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

ebara-pony — модель генерации изображений по текстовому описанию на основе Stable Diffusion XL, представленная в виде пайплайна Diffusers и весов safetensors. По README это тестовый merge вариантов ebara_pony и Pony; автор описывает версии с изменениями в выражении глаз и яркости кожи. Для генерации автор рекомендует добавлять в положительный промпт теги score, а в отрицательный — source и realistic. Модель предназначена для создания изображений по текстовым промптам и настройки пользователем под свои предпочтения. Лицензия указана как other, поэтому условия использования следует сверить с файлами репозитория.

EnceladusHyperStock-24B — экспериментальная слитая языковая модель, созданная автором карточки с помощью mergekit из нескольких предварительно обученных моделей семейства Mistral. Она предназначена для длинных ролевых диалогов, совместного написания историй, творческого текста и следования сложным инструкциям; поддерживает генерацию с видимым рассуждением. Модель содержит 23,4 млрд параметров, принимает текст и имеет контекстное окно 131 072 токена. В карточке указан английский язык. Автор описывает модель как экспериментальную и предупреждает, что она не обязательно лучше предыдущего варианта. Модель uncensored и может создавать оскорбительный или неподходящий контент. Рекомендуемый шаблон диалога — Mistral V7 Tekken. Лицензия — Apache-2.0.

Epstein — генеративная языковая модель для создания художественной прозы на английском языке. Модель разработана Pclanglais и дообучена на базе Llama 13B. Для генерации можно задавать до двадцати характеристик текста, например краткое содержание, жанр, тон, повествователя, сюжетную арку, персонажей, место и время действия. Модель обучена на 4 000 отрывках англоязычной литературы или литературы в английском переводе из общественного достояния, а также на синтетических и подготовленных вручную аннотациях. Она рассчитана на создание литературного текста по заданным характеристикам; автор отмечает, что аннотации литературного направления и неопределённого места работают хуже. Контекст составляет 4 096 токенов. Модель распространяется по лицензии CC BY-SA 4.0.

EVA-Qwen2.5-14B-v0.2 — диалоговая языковая модель для ролевых сценариев и написания историй, созданная Kearm, Auri и Cahvay. Это полное дообучение Qwen/Qwen2.5-14B на смеси синтетических и естественных данных, включая наборы для инструкций, письма и ролевых персонажей. Модель использует архитектуру Qwen2ForCausalLM и формат ChatML; размер — 14 млрд параметров, максимальная длина контекста — 131 072 токена. Модель предназначена для творческого письма, ролевого общения и выполнения инструкций в длинных диалогах. В версии 0.2 авторы отмечают улучшения связности, следования инструкциям и понимания длинного контекста по сравнению с версией 14B v0.1. Для загрузки и генерации используется библиотека Transformers, веса представлены в формате safetensors. Лицензия — Apache-2.0. Оценка качества и пригодности для конкретных задач в README не приводится; генерация может быть непоследовательной или содержать нежелательные продолжения, особенно в открытых ролевых сценариях.

EVA-Qwen2.5-7B-v0.1 — полноразмерная дообученная модель на базе Qwen2.5-7B, созданная Kearm и Auri для ролевых диалогов и написания историй. Она обучалась на смеси синтетических и естественных данных, включая примеры инструкций, ролевых карточек и коротких рассказов; формат запросов — ChatML. Модель подходит для создания художественных текстов, продолжения сюжетов и общения от лица персонажей. Архитектура — плотная Qwen2 с 7,1 млрд параметров, длина контекста — 131 072 токена. В репозитории указаны веса safetensors, лицензия Apache-2.0. Версия 0.1 стала стабильнее при коротких запросах, однако авторы сообщают, что обучение завершилось аварийно примерно на 1,2 из 3 эпох, поэтому модель может быть недообучена. Результаты генерации зависят от настроек сэмплирования; отдельные поддерживаемые языки в карточке не заявлены.

Fabricated Reality — модель генерации изображений на основе SDXL, опубликованная автором ostris. Автор сообщает, что дообучал, объединял и настраивал модель с момента выхода SDXL, в том числе применял целевое обучение для улучшения глаз, зубов и рук. Модель предназначена для создания реалистичных изображений по текстовому описанию. Репозиторий использует Diffusers и содержит веса в формате safetensors. Лицензия — CreativeML Open RAIL-M. Карточка модели содержит мало подробностей о настройках и результатах, поэтому качество генерации и конкретные оптимальные сценарии по ней оценить нельзя.

FastWan-QAD-1.3B-SA2 — модель генерации видео по текстовому описанию от FastVideo, созданная на базе Wan-AI/Wan2.1-T2V-1.3B-Diffusers с применением дистилляции с учётом квантования. Она рассчитана на трёхшаговый вывод и использует линейные слои NVFP4 и SageAttention2++ для ускорения генерации; заявленное время создания видео длительностью 5 секунд в разрешении 480p составляет около 2 секунд на RTX 5090. Для декодирования применяется автоэнкодер TAEHV. Модель обучена генерировать видео в разрешении 832×480, до 81 кадра при 16 кадрах в секунду. Для запуска требуется видеокарта RTX 5090 или другая с поддержкой Blackwell и NVFP4; для RTX 4090 авторы рекомендуют отдельный вариант FastWan-QAD-FP8-1.3B. Репозиторий распространяется в формате Diffusers с весами Safetensors по лицензии Apache-2.0.

AntonyG/fine-tune-wav2vec2-large-xls-r-1b-sw — модель распознавания речи на суахили, разработанная на основе wav2vec2. Согласно карточке, она дообучена на датасете Common Voice 11.0 для транскрибации речи на суахили. Архитектура — Wav2Vec2ForCTC; в метаданных указано 402,7 млн параметров и формат PyTorch. Модель предназначена для распознавания общей разговорной речи на суахили. На оценочной выборке Common Voice 11.0 указаны loss 1,2834 и WER 0,5834. Разработчики рассматривают дальнейшее дообучение для предметных сценариев, в частности разговоров в больницах; текущая карточка не подтверждает специализацию на медицинской речи. Лицензия — Apache-2.0.

flammen24X-mistral-7B — языковая модель на архитектуре Mistral, созданная flammenai слиянием нескольких предварительно обученных моделей методом Model Stock с помощью mergekit. В качестве базовой использована flammenai/flammen24-mistral-7B; в слияние также вошли Nitral-AI/Nyanade_Stunna-Maid-7B, cgato/TheSpice-7b-v0.1.1, flammenai/Mahou-1.1-mistral-7B и KatyTheCutie/LemonadeRP-4.5.3. Модель предназначена для генерации текста и творческих ролевых диалогов; описание базовой модели также указывает на генерацию менее шаблонного текста. Это плотная авторегрессионная модель класса MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Модель распространяется по лицензии Apache-2.0. Карточка не приводит отдельной оценки качества или подробных ограничений; её специализация на творческих диалогах не гарантирует точность фактов и пригодность ответов для задач, требующих надёжной проверяемой информации.

Florence-2-base-PromptGen v2.0 — дообученная модель MiaoshouAI на базе PromptGen 1.5 для создания подписей и промптов по изображениям. Она принимает изображение и текстовую инструкцию, а затем выдаёт короткие или подробные описания, теги в стиле Danbooru, структурированные подписи с позициями объектов, анализ композиции либо смешанный вариант описания и тегов. Модель предназначена для подготовки текстовых подсказок к изображениям Flux, включая формирование текста для T5XXL и CLIP_L за один проход через узел Miaoshou Tagger в ComfyUI. В README заявлены быстрая работа и потребление немного более 1 ГБ видеопамяти. Модель основана на архитектуре Florence-2; репозиторий распространяет веса в формате safetensors. Лицензия — MIT. README не приводит оценки качества на тестах; качество зависит от изображения и выбранной инструкции, а описания и теги могут быть неполными или неточными.

FLUX.1 Redux [dev] — адаптер Black Forest Labs для моделей семейства FLUX.1, предназначенный для вариаций и рестайлинга изображений. Он принимает исходное изображение и помогает воспроизвести его с небольшими изменениями; результат сильно зависит от входного изображения. Адаптер интегрируется в рабочие процессы генерации изображений на базе Diffusers и может использоваться для уточнения или стилистического изменения изображения. Для рестайлинга с текстовым описанием в README упоминается API, принимающий изображение вместе с текстовым запросом; это возможность API, а не заявленная функция данного адаптера dev. Модель не предназначена для выдачи фактической информации, может усиливать социальные предубеждения и не всегда точно соответствует запросу. Лицензия указана как other; README также перечисляет ограничения на незаконное и вредоносное использование.

FLUX.2-Klein-9B-Consistency — это LoRA-адаптер для базовой модели black-forest-labs/FLUX.2-klein-9B, предназначенный для работы в библиотеке Diffusers в сценариях image-to-image. Автор и разработчик адаптера в README не указаны; модель опубликована под идентификатором dx8152/Flux2-Klein-9B-Consistency. Адаптер направлен на повышение согласованности результатов Klein без использования специальных ключевых слов в запросе. Согласно README, версия V2 улучшает цветопередачу, устраняет часть проблем с чрезмерным добавлением деталей и снижает избыточную насыщенность изображений. Это делает модель полезной для генерации и преобразования изображений, где важны более стабильный внешний вид и единообразие результатов. Известно, что модель имеет размерную основу 9B, относится к семейству FLUX.2 и использует архитектуру LoRA, однако сведения о точной архитектуре адаптера, поддерживаемых языках, размере контекста, конкретных модальностях базовой модели и требованиях к аппаратному обеспечению не приведены. Модель распространяется по лицензии Apache-2.0.

Furaidosu/flux-dott-remastered — модель генерации изображений по текстовому описанию на базе black-forest-labs/FLUX.1-dev. Она предназначена для pipeline text-to-image и используется через библиотеку Diffusers. Для активации указан специальный идентификатор DOTTRMSTR, связанный с характерным визуальным стилем модели. Модель ориентирована на создание иллюстраций, игровых фоновых сцен и концепт-артов с мультяшной, выразительной и намеренно искажённой перспективой. В примерах показаны деревянные дома, кафе, рестораны и интерьер салона с декоративными деталями, яркими или приглушёнными цветами, бумажными и рисованными текстурами, а также стилистикой коллажа. В метаданных указан английский язык, рекомендуемый размер изображения — 1024×1024 пикселей. Сильная сторона модели — способность воспроизводить цельный декоративный стиль с преувеличенными формами, необычной перспективой и большим количеством художественных деталей. Ограничения включают зависимость от базовой модели FLUX.1-dev, необходимость использовать специальный идентификатор DOTTRMSTR для получения заявленного стиля, а также отсутствие в карточке подробностей о точном размере адаптации, параметрах обучения, поддерживаемых разрешениях и качестве генерации для других языков. Модель распространяется по лицензии flux-1-dev-non-commercial-license, то есть её использование ограничено некоммерческими сценариями.

Granddyser/flux-klein-9b-Biglove-Collection — коллекция вариантов модели BigLove Klein, основанной на black-forest-labs/FLUX.2-klein-base-9B. Репозиторий поддерживает Diffusers и ориентирован на генерацию изображений по текстовому описанию, включая использование в ComfyUI и совместимых загрузчиках. Отдельный вариант Krea-Life указан как предоставленный пользователем Brooker. В коллекции представлены версии в форматах BF16, FP8, INT8, NF4, NVFP4, MXFP8 и GGUF, включая полные и сокращённые или прореженные варианты. Размер файлов составляет примерно от 5 до 26 ГБ в зависимости от версии и степени квантования. BF16-варианты ориентированы на более высокое качество, а 4- и 8-битные версии позволяют снизить требования к видеопамяти; GGUF предназначены для совместимых загрузчиков. В README не указаны точные языки, максимальный контекст, дополнительные модальности или результаты сравнительных тестов. Для запуска в Diffusers приведён пример с четырьмя шагами инференса и нулевым guidance scale, однако фактическое качество и требования к ресурсам зависят от выбранного файла и окружения. Модель предназначена для некоммерческого использования согласно FLUX.2-klein-base-9B Non-Commercial License от Black Forest Labs. Репозиторий предоставляется без гарантии поддержки, активного сопровождения и индивидуальной помощи.

Yntec/Gacha — модель генерации изображений по текстовому описанию, основанная на Yntec/GameIcons3D и предназначенная для создания стилизованных игровых изображений. В карточке приведены примеры еды с тематическим оформлением и персонажей в стиле чиби; метаданные указывают на применение для генерации игровых изображений и логотипов. Модель использует библиотеку diffusers и формат safetensors. Модель распространяется по лицензии creativeml-openrail-m. README описывает её как модель с механикой гача, однако не уточняет, как именно эта механика реализована. Характеристики базовой модели указывают на генерацию стилизованных 3D-подобных игровых иконок и предметов; размер и контекст для этой модели в предоставленных данных не указаны.

OmniAICreator/Galgame-Llasa-3B — языковая модель семейства Llama с плотной архитектурой LlamaForCausalLM и 3,4 млрд параметров, дообученная на наборе данных Galgame для синтеза японской речи из текста. Модель основана на HKUSTAudio/Llasa-3B и предназначена для преобразования текста в речь; в карточке указана поддержка японского языка. Заявленное контекстное окно составляет 131 072 токена. Модель подходит для синтеза реплик на японском языке, в частности в сценариях, связанных с визуальными новеллами и игровыми диалогами. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Карточка не сообщает подробностей о качестве синтеза и ограничениях по голосам или стилям.

Yntec/GameIcons3D — модель генерации изображений в формате Stable Diffusion, распространяемая для библиотеки Diffusers. По примерам запросов она предназначена для создания стилизованных игровых иконок и предметов в 3D-подобной манере: еды, персонажей и фантазийных объектов. Репозиторий содержит веса в форматах Diffusers и Safetensors. Лицензия — CreativeML OpenRAIL-M. Модель принимает текстовые описания и генерирует изображения; примеры ориентированы на игровые ресурсы с высоким уровнем детализации и мультяшными персонажами. Данных о размере модели, длине контекста и поддерживаемых языках в карточке нет.

Game-RL-Qwen2.5-VL-7B — мультимодальная модель OpenMOSS-Team для ответов на вопросы и рассуждений по изображениям. Она получена дообучением Qwen/Qwen2.5-VL-7B-Instruct методом GRPO на 5 тысячах примеров GameQA-5K, отобранных из синтезированного набора GameQA-140K. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2.5-VL и поддерживает контекст до 128 тысяч токенов. Модель предназначена для визуальных вопросов и рассуждений; авторы сообщают об улучшении обобщения на задачи за пределами обучающих данных и приводят результаты оценки на общих бенчмарках компьютерного зрения. Веса опубликованы в формате safetensors для библиотеки Transformers. Лицензия — Apache-2.0.

GameStoryChatbot — разговорная языковая модель, опубликованная aaiaa-1. Это дообученная модель семейства Mistral с архитектурой плотной автрорегрессионной языковой модели и 3,7 млрд параметров. Она предназначена для генерации текста в диалоге и может использоваться для создания чат-ботов, связанных с игровыми историями. Контекст модели составляет 4096 токенов; в карточке указана поддержка английского языка и возможность работы в режиме чата. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Доступны веса PyTorch, лицензия — Apache-2.0. Карточка не раскрывает подробностей обучающего набора данных, качества ответов или конкретных игровых сценариев, поэтому пригодность для сложных задач следует оценивать отдельно.

Ateron/Gemma-4-MoonGem-31B — объединённая модель семейства Gemma 4, опубликованная Ateron. Она предназначена для генерации текста в диалогах и ролевых сценариях. В README описаны несколько этапов слияния через mergekit, включая task arithmetic; метаданные указывают на архитектуру Gemma4ForConditionalGeneration, 31B в названии репозитория и формат safetensors. Карточка и теги связывают модель с англоязычным ролевым использованием. Модель распространяется по лицензии Apache-2.0. README не приводит измерений качества или конкретных ограничений; применимость слияния к отдельным задачам и входам VLM-компонента не подтверждена описанием, поэтому её следует оценивать на собственных примерах.

Gemmasutra Pro 27B v1 — чат-модель для ролевых диалогов, представленная командой BeaverAI. Это объединённая модель на архитектуре Gemma 2 с 27,6 млрд параметров, рассчитанная на генерацию текста и поддерживающая контекст до 8192 токенов. В карточке отмечены гибкость в ролевых сценариях, творческие ответы и умение использовать текстовые ремарки в звёздочках. Модель предназначена для интерактивного ролевого общения и генерации художественных диалогов. README предупреждает, что модель не полностью лишена ограничений на контент. Репозиторий лицензирован по CC BY-NC 4.0, которая запрещает коммерческое использование.

Gemma-The-Writer-9B-GGUF — это квантизированная GGUF-версия модели Gemma The Writer 9B, разработанная DavidAU. Модель представляет собой объединение моделей семейства Gemma2, ориентированное прежде всего на создание художественных текстов и развитие сюжетов. Она предназначена для написания рассказов и сцен, генерации основных и побочных сюжетных линий, продолжения сцен, сторителлинга и ролевых сценариев; заявлена поддержка различных жанров, включая научную фантастику, романтику и хоррор. Также модель может использоваться для общих текстовых задач. Модель работает в режиме text generation, рассчитана на английский язык и требует шаблон Gemma Instruct. Размер базовой модели — около 9 млрд параметров. Стандартное контекстное окно составляет 8 тысяч токенов и может быть расширено с помощью RoPE до 32 тысяч токенов и более. Доступны варианты с разной степенью квантизации; более высокие кванты обычно обеспечивают больше детализации, нюансов и проработки персонажей, но требуют больше ресурсов. Сильными сторонами модели являются специализация на художественной прозе, выразительное описание, генерация сюжетов и пригодность для ролевых сценариев. К ограничениям относятся чувствительность качества и стиля к температуре, штрафу за повторения, типу квантизации и другим параметрам семплирования; для разных вариантов могут потребоваться отдельные настройки. README не содержит результатов стандартизированных бенчмарков и подробных требований к аппаратному обеспечению. Модель распространяется по лицензии Apache-2.0.

General-Stories-Mistral-7B — языковая модель ajibawa-2023 для генерации художественных историй широкой тематики. Она дообучена методом qLoRA на базе Mistral-7B-v0.1 на наборе General-Stories-Collection, содержащем около 1,3 млн синтетических историй; обучение проводилось в течение двух эпох с использованием Axolotl. Модель имеет плотную архитектуру MistralForCausalLM примерно на 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для создания рассказов, поиска сюжетных идей и творческого письма для широкой аудитории. Карточка указывает английский язык и формат диалога ChatML. Репозиторий содержит веса PyTorch; в README также упомянуты отдельные варианты GGUF и Exllama v2. Лицензия — Apache-2.0. Качество и фактическая надёжность вне сценариев художественной генерации в карточке не описаны.

GigaAM Emotion Classifier — модель распознавания эмоций в речи, созданная дообучением энкодера RNNT модели waveletdeboshir/gigaam-rnnt и добавлением классификационной головы из трёх слоёв с LayerNorm и dropout. Она принимает аудио речи и выдаёт оценки для пяти эмоциональных классов; при усреднении представлений учитывается маска длины последовательности. Модель обучена на наборе nixiieee/dusha_balanced, представляющем собой обрезанную версию датасета Dusha. Базовая архитектура GigaAM основана на Conformer и ориентирована на русский язык. Репозиторий содержит веса в формате safetensors; лицензия в доступных данных не указана.

jiuntian/gligen-xl-1024 — адаптер GLIGEN для Stable Diffusion XL, опубликованный как часть проекта по созданию InteractDiffusion XL. Он добавляет к генерации изображений по тексту управление с помощью пространственных условий, например ограничивающих рамок, и предназначен для сценариев, где важно задавать расположение объектов в изображении. Модель подготовлена для использования с библиотекой diffusers; веса доступны в формате safetensors и распространяются по лицензии Apache-2.0. Адаптер дообучен на базе stabilityai/stable-diffusion-xl-base-1.0. Карточка указывает датасеты с латентными представлениями SDXL и ограничивающими рамками. Для работы требуется базовая модель SDXL и совместимый Diffusers pipeline. В README не приведены количественные оценки качества или подробные инструкции по ограничениям управления; результат зависит от заданных текстовых и пространственных условий.

GLM-Edge-V-2B — компактная мультимодальная чат-модель семейства GLM от zai-org. Она принимает изображения и текст и предназначена для диалоговых сценариев с визуальным содержимым, например ответов на вопросы об изображениях. В метаданных указаны архитектура GlmForCausalLM, 1,5 млрд параметров, контекст 4096 токенов и формат safetensors. Модель опубликована 24 ноября 2024 года. В карточке указана лицензия other, поэтому конкретные условия использования следует сверить с лицензией репозитория. README содержит мало сведений о возможностях и ограничениях, поэтому подробные сценарии применения и качество модели по нему определить нельзя.

FrostAura Intelligence дообучила эту авторегрессионную модель семейства GPT-Neo для генерации художественных текстов. Модель содержит 1,5 млрд параметров и использует контекст до 2048 токенов; доступны веса в форматах PyTorch и Flax. Модель предназначена для продолжения художественных фрагментов и создания черновиков прозы на английском языке. Её можно применять для генерации сцен, эпизодов и набросков романов. Лицензия MIT разрешает использование на её условиях. Карточка не приводит оценок качества или подробностей обучающих данных.

GPT-Neo 2.7B-Picard — дообученная модель KoboldAI на основе GPT-Neo 2.7B от EleutherAI. Она генерирует продолжение текста по заданному началу и подходит для создания художественной прозы, особенно в жанрах научной фантастики и фэнтези. Для дообучения использовали около 1800 электронных книг, преимущественно в этих жанрах. Модель имеет плотную архитектуру GPT-Neo с причинно-языковой авторегрессионной генерацией, содержит около 3,1 млрд параметров и принимает контекст длиной до 2048 токенов. Репозиторий включает веса PyTorch и Safetensors; в карточке указан английский язык. Лицензия — MIT. Качество и содержание генераций зависят от подсказки: возможны предвзятые, грубые или оскорбительные ответы, поскольку базовая GPT-Neo обучалась на корпусе The Pile. Модель может выдавать нежелательный текст, поэтому результаты следует проверять перед публикацией.

GPT-Neo-vi-small — компактная авторегрессионная языковая модель для генерации вьетнамского текста, представленная NlpHUST. Она построена на архитектуре GPT-Neo — реализации архитектурных идей GPT-3 от EleutherAI — и содержит около 146,7 млн параметров. Модель принимает текст и генерирует продолжение; длина контекста составляет 1024 токена. Модель обучена на новостных текстах и предназначена для генерации вьетнамского текста в новостном стиле и продолжения текстовых фрагментов. Карточка не сообщает отдельную лицензию, поэтому условия использования по имеющимся данным определить нельзя.

GysBERT-v2 — маскированная языковая модель на базе BERT, опубликованная Enrique Manjavacas под аккаунтом emanjavacas. Она предназначена для заполнения пропусков в тексте: по контексту предсказывает токен или варианты токена на месте маски. Карточка Hugging Face указывает архитектуру BertForMaskedLM, 136,7 млн параметров, контекст до 512 токенов и формат PyTorch. Модель можно применять для подстановки пропущенных слов, изучения контекстных вариантов и как компонент языкового анализа. По доступным данным конкретный язык обучения и область специализации не установлены, поэтому её языковые возможности нельзя надёжно уточнить. Репозиторий не указывает лицензию; перед использованием следует проверить условия распространения весов.