло Досси, Карло Коллоди и Луиджи Пиранделло, а также сюжетов романов и фильмов и описаний картин. В README приведён формат инструкций [INST]...[/INST] и примеры запросов для этих сценариев. Обучение использовало выбранные материалы Wikipedia, итальянский литературный корпус и отрывки произведений упомянутых авторов. Карточка предупреждает, что модель может плохо справляться со сложными, неоднозначными или плохо оформленными запросами и выдавать фактически неверный или бессвязный текст. Лицензия — Apache-2.0.

kpsss34/FHDR_Uncensored — модель для генерации изображений по текстовому описанию, разработанная сообществом или автором под идентификатором kpsss34. Она основана на black-forest-labs/FLUX.1-dev и предназначена для сценариев text-to-image, включая создание художественных изображений и других визуальных материалов по англоязычным промптам. Модель реализована для использования с библиотекой Diffusers и конвейером FluxPipeline. В README указано, что при обучении обновлялись случайно выбранные слои и блоки, а не вся модель; по замыслу автора это сократило время обучения и должно было улучшить результаты. Для примера приведены параметры генерации с разрешением 1024×1024, 40 шагами диффузии, guidance_scale 4.0 и максимальной длиной последовательности 512 токенов, однако эти значения не обязательно являются ограничениями модели. Размер, точная архитектура, набор поддерживаемых языков и дополнительные модальности не указаны; заявлен только английский язык. Сильной стороной модели является специализированная настройка на базе FLUX.1-dev и совместимость с распространённым инструментарием Diffusers. Ограничения включают отсутствие подробных результатов оценки, информации о фактическом качестве, размере модели и области применения. Лицензия обозначена как other, но её конкретные условия в README не приведены, поэтому правила коммерческого и иного использования требуют дополнительной проверки.

Fimbulvetr-Grande-V2-19B-GGUF — текстовая генеративная модель, разработанная DavidAU на основе Fimbulvetr-11B-v2 от Sao10K. Это модифицированная Solar-based модель с применением метода Brainstorm 40x, который предназначен для заметного изменения стиля прозы и расширения творческих возможностей. Модель ориентирована на художественное письмо, создание сюжетов и подсюжетов, продолжение сцен, сторителлинг, ролевые сценарии и работу с жанрами от научной фантастики и романтики до ужасов. Поддерживаются английский язык и текстовая модальность; в карточке указан pipeline text-generation. Модель содержит около 19,25 млрд параметров, 87 слоёв и 786 тензоров. Базовый максимальный контекст составляет 4096 токенов, а с настройками RoPE его можно расширить примерно до 16K, при этом качество и следование инструкциям могут ухудшаться. Требуются шаблоны ChatML, Alpaca или Vicuna. Сильные стороны — подробное и эмоционально насыщенное описание сцен, окружения и персонажей, разнообразная структура прозы, сложный стиль и способность к предвосхищению событий. Модель чувствительна к температуре, repetition penalty и типу квантизации; при агрессивных настройках возможны чрезмерно длинная генерация и повторы. Она может создавать NSFW-контент, насилие, мрачные или нецензурные сцены и имеет лёгкую негативную стилистическую тенденцию. Распространяется по лицензии Apache-2.0.

Модель yukta10/finetuning-sentiment-model-3000-samples — дообученная на датасете IMDB модель классификации текста на базе DistilBERT. Она предназначена для определения тональности текстов, в частности отзывов о фильмах. Архитектура — DistilBertForSequenceClassification; модель принимает текст, максимальная длина контекста составляет 512 токенов, веса представлены в формате PyTorch. В README не приведены подробности о метках классов, метриках качества или обучающих настройках. Модель опубликована под лицензией Apache-2.0.

jasperai/Flux.1-dev-Controlnet-Depth — модель ControlNet для базовой модели FLUX.1-dev, разработанная исследовательской командой Jasper. Она предназначена для генерации и преобразования изображений по текстовому описанию с управлением композицией и пространственной структурой с помощью карты глубины. Модель поддерживает сценарии image-to-image и интегрируется с библиотекой diffusers. Модель использует архитектуру ControlNet поверх FLUX.1-dev и принимает текстовый prompt вместе с изображением-условием в виде depth map. В README не указаны размер модели, максимальная длина контекста, поддерживаемые языки и точные требования к аппаратному обеспечению. Для подготовки карты глубины можно использовать, например, MidasDetector из библиотеки controlnet_aux; при работе в примере применяется тип torch.bfloat16 и GPU CUDA. Ключевое преимущество модели — возможность сохранять геометрию и пространственное расположение объектов, одновременно изменяя их визуальное содержание в соответствии с текстовым описанием. Качество результата зависит от точности карты глубины, параметров управления и возможностей базовой FLUX.1-dev; другие ограничения в README не описаны. Модель распространяется по лицензии Flux.1-dev non-commercial license, поэтому её использование ограничено условиями этой лицензии.

FLUX.1-dev-ControlNet-Union-Pro-2.0 — унифицированная модель ControlNet от Shakker Labs для базовой модели black-forest-labs/FLUX.1-dev. Она предназначена для управляемой генерации изображений по текстовому описанию с сохранением структуры и композиции, заданной управляющим изображением. Модель интегрируется с библиотекой Diffusers и используется в пайплайне FluxControlNetPipeline. Модель поддерживает несколько режимов управления: Canny, soft edge, depth, pose и gray. Она может работать совместно с другими ControlNet, что позволяет комбинировать несколько условий, например контуры, глубину и позу. По сравнению с предыдущей версией удалено mode embedding, уменьшен размер модели, улучшено управление в режимах Canny и pose, а также добавлена поддержка soft edge; режим tile удалён. Архитектура включает 6 double blocks и 0 single blocks. Обучение проводилось с нуля в течение 300 тысяч шагов на наборе из 20 миллионов качественных общих и человеческих изображений при разрешении 512×512, в BFloat16. Сильные стороны модели — единый интерфейс для нескольких типов структурного контроля, улучшенная управляемость контуров и поз, возможность совместного использования нескольких ControlNet и сохранение эстетики генерации FLUX.1-dev. Ограничения включают зависимость от базовой модели FLUX.1-dev, необходимость совместимого окружения Diffusers и вычислительных ресурсов GPU; точные требования к контексту и поддерживаемым языкам в карточке подробно не указаны. Для стабильных результатов рекомендуются подробные текстовые описания и настройка силы условного сигнала и диапазона его применения. Лицензия указана как flux-1-dev-non-commercial-license, поэтому использование ограничено условиями этой некоммерческой лицензии.

Foxglove_7B — объединённая модель ResplendentAI/Datura_7B и Epiculous/Mika-7B, созданная автором репозитория с помощью LazyMergekit. Это плотная Mistral-модель с 7,1 млрд параметров для генерации текста и ролевых диалогов. Она рассчитана на соблюдение карточки персонажа и форматирование ответов в Markdown; автор сообщает, что лучше всего работает шаблон Alpaca, а шаблон Mistral тоже даёт хорошие результаты. Модель принимает текст и выдаёт текст, поддерживает английский язык и имеет контекст до 32 768 токенов. Репозиторий распространяется под лицензией Apache-2.0.

Fullgreed — дообученная модель генерации изображений на основе Z-Image от Alibaba Tongyi. Это диффузионный трансформер S3-DiT с 6 млрд параметров, настроенный на фотореалистичные портреты и селфи с видом снимков на телефон: естественное освещение, правдоподобная текстура кожи и волос. При дообучении изменялись веса проекций внимания и feed-forward слоёв, а нормализации, эмбеддеры и временное кондиционирование базовой модели оставлены без изменений. Модель принимает текстовые промпты и создаёт изображения; также сохраняет следование двуязычным промптам, отрисовку текста и работу с композицией, унаследованные от Z-Image. Рекомендуемое разрешение — около 1024×1024, возможна генерация до примерно 4K. В репозитории доступны веса BF16 и вариант INT8 в формате safetensors; для INT8 автор заявляет визуально одинаковый результат и работу в ComfyUI без дополнительных узлов. Рекомендуемые настройки — 8–20 шагов и CFG 1–4. Для загрузки предусмотрены компоненты и инструкции для ComfyUI; также заявлена поддержка Draw Things и других приложений, совместимых с Z-Image. Модель распространяется по лицензии Apache-2.0. Фотореалистичный стиль является целевым, поэтому результаты могут выглядеть чрезмерно обработанными при высоком CFG; оптимальные параметры зависят от промпта и используемого приложения.

Future Diffusion — дообученная nitrosocke модель на базе Stable Diffusion 2.0 Base, созданная на высококачественных 3D-изображениях в футуристической научно-фантастической стилистике. Для усиления этого стиля в запросе рекомендуется использовать триггер «future style». Модель принимает текстовые запросы и генерирует изображения; автор указывает обучение на разрешении 512×512 и описывает примеры с персонажами, автомобилями, животными и пейзажами. Модель предназначена для создания концепт-арта, персонажей и окружений в эстетике sci-fi и футуризма. Она обучена методом DreamBooth с сохранением prior и дообучением текстового энкодера на базе Diffusers; автор характеризует её как ранний экспериментальный прототип. Репозиторий содержит веса в форматах Diffusers и PyTorch. Лицензия — OpenRAIL++.

Galgame-Llasa-3B-v3 — японская модель синтеза речи, разработанная OmniAICreator и дообученная на базе HKUSTAudio/Llasa-3B. Она преобразует японский текст в речь; версия 3 использует изменённую нормализацию текста при обучении, чтобы повысить последовательность и точность синтеза. В основе — плотная архитектура Llama с 3,4 млрд параметров; модель опубликована в формате safetensors, заявленная длина контекста — 131 072 токена. Модель предназначена для озвучивания японского текста, включая реплики и диалоги в стиле визуальных новелл. Предыдущая версия улучшила чтение кандзи, просодию и разнообразие голосовых стилей; README сообщает, что v3 развивает эти улучшения. Для базовой Llasa-3B указана возможность использовать речевой промпт, но карточка этой версии не уточняет, поддерживает ли она такой режим. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

electroglyph выпустил дообученную модель Gemma 4 26B A4B IT для генерации художественной прозы. Модель обучали около 40 часов с помощью Unsloth на AMD MI300X: применили LoRA ранга 16 с alpha 32 и дообучали как рассуждения, так и завершения. Для обучения использовали около 250 тысяч примеров из частной подборки любимых книг и дополнительный набор для поддержания структурированного вывода. Модель предназначена для диалоговой генерации текста и, согласно метаданным, принимает изображения вместе с текстом. Основной сценарий из карточки — написание рассказов и фрагментов заданной длины по теме или в заданном стиле. Карточка отмечает, что результат лишь немного лучше результата базовой модели и всё ещё бывает небрежным. Лицензия — Apache-2.0.

ConicCat/Gemma4-GarnetV3-31B — дообученная методом DPO модель на базе Gemma 4, созданная для улучшения ролевых диалогов и художественного письма. В обучающих данных примерно треть составляет текст для письма, а две трети — ролевые сценарии; использованы наборы предпочтений и данных о персонажах. Каталог указывает плотную архитектуру семейства Gemma 4 с 31 млрд параметров и формат safetensors. Модель предназначена для ведения диалогов от лица персонажей, создания более естественных ролевых ответов и написания прозы с акцентом на качество текста. Она поддерживает чат; базовая Gemma 4 — мультимодальная, однако карточка этой версии описывает задачи генерации текста и не подтверждает отдельные сценарии работы с изображениями. Автор рекомендует запускать вариант Q4_K_M в формате GGUF через koboldcpp. Модель распространяется по лицензии Apache-2.0. Карточка не приводит специальных ограничений по языкам или длине контекста; качество может зависеть от сценария и используемой квантизованной версии.

Карточка модели Ame33/Gemma-4-Novelist-Eclipse-31B на Hugging Face совпадает с карточкой Ateron/Gemma-4-Novelist-Eclipse-31B, поэтому описание составлено по ней. Novelist-Eclipse — экспериментальная объединённая модель Ateron для генерации текста и разговоров в творческих и ролевых сценариях. Она создана с помощью mergekit на основе нескольких вариантов Gemma 4 31B, включая модели для ролевого общения, настройки стиля и прозы; в README также упомянута настройка lm_head на основе StyleTune. Архитектура — плотная Gemma 4, файлы представлены в формате safetensors. Модель рассчитана на создание художественной прозы и ролевых диалогов с акцентом на описательность, творческую выразительность и последовательность. Метаданные указывают английский язык и поддержку чата. Репозиторий распространяется по лицензии Apache-2.0. README характеризует модель как сырую и экспериментальную; результаты генерации могут быть непоследовательными или содержать клише.

Ateron/Gemma-4-Writers-31B-V2 — слитая модель семейства Gemma 4 с плотной архитектурой, предназначенная для генерации текста в диалоговом и ролевом сценариях. Автор модели сообщает, что объединил две версии ConicCat и стремился уменьшить нестабильность их работы; конфигурация слияния основана на mergekit. Модель ориентирована на творческое письмо и более естественные ответы. По карточке она поддерживает английский язык и диалоговый режим; размер — 31 млрд параметров. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. README не приводит результатов сравнительной оценки и конкретных ограничений качества.

Apocalypse-19/Genshin-Landscape-Diffusion — модель Stable Diffusion 2.1 Base, дообученная методом DreamBooth на пейзажных изображениях из Genshin Impact в рамках DreamBooth Hackathon. Она генерирует изображения по текстовым запросам; для вызова изученного концепта в запросе используется instance prompt «ggenshin landscape». Модель распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M.

Goetia-24B-v1.4-heretic — текстовая генеративная модель на архитектуре Mistral с 23,4 млрд параметров и контекстом до 131 072 токенов. По карточке, её создал автор Goetia слиянием нескольких предварительно обученных моделей методом Della через mergekit; каталог указывает связь merge с несколькими базовыми репозиториями. Модель рассчитана на генерацию художественной прозы и ролевых сцен, в том числе мрачных историй, хоррора и сюжетов разных жанров. В карточке рекомендован шаблон чата Mistral Tekken; также заявлена совместимость с ChatML. Автор описывает стиль как выразительный и тёмный и приводит результаты собственных тестов на следование инструкциям и отказы. Эти оценки не являются независимой проверкой: автор отмечает, что не тестировал тщательно устойчивость в многоходовом диалоге и удержание контекста. Карточка предупреждает, что модель может создавать сцены графического насилия и эротического содержания. Лицензия — Apache-2.0.

Goetia-8B-v1 — объединённая автором Naphula языковая модель на базе архитектуры Llama для генерации текста и диалогов, особенно ролевых сцен и художественных историй. При создании применён метод Linear DARE mergekit; в объединение вошли несколько моделей семейства Llama 3 на 8 млрд параметров, в том числе DarkIdol-Llama-3.1-8B-Instruct-1.2-Uncensored и другие модели для ролевого общения и творчества. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст, поддерживает английский язык и имеет контекстное окно до 131 072 токенов. Модель рассчитана на ролевые диалоги, продолжение сцен, создание сюжетов и художественный текст разных жанров. Автор характеризует её как творческую и неконсервативную в генерации; для общения рекомендуется шаблон Llama 3. Лицензия — Apache-2.0. Карточка предупреждает, что генерации могут включать графическое насилие и откровенный эротический контент.

GPT-3 small — авторская дообученная версия GPT-Neo, подготовленная Phan Minh Toan для генерации текста на основе новостных данных CNN/DailyMail. Модель имеет плотную авторегрессионную архитектуру GPTNeoForCausalLM с 137,7 млн параметров и контекстом до 2048 токенов. Модель предназначена для генерации продолжений текста и работы с новостным материалом на английском языке. Обучение на CNN/DailyMail указывает на специализацию данных, однако в карточке не описаны отдельные функции суммаризации или результаты оценки качества. Доступны веса PyTorch; сведения о лицензии в предоставленных источниках отсутствуют.

Yntec/handpaintedRPGIcons — модель генерации изображений в библиотеке Diffusers, предназначенная для создания нарисованных вручную иконок в стиле фэнтезийных RPG. Для вызова стиля добавляйте к текстовому запросу триггер rpgicondiff; примеры охватывают сундуки с сокровищами, магические кольца, реликвии и зелья. Модель рассчитана на создание отдельных игровых предметов и иконок по текстовому описанию. Репозиторий содержит веса в формате Safetensors. Модель создана на базе Stable Diffusion и распространяется по лицензии CreativeML OpenRAIL-M. Карточка не приводит сведений о размере модели, контекстном окне или поддерживаемых языках; для запросов используются короткие текстовые описания предметов.

MuXodious/Harbinger-24B-absolute-heresy — дообученная версия Harbinger-24B, созданная с помощью инструмента Heretic и метода abliteration для снижения частоты отказов. Это плотная Mistral-модель с 23,4 млрд параметров, предназначенная для генерации текста в чате. Базовая Harbinger-24B настроена на иммерсивные текстовые приключения, ролевые диалоги и связное повествование, в том числе с продолжением длинных сцен без частых вмешательств пользователя. Обучение включало SFT и DPO; карточка этой версии сообщает о 4 отказах из 100 проверок после преобразования против 98 до него. Для общения использовался формат ChatML. Контекст модели — до 131 072 токенов. Модель ориентирована на английский язык и повествование от второго лица в настоящем времени; другие стили могут давать менее удачные результаты. Автор отмечает, что исходная Harbinger-24B не содержит шаблона чата Jinja, а метрики «геретизации» не показывают качество генерации. Лицензия — Apache-2.0.

HDM-xut-340M-Anime — модель генерации изображений в аниме-стиле от разработчика проекта HDM (Home made Diffusion Model). Она предназначена для создания иллюстраций по текстовым запросам и рассчитана на запуск и обучение с ограниченными ресурсами. В основе — разработанная для мультимодальной генерации архитектура XUT (Cross-U-Transformer); размер модели указан в названии как 340 млн параметров. Репозиторий использует Diffusers и формат Safetensors. Модель ориентирована на аниме-персонажей и сцены, в том числе с запросами в виде тегов Danbooru и описаний на естественном языке. В README рекомендованы подробные промпты, CFG 2–4 и 16–32 шага генерации; для версии 1024 px предложены разрешения с площадью не менее 1024×1024. В обучении использовались датасеты Amber-River/Pixiv-2.6M и KBlueLeaf/danbooru2023-webp-4Mpixel. Лицензия — CC; конкретный вариант лицензии в предоставленных данных не уточнён.

Карточка модели birde2003/HeartMuLa-oss-3B-happy-new-year на Hugging Face совпадает с карточкой HeartMuLa/HeartMuLa-oss-3B-happy-new-year, поэтому описание составлено по ней. HeartMuLa-oss-3B-happy-new-year — модель генерации музыки, разработанная командой HeartMuLa. Она предназначена для создания музыки по текстовому описанию и управляемой генерации песен с текстом; авторы отмечают качество музыки и управляемость текстом как ключевые характеристики. В метаданных указаны архитектура HeartMuLa с плотной моделью и веса в формате safetensors. Модель распространяется по лицензии Apache 2.0. В карточке перечислена поддержка китайского, английского, японского, корейского и испанского языков. Подробности о длине контекста, параметрах запуска и ограничениях качества в доступных материалах не приведены.

Это конверсия Meta Hybrid Transformer Demucs (HTDemucs) в формат Core ML, подготовленная для запуска в приложениях macOS и iOS через MLModel. Модель принимает стереозвук с частотой 44,1 кГц и разделяет его на четыре дорожки: вокал, ударные, бас и остальные звуки. Длина сегмента по умолчанию — 10 секунд; доступны варианты FP32 и FP16, а также настройка длины сегмента и вычислительных устройств. Конверсия включает переработанные STFT/ISTFT, разложение многоголового внимания и предварительно рассчитанные индексы для overlap-add, чтобы совместить вычисления модели с ограничениями Core ML. В README указано, что модель нестабильна на Apple Neural Engine; для неё рекомендуется режим CPU и GPU. Репозиторий распространяется по лицензии MIT.

Карточка модели CShah2218/Hunyuan3D-2 на Hugging Face совпадает с карточкой tencent/Hunyuan3D-2, поэтому описание составлено по ней. 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 phan-kim-tu/Hunyuan3D-2 на Hugging Face совпадает с карточкой tencent/Hunyuan3D-2, поэтому описание составлено по ней. 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 mrbrz/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 Via-137/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 Yes83882/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.

Jayn7/HunyuanVideo-1.5_I2V_720p-GGUF — набор квантизированных версий модели HunyuanVideo-1.5 I2V 720p, разработанной Tencent. Репозиторий предназначен для генерации видео из изображений (image-to-video, I2V) с разрешением 720p и распространяет варианты в формате GGUF, включая обычную и distilled-модель. Модель рассчитана на сценарии преобразования исходного изображения в видеоролик. Доступны варианты Q4_K_S, Q8_0 и FP16, что позволяет выбирать между меньшим потреблением ресурсов, качеством и скоростью работы. Для использования заявлена интеграция с ComfyUI-GGUF; в создании квантованных версий также использовались инструменты llama.cpp и ComfyUI-GGUF. README не содержит подробных сведений об архитектуре, размере, поддерживаемых языках, модальностях помимо I2V и длине контекста. Репозиторий удобен как источник готовых GGUF-вариантов HunyuanVideo-1.5 для локального запуска и экспериментов с генерацией видео из изображений. Ограничения включают отсутствие детальной технической информации в карточке и зависимость от совместимого окружения и ComfyUI-GGUF. Лицензия не указана отдельно: репозиторий следует лицензии оригинальной модели HunyuanVideo-1.5 от Tencent.

city96/HunyuanVideo-I2V-gguf — это прямое преобразование модели Tencent HunyuanVideo-I2V в формат GGUF, выполненное пользователем city96. Модель предназначена для генерации видео на основе изображений (image-to-video) и рассчитана на использование с нативными встроенными узлами HunyuanVideo в ComfyUI. Также поддерживается работа через пользовательский узел ComfyUI-GGUF. Это квантованная версия исходной модели, а не дообученная модификация, поэтому её возможности и ограничения соответствуют оригинальной HunyuanVideo-I2V. README не содержит сведений о размере модели, точной архитектуре, поддерживаемых языках, модальностях помимо image-to-video или размере контекста. Ключевое преимущество версии — представление в GGUF, потенциально удобное для совместимого рабочего процесса ComfyUI и выбора типа квантования; при этом качество и совместимость могут зависеть от конкретного варианта квантования и используемой конфигурации. Для работы требуется ComfyUI с соответствующими узлами HunyuanVideo или ComfyUI-GGUF. Файлы модели следует размещать в каталоге ComfyUI/models/unet; VAE необходимо загружать отдельно из указанного в README репозитория Kijai. Модель распространяется по лицензии tencent-hunyuan-community; поскольку это квантованная версия без дообучения, на неё распространяются исходные ограничения и условия лицензии Tencent Hunyuan.