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

ChatWaifu_v1.2.1 — слитая с помощью mergekit разговорная модель spow12 (yw_nam), созданная для отыгрыша персонажей визуальных новелл и общения в их образе. Она основана на Mistral Nemo Instruct и ChatWaifu_v1.2; в карточке также указана более ранняя линия дообучения от NeverSleep/Lumimaid-v0.2-12B. Архитектура — плотная причинная языковая модель MistralForCausalLM с 12,1 млрд параметров, формат весов — safetensors. Модель предназначена для ролевых диалогов, продолжительных многоходовых бесед и генерации текста в стиле визуальной новеллы. README заявляет поддержку японского языка и контекст до 128k токенов; метаданные указывают многоязычные теги и native context в 1 024 000 токенов, поэтому фактический предел зависит от конфигурации и используемого запуска. Модель принимает и генерирует текст. В карточке отмечены плавность генерации и удержание контекста в длинных диалогах. Обучающие данные включали визуальные новеллы, поэтому возможна генерация контента для взрослых. Лицензия в метаданных — CC BY-NC 4.0, а README ограничивает использование некоммерческими и исследовательскими целями.

ahmedmohamed55/checkpoints — дообученная модель VideoMAE для классификации видео, опубликованная пользователем ahmedmohamed55. Модель содержит 113,2 млн параметров, использует архитектуру VideoMAEForVideoClassification и представлена в формате safetensors для библиотеки Transformers. Карточка приводит результаты оценки на наборе данных: accuracy 0,9913, precision 0,9821, recall 0,9781, F1 0,9795 и loss 0,1487. Назначение классов и набор данных не описаны, поэтому применимость этих результатов к конкретным видео зависит от неизвестных категорий и условий оценки. Модель принимает видео и выдаёт метки классов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

ChuckleNet-Ten — дообученная модель Hayasuki для обнаружения событий смеха в аудио стендап-комедии. Она использует замороженные речевые представления WavLM и просодические признаки; базовая модель — microsoft/wavlm-base. Модель предназначена для разметки моментов смеха и изучения того, как просодия помогает предсказывать реакцию аудитории без транскрипта. На отложенной выборке из 118 видео с комиками, не представленными в обучении, показатель IoU-F1@0.2 составляет 0,330, а Average Precision — 0,229. README предупреждает о заметном снижении качества при переносе на незнакомых комиков и указывает, что модель проверена только на англоязычном стендапе. Для загрузки требуется trust_remote_code=True, поскольку репозиторий содержит пользовательский код архитектуры ChuckleNetVerified. Лицензия — MIT.

Clark Labs Clark Swin2SR ×2 Ternary — компактная модель Swin2SR для увеличения разрешения изображений в два раза. Она предназначена для локального запуска в браузере и обработки скриншотов интерфейсов, изображений товаров, иллюстраций и фотографий без отправки изображений на сервер. Модель основана на caidas/swin2SR-lightweight-x2-64 и использует архитектуру Swin2SR для восстановления деталей. В ней 1 005 348 параметров; 97,24% параметров представлены тернарными значениями −1, 0 и +1, а небольшие векторы нормализации и смещения хранятся в FP16. Доступны веса Safetensors и экспорт ONNX; README описывает запуск в браузере через WebGPU с резервным вариантом WebAssembly. Модель принимает изображение и выдаёт изображение с фиксированным увеличением ×2. Обучение усилено примерами с разными типами сжатия и искажений, а также плотным текстом на семи языках. Модель рассчитана на улучшение читаемости текста и деталей интерфейса на сжатых, размытых или повторно масштабированных изображениях. Она не генерирует отсутствующие детали, не поддерживает другой коэффициент увеличения и на чистом bicubic-тесте Set5 уступает предыдущей версии по PSNR. Лицензия — Apache-2.0.

tanganke/clip-vit-large-patch14_sun397 — дообученная модель на архитектуре CLIP ViT-Large с размером патча 14, созданная на основе openai/clip-vit-large-patch14. Модель с 402,7 млн параметров предназначена для извлечения признаков изображений и классификации сцен по категориям набора SUN397. В README приведены результаты оценки: 0,683 для исходной модели и 0,828 после дообучения. Репозиторий содержит веса в формате safetensors. Это зрительная модель CLIP; данные о поддержке естественных языков, контекстном окне и лицензии в предоставленных источниках отсутствуют.

jukofyork/command-a-03-2025-writer-v1 — языковая модель для генерации текста, созданная дообучением jukofyork/command-a-03-2025-uncut. Автор обучил её на примерах художественной прозы, включая положительные и отрицательные образцы из наборов fiction paragraphs, а затем преобразовал адаптер в LoRA и объединил веса с базовой моделью. Модель предназначена для написания и продолжения художественных текстов, в том числе абзацев прозы. Модель использует архитектуру Cohere2 и содержит 111,1 млрд параметров; заявленная длина контекста — 131 072 токена. Она принимает текст и генерирует текст. В карточке перечислены английский, русский и другие языки, хотя описанное обучение сосредоточено на англоязычной художественной прозе. Формат весов — safetensors, библиотека — Transformers. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но некоммерческое применение.

Cosmos3-Super-Image2Video-4Step — модель NVIDIA для генерации видео по входному изображению и необязательному текстовому запросу. Она создаёт временно согласованный видеоролик; рекомендованный выходной формат — MP4, разрешение 480p (832×480), по умолчанию 189 кадров. Это дистиллированная четырёхшаговая версия Cosmos3-Super-Image2Video: фиксированное расписание из четырёх шагов работает без classifier-free guidance. По данным карточки, такой режим сокращает число вычислений диффузионной модели до 25 раз по сравнению с рекомендованной настройкой базовой модели на 50 шагов с CFG. Размер модели составляет 64 млрд параметров; для запуска требуется узел с несколькими GPU H100/H200 либо один B200. Разработчик заявляет готовность модели к коммерческому и некоммерческому использованию. В метаданных лицензия обозначена как other, поэтому конкретные условия следует сверить с лицензионными файлами репозитория. Модель предназначена для image-to-video; приведённые в карточке сведения о качестве основаны на заявленном рейтинге открытых моделей, а аппаратные требования высоки.

Counterfeit — модель генерации изображений в аниме-стиле на основе Stable Diffusion. В карточке приведены примеры промптов для создания детализированных изображений персонажей и рекомендуемые параметры генерации: 28 шагов, сэмплер Euler a, CFG scale 12 и размер 640×960 пикселей. Модель предназначена для преобразования текстовых описаний в изображения, в частности для создания аниме-персонажей. Репозиторий содержит веса в форматах Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M; она предусматривает условия использования и ограничения, с которыми следует ознакомиться перед применением модели.

Counterfeit-V2.0 — модель генерации изображений в аниме-стиле на основе Stable Diffusion от gsdf. Она предназначена для создания иллюстраций по текстовым запросам и поддерживает работу через StableDiffusionPipeline в Diffusers. Автор указывает, что модель создана с помощью DreamBooth, объединения блочных весов и слияния LoRA. Примеры в карточке показывают генерацию персонажей и сцен с настройками для изображений разных пропорций. В качестве отправной точки приведены параметры: 20 шагов, сэмплер DPM++ SDE Karras и CFG 8; это примеры, а не обязательные настройки. Репозиторий содержит веса Diffusers в форматах PyTorch и Safetensors. Модель рассчитана на художественные аниме-иллюстрации; точные сведения о размере, контекстном окне и поддерживаемых языках карточка не приводит. Лицензия — CreativeML OpenRAIL-M, поэтому использование должно соответствовать её условиям и ограничениям.

Cecilis создала текстовую модель на 507,9 млн параметров для генерации текстов в стилистике игры «Cultist Simulator». Это дообученная Qwen3-0.6B с архитектурой Qwen3ForCausalLM: модель обучали на игровых текстах с помощью LoRA, затем объединили адаптер с базовыми весами. Она принимает текст и генерирует текст; заявлены китайский и английский языки, контекст — до 40 960 токенов. В репозитории также доступен отдельный LoRA-адаптер для загрузки вместе с базовой моделью. Модель предназначена для создания описаний карт, повествования о событиях и действиях, текстов концовок, а также перевода между китайским и английским. Её можно использовать для фанатских текстов, заготовок для настольных ролевых игр и черновиков модификаций. Лицензия указана как Apache-2.0, однако обучающий корпус извлечён из игры, права на которую принадлежат Weather Factory; автор карточки просит ограничить применение личным обучением и некоммерческим творчеством и соблюдать условия правообладателя при публикации результатов. Модель училась на повествовательных полях игры и не знает игровых механик, эффектов карт, рецептов или числовых условий. Она может воспроизводить или близко перефразировать оригинальные игровые тексты. Небольшой размер ухудшает следование форматным требованиям, в частности сохранение маркеров при переводе; длинная связная генерация также не является её сильной стороной.

Cecilis выпустил текстовую модель на базе Qwen3-4B, дообученную на внутриигровых текстах Cultist Simulator. Она генерирует прозу в сдержанном, книжном и зловещем стиле игры: описания карт, вступительные и итоговые повествования событий, а также тексты концовок. Модель также поддерживает перевод между китайским и английским языками. Модель представляет собой плотную авторегрессионную архитектуру Qwen3ForCausalLM примерно на 3,7 млрд параметров с контекстом до 40 960 токенов. Веса сохранены в safetensors; в корне репозитория находится полная модель с объединённым LoRA-адаптером в формате bf16, а в папке lora — отдельный адаптер. Для дообучения использовались 26 875 примеров. Поддерживаются китайский и английский языки. Модель подходит для фанатских текстов, настольных ролевых игр и черновиков игровых модификаций. Она усвоила стиль и структуру повествования, но не игровые механики, поэтому не знает эффекты карт, рецепты и числовые условия и может расходиться с официальным лором. Возможны дословные или близкие к оригиналу фрагменты; обучающий контекст ограничивал длину примеров 896 токенами, поэтому длинная связная проза может даваться хуже. Базовая модель лицензирована по Apache-2.0, однако автор рекомендует использовать эту производную модель только для личного обучения и некоммерческого творчества, а при публикации учитывать права Weather Factory на игровые тексты.

CyberRealistic-v4-2 — модель генерации изображений по текстовому описанию, опубликованная sam749 и основанная на Stable Diffusion. Она распространяется в формате Diffusers с весами Safetensors и предназначена для создания реалистичных и детализированных изображений по промптам. Автор отмечает, что в этой версии использованы некоторые разработки CyberRealistic Classic 3.1 и изменена основа модели; примеры также используют тестовый negative textual inversion, который всё ещё разрабатывается. Версия описана как более откровенная, чем предыдущие, поэтому она подходит для создания изображений для взрослой аудитории. Лицензия — CreativeML OpenRAIL-M.

Cydonia-22B-v1.2 — плотная языковая модель на архитектуре Mistral с 22 млрд параметров, созданная BeaverAI как творческая версия Cydonia. Она предназначена прежде всего для ролевых диалогов, совместного написания историй и генерации выразительного художественного текста. По отзывам в карточке, модель поддерживает связное развитие сцен, вводит новых персонажей и удерживает их манеру речи, а также балансирует диалоги, действия и повествование. Модель поддерживает chat и интерфейс вызова функций; максимальная длина контекста — 32 768 токенов. В README указана совместимость с шаблонами Metharme/Pygmalion, Mistral и режимом Text Completion. Модель собрана слиянием BeaverAI/Cydonia-22B-v2f и mistralai/Mistral-Small-Instruct-2409. Файлы опубликованы в формате safetensors; README также ссылается на варианты GGUF и iMatrix. Лицензия обозначена как other. Основные описанные сценарии ориентированы на творческое письмо и ролевые игры; для фактических ответов и других языков карточка не приводит отдельных оценок.

Dash Waifu Diffusion Mix (Dash WDM) — набор смешанных моделей на базе Stable Diffusion 1.5 от LucasDash, ориентированный на дизайн персонажей. Основная версия создана слиянием собственной обученной модели автора и BasilMix с помощью U-Net Blocks Weight Merge; также представлены варианты Ink для аниме и мультяшной стилистики, Paint для реалистичной цифровой живописи и Counterfeit, смешанный с моделью Counterfeit от gsdf. Модель предназначена для генерации изображений по текстовым запросам. В README приведены примеры генерации и рекомендации по настройкам сэмплера, CFG и VAE для рисованного и реалистичного стилей. Репозиторий использует библиотеку diffusers и содержит веса в формате safetensors; лицензия — CreativeML OpenRAIL-M. Указанные стилистические предпочтения не гарантируют одинакового результата для всех запросов и настроек.

Yntec/Disneyify — модель генерации изображений по текстовому запросу, созданная слиянием Toonify2 и ClassicAnim-v1 на базе Stable Diffusion 1.5. Она предназначена для создания иллюстраций с эстетикой классической анимации; в запросах можно использовать фразу «classic disney style», но карточка утверждает, что модель способна передавать стиль и без неё. Модель опубликована в форматах Diffusers и safetensors и использует лицензию CreativeML OpenRAIL-M. Карточка приводит примеры запросов для создания персонажей и портретов. Метаданные указывают английский язык карточки; основной ввод — текст, результат — изображение. Сведений о размере модели, длине контекста и подробных ограничениях качества карточка не содержит.

Draconia-Overdrive-32B — диалоговая языковая модель, созданная автором Mawdistical (@Mawnipulator) при дополнительном участии @xtristan, @ArtusDev, @SaisExperiments и ALLURA-ORG. Это дообученная версия THUDM/GLM-4-32B-0414 с плотной архитектурой GLM-4 и примерно 31,6 млрд параметров; модель доступна в формате safetensors и имеет контекстное окно 32 768 токенов. Модель предназначена для творческой генерации текста, ролевых диалогов и разговорных сценариев на английском языке. В карточке отдельно указано предупреждение о явном контенте; это следует учитывать при выборе модели и настройке пользовательских сценариев. Автор рекомендует температуру 1,0–1,1 и Min P 0,02–0,05, приводя также пример пресета для генерации. Модель распространяется по лицензии MIT. README ссылается на отдельную коллекцию GGUF-квантованных версий, однако описанная здесь версия указана в формате safetensors.

DreamLite-Mobile — дистиллированная одноканальная версия DreamLite-base от carlofkl для быстрой генерации изображений по текстовым описаниям на устройстве. Модель использует пайплайн Diffusers и рассчитана на работу примерно за 4–8 шагов при разрешении 1024×1024 без CFG. Для запуска требуются Qwen3VLForConditionalGeneration и Qwen3VLProcessor; README указывает на совместимую версию Transformers 4.57.3. При Transformers версии 5.0 и выше возникают заметные артефакты в виде блочных узоров. Лицензия CC BY-NC 4.0 разрешает только некоммерческое использование.

DucHaiten/DucHaitenAIart — модель генерации изображений по текстовым описаниям на основе Stable Diffusion, созданная DucHaiten. Версия 3.1 рассчитана на создание детализированных изображений в эстетике 3D-аниме с более реалистичными материалами, цветами, освещением и тенями. Карточка приводит примеры только текстовой генерации; метаданные также отмечают image-to-image, но подробностей этого режима нет. Модель предназначена для создания персонажей и сцен в аниме- и мультяшной стилистике, включая изображения с реалистичным освещением и сексуализированные сюжеты. Автор отмечает, что по сравнению с beta-v6.0 версия менее гибкая и менее случайная; детализация зубов слабая, а некоторые образы знаменитостей модель воспроизводит хуже. Для откровенного контента она не специализирована и может испытывать трудности с наиболее экстремальными запросами. Репозиторий содержит веса в форматах Diffusers/PyTorch и Safetensors; лицензия — CreativeML OpenRAIL-M.

BruhzWater разработал Eden's-Fall-L3.3-70b-0.3b — разговорную модель для творческого письма и ролевых игр. Это плотная причинно-следственная Llama-модель примерно на 69,5 млрд параметров с контекстом до 131 072 токенов; она принимает текст и генерирует текст. Модель создана слиянием трёх этапов с методом Multi-SLERP и объединяет несколько моделей Llama для повествования, ролевых диалогов и художественного письма. Модель нацелена на длинные ответы с меньшим повторением сюжетных событий. Автор считает её экспериментальной и продолжающей доработку; в README приведены начальные настройки сэмплирования, но нет количественных оценок качества. Лицензия в предоставленных данных не указана.

Eggnog-Milkshake — созданная EarthnDusk модель Stable Diffusion для генерации изображений по текстовому описанию. В карточке она названа дочерней моделью Neneko Splat; репозиторий содержит веса в форматах Diffusers, PyTorch и SafeTensors. Модель предназначена для создания изображений в аниме- и художественной стилистике. В карточке указано использование датасетов EasyNegative и DuskfallCrewArtStyle_Lora, но подробностей об обучении, размере модели и длине контекста нет. Метаданные указывают английский язык; лицензия — CreativeML OpenRAIL-M. Автор просит запрашивать разрешение и указывать авторство при использовании модели на сайтах генерации.

Elden Ring Diffusion — дообученная модель Stable Diffusion от nitrosocke, обученная на игровых изображениях Elden Ring с использованием DreamBooth и функции сохранения prior knowledge за 3 000 шагов. Она создаёт изображения по текстовым запросам, добавляя стиль игры при использовании в промпте слов «elden ring style». Модель подходит для генерации портретов, персонажей и фэнтезийных пейзажей в эстетике Elden Ring. Репозиторий содержит веса для Diffusers и PyTorch; в README также упомянута версия checkpoint eldenRing-v3-pruned.ckpt. Указана лицензия CreativeML OpenRAIL-M. Это специализированная модель стилизации, поэтому её результаты ориентированы на визуальную эстетику Elden Ring и зависят от формулировки запроса.

FABLE (Fiction Adapted BERT for Literary Entities) — модель распознавания именованных сущностей в художественных текстах, разработанная Shawn Rushefsky при финансировании Salad Technologies. Это трансформер на архитектуре DeBERTa v3, дообученный на Fiction-NER-750M; в репозитории указано 211,6 млн параметров и контекст до 512 токенов. Модель размечает английский текст в формате BIO, выделяя персонажей, места, объекты, события, организации, учреждения и другие сущности. Модель предназначена для анализа романов и рассказов: например, для извлечения персонажей и мест из текста или подготовки данных для литературных исследований. По карточке, F1 на валидации составляет около 0,752. Обучающие тексты охватывают широкий диапазон эпох, но непропорционально часто представлены авторы — белые мужчины, писавшие до движения за гражданские права; современная коммерческая проза почти не представлена. Лицензия — MIT.

Fairseq-dense 13B-Janeway — плотная языковая модель на архитектуре XGLM, созданная KoboldAI путём дообучения модели Fairseq MoE Dense. Она предназначена для генерации продолжений текста и художественной прозы; обучающий набор содержит около 2210 электронных книг, преимущественно в жанрах научной фантастики и фэнтези. В части данных перед текстом добавлялась жанровая метка. Модель содержит 14,9 млрд параметров, принимает текст и генерирует текст, поддерживает английский язык и имеет контекст 2048 токенов. Её можно использовать для генерации прозы и продолжения заданных фрагментов через Transformers. Возможны предвзятость по признакам пола, профессии, расы и религии, а также характерные для языковых моделей ошибки. Лицензия — MIT.

FantasyMix — модель генерации изображений по текстовому описанию, опубликованная theintuitiveye. Она предназначена для создания иллюстраций в жанре фэнтези и, согласно карточке, может генерировать контент для взрослых. Модель использует Stable Diffusion и запускается через библиотеку Diffusers; репозиторий содержит веса в форматах PyTorch и safetensors. FantasyMix получена слиянием дообученной на примерно 500 изображениях фэнтези модели с Protogen. В README рекомендуется использовать VAE от Stability AI для улучшения результатов. Модель распространяется по лицензии CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении сгенерированных изображений.

Fashion Clothing Decade — модель классификации изображений одежды по десятилетию, созданная дообучением Vision Transformer разработчика tonyassi. Она принимает изображение и относит одежду к одному из десяти классов: от 1910-х до 2000-х годов. Модель основана на google/vit-base-patch16-224-in21k и содержит 113,2 млн параметров. Модель подходит для определения примерной эпохи одежды на фотографиях, каталогизации винтажных вещей и демонстрационных задач компьютерного зрения. По данным карточки, она обучена на 2500 изображениях, примерно по 250 на класс; указанная точность составляет 0,7505, а loss — 0,8707. Репозиторий использует формат safetensors, лицензия — Apache-2.0.

PromeAI FLUX.1-controlnet-lineart-promeai — модель ControlNet, разработанная PromeAI на базе black-forest-labs/FLUX.1-dev. Она предназначена для генерации изображений по текстовому описанию с управлением композицией и формами через входное изображение с линейным рисунком или lineart-условием. Модель интегрируется с библиотекой Diffusers и может использоваться через ComfyUI. Архитектурно это набор весов ControlNet для FLUX.1-dev. В README не указаны точный размер модели, поддерживаемые языки и максимальная длина контекста; по приведённому примеру модель работает с текстовыми промптами на английском языке. Для запуска рекомендуется использовать torch_dtype=torch.bfloat16, GPU и примерно 28 шагов генерации; пример рассчитан на видеопамять уровня A100 80 ГБ. Обучение проводилось на одной A100-80G на отобранном проприетарном наборе реальных изображений: сначала с разрешением 512 и batch size 3, затем с разрешением 1024 и batch size 1; checkpoint на 14 000 шагов обучался около трёх дней. Сильная сторона модели — возможность сохранять структуру и контуры исходного lineart-изображения при создании детализированной сцены по текстовому описанию. Ограничения включают возможное несоответствие результата промпту, зависимость качества от стиля формулировки запроса и усиление существующих социальных предубеждений. Модель не предназначена для предоставления фактической информации. Лицензия в README не указана.

FLUX.1-dev-IP-Adapter — адаптер IP-Adapter для генеративной модели FLUX.1-dev, разработанный командой InstantX. Он предназначен для генерации изображений по текстовому описанию с использованием референсного изображения, которое подаётся в модель как дополнительный источник визуальной информации. Адаптер можно применять в сценариях управляемой генерации и комбинирования текстовых и визуальных условий; поддерживаются интеграции через локальные файлы проекта и ComfyUI-IPAdapter-Flux. В архитектуре добавлены новые слои в 38 одиночных и 19 двойных блоках FLUX.1-dev. Для кодирования изображений используется google/siglip-so400m-patch14-384, а для проекции признаков — MLPProjModel из двух линейных слоёв. Число токенов изображения составляет 128. Выпущенная версия обучена на открытом наборе данных объёмом 10 миллионов примеров с размером батча 128 и выполнением 80 000 шагов обучения. Базовая модель — black-forest-labs/FLUX.1-dev; в метаданных указан английский язык. Адаптер поддерживает работу с референсными изображениями, но не предназначен для тонкого переноса стиля или обеспечения постоянства персонажа. Возможен компромисс между утечкой содержания исходного изображения и переносом стиля, а для получения приемлемого результата могут потребоваться несколько попыток. Авторы также отмечают ограниченное разнообразие текущей версии и невозможность охватить некоторые стили и концепции. На момент публикации код ещё не интегрирован в diffusers и требует использования локальных файлов проекта. Модель распространяется по лицензии flux-1-dev-non-commercial-license; коммерческое использование ограничено условиями этой лицензии.

FLUX.1-dev-LoRA-AntiBlur — функциональная LoRA-адаптация базовой модели FLUX.1-dev, разработанная Vadim_Fedenko при поддержке Shakker AI. Модель предназначена для генерации изображений по текстовому описанию и усиления глубины резкости с уменьшением нежелательного размытия. Она подходит для фотореалистичных и художественных сценариев, включая изображения людей, городских сцен, природы и других объектов. LoRA можно применять совместно с дополнительными компонентами, например ControlNet. Модель распространяется в формате Safetensors и используется через библиотеку Diffusers поверх FLUX.1-dev. Специальное trigger word не требуется; для diffusers рекомендован коэффициент LoRA от 1,0 до 1,5. По заявлению авторов, адаптация лишь незначительно влияет на качество исходных изображений при улучшении глубины резкости. В README не указаны точный размер LoRA, поддерживаемые языки, отдельные модальности или максимальная длина контекста. Модель распространяется по лицензии flux-1-dev-non-commercial-license, унаследованной от FLUX.1-dev, и предназначена для некоммерческого использования. Для работы требуется базовая модель FLUX.1-dev и совместимое окружение Diffusers; в качестве примера приведены 24 шага генерации, guidance scale 3,5 и разрешение 768×1024.

Flux.2-Klein-9B-SmartCharacterSwap — адаптер LoRA для модели FLUX.2 Klein 9B, опубликованный пользователем nhathoangfoto. Модель предназначена для замены персонажа или лица в фотореалистичных изображениях и интеграции в сценарии image-to-image, включая коммерческую обработку фотографий, портретную ретушь и node-based рабочие процессы в ComfyUI. Для активации используется триггерное слово jhuangswap. Адаптер ориентирован на сохранение реалистичной текстуры кожи, анатомии и индивидуальных черт исходного персонажа. Его ключевая особенность — обработка перекрытий: модель должна корректно размещать заменённую идентичность за пальцами, волосами, вуалью и другими объектами переднего плана. Также заявлена адаптация к освещению и цветокоррекции целевой сцены, включая чёрно-белые изображения. Поддерживается английский язык промптов; заявленная библиотека интеграции — Diffusers. Для стандартной базовой модели рекомендуются 20–30 шагов генерации, CFG 2,0–4,0 и сила LoRA 0,75–1,0. Для дистиллированных или lightning-моделей указаны 4 шага, CFG 1,0 и сила LoRA 0,85–1,0. Адаптер требует базовую модель black-forest-labs/FLUX.2-klein-base-9B и предназначен прежде всего для фотореалистичных изображений; заявленная лицензия — Apache-2.0. README не содержит точных сведений о размере файла, объёме контекста, параметрах обучения и системных требованиях.

XLabs-AI/flux-controlnet-collections — коллекция контрольных сетей ControlNet для модели генерации изображений FLUX.1-dev, разработанной Black Forest Labs. Набор предназначен для управляемой генерации изображений по текстовым описаниям с использованием структурных ориентиров из входных изображений. В коллекцию входят три варианта ControlNet: Canny для управления по выделенным контурам, HED для управления по картам границ и Depth на основе глубины, вычисленной моделью MiDaS. Все варианты обучены и рассчитаны на разрешение 1024×1024. Доступны версии v3, которые, согласно README, ориентированы на более реалистичные результаты и могут использоваться напрямую в ComfyUI. Для запуска также предлагаются официальный репозиторий XLabs-AI, ComfyUI с пользовательскими узлами и демонстрация на Gradio. Модель подходит для сценариев, где важно сохранять композицию, контуры или пространственную структуру исходного изображения при генерации нового контента. README не содержит сведений о точной архитектуре базовой модели, размере весов, максимальном контексте, поддерживаемых языках промптов, количественных оценках качества или ограничениях по вычислительным ресурсам. Веса распространяются по некоммерческой лицензии FLUX.1-dev Non-Commercial License, поэтому коммерческое использование не разрешено условиями указанной лицензии.