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

Kainatq/test002 — объединённая языковая модель на архитектуре Mistral, созданная автором с помощью mergekit и метода DARE TIES. В качестве базовой модели использована kainatq/Kainoverse-7b-v0.1; в объединение также вошли ChaoticNeutrals/RP_Vision_7B, ResplendentAI/DaturaCookie_7B и icefog72/IceDrunkenCherryRP-7b. Модель предназначена для генерации текста, в частности ролевого общения. Она содержит 7,1 млрд параметров, принимает текст и выдаёт текст, работает с контекстом до 32 768 токенов и распространяется в формате Safetensors через Transformers. Лицензия в предоставленных данных не указана.

Thea RP 3B 25R — англоязычная модель для генерации текста и ролевых диалогов, разработанная Piotr Zalewski. Это дообученная модель Llama 3.2 с архитектурой LlamaForCausalLM и 3,2 млрд параметров; в обучении использованы данные reasoning-base-20k и набор для переопределения имён. Карточка характеризует её как модель для ролевых сценариев с reasoning-данными, а метаданные отмечают поддержку чата и контекст до 131 072 токенов. Модель подходит для ролевых бесед, продолжения сцен и генерации связного текста на английском языке. Заявления об улучшенной производительности и высоких результатах в ролевых задачах принадлежат автору и не подкреплены в карточке численными оценками. Модель распространяется по лицензии llama3.2; базовая модель — SicariusSicariiStuff/Impish_LLAMA_3B.

Tifa-Deepsex-14b-CoT — созданная ValueFX9507 модель диалогового семейства DeepSeek-R1-14B, предназначенная прежде всего для ролевых диалогов, связного длинного повествования и генерации текста с цепочкой рассуждений. В карточке описаны дополнительное обучение на художественных текстах, SFT-данных и материалах для RL; для репозитория также указаны файлы GGUF в формате F16. Модель принимает текст и генерирует текст, поддерживает китайский и английский языки. В README заявлен контекст до 128 тысяч токенов, а для одного из этапов обучения — последовательности до 16 тысяч токенов. Разработчик отмечает улучшение контекстной связности и ролевых навыков, но предупреждает о повторениях, отклонении рассуждений от основного текста и непредсказуемых ответах. Модель не рекомендуется для математики, кода и задач, требующих строгой фактической точности. README описывает исходную версию как исследовательскую проверку RL-награды для ролевых данных, поэтому модель следует считать экспериментальной. Указана лицензия Apache-2.0; автор отдельно просит соблюдать условия использования производных данных Tifa и применимое законодательство.

Карточка модели athena2634/TRELLIS.2-4B на Hugging Face совпадает с карточкой camenduru/TRELLIS.2-4B, поэтому описание составлено по ней. TRELLIS.2-4B — модель генерации 3D-объектов по изображению, разработанная Jianfeng Xiang, Xiaoxue Chen и их соавторами. Она принимает одно изображение и создаёт 3D-модель с геометрией и PBR-материалами, включая прозрачность и полупрозрачность. Модель построена на трансформере с flow matching и разреженном 3D VAE, использующем структуру O-Voxel; размер модели — 4 млрд параметров. Она поддерживает сложную топологию, в том числе открытые поверхности и неманифолдные сетки, а заявленное разрешение генерации достигает 1536³. Для запуска требуется Linux и NVIDIA GPU с как минимум 24 ГБ памяти; README подтверждает проверку на A100 и H100. Сгенерированные сетки иногда содержат небольшие отверстия и топологические разрывы, поэтому для задач вроде 3D-печати может понадобиться постобработка. Модель не дообучена для заданных эстетических предпочтений. Лицензия — MIT.

Карточка модели E234v/TRELLIS.2-4B на Hugging Face совпадает с карточкой microsoft/TRELLIS.2-4B, поэтому описание составлено по ней. TRELLIS.2-4B — модель генерации 3D-объектов по изображению, разработанная Jianfeng Xiang и соавторами. Она использует трансформер flow matching с 4 млрд параметров и разреженный 3D-VAE для представления геометрии и внешнего вида в структуре O-Voxel. На вход подаётся одно изображение, на выходе создаётся 3D-модель с PBR-материалами; заявлено разрешение воксельной сетки от 512³ до 1536³. Модель также поддерживает генерацию текстур для заданной 3D-сетки и референсного изображения. TRELLIS.2 рассчитана на создание детализированных 3D-ассетов со сложной топологией, включая открытые поверхности и полупрозрачные материалы. Карточка указывает, что модель проверялась на Linux с видеокартами NVIDIA A100 и H100 и требует не менее 24 ГБ видеопамяти. Генерируемые сетки могут содержать небольшие отверстия и топологические дефекты, поэтому для задач вроде 3D-печати может потребоваться постобработка. Модель не настраивалась под человеческие предпочтения или конкретные эстетические стандарты. Лицензия — MIT.

Карточка модели IVAN20260514/TRELLIS.2-4B на Hugging Face совпадает с карточкой microsoft/TRELLIS.2-4B, поэтому описание составлено по ней. TRELLIS.2-4B — модель генерации 3D-объектов по изображению, разработанная Jianfeng Xiang и соавторами. Она использует трансформер flow matching с 4 млрд параметров и разреженный 3D-VAE для представления геометрии и внешнего вида в структуре O-Voxel. На вход подаётся одно изображение, на выходе создаётся 3D-модель с PBR-материалами; заявлено разрешение воксельной сетки от 512³ до 1536³. Модель также поддерживает генерацию текстур для заданной 3D-сетки и референсного изображения. TRELLIS.2 рассчитана на создание детализированных 3D-ассетов со сложной топологией, включая открытые поверхности и полупрозрачные материалы. Карточка указывает, что модель проверялась на Linux с видеокартами NVIDIA A100 и H100 и требует не менее 24 ГБ видеопамяти. Генерируемые сетки могут содержать небольшие отверстия и топологические дефекты, поэтому для задач вроде 3D-печати может потребоваться постобработка. Модель не настраивалась под человеческие предпочтения или конкретные эстетические стандарты. Лицензия — MIT.

Карточка модели mrbrz/TRELLIS.2-4B на Hugging Face совпадает с карточкой microsoft/TRELLIS.2-4B, поэтому описание составлено по ней. TRELLIS.2-4B — модель генерации 3D-объектов по изображению, разработанная Jianfeng Xiang и соавторами. Она использует трансформер flow matching с 4 млрд параметров и разреженный 3D-VAE для представления геометрии и внешнего вида в структуре O-Voxel. На вход подаётся одно изображение, на выходе создаётся 3D-модель с PBR-материалами; заявлено разрешение воксельной сетки от 512³ до 1536³. Модель также поддерживает генерацию текстур для заданной 3D-сетки и референсного изображения. TRELLIS.2 рассчитана на создание детализированных 3D-ассетов со сложной топологией, включая открытые поверхности и полупрозрачные материалы. Карточка указывает, что модель проверялась на Linux с видеокартами NVIDIA A100 и H100 и требует не менее 24 ГБ видеопамяти. Генерируемые сетки могут содержать небольшие отверстия и топологические дефекты, поэтому для задач вроде 3D-печати может потребоваться постобработка. Модель не настраивалась под человеческие предпочтения или конкретные эстетические стандарты. Лицензия — MIT.

Карточка модели nf5/TRELLIS.2-4B на Hugging Face совпадает с карточкой microsoft/TRELLIS.2-4B, поэтому описание составлено по ней. TRELLIS.2-4B — модель генерации 3D-объектов по изображению, разработанная Jianfeng Xiang и соавторами. Она использует трансформер flow matching с 4 млрд параметров и разреженный 3D-VAE для представления геометрии и внешнего вида в структуре O-Voxel. На вход подаётся одно изображение, на выходе создаётся 3D-модель с PBR-материалами; заявлено разрешение воксельной сетки от 512³ до 1536³. Модель также поддерживает генерацию текстур для заданной 3D-сетки и референсного изображения. TRELLIS.2 рассчитана на создание детализированных 3D-ассетов со сложной топологией, включая открытые поверхности и полупрозрачные материалы. Карточка указывает, что модель проверялась на Linux с видеокартами NVIDIA A100 и H100 и требует не менее 24 ГБ видеопамяти. Генерируемые сетки могут содержать небольшие отверстия и топологические дефекты, поэтому для задач вроде 3D-печати может потребоваться постобработка. Модель не настраивалась под человеческие предпочтения или конкретные эстетические стандарты. Лицензия — MIT.

Карточка модели rogrocks123/TRELLIS.2-4B на Hugging Face совпадает с карточкой microsoft/TRELLIS.2-4B, поэтому описание составлено по ней. TRELLIS.2-4B — модель генерации 3D-объектов по изображению, разработанная Jianfeng Xiang и соавторами. Она использует трансформер flow matching с 4 млрд параметров и разреженный 3D-VAE для представления геометрии и внешнего вида в структуре O-Voxel. На вход подаётся одно изображение, на выходе создаётся 3D-модель с PBR-материалами; заявлено разрешение воксельной сетки от 512³ до 1536³. Модель также поддерживает генерацию текстур для заданной 3D-сетки и референсного изображения. TRELLIS.2 рассчитана на создание детализированных 3D-ассетов со сложной топологией, включая открытые поверхности и полупрозрачные материалы. Карточка указывает, что модель проверялась на Linux с видеокартами NVIDIA A100 и H100 и требует не менее 24 ГБ видеопамяти. Генерируемые сетки могут содержать небольшие отверстия и топологические дефекты, поэтому для задач вроде 3D-печати может потребоваться постобработка. Модель не настраивалась под человеческие предпочтения или конкретные эстетические стандарты. Лицензия — MIT.

ChrisColeTech/TRELLIS.2-4B-FP16 — это сборка модели Microsoft TRELLIS.2 4B для создания 3D-объектов по изображению. Репозиторий содержит веса в формате FP16 и не является новым дообучением; модель основана на microsoft/TRELLIS. На вход подаётся одно RGB(A)-изображение, а результатом служит текстурированная 3D-сетка в формате GLB с материалами PBR, созданными вместе с геометрией. Модель предназначена для преобразования изображения объекта в готовый 3D-ассет, например для сцен Blender и пакетной генерации объектов с согласованным направлением фронтальной стороны. Поддерживаются режимы img2mesh и txt2mesh, включая варианты с текстурированием, однако основная задача карточки — image-to-3d. По данным README, генерация занимает около 100 секунд на RTX 5090; детализация и материалы могут избавить от отдельного этапа текстурирования. Для работы требуется GPU с достаточным объёмом памяти: модель около 4B параметров использует разреженные свёртки и может конфликтовать за память с другими процессами на GPU. Первый запуск на новой машине требует сетевого доступа для загрузки оценщика NAF и может быть медленнее. Лицензия — MIT.

TRELLIS Text Base — текстовая версия модели TRELLIS для генерации 3D-объектов по описанию. Модель разработана Microsoft и представлена в работе «Structured 3D Latents for Scalable and Versatile 3D Generation». В карточке указаны размер B и библиотека trellis. Модель предназначена для преобразования текстовых запросов в 3D-генерации. Репозиторий содержит веса в формате safetensors. Лицензия — MIT, допускающая использование в соответствии с её условиями. Карточка не раскрывает подробности архитектуры, длину контекста или конкретные ограничения качества и применения.

Карточка модели asper22/TripoSR на Hugging Face совпадает с карточкой stabilityai/TripoSR, поэтому описание составлено по ней. TripoSR — быстрая модель генерации и реконструкции 3D, разработанная совместно Stability AI и Tripo AI. Она по одному изображению строит трёхмерное представление объекта в прямом проходе, без итерационного процесса генерации. Архитектура следует подходу LRM и включает улучшения в подготовке данных, модели и обучении. Модель предназначена для быстрого получения 3D-объектов из изображений, например для прототипирования и создания исходных ассетов. Обучение проводилось на отобранных рендерах из Objaverse с методом рендеринга, рассчитанным на лучшее соответствие реальным изображениям. Репозиторий содержит веса PyTorch; лицензия — MIT. Качество реконструкции зависит от входного изображения, а описание не обещает готовность результата к игровому или производственному использованию. Разработчики рекомендуют более новую модель SF3D для получения более быстрых и готовых к играм ассетов. Модель не следует использовать для создания оскорбительных или тревожащих 3D-объектов либо контента, распространяющего стереотипы.

True Pencil XL v100 SDXL — модель генерации изображений по текстовому описанию, созданная blue_pen5805 и опубликованная пользователем John6666. Она основана на дообученной модели bluepen5805/true_pencil-XL и предназначена для создания иллюстраций, в том числе изображений в аниме-стиле. Модель использует Stable Diffusion XL и доступна в форматах Diffusers и safetensors; работать с ней можно через StableDiffusionXLPipeline из библиотеки Diffusers. На вход подаётся текстовый запрос, на выходе получается изображение. В карточке указаны английский язык и лицензия other, поэтому перед использованием следует проверить условия лицензии репозитория.

Novaciano/Uncensored-1b-Creative_Writing_RP-GGUF — GGUF-версия модели для генерации текста и диалогового ролевого отыгрыша. В карточке указано, что модель создана на основе carsenk/llama3.2_1b_2025_uncensored_v2 и обучена на смеси наборов данных для письма, ролевых диалогов, кода, математики и других задач; в метаданных также отмечен набор для многошагового творческого письма. Архитектура относится к семейству Llama 3.2, размер — 1 млрд параметров. Модель предназначена для творческого письма, продолжения сцен и ролевого общения. README указывает длину последовательности 8K токенов; автор отмечает, что при дообучении на входных последовательностях от 16K следует использовать их вместо этого варианта. GGUF подходит для запуска совместимыми средствами, включая llama.cpp и KoboldCpp. Поддерживаемые языки по карточке — английский и испанский. Модель помечена как uncensored и может выдавать откровенный или проблемный вымышленный материал. Лицензия — Llama 3.2; применимость лицензии и законность использования контента зависят от условий лицензии и законодательства пользователя.

UniWorld-View — модель для синтеза новых ракурсов сцены на основе видео или одиночного изображения. В карточке она описана как единая система, использующая видеодиффузионные модели для управляемого синтеза ракурсов с большим изменением точки обзора. В метаданных задача модели обозначена как image-to-video, а веса представлены в формате safetensors. Модель предназначена для создания последовательности видеокадров с новыми ракурсами по монокулярному входу. Репозиторий указывает лицензию Apache-2.0. Карточка не содержит сведений о размере модели, поддерживаемых языках, длине контекста или подробных ограничениях качества.

UrangDiffusion 2.0 — дообученная модель создания изображений по текстовому описанию, разработанная автором kayfahaarukku на базе Animagine XL 3.1. Она предназначена прежде всего для генерации иллюстраций в стиле аниме с персонажами и сериями, включая Honkai: Star Rail, Genshin Impact, Zenless Zone Zero и Hololive; карточка также упоминает пейзажи и концепции для коррекции анатомии. Модель принимает текстовые запросы и выдаёт изображения. Автор рекомендует использовать теги качества «best quality», «amazing quality», «very aesthetic» и настройки Euler a примерно на 25–30 шагов с CFG 5–7; удачной отправной точкой названы 28 шагов и CFG 7. Модель распространяется в форматах Diffusers и safetensors. В метаданных указана лицензия other; конкретные условия следует проверять в репозитории. README отмечает, что тег «masterpiece» может вызывать нежелательные эффекты, а при некоторых генерациях возникают проблемы с анатомией. Размер модели, длина контекста и список поддерживаемых языков не приведены; текстовые подсказки в примерах используют английские теги.

Venus-103b-v1.1 — языковая модель для генерации текста, созданная автором репозитория путём объединения слоёв Sao10K/Euryale-1.3-L2-70B, migtissera/SynthIA-70B-v1.2b и Xwin-LM/Xwin-LM-70B-V0.1 с помощью mergekit. Модель построена на архитектуре Llama, содержит 102,9 млрд параметров и рассчитана на контекст до 4096 токенов. Карточка описывает её как вариант для разговорных ролевых сценариев: модель чаще говорит от лица персонажей и создаёт творческую, связную прозу. Модель может генерировать контент для взрослых. По карточке, она устойчивее к откровенным и шокирующим темам, чем Venus-103b-v1.0; иногда теряет мелкие детали сцены. Репозиторий содержит веса Safetensors и ссылается на отдельные ветки с квантизацией EXL2. Указана лицензия Llama 2.

Модель shossain11/videomae-base-finetuned-inhard — версия VideoMAE-base, дообученная для классификации видео. Она основана на MCG-NJU/videomae-base и содержит 113,2 млн параметров; веса опубликованы в формате Safetensors. На оценочном наборе автор сообщает accuracy 0,7151 и loss 1,0630, но описание набора данных и классов отсутствует. Модель предназначена для присвоения видео меток классов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Violet-Eclipse-12B — объединённая языковая модель, созданная автором репозитория методом Model Stock с помощью mergekit на основе нескольких моделей Mistral. В состав слияния вошли MN-Violet-Lotus-12B, Forgotten-directive-Neon-stock, KansenSakura-Erosion-RP-12b, Impish_Nemo_12B и guns-and-roses-r1. Модель содержит 12,1 млрд параметров и распространяется в формате safetensors для Transformers. Модель предназначена главным образом для ролевых диалогов и творческого письма, включая создание текстовых приключений. Она генерирует неотфильтрованный контент, в том числе потенциально тревожные и сексуальные материалы. Метаданные указывают контекстное окно до 1 024 000 токенов; поддерживаемый язык в источниках не указан. Лицензия в предоставленных данных не приводится.

Карточка модели wolf1280/vit-age-classifier на Hugging Face совпадает с карточкой nateraw/vit-age-classifier, поэтому описание составлено по ней. nateraw разработал модель на основе Vision Transformer (ViT), дообученную для классификации возраста человека по изображению лица. Она предназначена для сценариев, где нужно автоматически отнести лицо к возрастной категории; модель содержит 113,2 млн параметров и опубликована в форматах PyTorch и Safetensors. В карточке указан датасет FairFace. Модель принимает изображение и выдаёт результат классификации. Языковой ввод и вывод не предусмотрены. Лицензия в предоставленных данных не указана.

google/vit-hybrid-base-bit-384 — гибридная модель Vision Transformer для классификации изображений. Вариант ViT объединяет сверточный backbone BiT, который формирует начальные признаки-токены, с Transformer-энкодером. Архитектура содержит около 113,2 млн параметров; репозиторий предоставляет веса PyTorch и Safetensors. Модель предобучена на ImageNet-21k и дообучена на ImageNet-1k для распознавания изображений по 1000 классам ImageNet. Она принимает изображение и выдаёт класс изображения; для обработки используются изображения 224×224 с нормализацией RGB, а в README отмечено, что при fine-tuning лучшие результаты достигаются при разрешении 384×384. Модель подходит для классификации изображений общего назначения и переноса на другие наборы данных компьютерного зрения. Лицензия — Apache-2.0. Она предназначена для классификации в рамках набора классов ImageNet, поэтому для специализированных классов или иных сценариев может потребоваться дообученная версия.

Evel/VividWatercolors — модель генерации изображений из текста в стиле акварели, созданная автором репозитория как DreamBooth-модель. Она предназначена для создания иллюстраций по текстовым запросам; для акварельной фактуры автор рекомендует включать в запрос токен «wtrcolor style» и слово «watercolor». Также описано применение в img2img с усилением стилевого токена. Модель распространяется в форматах Diffusers, PyTorch и Safetensors и использует лицензию CreativeML OpenRAIL-M. Автор отмечает, что для получения хорошего результата нужны подходящие запросы; приведённые им настройки генерации — около 30 шагов, Euler a и CFG 8–9.

Модель tihon-nth/vivit-vit-fc-loss-8-10-epochs-5_class_1_p0_splited-1788680718.6508312 — дообученная версия google/vivit-b-16x2-kinetics400 для классификации видео. Она построена на архитектуре ViViT и содержит 113,2 млн параметров. Модель предназначена для определения классов действий или событий в видеороликах; оценка на тестовом наборе составила accuracy 0,7316 и loss 1,0742. Модель принимает видео и выдаёт метку класса. Набор данных и конкретные классы в карточке не раскрыты, поэтому применимость к определённой предметной области оценить нельзя. Репозиторий содержит веса в формате safetensors, библиотека — Transformers. Лицензия — MIT.

Vox2 — дообученная для Stable Diffusion концептуальная модель генерации изображений в стиле voxel-ish, созданная Jak / Jak_TheAI_Artist. Для активации стиля в запрос добавляют триггер «voxel-ish»; автор также рекомендует фразу «intricate detail» для получения более полуреалистичных изображений. Версия 1.2 обучена на 184 изображениях в течение 8000 шагов и дополнительно настроена для улучшения лиц. Модель распространяется в формате Diffusers/PyTorch по лицензии CreativeML OpenRAIL-M. Карточка не сообщает базовую модель Stable Diffusion или параметры разрешённого использования сверх условий лицензии.

Voxel — модель генерации изображений из текста на основе Stable Diffusion 1.5, созданная автором репозитория Yntec. Она получена слиянием моделей VoxelArt и SQUEE и настроена для создания изображений в стиле voxel art; модель также реагирует на запросы без обязательного указания VoxelArt и меньше зависит от негативных промптов. Разрешение модели — 768×768, в веса встроен VAE MoistMixV2VAE. Модель предназначена для генерации иллюстраций по текстовым описаниям, включая стилизованные персонажи, сцены и low-poly изображения. Распространяется в формате Diffusers с весами safetensors по лицензии CreativeML OpenRAIL-M. README содержит примеры промптов и изображений, но не описывает систематические ограничения качества или языковую специализацию.

WaifuGemma4-26b-a4b-v1 — диалоговая модель HiWaifu Research, дообученная на основе google/gemma-4-26B-A4B-it с помощью обучения с подкреплением по пользовательским предпочтениям на платформе HiWaifu Arena. Она предназначена прежде всего для ролевых диалогов и написания реплик персонажей. По оценкам слепых сравнений на арене модель получила больше предпочтений, чем исходная Gemma и ряд других моделей; проверки также показали близкие к исходной модели результаты на большинстве общих бенчмарков. Модель работает через Transformers, веса опубликованы в формате safetensors, лицензия — Apache-2.0. Обучение политики и модели предпочтений использовало языковую смесь арены; карточка сообщает результаты на русском, испанском, английском, португальском, индонезийском, арабском и тайском языках. Для обучения применялся контекст 8K токенов. Модель склонна к длинным ответам, а предпочтения пользователей одной ролевой платформы не гарантируют такого же качества для других аудиторий или сценариев. Пользовательские оценки измеряют предпочтение отдельной реплики, а качество полностью управляемых моделью длительных сессий оценено ограниченно. Возможны недостаточная реалистичность, ускоренная эскалация сцен и повествование от имени пользователя. Модель может создавать откровенный контент, если это разрешает системный промпт; специальных настроек безопасности сверх унаследованных от базовой модели нет.

Wan-Move-14B-480P — модель генерации видео из изображения, выпущенная авторами проекта Wan-Move. Она расширяет Wan-I2V-14B методом управления движением через траектории в латентном пространстве, без изменения архитектуры исходной модели и без дополнительных модулей движения. Модель предназначена для создания видео длительностью около 5 секунд с разрешением 480p, задавая движение объектов плотными точечными траекториями; поддерживаются сценарии управления одним или несколькими объектами. Модель рассчитана на точное локальное управление движением при сохранении визуального качества. Для генерации используются исходное изображение, текстовое описание сцены и данные о траекториях и их видимости. В README приведены англоязычные примеры; MoveBench содержит также китайские подписи. Репозиторий распространяет веса в формате safetensors и указывает лицензию Apache-2.0. Для запуска требуются значительные вычислительные ресурсы; авторы описывают мног GPU инференс для версии на 14 млрд параметров.

Sámi Wav2Vec2 Base — акустическая модель семейства Wav2Vec2, разработанная Ярославом Гетманом и Тамашем Гросом. Модель содержит 113,3 млн параметров и предварительно обучена на 22,4 тыс. часов неразмеченной саамской речи из архива Yle Sámi Radio. Для работы входное аудио должно иметь частоту дискретизации 16 кГц. Модель служит основой для распознавания саамской речи и распознавания эмоций в речи. Она обучена только на аудио и не содержит токенизатора, поэтому для получения текста её нужно дополнить токенизатором и дообучить на размеченных аудиоданных. Распространяется по лицензии Apache-2.0. Обучающие аудиофрагменты ограничены длительностью до 30 секунд; модель, вероятно, лучше подходит для коротких записей. Данные радиоархива могут создавать смещение в сторону голосов ведущих, а остаточные музыкальные и другие неречевые события могут затруднить дообучение на чистой речи.

Weather-Image-Classification — модель prithivMLmods для классификации изображений по погодным условиям. Она дообучена на базе google/siglip2-base-patch16-224 с архитектурой SiglipForImageClassification и использует библиотеку Transformers. Модель относит изображение к одному из пяти классов: облачно или пасмурно, туман или дымка, дождь или шторм, снег или иней, ясно или солнечно. Модель предназначена для автоматической разметки фотографий и медиаматериалов, подготовки датасетов для исследований погоды, а также анализа сцен в системах наблюдения, дорожной инфраструктуре и автономном транспорте. Она принимает изображения и выдаёт метку погодного класса. Обучение выполнено на наборе WeatherNet-05. Модель распространяется по лицензии Apache-2.0.

cifope/whisper-small-wolof — модель распознавания речи на базе Whisper small, дообученная на датасете FLEURS. Она предназначена для преобразования аудиозаписей на волоф в текст. Модель содержит 153,1 млн параметров, использует архитектуру WhisperForConditionalGeneration и распространяется в форматах PyTorch и Safetensors. Модель унаследовала мультиязычную основу OpenAI whisper-small, но дообучена для распознавания волоф. В карточке указана оценка WER 0,9218 на тестовой выборке; это свидетельствует о существенных ошибках распознавания и ограничивает применение без проверки и коррекции результата. Лицензия — Apache-2.0.