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

Z-Image-Turbo-LiteRT — это on-device версия модели Z-Image-Turbo от Alibaba Tongyi-MAI, преобразованная в графы LiteRT CompiledModel. Исходная модель имеет размер 6B параметров, архитектуру Single-Stream Diffusion Transformer (S3-DiT) и лицензию Apache-2.0. Модель предназначена для генерации изображений по текстовому описанию (text-to-image) непосредственно на мобильном устройстве, включая смартфоны с GPU. Пример генерации изображения размером 256×256 выполнялся на Pixel 8a с Mali GPU за 8 шагов диффузии. Модель включает текстовый энкодер Qwen3-4B, набор int8-графов S3-DiT и VAE-декодер. Компоненты разделены на несколько графов, которые загружаются последовательно, чтобы снизить пиковое потребление памяти: максимальный размер одного основного графа составляет около 866 МБ, а текстовый энкодер занимает около 3,5 ГБ. Обработка использует текстовые промпты, а итогом является RGB-изображение; в README явно не указаны поддерживаемые языки. Часть вычислений, включая токенизацию, подготовку условных признаков, classifier-free guidance и некоторые операции с латентами, выполняется на стороне хоста. Ключевое преимущество версии LiteRT — возможность запускать крупную diffusion-модель полностью на телефоне с использованием GPU и int8-квантования. По заявленным данным, результат int8 близок к FP32-эталону: PSNR составляет 40,4 дБ, корреляция — 0,9994, а визуальные различия характеризуются как практически незаметные. Ограничения включают высокие требования к памяти и необходимость последовательной загрузки графов, обязательное использование FP32-вычислений на GPU для отдельных путей во избежание переполнений FP16, а также ручную реализацию части pipeline на хосте. Модель распространяется по лицензии Apache-2.0.

zortzi-tts — модель синтеза речи на баскском языке, созданная itzune путём полного дообучения Audio8-TTS-Preview-0.6b. Это модель архитектуры DualAR с декодером в стиле Qwen2 и аудиокодеком; в карточке указано 601 млн параметров для AR-части, а в метаданных — 497,4 млн параметров. Для синтеза доступны два голоса, Майдер и Анттон, заданные референсными аудиозаписями и соответствующими текстами. Модель принимает текст и референсное аудио и выдаёт речь; она рассчитана только на баскский язык. Контекстная длина по метаданным — 2048 токенов. Модель подходит для озвучивания баскских фраз с выбором одного из двух голосов и выразительной интонацией. Лицензия — Apache-2.0. Для устойчивой генерации требуется сэмплирование: жадное декодирование может приводить к циклам повторов. Модель не нормализует текст и не преобразует числа, аббревиатуры или написание в произносимую форму; числа следует вручную записывать словами, а аббревиатуры раскрывать до передачи модели. Числа могут произноситься с примесью других языков.

CornLogic/10EROS_1.4_Int8_ConvRot — квантизированная версия модели 10Eros v1.4 для генерации видео по изображению. Она предназначена для использования в Diffusers; в карточке указаны веса в формате Safetensors и варианты с объединённой DMD LoRA, которая может ускорять генерацию. Автор сообщает о минимальном тестировании и отмечает, что производительность вариантов различалась на его системе с RTX 3090 и 64 ГБ ОЗУ. Для обычных версий DMD LoRA требуется загружать отдельно с силой 1.0. Рекомендации по sigmas автор предлагает искать в Discord 10Eros. Сведения о лицензии, языковой поддержке и точных параметрах архитектуры в доступных данных отсутствуют.

ACE-Step 1.5 SFT GPTQ 4-bit — квантизированная сборка модели ACE-Step team, подготовленная для запуска на Apple Silicon. Она генерирует стереомузыку с частотой 48 кГц по текстовому описанию стиля и может создавать песни с разборчивым вокалом и заданными словами. В репозитории указаны архитектура DiT и 4-битная GPTQ-квантизация DiT и энкодеров условий; полный комплект с текстовым энкодером Qwen3-Embedding и VAE занимает около 4,5 ГБ. Лицензия — MIT. Сборка рассчитана на локальную генерацию музыки на Mac с Apple Silicon, в том числе через LLMTray. В приведённом автором сравнении GPTQ 4-bit уступает bf16 по разборчивости текста песен, но требует меньше памяти; автор рекомендует её для Mac с 16 ГБ памяти. Это измерение основано на небольшом наборе из 12 треков и не гарантирует такого же качества для других описаний и стилей.

Aerial Film Restorer — модель восстановления изображений, разработанная Jan Grzybek для сканов исторической аэрофотосъёмки. Она предназначена для устранения следов плёночного зерна, дымки, потери локального контраста и неоднородности между экспонированными пластинами, сохраняя содержание исходного снимка. Модель использует собственную реализацию NAFRestore из семейства NAFNet с 17,32 млн параметров и восемью входными каналами. Она обрабатывает изображение на нескольких масштабах одновременно и учитывает размер пикселя; поддерживаемый диапазон — примерно от 23 до 0,09 м/пиксель. Для инференса строится пирамида изображения, затем выполняется обработка перекрывающихся фрагментов. Репозиторий содержит веса Safetensors, лицензия — CC BY 4.0. Модель обучена на синтетически испорченных ортофотоснимках с использованием чистых исторических и современных ортофотопланов; реальные пары сканов и профессионально очищенных изображений использовались для оценки. Разработчик сообщает о проверке на отложенных парах. Модель не восстанавливает достоверно детали в насыщенных областях и не должна считаться источником новых деталей; ниже примерно 0,8 м/пиксель нет плёночной эталонной разметки, поэтому качество на мелких масштабах следует оценивать визуально. Для цветных снимков рекомендуется восстанавливать яркостный канал, перенося цветность отдельно.

AnandaSky — модель «зрение—язык» для построчной транскрипции исторических синосферных документов; она описана в научной статье об этой задаче. Архитектура сочетает визуальный энкодер Vision Transformer и авторегрессионный декодер на основе Qwen3. В README указано около 626 млн параметров, а в метаданных Hugging Face — 197,5 млн; поэтому точный размер модели по доступным сведениям неоднозначен. Модель предназначена для распознавания строк на изображениях исторических документов из Китая и Кореи, созданных с VIII по XX век, включая печатные издания и рукописи. Она обрабатывает вертикальный текст в одно- и двухколоночной раскладке; заявленные результаты включают низкую частоту ошибок символов на нескольких профильных тестовых наборах. Основной язык — китайский, включая классический китайский. Для запуска требуются Python 3.10 или новее, PyTorch 2.1 или новее, GPU NVIDIA поколения Ampere или новее и FlashAttention; для загрузки пользовательского кода Transformers требуется параметр trust_remote_code=True. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое применение.

AngelSlayer-12B-Unslop-Mell-RPMax-DARKNESS-v2 — слитая автором redrix языковая модель для диалоговой генерации. Она создана методом linear DELLA в mergekit на основе TheDrummer/UnslopNemo-12B-v4 и объединяет также inflatebot/MN-12B-Mag-Mell-R1, DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS и ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.2. Архитектура — плотная Mistral, 12,1 млрд параметров; модель работает с текстом, поддерживает чат и рассчитана на ролевые сценарии и художественное письмо. В README отмечено, что версия v2 перераспределяет параметры с целью сохранить персонажа, но сделать ответы интереснее; автор также сообщает, что результаты могут казаться скучными. Модель опубликована в формате safetensors, использует библиотеку Transformers и распространяется по лицензии Apache-2.0. В метаданных указан контекст 1 024 000 токенов; язык в карточке не заявлен. Указанная длина контекста взята из метаданных и сама по себе не подтверждает качество генерации на таком объёме.

Animagine XL 2.0 — диффузионная модель генерации изображений по тексту, разработанная Linaqruf и дообученная на базе Stable Diffusion XL 1.0 на наборе аниме-изображений. Она предназначена для создания детализированных иллюстраций в аниме-стилистике по текстовым описаниям; для более точного управления результатом рекомендуются теги в стиле Danbooru. Модель распространяется в форматах Diffusers и Safetensors и поддерживает разные соотношения сторон, включая квадратные и портретные изображения. Модель особенно подходит для создания персонажей и сцен в эстетике аниме, в том числе связанных с Genshin Impact и Honkai. Она склонна к единому стилю, может ошибаться при изображении кистей и стоп и хуже подходит для фотореализма и запросов обычным естественным языком. Разработчик указывает лицензию CreativeML Open RAIL++-M; метаданные Hugging Face обозначают её как OpenRAIL++.

Animagine XL 3.1 — это диффузионная text-to-image модель для генерации высококачественных изображений в стиле anime по текстовым описаниям. Она предназначена для поклонников аниме, художников и создателей контента, которым нужны детализированные изображения персонажей, сцен и концептов, включая персонажей из известных аниме-сериалов. Модель разработана Cagliostro Research Lab при сотрудничестве с SeaArt.ai и дообучена на основе Animagine XL 3.0; в карточке также указан базовый репозиторий LyliaEngine/Pony_Diffusion_V6_XL. Модель построена на Stable Diffusion XL и улучшает понимание концепций, интерпретацию промптов и анатомию рук. Она поддерживает генерацию изображений в нескольких соотношениях сторон, включая разрешения от 640×1536 до 1536×640, а также квадратный формат 1024×1024. Для управления результатом предусмотрены специальные теги качества, рейтинга, периода создания и эстетики; рекомендуются CFG Scale около 5–7, менее 30 шагов сэмплирования и sampler Euler Ancestral. README не указывает языки текстовых промптов или максимальную длину контекста. Сильные стороны модели — специализация на anime-эстетике, расширенное покрытие персонажей, улучшенная детализация и управляемость результата с помощью тегов. Ограничения включают зависимость качества от правильной структуры промпта и рекомендованных параметров, а также отсутствие сведений о производительности, безопасности и ограничениях использования. В метаданных указана лицензия CDLA-Permissive-2.0, тогда как в описании README приведена Fair AI Public License 1.0-SD; перед использованием необходимо уточнить, какая лицензия применяется к данной версии.

Модель dima806/animal_151_types_image_detection разработана на основе Vision Transformer google/vit-base-patch16-224-in21k и дообучена для классификации изображений животных. Она определяет тип животного на изображении среди 151 классов; в карточке заявлена точность около 99%, но методика оценки и условия тестирования не приведены. Модель содержит 113,2 млн параметров и распространяется в формате safetensors. Лицензия — Apache-2.0.

Anima-MLX — порт модели Anima для генерации аниме-иллюстраций по текстовому описанию на компьютерах Apple Silicon с использованием MLX. Порт разработал xocialize на основе дообученной circlestone-labs/Anima. В архитектуре используются денойзер NVIDIA Cosmos-Predict2-2B, текстовый путь Qwen3-0.6B с адаптером llm_adapter из шести блоков и 16-канальный 3D-каузальный VAE Qwen-Image/Wan. Модель предназначена для создания изображений в аниме- и иллюстративной стилистике по текстовым промптам. В README описана проверка соответствия вычислений PyTorch-реализации; для сэмплирования приведены настройки CFG 4–5. Пиковое потребление объединённой памяти при разрешении 512×512 составляет около 14 ГБ для bf16 и около 6 ГБ при int4-квантизации трансформера. Порт распространяется на тех же некоммерческих условиях, что и веса Anima: разрешено личное и исследовательское использование, коммерческое использование запрещено. Код порта лицензирован MIT; базовый денойзер распространяется по NVIDIA Cosmos Open Model License. Модель рассчитана на Apple Silicon и требует соответствующей среды MLX.

Anima Style Embedding v2 — модель-энкодер Baragi-AI для поиска и представления стиля в изображениях аниме и иллюстраций, дообученная на базе circlestone-labs/Anima. Она принимает от одного до восьми референсных изображений и формирует L2-нормированный эмбеддинг размерности 1024 и стилевую память для управления генерацией в Anima. Модель содержит около 52 млн параметров; в архитектуре используются свёрточный блок, общая словарная область из 256 осей, признаки VAE, контекст DINOv3 и проекции, учитывающие Anima. Общие оси представляют перекрывающиеся признаки линий, цвета, текстуры и композиции. Режимы Auto, Assisted и Manual позволяют управлять вкладом референсов и стилевых факторов. В описанной оценке поиска по стилю на раздельных галереях и запросах точность Top-1 составила 91,23% для галереи из четырёх изображений и запроса из двух изображений; эти результаты относятся к поиску, а не к качеству генерируемых изображений. Модель предназначена для поиска похожего стиля, построения стилевых прототипов и управления переносом стиля в Anima. Для работы нужны предварительно вычисленные признаки VAE, DINOv3-S+ и дескрипторы Anima: их извлечение не входит в выпуск модели. Модель оптимизирована для аниме и иллюстраций, а не для фотографий; стилевые факторы разделены не идеально, и селективность управления цветом слабее, чем линиями, текстурой и композицией. Эмбеддинг не следует использовать как доказательство авторства или личности. Лицензия указана как other; конкретные условия следует проверять в файлах репозитория.

AdamOswald1/Anime — модель генерации изображений по текстовому описанию, опубликованная под названием 2D-Mix и предназначенная для создания аниме- и иллюстративных изображений. Она создана с помощью Automatic1111 Checkpoint Merger на основе Anything-V3.0-pruned, Waifu-v1-3-float16, NAI, sd-v1-5-pruned-emaonly и trinart_stable_diffusion_epoch3. Репозиторий использует StableDiffusionPipeline из библиотеки diffusers и содержит веса в форматах Diffusers и PyTorch. Модель объединяет стили и возможности базовых чекпойнтов Stable Diffusion; примеры показывают генерацию персонажей, кимоно, цифровых картин и стилизованных сцен по промптам. В README также описан набор из 90 изображений с ручными подписями и суффиксом «AnimeChan Style», использованный для обучения стиля методом DreamBooth. Лицензия — CreativeML OpenRAIL-M. Результат зависит от формулировки промпта и параметров генерации. Примеры в карточке используют изображения 512×512; сведения о контекстном окне и подтверждённых языках, помимо английского тега, не приводятся.

Anime Illust Diffusion XL 0.8 (AIDXL) — модель генерации изображений по тексту, созданная для стилизованных аниме-иллюстраций. Это дообучение Stable Diffusion XL Base 1.0, распространяемое в форматах Diffusers и safetensors под лицензией other. Модель поддерживает более 800 стилей, вызываемых специальными словами-триггерами, и усиленное распознавание аниме-персонажей. Для запросов автор рекомендует перечислять теги через запятую и пробел; естественный язык тоже поддерживается. В карточке указаны рекомендации по CFG 5–11, площади изображения около 1024×1024 и нескольким методам сэмплирования. Упоминается английский язык запросов; сведения о контекстном окне отсутствуют.

Anime-Pencil-Diffusion — модель генерации изображений, созданная Yehia Serag на основе Stable Diffusion 1.5 и дообученная методом DreamBooth. Она предназначена для создания иллюстраций в стиле аниме-карандашных концепт-рисунков. Чтобы вызвать стиль, автор рекомендует добавлять в запрос фразу «animepencilconcept style» или «anime pencil concept style»; в README описаны версии от V1 до V5, обученные на наборах от 16 до 5000 изображений. Модель принимает текстовые запросы и генерирует изображения. В карточке указана поддержка английского языка; модель распространяется в форматах Diffusers, PyTorch и Safetensors. Для использования действует лицензия CreativeML Open RAIL-M, принятие которой автор связывает с использованием модели.

AdamOswald1/Anything-Preservation — репозиторий сохранения модели Anything V3 с улучшенным VAE, представленной в форматах Diffusers, ckpt и safetensors. Это латентная диффузионная модель на базе Stable Diffusion, разработанная для генерации детализированных изображений в аниме-стиле по текстовым запросам. Она понимает короткие описания и теги Danbooru, поэтому подходит для создания персонажей и сцен в характерной стилистике аниме. Модель рассчитана на генерацию изображений через Stable Diffusion и совместима с Diffusers; в карточке также упоминаются варианты экспорта ONNX, MPS и Flax/JAX. README описывает репозиторий как архивную копию и указывает на неофициальное продолжение Anything V4.0. Лицензия — CreativeML OpenRAIL-M.

Aranea Ancilla 116B v1.0 — плотная языковая модель семейства Llama, созданная автором репозитория методом слияния слоёв. Это экспериментальный frankenmerge на основе NeverSleep/MiquMaid-v1-70B с чередованием слоёв Sao10K/WinterGoddess-1.4x-70B-L2; метаданные также указывают 152334H/miqu-1-70b-sf среди объединённых моделей. Модель предназначена прежде всего для творческого письма и генерации текста на английском языке. В модели 116,6 млрд параметров, 136 слоёв и контекст до примерно 32 768 токенов; автор рекомендует ограничиваться примерно 16 384 токенами. Слияние выбрано по результатам закрытых тестов и ручных сравнений, однако качество таких комбинаций может заметно различаться. README предупреждает о потере связности на длинном контексте и рекомендует после 16 тысяч токенов переключаться на исходные Miqu-1-модели. Репозиторий содержит веса safetensors для Transformers; сведения о лицензии в предоставленных данных отсутствуют.

aranea-tenebris-120b-v1.0 — объединённая модель на архитектуре Llama, созданная автором divinetaco для творческого письма и ролевых диалогов. Она получена с помощью mergekit: в Miqu-PlayMaid-70B чередуются слои Senku-70B. Модель содержит 118,3 млрд параметров и рассчитана примерно на 32 764 токена контекста; в README рекомендуется формат промпта Alpaca. Модель предназначена для генерации связного повествования от третьего лица и ролевых сцен от первого или второго лица. Автор сравнивал варианты слияния на сценариях DnD, оценивая творческость, связность, последовательность персонажей и способность развивать сюжет. По результатам этих сравнений эта версия показала лучшие результаты среди испытанных вариантов слияния; заявленные оценки основаны на частных сценариях и ручном сравнении. Модель ориентирована на зрелую аудиторию и творческое письмо без ограничений, связанных с цензурой. README не перечисляет поддерживаемые языки, поэтому нельзя установить, насколько хорошо она работает не на английском. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

ARTificialJourney-v1.0-768 — модель генерации изображений на основе Stable Diffusion, опубликованная Kaludi. Она обучена примерно на 100 вручную отобранных изображениях размером 768×768 и настроена на создание крупных портретов и пейзажей по текстовому описанию. Для получения характерного результата автор рекомендует добавлять к запросу фразу «artificial-journey style» и подробно описывать сцену. Лучше всего подходят разрешения 768×768, 1024×768 и 768×1024. Модель доступна в форматах Diffusers, PyTorch и Safetensors; лицензия — CreativeML OpenRAIL-M. Модель слабо подходит для полнофигурных портретов, поскольку обучающие изображения преимущественно показывают крупные планы. README не приводит оценки качества или подробностей о базовой версии Stable Diffusion.

Это ONNX-версия модели ast-finetuned-audioset-10-10-0.4593, разработанной на базе модели MIT/ast-finetuned-audioset-10-10-0.4593. Модель автоматически сконвертирована и опубликована сообществом onnx-community с использованием Transformers.js. Модель предназначена для анализа и классификации аудио на основе набора данных AudioSet. По имеющимся данным, она использует архитектуру AST (Audio Spectrogram Transformer) и ориентирована на задачи распознавания звуковых событий. Формат ONNX позволяет использовать её в совместимых средах инференса, включая сценарии на базе Transformers.js. В README не указаны точный размер модели, поддерживаемые языки, длина контекста, перечень аудиоклассов, численные показатели качества, ограничения и лицензия. Поэтому эти характеристики нельзя достоверно определить по предоставленным данным.

AutismMix Pony SDXL — модель генерации изображений по текстовому описанию, опубликованная пользователем John6666 на Hugging Face. Это вариант AutismMix Pony, основанный на Pony Diffusion XL и созданный как слияние Pony V6 с LoRA. Автор описывает цель варианта как повышение предсказуемости генерации при сохранении понимания запросов и знания художественных стилей; он также отмечает совместимость с некоторыми стилевыми LoRA для Pony Diffusion. Модель принимает текстовые промпты и создаёт изображения, в частности иллюстрации в аниме-стиле. Доступна в формате Diffusers и SafeTensors, используется через StableDiffusionXLPipeline. Карточка Hugging Face указывает лицензию faipl-1.0-sd. Автор рекомендует применять теги качества в стиле Pony V6 и предупреждает, что некоторые негативные промпты и эмбеддинги могут ухудшать результат.

Модель z-dickson/bart-large-cnn-climate-change-summarization разработана Закари Диксоном на основе Facebook/bart-large-cnn и дообучена для суммирования политических текстов о климате, окружающей среде и энергетике. Она предназначена прежде всего для анализа пресс-релизов политических партий: выделяет основную тему, позицию автора по ней и формирует краткое резюме из одного-двух предложений. Модель построена на архитектуре BART, содержит 252,8 млн параметров и принимает контекст длиной до 1024 токенов. Дообучение проводилось на 7 тысячах пресс-релизов 66 партий из 12 европейских стран; обучающие резюме в основном были созданы GPT-4. Лицензия — AFL-3.0. По описанию автора, модель хорошо определяет главную тему текста, но может называть его автора «партией» и описывать позицию именно как позицию партии. Из-за ошибки в подготовке данных ответы выводятся строчными буквами. Указанные в карточке языки — английский, испанский, датский, немецкий, итальянский, французский, нидерландский и польский; обучение охватывает политические тексты из Великобритании, однако качество на каждом языке отдельно не уточняется.

basil_mix — объединённая модель генерации изображений по текстовому описанию, опубликованная пользователем nuigurumi на Hugging Face. Она построена для работы с Diffusers и ориентирована на реалистичные текстуры, азиатские лица и отклик на промпты в стиле Danbooru. Модель принимает текстовые промпты и создаёт изображения. Автор рекомендует простые промпты и VAE vae-ft-mse-840000 от StabilityAI; большое количество тегов качества и негативных промптов может ухудшать результат. Репозиторий распространяется с лицензией other, конкретные условия которой в предоставленных данных не раскрыты.

Модель JustFadjrin/batik-vit-model-classification разработана для проекта Batik ViT Classifier и классифицирует изображения индонезийского батика. Она основана на Vision Transformer (ViT) и содержит около 113,2 млн параметров; для весов используется формат Safetensors. Модель распознаёт 20 видов батика, включая мегамендунг, паранг, кавунг, баронг и мотивы регионов Индонезии. Модель подходит для определения типа узора на фотографии батика, например, в приложении-классификаторе или для первичной каталогизации изображений. Она обучена на наборе Batik Nusantara (Batik Indonesia) Dataset с Kaggle. Лицензия репозитория — CC0 1.0. Точность не гарантируется: набор данных ограничен, а результат зависит от качества и освещения изображения, угла съёмки, фона и сходства узоров между классами. Модель распознаёт только 20 перечисленных категорий, поэтому другие виды батика могут быть отнесены к неподходящему классу.

Bernini-R LightX2V LoRAs (4step) — набор LoRA-адаптеров для базовой модели ByteDance/Bernini-R. Адаптеры предназначены для генерации и преобразования визуального контента в сценариях text-to-video, image-to-video, video-to-video и image-to-image через экосистему Diffusers и совместимые workflow, включая ComfyUI. В комплект входят отдельные файлы для стадий Bernini-R с высоким и низким уровнем шума: Bernini-R_LightX2V_high_noise.safetensors и Bernini-R_LightX2V_low_noise.safetensors. Рекомендуется применять оба адаптера с силой 1.0, выполнить 4 шага сэмплирования, используя sampler dpmpp_2m_sde и scheduler sgm_uniform. По заявлению автора, адаптеры улучшают плавность движения и детализацию, включая резкость рук, по сравнению с конфигурацией на базе одной Wan 2.1 T2V LightX2V LoRA, которая могла давать размытые пальцы и рывки при быстром движении. Языки, поддерживаемые модальностью текста, размер модели и размер контекста в README не указаны. Модель разработана пользователем rzgar; в качестве источника подхода и кредитов указан проект LightX2V. Ограничения, связанные с конкретными типами сцен, совместимостью версий и качеством результатов, отдельно не описаны. Лицензия — Apache 2.0.

Wakaka/bert-finetuned-imdb — модель классификации текста на базе BERT, дообученная на датасете IMDb для определения тональности отзывов о фильмах. Она содержит 135,5 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт метку класса. На оценочной выборке IMDb указана точность 0,866 и значение функции потерь 0,5591. Модель опубликована в формате PyTorch и распространяется по лицензии Apache-2.0. Модель подходит для анализа тональности англоязычных отзывов о фильмах и классификации похожих текстов. Её оценка приведена для IMDb; качество на других темах и типах текста может отличаться. В карточке не описаны дополнительные ограничения.

ZhengPeng7/BiRefNet-HRSOD — официальные веса BiRefNet, разработанной авторами из Nankai University, Northwestern Polytechnical University, National University of Defense Technology, Aalto University, Shanghai AI Laboratory и University of Trento. Модель предназначена для высокодетального обнаружения заметных объектов (High-Resolution Salient Object Detection, HRSOD) и сегментации таких объектов на изображениях. Она обучена на наборах DUTS, HRSOD и UHRSD; архитектура указана как BiRefNet. Модель принимает изображения и выдаёт сегментационные маски. Репозиторий распространяет веса в формате safetensors, библиотека для работы — birefnet. Лицензия — MIT. В карточке не приведены конкретные ограничения качества или условия эксплуатации помимо лицензии.

BK-SDM-Small — компактная версия Stable Diffusion v1.4, разработанная авторами семейства BK-SDM. Это диффузионная модель генерации изображений по текстовому описанию, реализуемая через библиотеку Diffusers. Для уменьшения U-Net удалены блоки среднего этапа, а поведение исходной модели воспроизводилось с помощью дистилляции по признакам и выходам и обучения задаче устранения шума на 212 776 парах изображение–текст из LAION-Aesthetics V2 6.5+. Полная модель содержит около 0,66 млрд параметров, из них 0,49 млрд приходятся на U-Net. Модель предназначена для генерации изображений общего назначения и исследовательских экспериментов, включая художественные и дизайнерские сценарии. Она компактнее Stable Diffusion v1.4, но уступает ей по приведённым в карточке метрикам генерации. Основной язык промптов — английский; качество на других языках ниже. Модель может неточно передавать фотореализм, плохо рендерит читаемый текст и сложные пространственные композиции, а лица и люди могут получаться некорректно. Она не предназначена для достоверного изображения реальных людей и событий; в обучающих данных встречается материал для взрослых, поэтому для применения необходимы меры безопасности. Лицензия — CreativeML OpenRAIL-M.

CamDistill-8B — модель понимания движения камеры в видео, созданная на базе Qwen/Qwen3-VL-8B-Instruct с помощью дистилляции геометрических знаний VGGT. Дополнительный модуль Camera Token формирует геометрически информативные токены камеры и передаёт их языковой модели. Модель принимает видео и выдаёт структурированный JSON с описанием каждого сегмента движения камеры. Она предназначена для анализа и временной разметки движений камеры; токены камеры генерируются внутри модели, поэтому для инференса не требуется подключение VGGT. Веса опубликованы в формате safetensors по лицензии Apache-2.0. Для корректной работы нужны репозиторий CamDistill и его изменённый проход модели: загрузка через обычный класс Qwen3VLForConditionalGeneration пропускает дополнительные веса Camera Token Module и приводит к неправильным результатам.

Cat Collar — модель генерации изображений по тексту, разработанная nuko masshigura и дообученная на базе Chroma1-HD для усиления аниме-стиля. Она предназначена для создания аниме-иллюстраций по описаниям на английском языке, включая промпты в формате естественного языка и теги Danbooru. Разработчик отмечает, что обучение не было направлено на добавление персонажей. Модель основана на Chroma1-HD, который, согласно метаданным, построен на FLUX.1-schnell. В карточке указаны компоненты T5 XXL или FLAN-T5-XXL в качестве текстового энкодера и Flux.1 AE в качестве автоэнкодера. Для работы предлагаются ComfyUI, Forge Neo или Forge; в README приведены рекомендуемые настройки генерации, включая разрешение около одного мегапикселя. Модель распространяется по лицензии Apache License 2.0.