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

LyliaEngine/hosekiLustrousmixAnima_animaV10 — модель генерации изображений по текстовому описанию, опубликованная LyliaEngine и основанная на LyliaEngine/anima_baseV10. В создании также участвовали @ComradeAnanas, @Manityro и @justTNP; авторство указано за пользователем Hoseki. Модель предназначена для создания цветных, детализированных 2D-аниме-изображений с менее плоской стилистикой, более живописной проработкой тел, фонов и освещения. Она поддерживает художественные стили, естественные языковые описания и добавление текста в промпт. Текстовый энкодер и VAE предоставляются отдельно на странице Anima Base v1. В карточке модель обозначена как LoRA для Diffusers, однако описание также называет её checkpoint, поэтому точный формат распространения следует уточнять по файлам репозитория. Рекомендуются сэмплеры ER SDE или Euler a, 24 шага и CFG Scale 4–5. Для улучшения лиц и глаз автор рекомендует расширение ADetailer. В качестве положительного промпта предлагаются указания на высокое качество, а в отрицательном — ограничения для низкого качества, анатомических ошибок, артефактов и водяных знаков. Триггерное слово не требуется: указано значение None. Модель распространяется по лицензии Creative Data Licence Agreement Permissive 2.0 (CDLA-Permissive-2.0).

Карточка модели sojashis/Hunyuan3D-2mini на Hugging Face совпадает с карточкой tencent/Hunyuan3D-2mini, поэтому описание составлено по ней. Hunyuan3D-2mini — модель Tencent из семейства Hunyuan3D 2.0 для создания 3D-моделей по входному изображению. Репозиторий содержит генератор формы на 0,6 млрд параметров — уменьшенную и более быструю версию генератора на 1,1 млрд параметров. Модель использует архитектуру Hunyuan3D-2 и доступна в форматах PyTorch и Safetensors. Модель предназначена для преобразования изображения в 3D-сетку и подходит для быстрого создания 3D-ассетов по визуальным референсам. README показывает запуск через библиотеку Hunyuan3D-2 и вывод в формате trimesh; для инференса в примере используется CUDA. В метаданных указаны английский и китайский языки, однако основная задача — генерация формы по изображению. Лицензия указана как other; конкретные условия следует уточнять в карточке репозитория Tencent. В README описан генератор формы, поэтому наличие в этом репозитории генерации текстур не подтверждено. Качество результата зависит от входного изображения и параметров генерации.

IceSakeRPTrainingTestV1-7b — англоязычная чат-модель для генерации диалогов и ролевого текста. Она основана на IceSakeRP-7b и использует архитектуру Mistral с плотной причинной языковой моделью на 7,1 млрд параметров. Модель принимает текст и генерирует текст; заявленный размер контекстного окна — 25–32 тыс. токенов, а метаданные указывают нативный контекст 32 768 токенов. Модель предназначена для ролевых диалогов и творческой генерации текста. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

JANKU Trained + Chenkin & NoobAI + RouWei Illustrious XL v7.77 — модель для генерации изображений по текстовому запросу, размещённая LillyCherry. В README указаны автор исходной модели janxd и базовая модель Illustrious; карточка описывает репозиторий как простую конверсию safetensors в формат diffusers. Модель предназначена для создания изображений по текстовым описаниям. README рекомендует Euler или Euler A, 25–30 шагов, CFG 3–5, планировщик Normal, Simple или SGM Uniform и Clip Skip 2. Репозиторий содержит веса safetensors для использования с diffusers. Лицензия указана как other, без уточнения её условий в предоставленных данных.

kainatq/kainaticulous-rp-7b-v0.2 — объединённая модель для генерации текста, созданная методом TIES с помощью mergekit на основе нескольких языковых моделей семейства Mistral. В объединение вошли Endevor/InfinityRP-v1-7B, CalderaAI/Naberius-7B, Endevor/EndlessRP-v3-7B, mistralai/Mistral-7B-Instruct-v0.3 и CalderaAI/Hexoteric-7B. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и принимает контекст до 32 768 токенов. Модель предназначена для генерации текста и ролевых сценариев, включая контент для взрослой аудитории. В README указано, что эта версия использует Mistral-7B-Instruct-v0.3; метаданные также перечисляют Mistral-7B-v0.1 как базу слияния. Карточка не описывает языковой охват или результаты оценивания качества. Лицензия — Apache-2.0.

KansenSakura-Eclipse-RP-12b — 12,1-миллиардная плотная авторегрессионная модель семейства Mistral, созданная Retreatcost слиянием нескольких моделей для ролевых диалогов и повествовательной прозы. Она ориентирована на сюжеты в духе визуальных новелл, эмоциональные трансформации персонажей, телесные описания и техноорганический хоррор; поддерживает чатовый формат ChatML. В README автор советует ограничивать контекст 16 тыс. токенов для лучшего качества, хотя в метаданных заявлено 1 024 000 токенов нативного контекста. Модель предназначена для генерации текстовых сцен и продолжения ролевого взаимодействия. Слияние объединяет KansenSakura-Zero-RP-12b, Violet Twilight, Muse, Wayfarer, Forgotten Safeword и Bigger-Body; карточка также описывает сочетание слоёв для связности повествования, эмоциональной глубины и построения сцен. В README заявлены неограниченная творческая генерация и возможность NSFW-контента, включая потенциально тревожные сюжеты. Лицензия — Apache-2.0.

cringepnh/koelectra-korean-sentiment — модель классификации текста, разработанная на основе KoELECTRA и дообученная на датасете NSMC для определения тональности корейских отзывов о фильмах. Она относит отзыв к одному из двух классов: положительному или отрицательному. Модель построена на архитектуре ELECTRA, содержит 140,1 млн параметров и принимает последовательности длиной до 512 токенов; при обучении использовалась максимальная длина 128 токенов. На очищенной тестовой выборке из 48 416 отзывов модель показала преимущество по точности в 3,72 процентного пункта перед символьным TF-IDF с логистической регрессией, однако требует существенно больше вычислений и имеет более высокую задержку. Она предназначена для анализа отзывов на корейском языке, а не для нейтральной тональности или текстов из других областей. Отрицательные отзывы модель пропускает чаще, чем положительные; результаты получены на одном разбиении и одном seed. Лицензия — MIT.

Kohaku XL Epsilon — пятая крупная версия серии Kohaku XL от KBlueLeaf, модель генерации изображений по тексту на базе Stable Diffusion XL. Она дообучена методом LyCORIS с алгоритмом LoKr на 5,2 млн изображений из Danbooru2023; карточка описывает работу с тегами Danbooru, включая теги качества, рейтинга и периода публикации. Модель рассчитана на генерацию изображений в широком диапазоне размеров: обучение использовало базовое разрешение 1024×1024 и размеры от 256 до 4096 пикселей. Модель предназначена для создания иллюстраций по текстовым тегам и описаниям, особенно в стиле и тематике изображений Danbooru. Автор отмечает, что теги с популярностью от 1000 должны работать, а менее популярные могут срабатывать при сильном акцентировании. Веса доступны в форматах Diffusers, PyTorch и safetensors; лицензия указана как other, поэтому конкретные условия использования следует проверять в репозитории. Обучающие данные включали категории от безопасного до откровенного контента, поэтому модель способна создавать материалы для взрослых.

Kohaku XL Epsilon rev2 — модель преобразования текста в изображения на базе Stable Diffusion XL, опубликованная KBlueLeaf. Это продолжение обучения Kohaku XL Epsilon rev1 на 1,56 млн изображений в течение пяти эпох. В обучающую выборку вошли работы выбранных художников, изображения по отдельным сериям и играм, а также фотографии коллекционных PVC-фигурок. Модель предназначена для генерации изображений по текстовым запросам, в том числе изображений в стиле PVC-фигурок. Она обучалась на разрешении 1024×1024 с поддержкой разных пропорций и диапазона разрешений от 256 до 4096 пикселей; автор рекомендует использовать разрешение немного выше 1024×1024 и hires-fix для улучшения результата. В README приведены теги качества, рейтинга и даты, которые можно включать в запрос. Модель распространяется в формате Diffusers с весами Safetensors. Лицензия указана как other, без уточнения условий в предоставленных данных. Она обучалась на контенте с рейтингами от safe до explicit и может создавать изображения для взрослых; качество зависит от формулировки запроса и разрешения.

kraken-medieval-german-v2 — модель распознавания рукописного текста (HTR) на базе Kraken, разработанная dh-unibe. Она дообучена на CATMuS Medieval, модели для средневековых рукописей, и предназначена для чтения немецких исторических документов. Для обработки страницы Kraken сначала находит строки с помощью сегментации blla, а распознаватель считывает их по отдельности; на вход также можно подавать готовые изображения строк или их контуры. Модель обучена на наборах данных с судебными книгами XV–XVI веков, материалами авторов Bullinger и другими историческими документами. На отложенной выборке собственного обучения указаны CER 21,31% и WER 59,70%; это результаты внутренней проверки, а не общего бенчмарка, и они могут не переноситься на другие корпуса. Базовая модель CATMuS Medieval обучалась на старофранцузском, среднефранцузском, латинском, испанском и итальянском, поэтому пригодность именно для немецких рукописей следует оценивать на целевом корпусе. В репозитории представлены веса Core ML; лицензия в предоставленных сведениях не указана.

Kratt — модель классификации комментариев YouTube, созданная для инструмента медиаграмотности Kratt. Это дообученная XLM-RoBERTa base с архитектурой XLMRobertaForSequenceClassification и 305,3 млн параметров. Она присваивает комментарию один из классов: bot или authentic; результат предназначен для оценки вероятности активности ботов и последующей проверки человеком. Модель принимает комментарии только в специальном формате с тегом ниши видео и сведениями о вовлечённости, а также с текстом, подготовленным по правилам из карточки. Для токенизации требуется токенизатор из этого репозитория. Модель обучалась на англоязычных комментариях YouTube; контекстное окно — 514 токенов. Она подходит для анализа комментариев и агрегирования сигналов о бот-активности, но не предназначена для автоматического удаления или сокрытия публикаций. Обучающие метки получены слабой разметкой с помощью LLM и заданной матрицы соответствия, а не полной человеческой аннотацией. Поэтому оценки отражают согласие с этой схемой и требуют проверки на реальных примерах. Модель опубликована под лицензией MIT.

Krea-2-LoRA-softwatercolor — адаптер LoRA, разработанный Krea для генерации изображений на базе модели Krea 2. Он предназначен для text-to-image сценариев и добавляет к Krea-2-Turbo визуальную стилистику мягкой акварели с элементами Art Deco. Для активации стиля используется триггерная фраза «Art Deco watercolor style», после чего модель можно применять к сценам с персонажами, природой, архитектурой, пейзажами и другими сюжетами. Адаптер поставляется в файле softwatercolor.safetensors и должен использоваться совместно с Krea-2-Turbo через diffusers и Krea2Pipeline; самостоятельной моделью он не является. Он обучен на Krea-2-Raw, а опубликованные примеры визуализированы на Krea-2-Turbo за 8 шагов при guidance scale 0.0 и весе LoRA 1.0. Данные о размере модели, разрешении изображений, максимальном контексте и точном наборе поддерживаемых языков не указаны. Модель ориентирована на стилизованную художественную генерацию, но может наследовать ограничения базовой модели и чувствительность результата к формулировке промпта. Указана специальная лицензия krea-2-community-license; её условия следует уточнять в приложенном лицензионном документе.

Kromvault L3.1-Ablaze-Vulca-v0.1-8B — экспериментальная разговорная языковая модель, созданная слиянием нескольких моделей семейства Llama 3 и Llama 3.1 с помощью mergekit. Она содержит около 7,5 млрд параметров и рассчитана на генерацию текста и диалоги по инструкциям; автор отмечает человекоподобную речь, склонность к образным формулировкам и способность подхватывать стиль примеров из контекста. В репозитории указана длина контекста 131 072 токена, однако автор сообщает о связной генерации, проверенной примерно до 16 тысяч токенов. Модель предназначена для ролевых диалогов и творческого письма; результат зависит от качества персонажной карточки и примеров. Автор предупреждает, что эта версия содержит ошибки и рекомендует использовать более позднюю итерацию Aglow Vulca. Для неё приведены экспериментальные настройки генерации, а лицензия в предоставленных данных не указана.

Kromvault L3.1-Siithamo-v0.1-8B — экспериментальная разговорная модель, созданная автором репозитория путём слияния нескольких моделей Llama 3 и Llama 3.1. Она предназначена для генерации диалогов, творческого письма и ролевых сценариев. Модель основана на плотной архитектуре Llama, содержит 7,5 млрд параметров и использует библиотеку Transformers; в репозитории указаны веса Safetensors. Автор отмечает многословные ответы, склонность к драматичному и местами шаблонному стилю, а также эпизодическое дублирование строк. Следование инструкциям описано как приемлемое, но несколько ослабленное относительно исходной модели. В README автор указывает ограничение контекста 4K, тогда как метаданные каталога приводят нативный контекст 131072 токена; фактический предел автор не проверял. Лицензия в доступных данных не указана.

L3.1-Vulca-Umboshima-8B — слитая диалоговая языковая модель семейства Llama 3.1, созданная сообществом mergekit-community методом DARE TIES на базе kromeurus/L3.1-Ablaze-Vulca-v0.1-8B. В слияние также вошли Casual-Autopsy/L3-Umbral-Mind-RP-v3.0-8B и mergekit-community/L3-Boshima-a. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и доступна в формате safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста в диалогах и ролевых сценариях. Описание базовой модели указывает на ролевые игры с тяжёлыми эмоциональными темами и сценариями спасения персонажей. Лицензия в предоставленных сведениях не указана.

L3-SAO-MIX-8B-V1 — слитая с помощью mergekit модель на архитектуре Llama, созданная автором bluuwhale из четырёх моделей Sao10K: L3-8B-Lunaris-v1, L3-8B-Niitama-v1, L3-8B-Stheno-v3.2 и L3-8B-Tamamo-v1. Веса объединены методом della; в качестве базовой модели для слияния использована Sao10K/L3-8B-Niitama-v1. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста в диалоговом формате Llama 3 Instruct. Автор использует её для ролевых диалогов, в том числе ERP, и отмечает хорошее следование инструкциям. Подходит для написания историй и интерактивных сценариев на английском языке. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Качество и следование инструкциям автор оценивает по собственному опыту; независимые оценки в карточке не приведены. Модель англоязычная, а сведения о других поддерживаемых языках не заявлены.

LingBot-World-v2 14B causal-fast — GGUF — это квантизированная версия модели robbyant/lingbot-world-v2-14b-causal-fast, подготовленная RealRebelAI для работы с ComfyUI_Rebels_LingBotWorld. Модель относится к классу управляемых мировых моделей и предназначена для генерации видео из исходного изображения с учётом заданной траектории камеры или движения. Трек действий можно создать вручную или задать через узел Action Builder; генерация выполняется локально, с причинной обработкой чанками и четырьмя дистиллированными шагами на чанк. Модель поддерживает сценарий image-to-video и ориентирована на потребительские GPU с ограниченным объёмом видеопамяти, включая RTX 3070 с 8 ГБ VRAM и 16 ГБ оперативной памяти. Доступны GGUF-квантизации от Q4_K_M до Q8_0; рекомендованный вариант Q4_K_S занимает около 11,7 ГБ, а остальные уровни позволяют выбирать компромисс между качеством и размером. Для работы требуются Wan2.1_VAE.pth и текстовый энкодер UMT5-XXL в формате GGUF. Рекомендуемые пресеты разрешения — 256×448 или 320×544, размер окна мировой памяти — 6+2, число кадров должно соответствовать формуле 4n+1, начальное значение — 21 кадр, частота экспорта — 16 кадров в секунду. Сильными сторонами модели являются управление движением и камерой, автономная офлайн-генерация и возможность запуска на видеокартах с 8 ГБ VRAM. Ограничения связаны с требованиями к оперативной памяти и разрешению: KV-кэш масштабируется вместе с размером окна и разрешением, поэтому более крупные настройки могут не поместиться на потребительских устройствах. Модель распространяется по лицензии CC BY-NC-SA 4.0, предусматривающей некоммерческое использование, указание авторства и распространение производных материалов на тех же условиях.

athirdpath/Llama-3-15b-HermesPlaying — разговорная языковая модель на архитектуре Llama для генерации текста и ролевых диалогов. По карточке, она создана слиянием моделей vicgalle/Roleplay-Llama-3-8B и NousResearch/Hermes-2-Pro-Llama-3-8B методом Wiggle merge. Репозиторий содержит веса Safetensors; размер модели — 14,9 млрд параметров, контекст — до 8192 токенов. Модель предназначена для чат-сценариев, ролевой игры и генерации ответов в диалоге. Указана лицензия llama3. Карточка не сообщает о специальных ограничениях качества или безопасности.

Blackroot/Llama-3-LongStory — текстовая генеративная модель семейства Llama, предназначенная для продолжения длинных историй и написания рассказов по краткому запросу. По карточке модель обучена на 100 МБ длинных историй в течение восьми эпох; обучающие примеры включали краткие пересказы предыдущих событий и длинные продолжения. Размер в метаданных указан как 7,5 млрд параметров, а карточка описывает веса как FP16; используется формат запроса Llama 3 и контекст длиной 8192 токена. Модель подходит для создания художественной прозы с заданной завязкой и последовательного продолжения повествования с учётом пересказа предшествующих событий. В метаданных указаны возможности чата, однако основное назначение модели — генерация историй. Лицензия — Llama 3; обучение на ограниченном наборе длинных историй может сужать разнообразие стилей и сюжетов.

Soliloquy-L3 — разговорная модель семейства Llama 3 от LYNN, размещённая пользователем elyn-dev. Она предназначена для ролевых диалогов с погружением в сцену, выразительным литературным стилем и динамичным развитием взаимодействия. По карточке модель обучена на более чем 250 млн токенов ролевых данных и улучшена в следовании инструкциям; поддерживает контекст до 24 576 токенов и использует архитектуру LlamaForCausalLM с 7,5 млрд параметров. Модель принимает текст и генерирует текст на английском языке; для диалогов указана шаблонная разметка Llama 3 Chat. Карточка описывает её как более сильную в ролевых сценариях по сравнению с некоторыми моделями примерно на 13 млрд параметров, но не приводит методику или результаты оценки. Репозиторий содержит веса Safetensors. Лицензия — CC BY-NC-SA 4.0; отдельно README приводит условия использования Llama 3, включая ограничения на применение и поддержку английского языка.

vantagewithai/LTX2.3-10Eros-1.2-GGUF — версия в формате GGUF модели LTX2.3-10Eros-1.2, основанной на TenStrip/LTX2.3-10Eros. Модель предназначена для генерации видео из изображения в ComfyUI с использованием экосистемы LTX Video. В README также указана зависимость от SulphurAI/Sulphur-2-base и специализированных узлов TenStrip для ComfyUI. Версия 1.2 использует настроенные данные для уменьшения дрейфа лиц и улучшения обработки длинных промптов и режиссуры движения. Дополнительно применены экспериментальные веса Sulphur для более выразительной анимации. Это специализированная модель для image-to-video, способная генерировать развитие сцены, движения объектов, изменения композиции и звуковые элементы при явном описании их в промпте. Модель ориентирована в том числе на контент для взрослых. Ключевые сведения об архитектуре, количестве параметров, точном размере GGUF-квантизации, поддерживаемых языках и максимальной длине контекста в README не указаны. Среди известных ограничений отмечены дрейф лиц, ошибки анатомии, появление субтитров и неожиданные переходы; качество заметно зависит от подробности промпта. Рекомендуется использовать совместимые узлы ComfyUI и осторожно добавлять крупные дистиллированные LoRA, поскольку они могут ухудшить дообученную модель. Лицензия в README не указана.

MuXodious/Maginum-Cydoms-24B-absolute-heresy — дообученная модель генерации текста на основе Maginum-Cydoms-24B, разработанная с применением движка Heretic для abliteration. Базовая Maginum-Cydoms-24B создана слиянием нескольких языковых моделей семейства Mistral с помощью TIES, DELLA и SLERP; в README среди компонентов слияния названы Mistral-Small-3.2-24B-Instruct-2506-Text-Only, Magidonia-24B-v4.3, Precog-24B-v1, PaintedFantasy и Cydonia. Модель предназначена для генерации текста и ролевых диалогов, включая сценарии с контентом для взрослых. Она имеет плотную архитектуру MistralForCausalLM, 23,4 млрд параметров и контекстное окно 131 072 токена. README сообщает, что после обработки Heretic показатель отказов составил 4 из 100 против исходных 62 из 100, а KL-дивергенция — 0,0307; автор отдельно отмечает, что приведённая классификация не является показателем качества модели. Модель работает с текстом и выдаёт текст; карточка не сообщает поддерживаемые естественные языки. Репозиторий использует Transformers и содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Magistaroth-24B-v1.1 — текстовая генеративная модель DarkArtsForge, созданная слиянием нескольких моделей семейства Mistral. Она предназначена для творческого письма и ролевых диалогов, включая мрачные сюжеты и откровенный контент. По карточке, при слиянии применён метод PDQ для усиления творческой вариативности; модель содержит 23,4 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 131 072 токенов. Для работы рекомендуется шаблон чата Mistral Tekken. Модель может выдавать подробные, творческие продолжения и диалоги без части отказов. Автор предупреждает о возможных редких артефактах генерации: пропущенных пробелах, опечатках и повторах слов. Лицензия — Apache-2.0.

dima806/man_woman_face_image_detection — модель классификации изображений на базе Vision Transformer (ViT), дообученная на google/vit-base-patch16-224-in21k. Она определяет, к какому из двух классов относится лицо на изображении: man или woman. Модель предназначена для автоматической классификации лиц на изображениях. В README приведён отчёт с точностью 98,71% на выборке из 102 124 примеров, поровну распределённых между двумя классами. Модель содержит 113,2 млн параметров и опубликована в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

MATPAC++ music — аудиоэнкодер семейства MATPAC, обученный на музыкальных данных и опубликованный в формате для Transformers. Модель разработана на основе исходного проекта MATPAC от aurianworld; репозиторий содержит порт кода инференса с загрузкой через trust_remote_code. Указанный чекпойнт выдаёт аудиопредставления размерности 3840 и предназначен для извлечения признаков и классификации аудио, включая применение в музыкальных задачах. Энкодер можно использовать как основу для downstream-задач, подключая отдельные веса линейных проб. В режиме по умолчанию временные признаки усредняются; параметр pull_time_dimension=false позволяет сохранить временную ось, а inference_type=fast ускоряет обработку крупных батчей ценой небольшого снижения точности относительно режима precise. Для загрузки кода требуются torchaudio, einops и timm версии 0.4.12. Лицензия репозитория — Apache-2.0.

Mature-Content-Detection — модель классификации изображений, разработанная на базе google/siglip2-base-patch16-224 и дообученная с архитектурой SiglipForImageClassification. Она присваивает изображению одну из пяти меток: «аниме», «хентай», «нейтральное», «порнография» или «соблазнительное/чувственное». Модель предназначена для модерации изображений, родительского контроля, фильтрации поиска и разметки наборов данных. Это визуальный энкодер, принимающий изображения и выдающий метку класса; он не генерирует контент. По карточке модель лучше работает с аниме и изображениями взрослой тематики и не предназначена для общей классификации изображений, например выявления насилия, символов ненависти или наркотиков. Предсказания вероятностные, поэтому в важных случаях результаты следует проверять вручную. Лицензия — Apache-2.0.

Карточка модели swarnendu123/MERaLiON-SER-v1-s на Hugging Face совпадает с карточкой MERaLiON/MERaLiON-SER-v1, поэтому описание составлено по ней. MERaLiON-SER-v1 — мультиязычная модель распознавания эмоций и аффективных характеристик речи, разработанная командой MERaLiON. Она принимает аудио и предсказывает семь категорий эмоций: нейтральность, радость, грусть, гнев, удивление, страх и отвращение, а также непрерывные оценки валентности, возбуждения и доминирования в диапазоне от 0 до 1. Модель содержит 309 млн параметров и использует замороженный энкодер Whisper-Medium с LoRA-адаптацией, за которым следуют attention pooling и модифицированный ECAPA-TDNN; декодер Whisper не используется. Модель предназначена для анализа эмоциональной окраски речи в аудиозаписях и потоковом сценарии, включая оценку эмоциональных траекторий. Заявлена поддержка английского, китайского, малайского и тамильского языков; поддержка тайского, индонезийского и вьетнамского ограничена. В оценке на нескольких публичных наборах данных показаны конкурентные результаты, но качество зависит от языка, домена и представленности эмоций. Модель распространяется по MERaLiON Public License.

Карточка модели MergekitCloud/mergekit-46 на Hugging Face совпадает с карточкой MergekitCloud/mergekit-75, поэтому описание составлено по ней. MergekitCloud/mergekit-75 — языковая модель, созданная автором репозитория MergekitCloud слиянием четырёх моделей семейства Llama 3.1 8B методом Model Stock с помощью mergekit. В качестве базовой для слияния использована vicgalle/Humanish-Roleplay-Llama-3.1-8B; в состав также вошли ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3, Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2 и Undi95/Llama3-Unholy-8B-OAS. Модель предназначена для генерации текста и диалогов, в том числе ролевых сценариев и более свободных ответов. Она имеет архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Слияние объединяет модели с ролевой и менее ограниченной генерацией, однако README не приводит сравнительных оценок качества. Данные не подтверждают отдельную языковую специализацию. Лицензия в предоставленных источниках не указана.

MiniMax H3 Hybrid NVFP4 — это независимая оптимизация сообщества, подготовленная abakanai на основе диффузионной модели MiniMax H3 Ref2VA Pruned. Репозиторий содержит два однофайловых чекпойнта в формате safetensors с гибридной квантизацией NVFP4 и INT8 ConvRot, предназначенных для инференса в ComfyUI на видеокартах NVIDIA Blackwell. Текстовый энкодер и VAE в комплект не входят. Модель предназначена для генерации коротких видео по изображению и текстовому запросу; примеры включают видео со стереозвуком. Вариант на 16,38 GiB сохраняет больше точности, а вариант на 14,03 GiB снижает требования к хранению и offload и быстрее выполняет часть линейных проекций. В испытаниях на RTX 5070 Ti 16 GB генерация 124 кадров при 24 кадрах/с и разрешении 1376 × 768 заняла около 9,5–10 минут, но это единичные замеры. Автор сообщает об ускорении отдельных проекций и отмечает, что полное внимание остаётся узким местом при высоком разрешении; у быстрого варианта ниже численное сходство, особенно в аудиоканале. Качество оценивалось на ограниченном числе примеров, поэтому результаты не являются широкой оценкой качества. Это экспериментальная community-конверсия, неофициальная для MiniMax и ComfyUI; лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

MiniMax-H3 Turbo LoRA — это адаптер LoRA для генерации видео на базе MiniMaxAI/MiniMax-H3. Данный репозиторий представляет исправленную копию адаптера, созданного на основе работы Abiray и первоначально обученного larryvrh. Адаптер предназначен для совместного использования с pruned или curve-form чекпойнтами MiniMax-H3, включая совместимые pruned FP8-модели. Модель ориентирована на text-to-video-сценарии и интеграцию с ComfyUI. Это 4-шаговый turbo LoRA, рассчитанный на ускоренную генерацию; в рекомендованных настройках указаны 8–12 шагов, sampler res_multistep и strength 0.8–1.8. Адаптер содержит 416 тензоров, затрагивающих qkv_proj, out_proj, fc1 и fc2 в 50 блоках, а также token_refiner; targets adaln отсутствуют. Адаптер не является самостоятельной моделью и требует совместимого базового чекпойнта MiniMax-H3 и загрузчика LoRA. Исправленная версия удаляет 64 лишних байта из исходных файлов safetensors, благодаря чему устраняется ошибка строгой загрузки; это основное практическое преимущество данного репозитория. Языки, размер базовой модели, поддерживаемые модальности помимо видео и дополнительные характеристики качества в README не указаны. Использование регулируется MiniMax-H3 Community License Agreement; в метаданных лицензия обозначена как other.