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

Texture Diffusion — модель DreamBooth, дообученная для генерации бесшовно выглядящих плоских текстур с минимально заметными тенями и освещением. Она предназначена для создания материалов и поверхностей по текстовым запросам; для активации нужного стиля в запрос добавляют токен «pbr». Модель обучена на 278 текстурах PolyHaven с лицензией CC0 и распространяется в форматах Diffusers и PyTorch. Лицензия модели — OpenRAIL++. Модель основана на Stable Diffusion и использует пайплайн text-to-image. В примерах указано 50 шагов генерации. Карточка демонстрирует текстуры каменной стены, грязи с сорняками и белого мрамора. Размер модели, контекст и поддерживаемые языки карточка не описывает; текстовые запросы служат условием генерации изображений.

theworld-cc3m-align-only-spatial — дообученная мультимодальная модель семейства the_world на основе google/gemma-3-4b-it, разработанная alwinjin8. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель принимает изображения и текст и предназначена для генерации текстовых ответов по визуальному содержимому; точное назначение пространственной настройки из доступных сведений определить нельзя. Карточка не описывает обучающий набор, конкретные сценарии применения, качество и ограничения модели. Лицензия указана как gemma; условия использования следует сверять с лицензией базовой модели Google Gemma.

DavidAU/TieFighter-Holodeck-Holomax-Mythomax-F1-V1-COMPOS-20B-gguf — текстовая генеративная модель, разработанная DavidAU. Она предназначена прежде всего для творческого письма, мозгового штурма, ролевых сценариев, создания рассказов, сцен и художественной прозы при небольшом объёме входных инструкций. Модель ориентирована на длинные, насыщенные и непредсказуемые ответы, часто превышающие 1500 токенов без специального запроса. Модель имеет 20 млрд параметров и создана методом composite merge: в неё объединены слои четырёх моделей на базе LLaMA 2 по 13 млрд параметров — TieFighter, Holodeck, Holomax и MythoMax. Автор описывает архитектуру как одну основную модель с тремя взаимосвязанными «субмоделями», призванными сохранить уникальные творческие характеристики исходных компонентов. Указан английский язык; поддерживается текстовая модальность и формат GGUF для локального запуска. Сильные стороны модели — развитое воображение, генерация миров, обществ и необычных сюжетных решений, юмор, лёгкая саркастичность и способность к продолжительной художественной генерации. Ограничения — высокая непредсказуемость и многословность, возможные ругательства, замены ругательств символами, а также необходимость дополнительного тестирования стабильности и переносимости метода слияния. Модель распространяется по лицензии Apache-2.0.

Harsha901/tinybert-imdb-sentiment-analysis-model — компактная модель классификации текста на базе TinyBERT, дообученная для определения тональности отзывов о фильмах. Она относит отзыв к одному из двух классов: положительный или отрицательный. Модель использует архитектуру BERT и содержит 15,6 млн параметров. В метаданных указан контекст до 512 токенов; в README для обучения описана максимальная длина 300 токенов. Модель обучена на подмножестве IMDB из 4 000 тренировочных и 1 000 тестовых отзывов; на тестовой выборке из 1 000 примеров точность составила 88,02%. Поддерживаемый язык — английский. Модель подходит для автоматической сортировки и анализа англоязычных отзывов о кино. Её результаты могут быть менее надёжны на других жанрах текста, языках или темах, поскольку обучение описано только на небольшом подмножестве IMDB. Лицензия — MIT.

Карточка модели CShah2218/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 henrybit/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 qqceqqq/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 shintaka/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 E234v/TRELLIS.2-4B3 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.

LocalAI-io подготовила конверсию модели Microsoft TRELLIS.2-4B в формат GGUF F16 для запуска через C++-среду trellis2cpp. Это модель преобразования одного изображения в 3D-ассет; опубликованные файлы покрывают этапы генерации разреженной структуры и формы с каскадами разрешения 512 и 1024. Энкодер изображений DINOv3 и декодер разреженной структуры распространяются отдельно. Модель предназначена для создания 3D-объектов по изображению. Конверсия рассчитана на инференс в ggml runtime без Python, PyTorch и CUDA; веса не переобучались и не изменялись. Базовая TRELLIS.2-4B создаёт детализированные 3D-ассеты с PBR-материалами по одному изображению. Репозиторий распространяется по лицензии MIT.

Карточка модели Surn/TRELLIS-image-large на Hugging Face совпадает с карточкой microsoft/TRELLIS-image-large, поэтому описание составлено по ней. TRELLIS Image Large — модель генерации 3D-объектов по изображению, основанная на проекте TRELLIS. Она принимает изображение как условие и предназначена для создания трёхмерного представления объекта. Модель представлена в исследовательской работе «Structured 3D Latents for Scalable and Versatile 3D Generation». В метаданных указаны библиотека TRELLIS, формат весов Safetensors и лицензия MIT. Карточка описывает вариант TRELLIS с большим размером, но не приводит число параметров, детали архитектуры, сведения о поддерживаемых языках или ограничения качества.

TripoSG — модель генерации 3D-форм по одному изображению, разработанная Tripo и VAST AI Research. Она предназначена для создания высокодетализированных 3D-сеток для дизайна, прототипирования, визуализации, игровых ресурсов и VFX. Архитектура сочетает Transformer на основе Rectified Flow, VAE с представлением на основе SDF и гибридным геометрическим обучением, а также cross-attention для передачи признаков изображения. По данным README, модель содержит 1,5 млрд параметров и работает с 2048 латентными токенами. Для запуска требуется GPU с CUDA и более 8 ГБ видеопамяти. Модель принимает изображение и генерирует 3D-форму; поддерживаемые естественные языки не заявлены. Лицензия — MIT. README описывает применение для создания 3D-ресурсов, но не приводит количественных оценок качества или ограничений по типам входных изображений.

Модель TrOCR для распознавания рукописных текстовых строк в средневековых латинских документах. Разработана Jonas Widmer и Tobias Hodel в рамках Digital Humanities@University of Bern на базе microsoft/trocr-base-handwritten; архитектура — vision-encoder-decoder, реализована с Transformers и сохранена в форматах PyTorch и safetensors. Модель предназначена для HTR/OCR отдельных обрезанных строк из грамот и книг. Объединённые обучающие данные охватывают разные средневековые латинские почерки из проектов CREMMA, HIMANIS, Itinera Nova и Charters and Records of Königsfelden. В README приведён показатель CER 0,0329 на оценке строк. Для обработки целой страницы сначала требуется сегментация на строки. Модель не проходила обширное тестирование, а возможные смещения ещё предстоит определить. Лицензия модели — MIT; лицензии исходных наборов данных включают CC-BY 4.0, поэтому при использовании данных следует учитывать их условия.

UrangDiffusion 1.0 — модель генерации изображений по текстовому описанию, созданная автором UrangDiffusion как продолжение AingDiffusion. Она основана на дообученной Animagine XL 3.1 и прошла предварительное обучение и последующее дообучение для выработки устойчивого визуального стиля. Модель предназначена прежде всего для создания иллюстраций в стиле аниме; автор также добавил данные о персонажах из Wuthering Waves и hololiveEN -Justice-. Для запросов автор рекомендует формат Animagine XL 3.0 с тегами персонажа и качества. Модель распространяется в форматах Diffusers и Safetensors; лицензия указана как other. Модель умеет создавать персонажей и сцены по текстовым промптам, в том числе без явного указания стиля. Точность новых персонажей из Wuthering Waves и hololiveEN -Justice- ограничена малым объёмом обучающих данных: официальные изображения и характерные детали могут воспроизводиться неточно.

UrbanAnonymizer — модель Мехмета Керема Туркджана из Columbia University для автоматического сокрытия лиц и автомобильных номерных знаков на уличных изображениях и видео. Она обнаруживает оба типа объектов одним детектором D-FINE-X на базе HGNetv2-B5. Модель обучена на 119 тысячах изображений из пяти открытых наборов данных; для неё доступны веса PyTorch и экспорт ONNX, а также путь сборки для TensorRT 11. Для видео README описывает отдельный офлайн-трекер, который связывает детекции вперёд и назад во времени и заполняет короткие пропуски обнаружения, чтобы маска сохранялась между кадрами. Внешние тесты показывают высокую точность обнаружения на UFDD и PP4AV; на A100 заявлена скорость 39 кадров в секунду для видео 1080p. Модель предназначена для анонимизации уличных материалов, однако пропуски объектов и чрезмерное покрытие масками остаются возможными, а тестовые данные частично связаны по источникам с обучающими. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

Модель carbon225/vit-base-patch16-224-hentai — классификатор изображений на базе Google ViT-Base с патчами 16×16, дообученный для анализа аниме-изображений. Модель относит изображение к одному из трёх классов: safe, suggestive или explicit; она предназначена для маркировки контента сексуального характера в изображениях в стиле аниме, в том числе визуальных новелл. Обучение проводилось на полноразмерных скриншотах из базы vndb.org; набор данных доступен как carbon225/vndb_img. Модель содержит 113,2 млн параметров и распространяется в форматах PyTorch и safetensors. Лицензия — CC0 1.0. Карточка также указывает возможность дообучения для других задач, связанных с аниме-изображениями.

VNPen writer 2B v0.1 preview — текстовая модель MewBaka Studio для написания сценариев визуальных новелл на упрощённом китайском языке. Она дообучена методом LoRA на базе Qwen/Qwen3.5-2B; адаптер объединён с базовой моделью. Параметры модели — 1,7 млрд, архитектура — плотная Qwen3.5ForCausalLM. Вход и выход — текст, заявленный контекст — 262 144 токена. Модель предназначена для продолжения сценария, переписывания текста с уменьшением характерных для ИИ формулировок и создания примерных сцен по описанию настроения. Результат оформляется строками «говорящий：текст», а повествование помечается как «旁白：». Модель обучалась на китайском корпусе визуальных новелл; мультимодальные компоненты Qwen в опубликованных весах отсутствуют. Это предварительный чекпойнт, а не выпуск v0.1: обучение проведено на подмножестве данных и в течение одной эпохи. В README указана известная проблема деградации; приведённые программные метрики оценивают формат и поверхностные характеристики, а не качество письма. Корпус обучения не распространяется. Лицензия — Apache-2.0.

watermark_detector — модель классификации изображений на базе Vision Transformer (ViT), дообученная на google/vit-base-patch16-224-in21k. Она предназначена для обнаружения водяных знаков на изображениях. Модель содержит 113,2 млн параметров и опубликована в формате PyTorch под лицензией Apache-2.0. На оценочном наборе указаны точность 0,6574 и значение функции потерь 0,6014. Датасет, состав классов, методика оценки и практические ограничения в карточке не раскрыты, поэтому результаты не позволяют судить о надёжности обнаружения на конкретных типах изображений.

Wav2Vec2-Large-XLSR-53-ncj/nah — модель автоматического распознавания речи, созданная дообучением facebook/wav2vec2-large-xlsr-53 для науатля северной части Пуэблы (ncj). Она принимает аудио и распознаёт речь, выдавая текст; модель можно использовать без языковой модели. В карточке указана оценка 50,95% на тестовых данных Common Voice для этого варианта науатля. Модель основана на архитектуре Wav2Vec2ForCTC и содержит 402,7 млн параметров. Для обучения использованы производный набор SLR92 и некоторые примеры испанского и немецкого из Common Voice. Репозиторий распространяется с лицензией Apache-2.0.

hlasith/whisper-sinhala-small — модель распознавания речи на сингальском языке, созданная дообучением Whisper-small от OpenAI. Она принимает аудио и генерирует текстовую транскрипцию письмом сингальского языка. Модель построена на архитектуре WhisperForConditionalGeneration и содержит около 244 млн параметров; для работы используется библиотека Transformers. Модель предназначена для транскрибирования аудио на сингальском, в том числе вокала. В README приведены результаты оценки на 10 примерах: WER 61,73% и CER 14,86%; автор сообщает об улучшении относительно базовой модели, однако небольшой размер проверки не позволяет считать эти показатели универсальными. Модель обучалась на сингальском речевом корпусе из примерно 10 000 примеров и оптимизирована для одного языка. По данным README, качество может снижаться на аудио вне обучающего корпуса, например на новостях и технической речи; ошибки транскрипции остаются заметными. Модель настроена без временных меток, а многоязычные возможности исходного Whisper-small деградировали. В метаданных указана лицензия other, поэтому конкретные условия использования следует уточнять в карточке модели.

biodatlab/whisper-th-large-v3-combined — модель распознавания речи на тайском языке, разработанная BioDataLab как дообучение OpenAI Whisper large-v3. Это плотная архитектура WhisperForConditionalGeneration с 905,2 млн параметров, предназначенная для преобразования тайской речи в текст. Модель можно применять для транскрибирования аудио на тайском языке; в карточке указаны датасеты Common Voice 13.0, Fleurs и отобранные наборы данных, а для Common Voice 13 на тесте приведён WER 6,59 с токенизатором Deepcut. Модель принимает аудио и выдаёт текст. Она распространяется по лицензии Apache-2.0. В README подробно не описаны ограничения, условия оценки и состав отобранных данных; приведённый результат относится к указанному тесту и токенизатору.

Soumana Dama разработал Whisper Tiny Dioula — модель распознавания речи, полученную дообучением openai/whisper-tiny для диула (джула), мандингского языка Западной Африки. Она преобразует аудио на диула в письменный текст и рассчитана на транскрибацию подкастов, радиопередач и голосовых заметок, а также на применение в образовательных инструментах и голосовых помощниках. Модель основана на компактной архитектуре Whisper Tiny и распространяется в формате safetensors под лицензией Apache 2.0. Для дообучения использован нормализованный набор из 8 978 проверенных аудиотекстовых пар Mozilla Common Voice; оценка на 558 примерах дала WER 85,53%, поэтому качество распознавания пока ограничено. Модель может ошибаться на шумной записи и незнакомых акцентах; результаты для важных задач требуют проверки человеком. Она распознаёт речь на диула, но не переводит её на другие языки без отдельной системы перевода.

XVERSE-Ent-A4.2B — языковая модель для индустрии развлечений, разработанная XVERSE (Shenzhen Yuanxiang). Это китайская версия семейства XVERSE-Ent: модель предназначена для генерации и понимания текстов художественной прозы и диалогов, сохраняя общие языковые возможности. Архитектура — разреженная Mixture-of-Experts (MoE); в карточке указано 25 млрд общих параметров, а метаданные репозитория — 1,4 млрд. Контекст составляет 8 192 токена. Модель дообучена на базе xverse/XVERSE-MoE-A4.2B с многоэтапным усилением языковых и тематических возможностей; файлы представлены в формате safetensors для Transformers. Модель подходит для создания рассказов и диалогов на китайском языке, а также для генерации текстов развлекательной тематики. README сообщает о хороших результатах на художественной прозе и разговорной генерации при сохранении общих возможностей, но не приводит полные численные результаты оценки. Лицензия — Apache-2.0. Как и другие большие языковые модели, она может выдавать неточные, предвзятые или оскорбительные ответы; перед внедрением рекомендуется проверка безопасности.

ya3p_VAE — модель для генерации изображений по текстовому описанию, опубликованная пользователем digiplay на Hugging Face. В карточке указано, что она находится в тестировании; README приводит примеры запросов к API Hugging Face, включая портрет девушки и широкий пейзаж с горами и озером. Модель представлена в формате Diffusers с весами PyTorch и Safetensors. Лицензия обозначена как other, поэтому условия использования следует проверять отдельно. Размер, архитектура и поддерживаемые языки в доступных сведениях не описаны.

Kotajiro разработал Yayoi Mix — модель генерации изображений по текстовому описанию на базе Stable Diffusion. В карточке перечислены BraV6, XXMix_9 и Soda Mix как использованные модели; конкретная базовая версия менялась в обновлениях. Репозиторий содержит веса в формате safetensors и предназначен для работы с библиотекой Diffusers. Модель ориентирована на создание реалистичных изображений девушек по текстовым запросам; в карточке также есть рекомендации по настройкам генерации: 32–45 шагов, DPM++ SDE Karras и CFG 7. Указаны японский и английский языки. Лицензия — CreativeML OpenRAIL-M; автор отдельно запрещает насильственные изображения, сексуальные изображения несовершеннолетних и публикацию изображений, имитирующих конкретных реальных людей без их согласия. Качество зависит от запроса и настроек генерации.

ZINI-1-CHAT-STORIES — компактная диалоговая модель для создания художественных историй. Она разработана на основе Qwen/Qwen2.5-0.5B-Instruct и дообучена для сценариев сторителлинга; архитектура — плотная Qwen2 с 494 млн параметров, модель использует библиотеку Transformers и формат Safetensors. Контекст — до 32 768 токенов. Модель предназначена для генерации рассказов, сказок и других художественных текстов в диалоге: например, мистики, романтики, научной фантастики и ужасов. В описанном сценарии она отвечает только художественными историями и отказывает в запросах на математику, код, прогноз погоды, рецепты и новости. Поддерживаемый язык — английский. Лицензия — Apache-2.0.

SDVN5-3DCuteWave — модель генерации изображений по текстовому описанию, созданная SDVN на основе семейства Stable Diffusion. Она предназначена для создания милых миниатюрных персонажей в 3D-стилизации, в том числе чиби-образов и иллюстраций с мягким освещением. Пример карточки показывает персонажа в игровой комнате и ориентируется на мультфильмы и аниме-арт. Модель распространяется в формате Diffusers с весами PyTorch и Safetensors. Лицензия — CreativeML OpenRAIL-M. Карточка содержит только пример промпта, поэтому качество на других сюжетах и ограничения генерации не описаны.

adventure-8b — языковая модель семейства Llama, созданная для продолжения текстов в жанре интерактивных приключений CYOA. Она обучена на текстах для дополнения CYOA в стиле GPT-J-6B-Adventure и GPT-J-6B-Skein; автор README не указан. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текст с контекстом до 8192 токенов. Модель продолжает повествование по заданной сцене и описанию режима и тем. В README приведён формат с пометками [Mode: adventure] и [Themes: ...], после которых следуют повествование и действие игрока. Модель не настроена на выполнение инструкций, поэтому лучше подходит для сюжетных текстовых игр и совместного сочинения, чем для универсального чат-ассистента. Она обучена на датасете Skein, созданном VE FORBRYDERNE из KoboldAI. Лицензия — Apache-2.0.

umm-maybe/AI-image-detector — экспериментальная модель классификации изображений на основе архитектуры Swin с 58,7 млн параметров. Она определяет, было ли художественное изображение сгенерировано ИИ, и обучалась как бинарный классификатор с помощью AutoTrain. Модель создана в октябре 2022 года. По словам автора, обучающие данные не включали изображения из Midjourney 5, SDXL и DALL·E 3; результаты на изображениях от более новых генераторов могут быть верными, но это не гарантируется. Модель рассчитана на художественные изображения и не предназначена для выявления дипфейков или анализа скриншотов, веб-камер и другой обычной компьютерной графики. Её оценку следует считать одним из сигналов и при необходимости проверять с участием специалиста. В README приведены метрики на проверочной выборке: accuracy 0,942, precision 0,938, recall 0,978, AUC 0,980 и F1 0,958. Это proof-of-concept, а не универсальная проверка происхождения изображений. Лицензия — CC BY 4.0.

Amanatsu Illustrious v11 SDXL — модель генерации изображений по текстовому описанию, опубликованная John6666; на карточке указано, что исходная модель создана Ikena. Это дообученная модель на основе OnomaAIResearch/Illustrious-xl-early-release-v0, использующая Stable Diffusion XL и библиотеку Diffusers. Репозиторий содержит веса в формате safetensors и имеет лицензию faipl-1.0-sd. Модель ориентирована на создание детализированных изображений в аниме-стиле, включая персонажей, девушек и фоны; среди отмеченных особенностей — проработка глаз. Для генерации подаются текстовые запросы на английском языке. Карточка указывает размер около 3 млрд параметров. Подходит для иллюстраций и персонажных артов; качество и точное следование запросу зависят от промпта и настроек генерации.