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

EarthnDusk/IdentityDisorder_2pt5 — модель генерации изображений по текстовому описанию на базе Stable Diffusion. Карточка указывает на использование библиотеки Diffusers и форматов PyTorch и safetensors; среди тегов модели есть anime. Примеры генерации подготовлены с HI RES FIX и ADetailer, поэтому их вид может отличаться от результатов без этих дополнительных инструментов. Модель предназначена для создания изображений по текстовым запросам, в том числе в аниме-стиле. Автор сообщает, что модель может генерировать контент для взрослых; в составе есть несколько смесей с NSFW-направленностью. Указана лицензия CreativeML OpenRAIL-M. README также просит указывать авторство при слиянии и запрещает повторную загрузку на Civitai без разрешения.

Illustrious XL v1.0 — модель генерации изображений по тексту от OnomaAI, основанная на архитектуре Stable Diffusion XL и дообученная на Illustrious XL v0.1. Она предназначена для создания детализированных изображений по описаниям на естественном языке, тегам в стиле Danbooru или их сочетанию. Модель поддерживает разрешения от 512×512 до 1536×1536 и совместима с LoRA и модулями ControlNet, обученными для Illustrious v0.1. Модель рассчитана на художников и разработчиков, которым нужна гибкая основа для генерации изображений и дальнейшего дообучения под конкретный стиль или задачу. В README указана лицензия MIT. Карточка описывает высокое нативное разрешение и гибкий ввод промптов, но не приводит независимых оценок качества; совместимость дополнений заявлена для версий, обученных на Illustrious v0.1.

Infinitely-Laydiculous-7B — англоязычная языковая модель на архитектуре Mistral, созданная ChaoticNeutrals слиянием SLERP моделей Endevor/InfinityRP-v1-7B и l3utterfly/mistral-7b-v0.1-layla-v4. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; длина контекста — до 32 768 токенов. Модель предназначена для генерации текста и ролевых диалогов. В карточке указана конфигурация слияния, сочетающая веса двух исходных моделей; отдельные результаты оценки качества не приведены. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

InfinityLake-2x7B — экспериментальная языковая модель, созданная объединением Endevor/InfinityRP-v1-7B и senseable/WestLake-7B-v2 в архитектуру Mixtral MoE. В метаданных указано 7,1 млрд параметров, контекст 32 768 токенов и формат safetensors; модель предназначена для генерации текста на английском языке. Автор описывает модель как более творческую по сравнению с InfinityKuno-2x7B. Её можно применять для продолжения текста и творческой генерации. Лицензия — Apache-2.0. В карточке также отмечена категория NSFW, поэтому модель может выдавать контент для взрослой аудитории.

Insane Isometric — модель преобразования текста в изображение на базе Stable Diffusion, дообученная Duskfallcrew методом DreamBooth с помощью ноутбука fast-DreamBooth от TheLastBen. Она предназначена прежде всего для создания изометрических сцен и пейзажей по текстовым запросам, но может генерировать и другие изображения. Модель понимает теги Danbooru; чтобы чаще получать изображения без людей, в запрос можно включать «isometric» или «non humans». В метаданных указаны библиотека Diffusers и форматы PyTorch и Safetensors. Модель рассчитана на генерацию изображений по тексту и, судя по карточке, лучше всего подходит для стилизованных изометрических композиций и ландшафтов. В тегах также указаны anime и английский язык. Лицензия — CreativeML OpenRAIL-M. Автор просит не перезагружать модель в другие репозитории; это условие карточки модели, а не описание технических возможностей лицензии.

Jackpot — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec. В карточке приведены примеры генерации персонажей, животных и сцен в разных художественных стилях; автор также предлагает попробовать SQUEE для улучшения глаз персонажей. Модель распространяется в формате Diffusers и SafeTensors, лицензия — CreativeML OpenRAIL-M. Карточка не сообщает архитектуру точнее семейства Stable Diffusion, размер модели, контекст или поддерживаемые языки. Примеры показывают генерацию иллюстраций по текстовым промптам, но автор предупреждает, что качество изображений может быть невысоким.

ml6team/keyphrase-extraction-kbir-kpcrowd — англоязычная модель команды ML6 для извлечения ключевых фраз из текста. Она основана на KBIR и дообучена на датасете KPCrowd; архитектура RoBERTa решает задачу токенной классификации, помечая начало и продолжение ключевой фразы, а также слова вне неё. Модель предназначена для быстрого выделения тем и значимых фраз в документах, особенно в транскрипциях новостных передач. Она поддерживает английский язык, имеет 454,1 млн параметров и контекст до 514 токенов. Модель обучалась на 500 англоязычных новостных историях из десяти тематических категорий. В README указана оценка на тестовой выборке Inspec: F1@5 — 0,12, F1@10 — 0,20, F1@M — 0,33. Разработчики предупреждают, что модель зависит от датасета и не рекомендуют применять её в других предметных областях. Лицензия — MIT.

KPT-7b-v0.3 — модель генерации текста на базе Mistral, созданная kainatq с помощью mergekit. Это слияние методом DARE TIES модели kainatq/Kainoverse-7b-v0.1 с четырьмя другими моделями для ролевого общения; одна из них, RP_Vision_7B, связана с анализом изображений через Koboldcpp, но README не подтверждает, что эта возможность сохранена в данном слиянии. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Карточка указывает библиотеку Transformers и формат safetensors. Лицензия в предоставленных данных не указана.

Это экспериментальный полноразмерный fine-tune Krea 2 Raw от автора lamshiu, обученный с DiffSynth-Studio на примерно 3,7 тыс. изображений в течение трёх эпох. Модель смещает эстетический стиль базовой диффузионной модели в сторону фотографии и создаёт изображения по текстовым запросам. Модель относится к классу Raw. В README рекомендуются настройки Krea 2 Raw — около 52 шагов и CFG 3,5–4,5; для работы нужны текстовый энкодер Qwen3-VL-4B и VAE Qwen-Image. Она доступна как INT8 ConvRot в safetensors и как bf16-чекпойнт; режимы Turbo на 8 шагов несовместимы. Данные обучения включали материалы для взрослых, поэтому возможна генерация NSFW-контента. Производная распространяется на условиях Krea 2 Community License Agreement, которая ограничивает коммерческое использование и требует от развёртывающих модель настроить фильтрацию контента.

L3.1-Artemis-a-8B — слитая диалоговая языковая модель семейства Llama, созданная сообществом mergekit с помощью метода DARE TIES. В качестве базовой модели использована kromeurus/L3.1-Ablaze-Vulca-v0.1-8B; в слияние также вошли Casual-Autopsy/L3-Umbral-Mind-RP-v3.0-8B, Hastagaras/Jamet-8B-L3-MK.V-Blackroot и mergekit-community/L3-Boshima-a. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст; карточка указывает контекст до 131 072 токенов и поддержку диалогового взаимодействия. Она подходит для генерации ответов и ролевых диалогов; описание базовой модели связывает её с ролевыми играми, эмоционально насыщенными темами и сценариями спасения персонажей. Данные о языках в карточке не приведены. Модель опубликована в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Sunfall v0.7.0 — диалоговая модель crestf411, созданная дообучением NVIDIA Llama-3.1-Nemotron-70B-Instruct-HF с последующим слиянием весов. Она предназначена для интерактивного написания историй, ролевых диалогов и генерации ответов в стиле персонажа; карточка рекомендует формат диалогов Silly Tavern «Llama 3 Instruct». Модель имеет плотную архитектуру LlamaForCausalLM, 69,5 млрд параметров и контекст до 131 072 токенов. Она принимает текст и генерирует текст; в метаданных заявлены чат и интерфейс вызова инструментов. Использованы ролевые и инструкционные наборы данных, включая LimaRP-DS и подборки Anthracite. Лицензия — Llama 3.1 Community License (llama3).

kromeurus/L3.1-Siithamo-v0.4-8B — объединённая разговорная модель на архитектуре Llama 3.1, созданная автором карточки с помощью mergekit. В репозитории указано 7,5 млрд параметров, формат safetensors и контекст до 131 072 токенов. В состав merge входят несколько моделей семейства Llama 3 и 3.1, включая Lyraea, Niitama и варианты ArliAI Formax. Модель предназначена для генерации текста в диалогах и особенно для ролевых игр: автор отмечает следование инструкциям, динамичный стиль письма и запоминание деталей примерно в пределах 32 тысяч токенов. Она склонна к многословным, витиеватым и драматичным ответам, поэтому хуже подходит для тонкой и сдержанной ролевой игры. README указывает, что для результата важно явно задавать формат ответа. Сведения о лицензии в предоставленных данных отсутствуют.

Theros/L3-ColdBrew-Daybreak — объединённая текстовая модель для генерации диалогов, созданная методом Model Stock с помощью mergekit на основе SvalTek/L3-ColdBrew-SpicyReflect и с включением Azazelle/L3-Daybreak-8b-lora и cgato/L3-TheSpice-8b-v0.8.3. В каталоге модель описана как дообученная на базе Llama 3 и предназначенная для диалогов и ролевых сценариев с персонажами и сценами. Модель использует плотную архитектуру Llama с причинной языковой моделью LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Принимает текст и генерирует текст; опубликована в формате safetensors для Transformers. Лицензия в предоставленных данных не указана.

kromvault/L3-Horizon-Anteros-v0.1.5-13B — экспериментальная разговорная модель генерации текста, созданная слиянием нескольких моделей Llama 3. В состав объединения вошли модели для эмоционального и повествовательного письма, ролевых диалогов и следования инструкциям. Модель содержит 12,7 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текстовый контекст длиной до 8192 токенов. Модель предназначена для ролевых диалогов и художественного письма, особенно для сюжетных сцен; она также справляется с обычной генерацией ответов. Автор отмечает более спокойный стиль, но предупреждает о необходимости примеров в контексте: без них ответы могут быть несвязными. Следование инструкциям несколько ухудшилось относительно предыдущей версии, а модель иногда говорит от имени пользователя. В README также отмечена склонность к более откровенному содержанию. Модель распространяется в формате safetensors; README упоминает доступные конвертации GGUF. Лицензия в предоставленных данных не указана.

LavaSR(v2) — модель расширения полосы пропускания аудио (BWE), представленная YatharthS. Она повышает частоту дискретизации и качество низкокачественной аудиозаписи: принимает аудио с частотой от 8 до 48 кГц и выдаёт результат с частотой 48 кГц. В README также упомянут UL-UNAS для шумоподавления. Модель предназначена для восстановления аудиоданных, улучшения речи перед обработкой системами синтеза или распознавания речи, а также повышения качества голосовых звонков. Заявленный размер PyTorch-версии — 50 МБ; автор сообщает о скорости обработки 20–80× реального времени на CPU и 800–5000× на GPU. README приводит сравнение качества с другими моделями, однако независимые результаты здесь не подтверждены. Модель и код распространяются по лицензии Apache-2.0. В карточке не описаны конкретная архитектура, поддерживаемые языки и ограничения качества; результат может зависеть от исходного аудио и условий применения.

LEOSAMsFilmGirlUltra — модель преобразования текста в изображение на базе Stable Diffusion 1.5, опубликованная Yntec. Она предназначена для генерации портретов и кинематографичных изображений с эстетикой плёнки, в том числе сцен и образов в стиле 1990-х годов. В карточке показаны примеры портретов, VHS- и аналоговых кадров, плёночного зерна и постановочного освещения. Модель использует библиотеку Diffusers и формат Safetensors; для описанной версии 768 × 768 указан планировщик EulerDiscreteScheduler. Автор отмечает, что модель также основана на SD 1.5 и ориентирована на разнообразие лиц. Лицензия — CreativeML OpenRAIL-M. Карточка не сообщает количественных оценок качества или подробных ограничений применения.

LibreMoondream2 — копия весов Moondream 2, опубликованная LibreYOLO для использования в уровне LibreVLM. Репозиторий зеркалирует снимок vikhyatk/moondream2; README указывает, что обученные параметры не менялись. Это компактная мультимодальная модель семейства Moondream для анализа изображений, включая обнаружение объектов и ответы на вопросы по визуальному содержимому. Модель принимает изображения вместе с текстовыми запросами и выдаёт текстовые ответы, в том числе результаты обнаружения объектов. В примере использования задаются целевые классы, например человек и каска, после чего выполняется предсказание для изображения. Она основана на vikhyatk/moondream2 и распространяется в формате safetensors. Лицензия — Apache 2.0.

Llama-Nephilim-Metamorphosis-v1-8B — объединённая автором grimjim языковая модель на архитектуре Llama для генерации диалогового и ролевого текста. Она создана методом SLERP из meta-llama/Meta-Llama-3.1-8B-Instruct и grimjim/llama-3-Nephilim-v3-8B; дополнительного дообучения после слияния не проводилось. Метаданные указывают 7,5 млрд параметров и контекст до 131 072 токенов, а автор сообщает об испытаниях на контексте до 16 тыс. токенов. Модель ориентирована на творческую генерацию и ролевые сценарии, поддерживает диалоговый режим и принимает текстовые запросы, выдавая текст. По словам автора, сохраняется связность генерации, однако возможны начальные несоответствия формата; их можно смягчить инструктивным промптом. Результат зависит от настроек генерации, включая температуру. Используется лицензия Llama 3.1.

Lotus-12B — авторегрессионная языковая модель GPT-NeoX, дообученная автором репозитория на 2,5 ГБ художественных текстов и диалогов. В качестве базовой модели использована EleutherAI/pythia-12b-deduped; метаданные указывают 15,4 млрд параметров, контекст до 2048 токенов и формат PyTorch. Модель предназначена для генерации художественной прозы и диалогов, а также для творческой помощи авторам. Аннотации в промпте — например, жанр, стиль и точка зрения — помогают направлять генерацию. Обучающие материалы включают лёгкие романы, художественную литературу, эротические тексты, литературу из общественного достояния и публичные разговоры; основные заявленные сценарии — развлечение, творческое письмо и чат-боты. Карточка указывает английский язык и лицензию AGPL-3.0. Модель может выдавать непоследовательный или неподходящий текст и наследует ограничения базовой языковой модели; короткое контекстное окно ограничивает работу с длинными сюжетами. Обучение на эротических текстах означает, что генерация может включать взрослое содержание.

adrepale/LTX2.3-10Eros-LoRA — LoRA-адаптер для модели Lightricks/LTX-2.3, созданный на основе TenStrip/LTX2.3-10Eros. Адаптер предназначен для генерации видео из изображений (image-to-video) и может использоваться в связке с базовой моделью LTX-2.3, включая её вариант в формате GGUF. По данным карточки, это полный extract исходной модели TenStrip/LTX2.3-10Eros, преобразованный в LoRA с помощью набора инструментов ComfyUI-LoRA-Optimizer. Для работы адаптер подключается к базовой LTX-2.3 способом, аналогичным другим LoRA-адаптерам. В качестве проверенной конфигурации автор указывает дистиллированную GGUF-модель LTX-2.3-22b-distilled-1.1-UD-Q4_K_M.gguf от Unsloth, однако это не означает ограничение только на неё. Сведения о языках, поддерживаемых модальностях помимо image-to-video, контекстном окне, точном размере адаптера, качестве, ограничениях, лицензии и условиях коммерческого использования в README не указаны.

Это bf16-чекпойнт для генерации изображений, подготовленный из дистиллированной модели LTX 2.3 компании Lightricks. Репозиторий содержит Diffusers-пакет, обрезанный для работы с изображениями; исходные сценарии генерации видео и аудио в нём не доступны. Модель предназначена для конвейеров LTX2ImagePipeline и LTX2ImageImg2ImgPipeline. Вариант сохраняет дистиллированный image transformer в формате bf16 и рассчитан на генерацию за 8 шагов с фиксированным расписанием sigma и guidance scale 1.0. Он может создавать изображение по текстовому описанию и преобразовывать изображение по заданию. По README, это вариант с лучшим качеством среди дистиллированных версий только для изображений, но для работы требуются достаточные ресурсы RAM/VRAM и настройка выгрузки весов. Нового обучения или изменения датасета не проводилось. Унаследована лицензия LTX Video 2 Open Source License; в метаданных лицензия обозначена как other.

LTX-Video-0.9.8-2B-distilled — реализация модели LTX-Video от Lightricks, адаптированная проектом FerrisMind для запуска на Rust с использованием фреймворка HuggingFace Candle. Модель предназначена для генерации видео по текстовому описанию, включая реалистичные сцены, компьютерную графику, пейзажи, городские виды и динамику камеры. Указан английский язык текстовых запросов. Модель имеет версию 0.9.8 и размер 2B; README не раскрывает подробности базовой архитектуры и точный набор поддерживаемых модальностей. Реализация ориентирована на NVIDIA GPU и поддерживает Flash Attention 2, cuDNN, GGUF-квантизацию текстового энкодера T5-XXL, а также тайлинг и нарезку VAE для снижения потребления видеопамяти. В примере генерации видео разрешением 512×768 и длиной 97 кадров требуется примерно 8–12 ГБ VRAM в режиме BF16 или около 8 ГБ с тайлингом VAE; GGUF-квантизация T5-энкодера может дополнительно сэкономить 8–12 ГБ. Сильными сторонами являются отсутствие зависимости от Python, нативная реализация на Rust, оптимизации для NVIDIA GPU и возможность интеграции через CLI или библиотеку. Ограничения включают необходимость Rust и CUDA Toolkit, зависимость производительности от совместимого NVIDIA GPU и отсутствие в README подробностей о качестве, максимальной длительности видео, точных архитектурных компонентах и поддержке других языков или режимов генерации. Лицензия указана как other, без дополнительных условий в README.

kkkkk26/lustify_v9 — модель генерации изображений по текстовому описанию, опубликованная пользователем kkkkk26 на Hugging Face. Карточка размечает её как text-to-image и указывает совместимость с Diffusers и StableDiffusionXLPipeline; пример использования передаёт текстовый prompt в DiffusionPipeline и получает изображение. Модель предназначена для создания изображений по запросу пользователя. Репозиторий помечен как содержащий чувствительный контент и не предназначенный для всех аудиторий. В предоставленных метаданных указаны форматы Diffusers и safetensors; сведений о лицензии, точном размере, контексте и языках карточка не предоставляет.

M0nst3rfy3 — модель генерации изображений по текстовому описанию, созданная Yntec на основе DucHaitenLofi R с использованием LoRA M0nst3rfy от LDWorksDervlex; в итоговую сборку также встроен VAE Blessed2. Добавление токена «m0nst3rfy3» в запрос усиливает характерный эффект модели. Модель предназначена для создания стилизованных изображений монстров и персонажей в эстетике аниме и комиксов. В карточке приведены примеры запросов с детализированной кожей, освещением и эффектами окружения. Репозиторий содержит формат Diffusers и веса Safetensors; задача по метаданным — text-to-image. Лицензия — CreativeML OpenRAIL-M.

Yntec/makeitdoubleplz — модель на базе Stable Diffusion для генерации изображений по текстовым описаниям. В карточке приведён пример макросъёмки мраморной фигурки в стиле чиби; это указывает на применение для создания стилизованных, фотореалистичных изображений персонажей и предметов. Модель распространяется в формате Diffusers с весами Safetensors и использует лицензию CreativeML OpenRAIL-M. Карточка не содержит сведений о размере модели, длине контекста, поддерживаемых языках или специальных ограничениях генерации. Пример промпта упоминает персонажа Rinoa Heartilly; результат зависит от формулировки запроса.

MATPAC++ — аудиокодер семейства MATPAC (Masked Latent Prediction And Classification), разработанный на основе оригинального проекта aurianworld/matpac и перенесённый для работы через Transformers. Модель предварительно обучена на аудио и музыке, затем дообучена на AudioSet; в этой версии оставлен только энкодер без классификационной головы. Она предназначена для извлечения аудиопредставлений размерности 3840, а не для выдачи готовых меток классов. Кодер подходит для получения признаков аудио и музыки в задачах анализа и последующей классификации. По умолчанию представления могут агрегироваться по времени; можно сохранить временную ось, получив последовательность признаков формы (batch, time, 3840). Режим векторизованного вывода ускоряет обработку больших пакетов, но добавление паддинга может немного снижать точность относительно стандартного режима. Для запуска нужны Transformers, torchaudio, einops и timm версии 0.4.12; для файлов удалённого кода используется trust_remote_code. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0.

Mechanism 24B V.1 — объединённая языковая модель на архитектуре Mistral, созданная OddTheGreat для ролевых диалогов и творческого письма. В её основе объединение Gryphe/Codex-24B-Small-3.2, OddTheGreat/Apparatus_24B и zerofata/MS3.2-PaintedFantasy-24B. Модель содержит 23,4 млрд параметров, принимает текст и генерирует текст. Метаданные указывают контекстное окно до 131 072 токенов, хотя в README автор сообщает о проверке до 16 тысяч токенов. Поддерживаются английский и русский языки; автор отдельно отмечает поддержку русского. Модель доступна в формате safetensors для Transformers и распространяется по лицензии, указанной в карточке Hugging Face.

MEDEA — мультимодальная модель на базе Qwen3-VL-8B-Thinking, разработанная Tianjiao Li, Kai Zhao, Xiang Li, Yang Liu и Huyang Sun для оценки пользовательского контента с точки зрения его отклика в сообществе. Она анализирует видеокадры, обложку, заголовок, теги, категорию, метаданные и расшифровку речи, затем формирует рассуждение с учётом разных зрительских перспектив и присваивает бинарную метку качества: высокое или низкое. Модель обучена с помощью supervised fine-tuning и процессно-ориентированного обучения с подкреплением GRPO с наградой за социальное соответствие. Поддерживает китайский и английский языки; в метаданных репозитория указана архитектура Qwen3-VL и формат safetensors. В README приведены результаты на CASTER-Bench: Macro F1 0,749. Описание развёртывания задаёт max-model-len 20480, но не утверждает, что это нативная длина контекста модели. Лицензия в предоставленных данных не указана.

Mel-Band-RoFormer для выделения вокала из музыкального микса, разработанный Романом Соловьёвым (ZFTurbo) и конвертированный в формат MLX сообществом mlx-community. Это одноцелевой чекпойнт примерно на 33 млн параметров: он принимает стереоаудио с частотой 44,1 кГц и выдаёт отдельную вокальную дорожку. Инструментальную дорожку можно получить вычитанием вокала из исходного микса. Модель предназначена для разделения музыкальных источников, когда важны компактность и скорость вывода. Используется архитектура Mel-Band-RoFormer с 60 мел-полосами; обработка выполняется фрагментами примерно по 8 секунд с перекрытием. Веса представлены в fp16 и safetensors для MLX, в частности для запуска на Apple Silicon. Чекпойнт обучен именно для выделения вокала и не проверен как универсальная модель разделения ударных, баса и других источников. В README приведено внутреннее сравнение, где скорость выше, а качество разделения немного ниже, чем у Kim Vocal 2. Лицензия — MIT.

mergekit-community/mergekit-slerp-yilmnid — языковая модель на архитектуре Llama, созданная сообществом путём слияния двух предварительно обученных моделей: Hastagaras/Jamet-8B-L3-MK.V-Blackroot и KatyTheCutie/LemonadeRP-4.5.3. Для объединения применён метод SLERP; модель опубликована в формате safetensors и рассчитана на генерацию текста и диалоговое взаимодействие. Модель предназначена для творческих ролевых диалогов и генерации менее шаблонного текста. Она содержит 7,5 млрд параметров и поддерживает контекст длиной до 8192 токенов. Входом служит текст, результатом — сгенерированный текст. В доступных данных лицензия и поддерживаемые естественные языки не описаны, поэтому их нельзя уточнить.