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

Qwen-Image-Edit-LoRA-Collection — коллекция адаптеров LoRA, разработанная Stranger Zone и Prithiv Sakthi для базовой модели Qwen/Qwen-Image-Edit-2511. Модель предназначена для задач image-to-image и редактирования изображений с использованием библиотеки Diffusers. В состав входят несколько отдельных контрольных точек LoRA, поэтому коллекция может применяться для подключения различных специализированных модификаций к базовой модели. Ключевые характеристики включают архитектуру адаптеров LoRA, работу с изображениями и совместимость с Qwen-Image-Edit-2511. Сведения о точном количестве адаптеров, их специализациях, размере, поддерживаемых языках, максимальном контексте и конкретных сценариях редактирования в карточке не указаны. Наличие нескольких адаптеров расширяет возможности настройки, но требует выбора и загрузки нужной контрольной точки; использование через inference providers не рекомендуется. Модель распространяется по лицензии Apache-2.0. Для корректной работы необходимо использовать совместимый пайплайн Diffusers и базовую модель Qwen/Qwen-Image-Edit-2511.

Raehoshi illust XL — диффузионная модель генерации изображений по тексту, разработанная Raelina и дообученная на Illustrious XL v0.1. Она предназначена для создания иллюстраций по промптам в стиле тегов Booru. Автор стремился смягчить перенасыщенность цветов и артефактный шум исходной модели; по карточке, эти недостатки уменьшены, но не устранены полностью. Для генерации автор рекомендует CFG 7, 28 шагов и сэмплер Euler a. Модель основана на Stable Diffusion XL; репозиторий содержит веса в форматах Diffusers и safetensors. В метаданных указан английский язык. Лицензия — Fair AI Public License 1.0-SD.

Realism-By-Stable-Yogi-Pony-LoRa — LoRA-адаптер для генерации изображений, разработанный пользователем или организацией incendies. Модель предназначена для использования в сценариях text-to-image и интеграции с библиотекой Diffusers, вероятно для усиления реалистичной стилистики при генерации изображений на базе LyliaEngine/Pony_Diffusion_V6_XL. Известно, что адаптер совместим с базовой моделью LyliaEngine/Pony_Diffusion_V6_XL и относится к семейству diffusion LoRA. Данные о размере, архитектуре адаптера, поддерживаемых языках, контекстном окне и дополнительных модальностях не указаны. Сильной стороной является специализированная настройка базовой модели под реалистичную визуальную подачу, однако качество и область применимости зависят от базовой модели и параметров подключения LoRA. Лицензия — MIT.

Realism Engine Ideogram 4 + Krea 2 v3.1 — модель типа LoRA для генерации изображений по текстовому описанию в экосистеме Diffusers. Модель опубликована пользователем или организацией uzumix и предназначена для использования поверх базовой модели krea/Krea-2-Turbo. Название указывает на ориентацию на реалистичную визуальную стилистику и совместимость с подходами Ideogram 4 и Krea 2, однако README не содержит подробного описания принципов работы или подтверждённых результатов. Из известных характеристик: это текстово-изобразительная diffusion-модель в формате LoRA, с базовой моделью krea/Krea-2-Turbo. Данные о количестве параметров, архитектуре адаптера, поддерживаемых языках, размере контекста, требованиях к памяти, настройках силы LoRA и конкретных ограничениях отсутствуют. Лицензия и условия коммерческого или иного использования в README не указаны; перед применением необходимо проверить условия базовой модели и страницы репозитория.

riMixIllustriousAnima_riMixV2 — модель LoRA для генерации изображений по текстовому описанию, разработанная LyliaEngine. Она предназначена для использования в Diffusers и совместимых интерфейсах генерации изображений, включая сценарии text-to-image с последующим увеличением разрешения и улучшением деталей. В README модель также описана как стилевой LoRA, основанный на собственной модели Ri-mix, объединяющей Pony и Illustrious XL. Модель работает поверх базовой модели OnomaAIResearch/Illustrious-xl-early-release-v0 и ориентирована на создание детализированных художественных изображений, преимущественно персонажей и сцен в аниме-стилистике. Указаны примеры генерации взрослых персонажей, портретов и фантазийных сцен. Для активации модели триггерные слова не требуются: в README рекомендуется использовать None. Точные размер, количество параметров, поддерживаемые языки и максимальная длина контекста не указаны; по типу модели она принимает текстовые промпты и генерирует изображения. Для Anima рекомендованы CFG Scale 3, sampler er_sde и 30–40 шагов; для генерации на Civitai — CFG Scale 7, Euler a, 30–40 шагов и denoise 0,35–0,40. Для ForgeUI приведены настройки с разрешением 768×1152, Euler a, 30 шагами и опциональным Highres fix. Сильные стороны модели — специализация на выразительной аниме-визуализации, детализации и совместимость с распространёнными инструментами экосистемы Stable Diffusion XL. Ограничения включают зависимость от базовой модели и необходимость подбора параметров под конкретный интерфейс. Лицензия — Creative Data License Agreement Permissive 2.0 (CDLA-Permissive-2.0).

RobustSAM ViT-L — версия модели RobustSAM для сегментации изображений с ухудшенным качеством. Она разработана авторами проекта RobustSAM на основе Segment Anything Model (SAM) и предназначена для улучшения сегментации при низком качестве изображения с сохранением работы по подсказкам и обобщения на новые данные. Модель состоит из визуального ViT-кодировщика, кодировщика подсказок, трансформерного декодера масок и модуля Neck. В репозитории указана реализация через Transformers; веса представлены в формате safetensors. Модель принимает изображение и подсказки в виде точек, ограничивающей рамки или маски сегментации и выдаёт маски объектов с оценками качества. Также она поддерживает автоматическую генерацию масок по сетке из 1024 точек. Текстовые подсказки официальной реализацией не поддерживаются. Авторы сообщают об улучшении сегментации на изображениях с разными искажениями и о пользе для последующих задач устранения дымки и размытия. Лицензия — MIT.

Rotor 24B V.1 — объединённая модель на основе дообученных вариантов Mistral-Small 24B, созданная OddTheGreat для ролевых диалогов и текстовых приключений. Автор ставил целью сделать прозу менее механической; модель также подходит для разговорного режима и выполнения инструкций. Модель содержит 23,4 млрд параметров, использует архитектуру Mistral для генерации текста и имеет заявленное контекстное окно 131 072 токена. В README автор сообщает, что проверял работу с контекстом 12 тысяч токенов, длинными диалогами, русским и французским языками; также отмечает творческие ответы и баланс между SFW- и NSFW-сценариями. Русский язык проверялся в режиме ассистента и ролевой игре, французский — в режиме ассистента. Модель может отвечать длиннее ожидаемого и иногда говорит от лица пользователя в ролевом диалоге. Качество французской ролевой игры и работа на контексте свыше проверенных 12 тысяч токенов автором не подтверждены. Лицензия в доступных данных не указана.

RPBizkit-v2-12B — экспериментальная слитая модель на архитектуре Mistral, созданная RicardoEstep с помощью Mergekit. В смесь вошли семь моделей для ролевых диалогов и творческого письма; параметры моделей автор смешал с одинаковым весом. Размер составляет 12,1 млрд параметров. Репозиторий содержит веса Safetensors для Transformers. Модель предназначена для генерации текста, в частности ролевых ответов и художественных текстов. Автор рекомендует ограничивать контекст 8192 токенами: заявленная в конфигурации длина в 1 024 000 токенов возникла из-за унаследованного при слиянии обходного изменения RoPE и не обеспечивает содержательную работу с длинным контекстом. Автор отмечает экспериментальный характер смеси и не берёт на себя ответственность за её использование. Лицензия в предоставленных данных не указана.

chargoddard/rpguild-chatml-13b — языковая модель для ролевых диалогов, обученная на примерно 50 тысячах примеров ролевых сессий, написанных людьми. В основе лежит плотная архитектура Llama с 12,9 млрд параметров; модель использует формат запросов ChatML и принимает текстовый ввод, генерируя текст. Указанный максимальный контекст составляет 4096 токенов, а карточка модели отмечает английский язык. Модель предназначена для ведения творческих ролевых сцен и продолжения диалогов с учётом меняющегося сюжета. По описанию автора, она склонна писать реплики за пользователя и часто оформляет речь персонажей в кавычках. Распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

TheSon2202/SceneViT-Nano-P8-64 — компактная модель Vision Transformer для классификации изображений со сценами, разработанная автором карточки и обученная с нуля на наборе Intel Image Classification. В README указаны размер изображения 224×224 пикселя, патчи 8×8, скрытая размерность 64, 4 головы внимания и 8 слоёв. Для тестового набора заявлены точность 83,90% и Macro F1 83,95%. Модель предназначена для отнесения изображений к категориям сцен; веса доступны в форматах ONNX и safetensors и могут использоваться через Transformers или ONNX Runtime. Лицензия — MIT. Карточка указывает английский язык, однако классификация изображений не требует текстового ввода или вывода. Результаты приведены автором README и не сопровождаются описанием состава тестовой выборки или независимой оценкой.

Instruction-tuning-sd/scratch-cartoonizer — модель преобразования изображений на базе Stable Diffusion v1.5, разработанная с применением методики InstructPix2Pix. Её обучали следовать текстовым инструкциям, связанным с преобразованием изображения; в частности, она предназначена для мультяшной стилизации входного изображения по запросу пользователя. Модель использует конвейер StableDiffusionInstructPix2PixPipeline из библиотеки Diffusers и принимает изображение вместе с текстовой инструкцией, выдавая преобразованное изображение. В карточке указан датасет instruction-tuning-sd/cartoonization. Репозиторий распространяется в форматах Diffusers и PyTorch по лицензии MIT. Модель ориентирована на стилизацию и другие преобразования изображений по инструкциям; качество за пределами описанного сценария мультяшной стилизации не охарактеризовано.

Карточка модели refiners/sd15.autoencoder на Hugging Face совпадает с карточкой refiners/sd15.unet, поэтому описание составлено по ней. refiners/sd15.unet — модель на базе Stable Diffusion 1.5, связанная с проектом refiners. Метаданные классифицируют её как модель преобразования изображений и указывают библиотеку refiners и формат весов safetensors. Модель предназначена для задач image-to-image. В качестве базовой модели указана runwayml/stable-diffusion-v1-5, лицензия — CreativeML Open RAIL-M. README не содержит дополнительных сведений о размерах, языках или конкретных сценариях применения.

SD3_prompt-llama_8b — дообученная модель семейства Llama 3 от matrixglitch, предназначенная для преобразования кратких или ненатурально сформулированных запросов в естественные языковые промпты для Stable Diffusion 3. Она старается сохранить исходную идею запроса, поскольку SD3 хуже работает с промптами, написанными неестественным языком. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. Дообучение выполнено за 1500 шагов на RTX 3090. В наборе данных было более 90 тысяч исходных промптов и 220 тысяч их преобразованных вариантов; весь набор не использовался из-за ограниченных вычислительных ресурсов. Автор сообщает о снижении отдачи от дальнейшего обучения при малом размере пакета. Модель распространяется по лицензии Llama 3; применяются условия этой лицензии.

lllyasviel/sd-controlnet-openpose — модель ControlNet, разработанная Lvmin Zhang и Maneesh Agrawala. Она предназначена для управления генерацией изображений Stable Diffusion v1.5 с помощью дополнительного условия в виде оценки позы человека. Модель применяется совместно с Stable Diffusion в задачах text-to-image и image-to-image, когда требуется сохранить или задать положение тела и ключевые точки персонажа при создании изображения. Архитектура ControlNet расширяет предварительно обученную диффузионную модель и позволяет использовать структурированные входные условия, включая keypoints. Эта версия обучена на Stable Diffusion v1-5 и ориентирована на англоязычные текстовые запросы. В README не указаны размер модели, максимальная длина контекста и поддерживаемые модальности помимо текстового запроса и изображения с позой человека. Сильная сторона модели — более точный контроль композиции и положения человека по сравнению с генерацией только по текстовому описанию. Ограничение заключается в зависимости от базовой Stable Diffusion v1.5 и необходимости подготовить входное изображение или карту позы; качество результата также зависит от точности оценки позы и текстового запроса. Модель распространяется по лицензии CreativeML OpenRAIL M.

Это модель Stable Diffusion, дообученная Lambda Labs для создания изображений персонажей покемонов по текстовому описанию. Её обучил Justin Pinkney на изображениях покемонов с подписями BLIP; обучение заняло около 15 000 шагов на двух GPU A6000. Модель распространяется в формате Diffusers и использует PyTorch. Модель принимает текстовый запрос и генерирует изображение персонажа в стиле покемонов. В README приведены примеры запросов с описаниями персонажей и упоминается, что для работы с моделью можно использовать библиотеку Diffusers. Карточка не сообщает лицензию и ограничения на использование, поэтому условия лицензии нельзя уточнить по имеющимся данным.

Репозиторий Benjamin Paine содержит альтернативные и настроенные варианты Stable Diffusion XL Base 1.0 в формате safetensors. Исходную модель разработала команда Diffusers; автор репозитория перепаковал веса и подготовил варианты с VAE и для дорисовки изображений. Это латентная диффузионная модель для генерации и изменения изображений по текстовым запросам; в архитектуре используются два предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Модель подходит для создания иллюстраций и дизайнерских материалов, творческих приложений и экспериментов с генеративными моделями. README также описывает способ получить вариант для инпейнтинга из чекпойнта SDXL. Лицензия — CreativeML Open RAIL++-M. Модель может ошибаться в деталях композиции, плохо отображает читаемый текст, а фотореализм, лица и люди могут получаться несовершенными. Генерация изображений реальных людей или событий как достоверных представлений не входит в заявленные возможности; модель также может воспроизводить социальные предубеждения.

refiners/sdxl.lightning.1step.unet — модель на основе ByteDance/SDXL-Lightning, опубликованная в формате safetensors для библиотеки refiners. Она предназначена для преобразования изображений (image-to-image) и связана с семейством Stable Diffusion XL. Базовая SDXL-Lightning оптимизирована для быстрой генерации изображений за 1–8 шагов; карточка этой модели отдельно не уточняет её размер, контекст или поддерживаемые языки. Модель распространяется по лицензии OpenRAIL++. Метаданные указывают на английский язык карточки, но не подтверждают, что он является основным языком запросов. README содержит только заголовок, поэтому дополнительные сценарии, качество, ограничения и точные характеристики самой модели определить нельзя.

Architecture Lora Chinese Style — LoRA-адаптер FrankChieng для генерации изображений по текстовому запросу на основе Stable Diffusion XL 1.0. Он обучен на подборке изображений китайской архитектуры; для получения реалистичных результатов автор рекомендует включать в запрос слово siheyuan. Адаптер предназначен для использования с Diffusers или ComfyUI и распространяется в формате safetensors. Модель подходит для создания изображений традиционных китайских зданий и архитектурных сцен в соответствующем стиле. В README указано обучение в течение 3000 шагов с размером пакета 4. Лицензия в README обозначена как CreativeML Open RAIL++-M, а в метаданных Hugging Face — как openrail.

SIDA-13B-description — модель на архитектуре LLaVA, дообученная на базе SIDA-13B для создания текстовых объяснений при работе с изображениями. Она предназначена для сценариев, где нужно пояснить обнаружение или локализацию изменённых и поддельных областей; для воспроизведения результатов обнаружения и локализации автор рекомендует использовать базовую SIDA-13B. Модель содержит 12,9 млрд параметров, принимает изображения и текст, а контекст составляет 4096 токенов. В обучающих данных SID_Set представлены реальные, изменённые и полностью синтетические изображения. Карточка указывает английский язык. Лицензия — Llama 2.

Skyfall 39B v1 — текстовая модель генерации диалогов, созданная TheDrummer как дообучение экспериментально увеличенной версии Mistral Small 22B. Модель основана на архитектуре Mistral с плотной моделью MistralForCausalLM, содержит 38,8 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для чат-взаимодействия и ролевых диалогов; в README рекомендован шаблон Metharme и описан формат ролевой прозы от первого лица с действиями, репликами, мыслями и повествованием. Метаданные также отмечают интерфейс вызова инструментов, но карточка не приводит примеров его использования. Опубликована в формате safetensors; GGUF упомянут как ссылка, но не представлен среди доступных форматов в метаданных. Лицензия в предоставленных данных не указана.

SoL-Refiner LTX-2.3 MLX BF16 — чекпойнт для увеличения разрешения видео, подготовленный AI2Apps на основе NVIDIA SoL-Refiner / Lightricks LTX-2.3. Он предназначен для реализации AI2Apps на MLX и не рассчитан на загрузку как обычная модель Diffusers. Для стандартного апскейлинга используется фиксированный prompt-контекст; поддержка пользовательских prompts требует дополнительных компонентов текстового энкодера и токенизатора. Из файлов удалены неиспользуемые тензоры аудио и зрения, а байты оставшихся тензоров BF16 сохранены без квантизации; файлы Safetensors переупакованы. В README приведены тесты на одном портретном видео с 9 и 33 кадрами при увеличении с 128 до 256 пикселей: декодированные тензоры совпали с исходным чекпойнтом. Это подтверждает сохранение результата в этих тестах, но не качество на широком наборе видео. Общий объём всех компонентов составляет около 57,04 ГБ; стандартный набор занимает около 28,71 ГБ, а компоненты для пользовательских prompts добавляют около 28,33 ГБ. Указана лицензия other; перед использованием необходимо ознакомиться с исходными условиями лицензии и требованиями атрибуции в META/CHECKPOINT-TERMS.txt и META/NOTICE.md.

Это конвертированный для Apple MLX чекпойнт крупной версии SongGeneration v2 от Tencent. Репозиторий содержит bf16-веса авт autoregressive audiolm-генератора токенов песни; для получения FLAC нужен отдельный мост декодирования Flow1dVAE из SongGeneration-MLX и официальные runtime-ресурсы. Модель предназначена для создания песен по текстовому запросу в среде Apple Silicon. README описывает генерацию дискретных аудиотокенов и декодирование в стерео FLAC с частотой 48 кГц; проверка приведена для 12-секундной генерации на варианте medium bf16, поэтому её результаты не следует считать оценкой качества именно large-чекпойнта. Использование требует MLX для генерации и PyTorch-компонента для декодирования; лицензия указана как other, без уточнения условий в доступных данных.

SpoomplesMaxx-Thrasher-24B — авторская дообученная текстовая модель для ролевых диалогов и творческого письма, созданная на базе Mistral-Small-3.1-24B-Base-2503. Она принимает текст и генерирует ответы в формате ChatML; модель рассчитана на ролевые сценарии, где важны последовательность диалога и способность поддерживать образ персонажа. По описанию автора, обучение сочетало ролевые данные с заданиями, рассуждениями и материалами на общие знания, а явные цепочки рассуждений модель не выдает. Модель использует плотную архитектуру MistralForCausalLM, содержит 23,4 млрд параметров и поддерживает контекст до 131 072 токенов. Веса опубликованы в формате safetensors, для использования указана лицензия Apache-2.0. В README описано удаление vision tower, поэтому это текстовая модель; автор позиционирует её как вариант для запуска на одной видеокарте с 24 ГБ памяти при подходящей квантизации. Заявленные применения сосредоточены на ролевых диалогах; независимые оценки качества и подробные сведения о составе обучающих данных не приведены.

TensorVizion/StableDiffusion-1.4-Pruned — модель для генерации изображений по текстовому описанию, созданная с помощью библиотеки оптимизации Pruna. В карточке репозитория указано, что конфигурация сжатия сохранена в файле smash_config.json, однако конкретные применённые методы оптимизации не описаны. Метаданные указывают архитектуру Qwen3ForCausalLM с 14 млрд параметров, а также возможности чата и интерфейс вызова инструментов. Эти сведения не согласуются с названием модели Stable Diffusion 1.4 и задачей генерации изображений, поэтому архитектуру и размер нельзя надёжно связать с назначением этой модели. Лицензия указана как CreativeML Open RAIL-M.

StreamFormer — базовая модель видеопредставлений, впервые опубликованная в этом репозитории и представленная в статье Learning Streaming Video Representation via Multitask Training. Архитектура TimesFormer содержит около 113,2 млн параметров; веса доступны в формате safetensors. Модель кодирует потоковое видео и предварительно обучена на глобальном, временном и пространственном уровнях. Её используют как основу для онлайн-детектирования действий, сегментации видеоэкземпляров и ответов на вопросы о видео. В метаданных Hugging Face основная задача указана как video-classification. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. README не содержит сведений о поддерживаемых языках или численном ограничении на длительность входного видео.

Subtly — модель генерации изображений по текстовому описанию, созданная на основе Waifu Diffusion 1.5. Разработчик описывает её как аниме-модель, обученную без утечек NovelAI; для получения аниме-изображений обычно нужно добавить слово «anime» в запрос, поскольку модель может создавать и реалистичные изображения. Модель предназначена для создания иллюстраций по текстовым промптам. В README отмечены особенности формулировок промптов относительно моделей на основе NAI и возможность влиять на реалистичный стиль через отрицательный промпт, хотя автор не рекомендует использовать для этого «instagram» и «real-life»: они могут ухудшить анатомию и фон. Модель уязвима к NSFW-содержимому. Репозиторий использует Diffusers и формат safetensors; лицензия указана как other, её конкретные условия в предоставленных данных не раскрыты.

Swallow-70b-RP-EX — объединённая языковая модель автора nitky для ролевых диалогов, многоходового общения и создания историй. Она основана на Llama 2 и объединяет несколько моделей, включая KARAKURI, GOAT-70B-Storytelling, Opus и LoRA для Waxwing Storytelling; в метаданных указано 68,9 млрд параметров и контекст 4096 токенов. Модель генерирует текст на английском и японском языках, поддерживает несколько форматов диалоговых промптов и рассчитана на запуск через Transformers. В README отмечены хорошие возможности многоходового чата и приведены рекомендации по настройке генерации, однако они основаны на личном тестировании автора. Репозиторий не содержит tokenizer.model, что может затруднить конвертацию в GGUF/GGML. Метаданные указывают лицензию CC-BY-NC-SA-4.0; автор также предупреждает, что условия лицензирования некоторых компонентов могут быть неясны, поэтому следует проверить права на их использование.

Swiftstrike Aero — языковая модель для генерации текстов на темы авиации, военной истории, патриотизма и птиц. README описывает её как специализированный проект, также упоминающий биологию птиц, флаги и фантастических мифических существ с птичьими чертами. Метаданные указывают на плотную авторегрессионную архитектуру FalconForCausalLM, библиотеку Transformers и формат safetensors; модель дообучена на основе tiiuae/falcon-7b. В метаданных указано 869,7 млн параметров. Модель предназначена для творческого письма и подготовки публикаций, статей, сценариев и учебных материалов по перечисленным темам. README не сообщает о поддерживаемых языках, поэтому языковые возможности нельзя уточнить. Лицензия в предоставленных данных не указана.

Tashkeel-v3 — модель для восстановления полной арабской диакритики, разработанная авторами карточки и основанная на дообученной MARBERTv2. Она предназначена для классического и современного литературного арабского языка, включая окончания слов. Модель принимает текст без диакритических знаков и предсказывает метку для каждого символа, сохраняя исходные буквы, цифры и пунктуацию. Архитектура сочетает энкодер MARBERTv2, символьные признаки, двунаправленную LSTM и линейно-цепную CRF с декодированием Витерби; отдельные выходы обрабатывают внутрисловные знаки и окончания слов. В метаданных указано около 190 млн параметров, а README описывает fp32-веса размером около 171 млн параметров. Модель поддерживает арабский язык и доступна в форматах PyTorch и safetensors; лицензия — Apache-2.0. В README приведены результаты на арабских бенчмарках и скорость пакетной обработки. Модель сохраняет входной текст, что делает её подходящей для автоматической огласовки текстов и больших корпусов. Основные ошибки связаны с редкими и иностранными словами, синтаксическим выбором падежных окончаний и отличиями в правилах огласовки; диалекты и поэзия не были целевыми задачами.

Technically-Color-Z-Image-Turbo — LoRA-адаптер для моделей диффузии, предназначенный для генерации изображений по текстовому описанию. Модель опубликована пользователем или организацией renderartist; точная информация о разработчике в README не указана. В качестве основного сценария использования заявлена стилизация изображений под цветную киноплёнку и фотоматериалы в духе 1940–1960-х годов: портреты, кинематографические сцены, персонажи, пейзажи и сюжетные композиции с винтажной цветокоррекцией и атмосферным освещением. Для активации характерного стиля в примерах используется маркер «t3chnic4lly». Модель совместима с экосистемой Diffusers и относится к формату diffusion LoRA. README не содержит данных о базовой архитектуре, количестве параметров, размере, поддерживаемых языках, максимальном разрешении или длине контекста. По приведённым примерам, сильной стороной адаптера является передача винтажной кинематографической эстетики, включая плёночный вид, цветовую обработку, мягкое освещение и постановочную композицию. Ограничения и типичные ошибки отдельно не описаны; результат зависит от базовой модели, формулировки запроса и параметров генерации. Лицензия в README не указана.