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

Audiobox Aesthetics — модель Meta для автоматической оценки качества речи, музыки и других звуков. Она принимает аудиофайлы и предсказывает оценки эстетических характеристик; можно также оценивать выбранный временной отрезок записи. Для запуска README предлагает пакет audiobox_aesthetics и интерфейс командной строки. Модель распространяется в формате safetensors и решает задачу классификации аудио. Лицензия — CC BY 4.0. В README не приведены сведения об архитектуре, числе параметров и поддерживаемых языках.

John6666/azure-illustrious-v20-molk-sdxl — модель генерации изображений из текстовых описаний, созданная пользователем iahhnim на основе Illustrious-xl-early-release-v0 от OnomaAIResearch. Модель предназначена для создания аниме- и 2.5D-иллюстраций, включая персонажей, лица, тела и фоны, с использованием библиотеки Diffusers и пайплайна StableDiffusionXLPipeline. Модель поддерживает английские текстовые запросы и ориентирована на стилизованные цифровые изображения, в том числе контент для взрослых. Она распространяется в формате safetensors с лицензией FAIPL-1.0-SD, обозначенной в метаданных как other. Условия лицензии следует проверить перед коммерческим или публичным использованием.

BDRC-MITRA Tibetan OCR — компактная мультимодальная модель для постраничного распознавания тибетского текста. Её разработала команда Buddhist NLP; модель дообучена на Qwen/Qwen3.5-0.8B и использует архитектуру Qwen3.5 с поддержкой изображений и диалогового формата. Модель принимает изображение одной страницы или чётко выделенной области и возвращает транскрипцию в Unicode-тибетском письме: одна строка на каждую физическую строку страницы. Она предназначена для оцифровки ксилографов, рукописей и печатных текстов, а также для построения поисковых индексов и последующей обработки текста. Поддерживает письма dbu can (uchen) и dbu med (umed); для распознавания рекомендуется использовать инструкцию «Extract all text from this image». Для лучших результатов рекомендуются изображения с длинной стороной около 1500–2000 пикселей и размером до примерно 5 мегапикселей; слишком крупные сканы следует уменьшать. Сильный перекос и толстые поля ухудшают качество, а распознавание сильно повреждённых или скорописных рукописей umed может быть менее точным. Результаты, предназначенные для публикации, следует вычитывать. Лицензия в предоставленных данных не указана.

BeenYouLiteL11_diffusers — модель генерации изображений по текстовому описанию в милом реалистичном стиле anime. Карточка описывает её как модель для создания изображений; репозиторий использует формат Diffusers и файлы Safetensors. Модель предназначена для генерации изображений по текстовым запросам в эстетике anime с реалистичной подачей. В карточке не приведены сведения о размере модели, контексте или поддерживаемых языках. Указана лицензия other, поэтому условия использования следует уточнять по файлам репозитория.

Behemoth-123B-v2.2 — диалоговая языковая модель BeaverAI от TheDrummer, созданная как дообучение Largestral 2411. Она предназначена для генерации текста, творческого письма и ролевых диалогов; версия v2.2 усиливает необычность и непредсказуемость прозы и лучше подходит для приключенческих историй, чем для строгого следования заданному стилю ролевой игры. Модель имеет плотную архитектуру MistralForCausalLM и содержит 122,2 млрд параметров. Метаданные указывают контекст до 131 072 токенов и формат весов safetensors; карточка описывает поддержку системных инструкций с шаблоном Metharme и токенами Mistral. Модель ориентирована на англоязычные сценарии творческого письма и общения, однако README не перечисляет поддерживаемые языки явно. Её сильная сторона — выразительная, оригинальная проза и пригодность для приключенческих сюжетов. Повышенная хаотичность может мешать строгому следованию инструкциям и стабильности ролевых сцен. Лицензия указана как other, без более точных условий в предоставленных данных.

Модель edumunozsala/beto_sentiment_analysis_es — классификатор тональности испаноязычных отзывов, созданный Эдуардо Муньосом Салой. Она дообучена на базе BETO — испанской версии BERT-base с Whole Word Masking — с использованием Amazon SageMaker. Модель содержит 137,1 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт метку класса тональности. Основной сценарий — анализ отзывов о фильмах. В README также указано, что модель можно применять к отзывам других типов. Она обучалась на сбалансированном наборе примерно из 50 тысяч испаноязычных отзывов IMDb; на тестировании достигла accuracy 0,91 и F1 0,909. Для текстов за пределами отзывов качество не подтверждено. Лицензия — Apache-2.0.

Bionic-Cetacean-20B — объединённая с помощью mergekit автором FallenMerick языковая модель семейства Llama, предназначенная для творческого письма, ролевых диалогов и текстовых приключений. Модель создана методом passthrough merge из нескольких предварительно обученных моделей; в конфигурации объединения использованы диапазоны слоёв трёх составных моделей. Репозиторий содержит веса в формате safetensors, а метаданные указывают размер 19,8 млрд параметров и контекст до 4096 токенов. При выборе модели автор ориентировался на сочетание творческой свободы и связности ответов, проверяя результаты вручную для сценариев ролевой игры. Она подходит для написания художественных сцен, отыгрыша персонажей и интерактивных историй на английском языке. Метаданные указывают лицензию CC BY 4.0. Карточка не приводит количественных оценок качества.

JujoHotaru/BreedSeriesForAnima — это опубликованный JujoHotaru чекпойнт на базе Anima для генерации двумерных иллюстраций. Версия HotaruBreedAnima v1.0 ориентирована на милую стилистику. Модель принимает текстовые запросы и создаёт изображения; в метаданных указаны японский и английский языки. Чекпойнт дообучен на circlestone-labs/Anima и распространяется в формате Safetensors. В README не приведены сведения об архитектуре, размере и длине контекста. Лицензия обозначена как other, поэтому условия использования следует уточнить в репозитории модели.

calm3-22b-RP-v0.1 — модель Aratako для ролевых диалогов, дообученная методом QLoRA на базе cyberagent/calm3-22b-chat. Она использует архитектуру Llama с 22,1 млрд параметров и принимает текстовые сообщения в формате ChatML; заявленная длина контекста — 16 384 токена. В обучении использованы японские и англоязычные наборы диалогов для ролевых сценариев. Модель предназначена для ведения ролевых бесед по заданным персонажам, сеттингу и сценарию. Она генерирует текстовые ответы и поддерживает японский и английский языки. Опубликована в формате safetensors; лицензия CC-BY-NC-SA 4.0 запрещает коммерческое использование и, согласно карточке, использование в качестве конкурента сервисам OpenAI и Anthropic.

CanonUltraReal — это LoRA-адаптер для генерации изображений, созданный автором Danrisi и обученный на его фотографиях, снятых камерой Canon 1Ds. Адаптер предназначен для передачи характерной цветопередачи и визуальной подачи этой камеры, включая мягкое боке. Для его использования нужна базовая модель krea/Krea-2-Raw; в README рекомендуется сила адаптера 0,8 при работе с Raw-моделью. Модель принимает текстовые запросы и генерирует изображения в реалистичной, кинематографичной фотостилистике. Примеры охватывают портреты, уличные и постановочные сцены, а также фантастические сюжеты. В обучающем наборе были снимки с объективами 28, 50, 100 и 500 мм, поэтому внешний вид может меняться в зависимости от сюжета, композиции и фокусного расстояния. Модель распространяется по лицензии Apache-2.0.

Canopus-LoRA-Flux-UltraRealism-2.0 — это LoRA-адаптер, разработанный prithivMLmods для базовой модели black-forest-labs/FLUX.1-dev. Он предназначен для генерации фотореалистичных и гиперреалистичных изображений, включая портреты, фотографии людей, сцены с высокой детализацией, реалистичными текстурами и освещением. Модель ориентирована на использование с Diffusers и другими совместимыми пайплайнами генерации изображений. Адаптер обучен на 70 и более изображениях высокого разрешения с англоязычной разметкой, созданной с помощью Florence-2. Указаны параметры LoRA: network dimension 64 и network alpha 32; обучение выполнялось с оптимизатором AdamW, 20 эпохами и более чем 3,8 тыс. шагов. Модель работает с текстовыми запросами на английском языке и не является мультимодальной моделью общего назначения. Размер базовой модели, максимальная длина контекста и другие характеристики FLUX.1-dev в README не уточняются. Сильная сторона адаптера — акцент на реалистичной передаче лиц, фактур, деталей, освещения и фотографического стиля. При этом автор предупреждает, что модель всё ещё находится в стадии обучения, не является финальной версией, может создавать артефакты и плохо работать в отдельных случаях. Для использования рекомендуется совместимый инструментарий LoRA, включая Diffusers. Указана лицензия creativeml-openrail-m-m; README также сообщает о новой версии strangerzonehf/Flux-Super-Realism-LoRA.

QuantStack/ChronoEdit-14B-GGUF — квантованная модель в формате GGUF, являющаяся прямой конвертацией nvidia/ChronoEdit-14B-Diffusers. Модель предназначена для задач image-to-video, то есть генерации или редактирования видео на основе исходного изображения, и может использоваться в ComfyUI через пользовательский узел ComfyUI-GGUF. Известно, что базовая модель имеет размер 14B параметров, однако сведения об архитектуре, поддерживаемых языках, модальностях помимо image-to-video и размере контекстного окна в карточке не приведены. Квантование уменьшает требования к хранению и вычислительным ресурсам по сравнению с исходным представлением, но конкретный метод квантования и его влияние на качество не указаны. Ограничения модели также не описаны. Лицензия указана как Apache-2.0; при использовании квантованной версии сохраняются исходные условия лицензирования и ограничения модели ChronoEdit-14B-Diffusers.

chrono-link-bert-topres19th-ner — модель BERT для распознавания и классификации сущностей по токенам, созданная дообучением emanuelaboros/chrono-link-bert-americanstories-1850-1890. Модель содержит 135,5 млн параметров, использует архитектуру BertForTokenClassification и принимает последовательности длиной до 512 токенов. По названию репозитория модель предназначена для NER в текстах XIX века, однако README не описывает набор сущностей, обучающие данные и целевые сценарии подробнее. В оценке на тестовом наборе указаны precision 0,7574, recall 0,7970 и F1 0,7767. Лицензия — Apache-2.0.

CommonCanvas-S-C — небольшая модель семейства CommonCanvas, разработанная авторами CommonCanvas на основе архитектуры Stable Diffusion 2 для генерации изображений по текстовому описанию. Она использует латентную диффузию и распространяется в формате Diffusers/PyTorch с весами SafeTensors. Обучение проводилось на подмножестве CommonCatalog с изображениями Creative Commons и синтетическими подписями BLIP-2; по README, этот вариант связан с коммерческим подмножеством данных. Лицензия репозитория — CC BY-SA 4.0. Модель подходит для создания иллюстраций, концептов и изображений для творческих и образовательных инструментов. В описании отмечены слабые результаты на лицах, обычной фотографии и живописи, трудности с композиционно сложными запросами и читаемым текстом на изображениях. Данные основаны на материалах Flickr примерно десятилетней давности, с географическим смещением в сторону западных стран; модель может хуже работать с современными понятиями, именами и запросами на языках помимо английского. Генерация вредного или откровенного контента может быть возможна.

CommonCanvas-XL-NC — модель генерации изображений по тексту от команды CommonCanvas. Это версия семейства CommonCanvas на архитектуре латентной диффузии Stable Diffusion XL, обученная на подмножестве CommonCatalog — набора изображений с лицензиями Creative Commons и синтетическими описаниями, созданными BLIP-2. Модель принимает текстовые запросы и генерирует изображения; в первую очередь она рассчитана на англоязычные подсказки. Модель подходит для художественных и дизайнерских задач, творческих и образовательных инструментов, а также исследований генеративных моделей, их ограничений и смещений. Она может уступать SDXL в генерации лиц, фотографий и картин, хуже справляться со сложной композицией и точным изображением известных людей, произведений искусства и мест. Обучающие данные основаны на устаревших материалах Flickr100M и слабо представляют некоторые регионы; текст на изображениях обычно трудно читать, а автоэнкодер приводит к потере части информации. Модель может генерировать нежелательный контент. Лицензия CC BY-NC-SA 4.0 запрещает коммерческое использование и требует соблюдения условий атрибуции и распространения производных материалов.

Creative Writing Heretic 3.2 1B — компактная модель семейства Llama 3.2, созданная объединением нескольких моделей на базе Green-Eye/Llama-3.2-1B-Instruct-heretic. В объединение вошли модели с настройкой для творческого письма и ослабленными отказами; README указывает, что после дообучения творческому письму модель изучалась с помощью редактирования поведения на уровне представлений. Модель предназначена для генерации текста, прежде всего художественных и творческих текстов. Архитектура — плотная авторегрессионная LlamaForCausalLM, размер — 1,2 млрд параметров, библиотека — Transformers, формат весов — safetensors. Заявленное контекстное окно составляет 131 072 токена; среди языков карточки указаны английский и испанский. Модель помечена как uncensored и NSFW, поэтому может выдавать контент для взрослой аудитории и не предназначена для всех аудиторий. Качество и устойчивость ответов компактной модели могут быть ограничены. Использование регулируется лицензией Llama 3.2.

Crimson-Constellation-12B — языковая модель Vortex5, созданная слиянием четырёх моделей семейства Mistral: Maroon-Sunset-12B, Scarlet-Seraph-12B, Amber-Starlight-12B и Shining-Seraph-12B. Это плотная авторегрессионная модель на 12,1 млрд параметров; для токенизатора используется Shining-Seraph-12B. Модель принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов и предназначена для диалогов, ролевого взаимодействия и творческого письма. Основные сценарии — создание структурированных длинных историй, атмосферной прозы и эмоционально выразительных ролевых диалогов. В метаданных указаны библиотека Transformers, формат Safetensors и лицензия Apache-2.0. README не описывает языковое покрытие и не приводит оценки качества; специализация карточки — повествовательная генерация, поэтому пригодность для других задач не подтверждена.

CuriousMerge2.5D_v5 — модель генерации изображений по текстовому описанию в стиле 2.5D. Автор карточки описывает её визуальный результат как красивый и придающий персонажам выразительность; в README также приведён пример изображения, созданный автором. Модель представлена в формате Diffusers с весами PyTorch и safetensors и предназначена для создания изображений по текстовым запросам. Карточка не сообщает базовую модель, размер, поддерживаемые языки или конкретные настройки генерации. Лицензия указана как other, поэтому условия использования следует проверять в файлах репозитория. Описание качества носит субъективный характер.

Daisuke — языковая модель для генерации текста, созданная автором карточки с помощью mergekit и метода passthrough. В основе объединения лежат Pygmalion-2 13B и Estopia_Eru; архитектура — плотная Llama, размер модели составляет 19,8 млрд параметров, контекст — до 4096 токенов. Репозиторий содержит веса в формате safetensors. Модель предназначена прежде всего для ролевых диалогов и художественного письма в стиле романа. Она может выступать помощником для ролевой игры, персонажем или рассказчиком; автор рекомендует шаблон Alpaca и отмечает, что после нескольких ходов ответы могут улучшаться. Лицензия в предоставленных данных не указана.

Darkens-8B — экспериментальная чат-модель на основе NVIDIA Mistral-NeMo-Minitron-8B-Base, дообученная Delta-Vector. Она предназначена для генерации выразительной прозы и диалогов, особенно ролевых сцен с форматом действий. Модель обучали полным дообучением в течение четырёх эпох на восьми наборах данных; автор отмечает, что она сохраняет свежий стиль без заметного переобучения. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,9 млрд параметров и поддерживает контекст до 16 384 токенов. Она принимает текст и выдаёт текст, настроена на формат ChatML и рассчитана на английский язык. Доступны веса в формате safetensors. В README приведены результаты отдельных тестов Open LLM Leaderboard, включая средний балл 18,80. Это ранняя экспериментальная версия, поэтому её качество и следование инструкциям могут различаться в зависимости от сценария. Модель выпущена под лицензией Apache-2.0.

Darklit-Maiden-12B — слитая модель семейства Mistral, созданная Vortex5 на основе четырёх моделей для ролевых диалогов и художественного текста. Она предназначена для эмоционально насыщенного общения, ролевых сценариев и написания атмосферных историй, в том числе длинных повествований. Модель содержит 12,1 млрд параметров, использует архитектуру Mistral с плотной причинно-языковой сетью и поддерживает контекст до 131 072 токенов. Репозиторий содержит веса в формате Safetensors; для работы указана библиотека Transformers. Карточка лицензирована по Apache-2.0. Описание базовых моделей характеризует назначение как англоязычное, поэтому основной язык — английский.

DE·HTR — компактная модель распознавания современных немецких рукописных строк, опубликованная naeyn. Она принимает одно заранее вырезанное изображение строки и выдаёт Unicode-транскрипцию с помощью greedy-декодирования CTC. Модель предназначена для браузерного или локального запуска через ONNX Runtime; после загрузки страницы и модели распознавание выполняется без сетевых запросов. Архитектура включает визуальную основу ResNet-18, проекцию до 384 признаков, трёхслойную двунаправленную GRU и CTC-голову на 196 классов. Веса опубликованы в формате ONNX с int8-квантованием; размер модели — около 9,84 МБ, число параметров — около 9,73 млн. Изображение приводится к высоте 64 пикселя, ширина может быть динамической. Модель рассчитана только на немецкий язык и современные рукописные строки, а не на целые страницы. Сильные стороны — небольшой размер, работа на стороне клиента, автономное использование и предсказуемое распознавание без передачи изображений на сервер. Ограничения: нет сегментации строк, языковой модели или лексической коррекции; качество может снижаться на новых авторах и условиях съёмки, а исторические шрифты и неподдерживаемые символы не распознаются. Лицензия — Apache-2.0.

DetailAsianRealistic_v2.5_hinablue — модель генерации изображений по текстовому описанию на базе Stable Diffusion, опубликованная пользователем digiplay. Автор сообщает, что это смесь нескольких моделей; рекомендованный пример промпта описывает реалистичный портрет девушки в лесу с белыми крыльями и платьем. Модель предназначена для создания реалистичных детализированных изображений людей и художественных сцен. Автор отмечает, что, несмотря на название, она лучше подходит для генерации европейских лиц; одного ключевого слова «1girl» недостаточно, поэтому рекомендуется добавлять подробности внешности, окружения и стиля. Репозиторий содержит веса в форматах Diffusers и Safetensors. Лицензия указана как other, поэтому условия использования следует уточнить на странице модели; сведений о размере, длине контекста и конкретных компонентах смеси в предоставленных данных нет.

Detail Tweaker XL v1.0 — LoRA-модель от AiWise для Stable Diffusion XL, предназначенная для управления уровнем детализации при генерации изображений. Она подключается к базовой модели stabilityai/stable-diffusion-xl-base-1.0 и используется в сценариях text-to-image через Diffusers или совместимые интерфейсы. Модель позволяет увеличивать детализацию при положительном весе и уменьшать её при отрицательном; заявленный рабочий диапазон весов составляет от -3 до 3, а рекомендуемая отправная точка — 1,5 с последующей настройкой в зависимости от промпта и числа шагов сэмплирования. Для активации указаны триггерные слова concept, detailed, detail, enhancer и undetailed. Примеры демонстрируют применение к фотореалистичным, художественным, аниме- и фантазийным сценам, однако конкретные характеристики архитектуры, размер, языковая поддержка и ограничения качества не описаны. Модель распространяется в формате Safetensors по лицензии CreativeML OpenRAIL-M. README не содержит сведений об авторе-разработчике помимо идентификатора AiWise, а также не уточняет условия коммерческого использования и дополнительные ограничения лицензии.

Niophy/distilbert-imdb-sentiment — модель классификации тональности отзывов о фильмах, созданная дообучением distilbert-base-uncased на наборе данных IMDB. Она относит текст к одному из двух классов: положительная или отрицательная тональность. Модель предназначена для анализа англоязычных рецензий и отзывов о фильмах. В README указана точность 91,2% на тестовой выборке; архитектура — DistilBertForSequenceClassification, максимальный контекст — 512 токенов. Веса доступны в формате safetensors. Автор README отмечает рост тестовой потери при обучении, что указывает на небольшое переобучение к третьей эпохе; качество на других типах текста не подтверждено. Лицензия — Apache-2.0.

Distil-NPC-gemma-3-1b-it — компактная текстовая модель Distil Labs GmbH для диалогов с игровыми неигровыми персонажами. Это плотная causal language model семейства Gemma 3 с 1 млрд параметров, дообученная на базе Google Gemma для следования инструкциям и общения с заданным персонажем. Метаданные указывают базовую модель google/gemma-3-1b-it, а README — google/gemma-3-270m; точная база противоречива. Модель принимает текстовый вопрос и описание персонажа и генерирует текстовый ответ в его роли. Обучение включало биографии 81 вымышленного персонажа и около 80 отобранных примеров; карточка также упоминает обезличивание поддержки, логов, заявок и стенограмм с сохранением операционных сигналов. Контекстное окно — 32 768 токенов, язык — английский. Модель предназначена для диалоговых сценариев и может запускаться через vLLM или Ollama; репозиторий предлагает вариант GGUF. Оценка проводилась с помощью LLM-as-a-judge, поэтому карточка не сообщает обширных независимых результатах. Поведение для персонажей вне обучающего набора не определено, обобщение на другие языки не гарантировано, а незнакомые доменные идентификаторы могут обрабатываться ненадёжно. Лицензия — Gemma 3 License Agreement.

DiT360 — модель генерации панорамных изображений, разработанная исследовательской командой Insta360 Research Team. Она основана на архитектуре DiT и использует black-forest-labs/FLUX.1-dev в качестве базовой модели. Метод обучается на перспективных и панорамных изображениях по гибридной схеме, объединяющей междоменное руководство на уровне изображений и гибридный надзор на уровне токенов. Модель предназначена для генерации панорам по текстовому описанию, а также для задач панорамного inpainting и outpainting. В архитектуре и обучении применяются механизмы для повышения реалистичности и геометрической точности, включая circular padding для непрерывности границ, yaw loss для устойчивости к вращению и cube loss для учёта искажений. Заявлены улучшенные согласованность границ и fidelity изображений по результатам экспериментов на одиннадцати количественных метриках. В README не указаны размер модели, поддерживаемые языки, точная длина контекста, перечень модальностей помимо текстового ввода и аппаратные требования для инференса. Модель распространяется по лицензии MIT.

DR34ML4Y_I2V_14B_HIGH_V2 — это LoRA-адаптер для диффузионной модели Wan-AI/Wan2.2-I2V-A14B, разработанный пользователем или организацией SlartyG. Модель предназначена для задач image-to-video, то есть генерации видео на основе исходного изображения, и используется в экосистеме Diffusers. В карточке также указаны теги text-to-image и diffusion-lora, однако подробного описания соответствующих сценариев нет. Из доступных данных известно, что адаптер связан с базовой моделью Wan2.2-I2V-A14B и имеет размерный идентификатор 14B в названии. Сведения об архитектуре адаптера, поддерживаемых языках, модальностях, максимальном контексте, требованиях к оборудованию, сильных сторонах и ограничениях отсутствуют. Лицензия и условия коммерческого или некоммерческого использования также не указаны, поэтому их необходимо уточнить отдельно.

DTAEC Type Normalizer — модель aehrm, обученная с нуля для нормализации исторического немецкого написания в современную орфографию. Это encoder-decoder-модель семейства BART с 4,2 млн параметров; она принимает один токен без пробелов и генерирует его нормализованный вариант. Для работы с неоднозначными формами в полном контексте модель используется в составе более крупной системы с дополнительной GPT-моделью. Модель обучена на лексиконе aehrm/dtaec-lexica, созданном на основе параллельных текстов Немецкого текстового архива, где исторические печатные документы сопоставлены с современными изданиями. В README указаны точность на уровне слов 0,9546 и точность для слов вне обучающего словаря 0,9096 на оценочном наборе. Контекст ограничен 1024 токенами, хотя обычный сценарий модели — обработка отдельного слова. Лицензия — CC0 1.0.

0xJustin разработал Dungeons-and-Diffusion — модель генерации изображений по текстовому описанию, настроенную на персонажей и художественный стиль Dungeons & Dragons. Она предназначена для создания концепт-арта, портретов и изображений персонажей разных рас и классов фэнтезийного мира. В README указано, что версия 3.0 дообучена на Protogen; для более ранних вариантов описаны разные подходы к обучению. Примеры рекомендуют работать с разрешением выше 512×512, а также показывают настройки генерации в Diffusers-совместимом формате.