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

AntlerStar-RP — японская модель для ролевых диалогов, созданная Aratako с помощью mergekit. Она объединяет Antler-7B-RP-v3 и Japanese-Starling-ChatV-7B-RP, а также модели WestLake-7B-v2, Kunoichi-DPO-v2-7B, Silicon-Maid-7B и Loyal-Macaroni-Maid-7B: сначала их параметры комбинировались с помощью Chat Vector и Model Stock, затем итоговые модели объединялись методом DARE TIES. Это плотная Mistral-модель на 7,1 млрд параметров с контекстом 8192 токена, предназначенная для ролевых диалогов и творческой генерации текста на японском языке. Репозиторий содержит веса в формате safetensors; библиотека для работы — Transformers. Лицензия — Apache-2.0.

Aura v2 — англоязычная текстовая генеративная модель ResplendentAI, созданная как слитая версия моделей семейства Mistral. Она предназначена для ролевого общения и выразительной генерации текста; карточка отмечает поэтичный стиль, эмоциональную окраску и склонность к коротким ответам. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Для многоходового диалога рекомендуется формат ChatML. При высокой температуре модель может чрезмерно разрастаться в прозе; автор советует температуру не выше 1,5 и Min P 0,05. Также отмечена переобученность, а следование форматам с кавычками и звёздочками может быть нестабильным. Репозиторий распространяется по лицензии Apache-2.0.

Average_Normie_v2_l3_8B — объединённая текстовая модель на архитектуре Llama 3, созданная автором репозитория с помощью mergekit и метода Model Stock. В качестве базовой использована ResplendentAI/Kei_Llama3_8B, также в слияние вошли Poppy_Porpoise-v0.7-L3-8B, Roleplay-Llama-3-8B и L3-TheSpice-8b-v0.1.3. Модель содержит 7,5 млрд параметров, сохранена в формате safetensors, работает с контекстом до 8192 токенов и рассчитана на текстовые диалоги. Модель предназначена для генерации продолжений и ролевых диалогов, включая реплики персонажей и описание действий. Её можно применять в чат-сценариях, где нужны ответы от лица персонажа или интерактивное повествование. В карточке указана лицензия? Нет.

Boreal-Qwen-Image — экспериментальная LoRA-модель, разработанная пользователем kudzueye для базовой модели Qwen/Qwen-Image. Она предназначена для генерации изображений по текстовому описанию в фотореалистичной стилистике, включая портреты, повседневные сцены, людей, животных и объекты. Для активации рекомендуется использовать триггерное слово photo. Модель относится к семейству diffusion LoRA и предназначена для работы с экосистемой Diffusers и ComfyUI. Точные сведения о размере, архитектуре LoRA, поддерживаемых языках, максимальном контексте и дополнительных модальностях в README не указаны. Автор рекомендует экспериментировать с комбинированным применением нескольких LoRA: общую дискретную LoRA подключать с силой около 1.0, а portrait blend high rank — примерно 0.6–0.8. Модель находится на стадии тестирования и разработки. Её сильной стороной является возможность адаптировать Qwen-Image к фотографическому стилю и экспериментировать с портретными и сюжетными изображениями, однако стабильность и качество результатов пока не гарантируются. Автор отмечает, что для достижения лучших результатов может потребоваться совместное использование LoRA и значительное количество экспериментов. Лицензия и условия коммерческого или иного использования в README не указаны.

Jak’s Clayitization Image Pack — дообученная модель на базе Stable Diffusion 1.5 для генерации изображений с видом лепных глиняных фигур и сцен. Её создал Jak; для обучения использовали 100 изображений размером 768 пикселей, 8000 шагов обучения и 500 шагов обучения текстового энкодера. Модель предназначена для преобразования текстовых запросов в изображения. Для вызова характерного стиля README рекомендует начинать запрос с «clayitization», после чего указать объект или сцену. Для портретов предлагается квадратный формат, для диорам — прямоугольный; разрешение 768 пикселей или выше рекомендуется для лучших результатов. Модель распространяется в формате Diffusers/PyTorch по лицензии CreativeML OpenRAIL-M. Это стилизованный генератор изображений; качество зависит от запроса, и карточка не приводит результатов систематической оценки или других ограничений.

destitech/controlnet-inpaint-dreamer-sdxl — модель ControlNet, разработанная Destitech для работы с Stable Diffusion XL и совместимыми с ним моделями. Это ранняя альфа-версия, созданная в экспериментальных целях для изучения возможностей ControlNet. Модель предназначена для задач inpainting и outpainting: редактирования отдельных областей изображения и расширения изображения за его исходные границы. Она используется в пайплайне txt2img с denoising strength 1.0. Изображение для редактирования подаётся на вход ControlNet, а область, которую нужно дорисовать или изменить, должна быть обозначена сплошным белым цветом. В зависимости от текстового запроса исходная часть изображения может сохраняться полностью или изменяться в разной степени. Предусмотрена интеграция с Diffusers и ComfyUI. Архитектура, размер, поддерживаемые языки, модальности помимо изображений и максимальная длина контекста в README не указаны. К сильным сторонам относятся специализированное управление inpainting и outpainting в экосистеме Stable Diffusion XL, а также наличие готовых примеров и рабочего процесса для ComfyUI. Ограничения связаны с экспериментальным статусом ранней альфа-версии и зависимостью от корректной настройки пайплайна и маски. Модель распространяется по лицензии CreativeML OpenRAIL M, адаптированной на основе Open RAIL M.

CraftsMan-v1-5 — модель генерации 3D-мешей по изображениям, разработанная командами HKUST, LightIllusions, HKUST(GZ) и Tencent AI Lab. Она предназначена для создания высокодетализированной геометрии по входному изображению; авторы также заявляют интерактивный Geometry Refiner. Доступны чекпойнты и код для инференса и обучения, а также демо на Gradio. Репозиторий содержит веса PyTorch и распространяется по лицензии CreativeML OpenRAIL-M. Размер модели, архитектура и длина контекста в предоставленных данных не описаны.

CultureMERT-TA-95M — музыкальная модель представлений, разработанная авторами исследования CultureMERT и представленная на ISMIR 2025. Это объединённая с помощью task arithmetic версия MERT-v1-95M, адаптированная к нескольким музыкальным традициям: греческой народной, турецкой классической и североиндийской классической. Модель содержит 113,3 млн параметров по метаданным и предназначена для извлечения признаков и классификации музыкального аудио. В README приведены результаты оценки на наборах Turkish-makam, Hindustani, Carnatic, Lyra, FMA-medium и MTAT. Модель показывает сопоставимое с CultureMERT-95M качество на незападных музыкальных наборах и превосходит его на Lyra и западных бенчмарках; также она превосходит базовую MERT-v1-95M на MTAT и FMA-medium. Репозиторий содержит веса safetensors для Transformers. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но исключает коммерческое применение.

Dans-DangerousWinds-V1.1.0-12b — дообученная PocketDoc языковая модель на архитектуре Mistral для текстовых приключений в формате интерактивной игры. Она описывает окружение, поддерживает сюжет в ответ на действия игрока и может создавать сцены в жанрах научной фантастики, киберпанка и фэнтези. Модель рассчитана на английский язык; README рекомендует формат диалога с префиксами system prompt и > для пользовательских ходов, а также температуру 1.0, top_p 0.95 и min_p 0.05. Модель содержит 12,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и формат safetensors. В метаданных указан контекст 131 072 токена, тогда как README приводит рекомендацию 8 192 токена. Базовая модель — mistralai/Mistral-Nemo-Base-2407; обучение использовало наборы PocketDoc для приключенческой прозы и совместного написания. Лицензия — Apache-2.0. Сюжетный стиль предполагает опасные ситуации и натуралистичные описания гибели персонажа; модель не предназначена для фактических справок или гарантированно безопасного повествования.

Это модель диффузии безусловной генерации изображений, дообученная для создания мультяшных аватаров персонажей. Автор карточки описывает её как пример дообучения в рамках курса по диффузионным моделям: за основу взята google/ddpm-celebahq-256, а для обучения использован набор huggan/few-shot-anime-face. Модель предназначена для генерации изображений в стиле аниме-портретов без текстового запроса. Файлы представлены в формате Diffusers и Safetensors. Лицензия — MIT.

DISTILBERT-IMDB-HUGGINGFACE — модель классификации текста на базе DistilBERT, дообученная автором репозитория cyh002 на наборе данных неизвестного происхождения. Она предназначена для классификации текстовых отзывов, в частности анализа тональности отзывов о фильмах по IMDB. Архитектура — DistilBertForSequenceClassification; модель принимает текст и выдаёт метку класса. Максимальная длина контекста составляет 512 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. В README приведены результаты оценки: accuracy 0,912 и F1 0,9113; состав и методика оценки не описаны. Базовая модель DistilBERT использует английский регистр-независимый вариант BERT, поэтому модель ориентирована на англоязычные отзывы. Данных о точных метках классов, обучающей выборке и ограничениях применения недостаточно.

Модель anton-l/distilhubert-ft-keyword-spotting — дообученная на наборе данных SUPERB версия ntu-spml/distilhubert для классификации аудио при обнаружении ключевых слов. Она построена на архитектуре HuBERT и содержит 18,9 млн параметров. В README указаны точность 0,9706 и значение функции потерь 0,1163 на оценочном наборе. Модель принимает аудио и выдаёт метку класса, поэтому подходит для обнаружения заданных слов или команд в аудиосигнале. Использует библиотеку Transformers и распространяется по лицензии Apache-2.0. Подробности о поддерживаемых ключевых словах и ограничениях в карточке не приведены.

DRAW 2 — модель компьютерного зрения, разработанная HichTala для обнаружения карт Yu-Gi-Oh! на изображениях, в том числе в кадрах дуэлей. Она предназначена для поиска карт в трансляциях и записях: обнаруженные карты можно показывать в реальном времени с помощью плагина для OBS. Модель также можно использовать отдельно через Python и Transformers. В основе лежит Vision Transformer ViT, дообученный на наборе данных HichTala/ygoprodeck-dataset; в метаданных указано 113,2 млн параметров. Репозиторий содержит веса Safetensors и формат ONNX. Автор отмечает улучшение точности и устойчивости по сравнению с предыдущей версией и пригодность для дуэльных изображений. Лицензия — GNU AGPL v3.0.

DreamCoil-V0.1 — серия моделей генерации изображений в стиле аниме и иллюстрации, созданная muverqqw на основе Stable Diffusion XL 1.0 и дообученная на Danbooru2023. В репозитории представлены четыре варианта чекпойнта: Basic для повседневной генерации, Masterpiece для детализированных композиций, PyroNet для выразительного освещения и Fever Dream для сюрреалистичных и атмосферных сцен; также доступны LoRA-адаптеры для настройки стиля. Модель принимает текстовые запросы и генерирует изображения. Она ориентирована на персонажей, выразительные лица и позы, яркие цвета, детализированные костюмы, а также динамичные или атмосферные композиции. Используются форматы Diffusers и Safetensors; лицензия — MIT. Карточка описывает художественные сценарии, но не приводит измерений качества и не гарантирует точность сложных деталей. Результат зависит от выбранного чекпойнта, запроса и настроек генерации.

ErosScribe-10.7b-v3 — языковая модель OmnicromsBrain для генерации прозы с откровенным содержанием и ролевых диалогов. Это объединённая модель на архитектуре Mistral с 10,6 млрд параметров; репозиторий содержит веса Safetensors, а в метаданных указан контекст до 32 768 токенов. Для слияния использовано более десятка моделей и не менее 25 наборов данных; среди компонентов — модели для ролевого общения, чатов и прозы. Модель предназначена для написания художественных сцен и участия в текстовых ролевых играх. Автор отмечает, что третья версия лучше сохраняет откровенную направленность, чем предыдущие версии. Лицензия в предоставленных данных не указана.

Ethereal Rainbow v0.1 — экспериментальная слитая модель на 10,6 млрд параметров, созданная автором карточки с помощью mergekit из нескольких дообученных вариантов Llama 3. Она предназначена для генерации творческой прозы, ролевых диалогов и историй в формате Llama 3 Instruct; автор описывает её как вариант без стандартных ограничений на контент, рассчитанный как на безопасные, так и на взрослые сценарии. Модель принимает текст и генерирует текст на английском языке, использует плотную архитектуру LlamaForCausalLM и контекст до 8192 токенов. Автор отмечает, что версия 0.1 не является завершённым продуктом и может выдавать слишком интенсивные результаты при настройках по умолчанию. Модель распространяется по лицензии Llama 3; перед использованием следует учитывать её условия.

SidXXD/f-65 — веса textual inversion для Stable Diffusion v1.5, опубликованные SidXXD. Они подключаются к базовой модели stable-diffusion-v1-5/stable-diffusion-v1-5 и предназначены для генерации изображений по текстовому запросу с использованием обученного текстового представления. Модель работает с текстовыми запросами и выдаёт изображения через библиотеку Diffusers. Репозиторий содержит веса адаптации в формате safetensors и использует лицензию CreativeML OpenRAIL-M. Для генерации требуется базовая модель Stable Diffusion v1.5; отдельные примеры изображений упомянуты в карточке, но подробности о теме адаптации и её ограничениях не приведены.

Модель LennartKeller/fiction-gbert-large-droc-np-ner — дообученная версия fiction-gbert от Leonard Konle, созданная для выявления персонажей в немецкой художественной литературе. Она использует архитектуру BERT с головой token classification и обучена в течение десяти эпох на корпусе Deutscher Roman Korpus (DROC). В отличие от подходов, распознающих только имена, модель помечает именованные сущности и существительные, которые отсылают к персонажу, например имя «Harry» и слово «Zauberer».

Модель mohammadtaghizadeh/flan-t5-base-imdb-text-classification — дообученная Mohammad Taghizadeh версия google/flan-t5-base для классификации отзывов о фильмах из набора IMDB на положительные и отрицательные. Она построена на архитектуре T5 и содержит 123,8 млн параметров; принимает текст отзыва и генерирует метку класса. В README указаны accuracy 93% и F1 95,084 на тестовом наборе из 25 000 отзывов. Модель подходит для определения тональности англоязычных отзывов о фильмах и анализа мнений в данных, похожих на IMDB. Контекст составляет 512 токенов. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Результаты относятся к указанному набору данных и не гарантируют такое же качество на других темах, языках или форматах текста.

flux1-kontext-dev-fp8 — это FP8-квантизированные веса диффузионного компонента модели FLUX.1-Kontext-dev, разработанной Black Forest Labs и соавторами. Модель предназначена для генерации и редактирования изображений по текстовым инструкциям и изображениям в сценариях image-to-image, при использовании совместимого полного пайплайна. Веса используют динамическую покомпонентную квантизацию в форматы FP8 E4M3FN и E5M2, что уменьшает их размер примерно на 40% по сравнению с оригиналом. Вариант E4M3FN ориентирован на баланс производительности и точности, а E5M2 — на более высокую пропускную способность на GPU Hopper. Репозиторий содержит только компонент diffusion_model, а не полный пайплайн; заявлена поддержка ComfyUI с PyTorch 2.4+ и CUDA 12.4+. Поддержка Diffusers отсутствует, а для оптимальной производительности могут потребоваться патченные версии PyTorch. Язык README — английский; другие языковые возможности модели не указаны. Модель распространяется по лицензии FLUX.1(dev) Non-Commercial License, запрещающей коммерческое использование без разрешения. Лицензия, ограничения совместимости и необходимость ручного размещения файла в каталоге ComfyUI diffusion_models ограничивают удобство интеграции.

Alex7575/Flux2-Klein-9B-Consistency — это адаптер LoRA для модели black-forest-labs/FLUX.2-klein-9B, предназначенный для использования в задачах image-to-image через библиотеку Diffusers. По данным карточки, адаптер повышает согласованность результатов Klein без необходимости использовать специальные ключевые слова или cue words. Модель ориентирована на генерацию и преобразование изображений, где важны более стабильный визуальный результат и сохранение согласованности между изображениями. В версии V2 заявлены исправления цветового оттенка, уменьшение эффекта «грязных» изображений из-за чрезмерного добавления деталей и снижение чрезмерной насыщенности, характерной для базовой модели. Архитектура, языки, поддерживаемые модальности помимо image-to-image и размер контекста отдельно не указаны; о результатах следует судить с учетом зависимости от базовой FLUX.2-klein-9B и параметров применения LoRA. Адаптер распространяется по лицензии Apache-2.0. В карточке отсутствуют точные рекомендации по весу LoRA, аппаратным требованиям, ограничениям использования и количественной оценке качества.

XLabs-AI/flux-controlnet-canny-v3 — контрольная модель ControlNet для генеративной модели FLUX.1-dev, разработанной Black Forest Labs. Она предназначена для генерации изображений по текстовому описанию с управлением композицией и структурой изображения на основе Canny-границ, извлечённых из входного изображения. Модель обучена для разрешения 1024×1024 и рассчитана на работу с FLUX.1-dev. Выпущенная версия v3 заявлена как улучшенная и обеспечивающая более реалистичные результаты. Модель можно использовать через ComfyUI с соответствующими пользовательскими узлами и готовыми workflow либо через инструменты и скрипты из официальных репозиториев XLabs-AI. README не содержит сведений о размере параметров, точной архитектуре базовой модели, поддерживаемых языках запросов или других модальностях. Основное преимущество модели — возможность лучше сохранять контуры и композицию исходного изображения при генерации в FLUX.1-dev. Ограничения включают зависимость от базовой модели FLUX.1-dev, ориентацию на разрешение 1024×1024 и необходимость совместимой инфраструктуры для запуска. Веса распространяются по лицензии FLUX.1-dev Non-Commercial License, поэтому коммерческое использование не разрешено условиями указанной лицензии.

XLabs-AI/flux-controlnet-depth-v3 — контрольная модель Depth ControlNet для генеративной модели FLUX.1-dev, разработанной Black Forest Labs. Она предназначена для управляемой генерации изображений по текстовому описанию с сохранением структуры и глубины исходной сцены, заданной картой глубины. Модель ориентирована на задачи text-to-image и может применяться для создания изображений с контролируемой композицией и пространственной геометрией. Это checkpoint третьей версии, обученный для разрешения 1024×1024 и рассчитанный на работу с FLUX.1-dev. Модель поддерживается через официальный репозиторий XLabs-AI и интеграцию с ComfyUI; в README указаны готовые workflow и скрипты для инференса. В метаданных заявлен английский язык. По утверждению разработчиков, v3 обеспечивает более качественные и реалистичные результаты и может использоваться непосредственно в ComfyUI. К ограничениям относятся зависимость от базовой модели FLUX.1-dev и специализация на разрешении 1024×1024; характеристики для других разрешений, языков и сценариев в README не указаны. Веса распространяются по лицензии FLUX.1-dev Non-Commercial License, поэтому коммерческое использование ограничено условиями этой лицензии.

DINOv2 — модель классификации изображений, дообученная dchen0 для распознавания семейств шрифтов на фрагментах изображений. Она определяет один из 394 семейств Google Fonts и включает предобработку: сохраняет пропорции изображения при дополнении до квадрата, затем меняет размер до 224×224 и нормализует по статистикам ImageNet. По данным карточки, точность на тестовом наборе составляет около 86%; разработчик рекомендует передавать исходные изображения без предварительной обработки на стороне клиента. Модель содержит 113,2 млн параметров и использует архитектуру Dinov2ForImageClassification; базовая модель — facebook/dinov2-base-imagenet1k-1-layer. Лицензия — Apache-2.0.

Gemma-2-2B-ArliAI-RPMax-v1.1 — чат-модель ArliAI на архитектуре Gemma 2, дообученная на подборках творческого письма и ролевых диалогов. По карточке, она рассчитана на разнообразную, менее повторяющуюся генерацию и отыгрыш персонажей в разных ситуациях; описание рекомендует передавать персонажа в первом сообщении пользователя в формате Gemma Instruct. Модель содержит 2,7 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. В метаданных указан формат safetensors, лицензия Gemma; README также перечисляет варианты квантования, но не уточняет, относятся ли они к этому репозиторию. Карточка указывает базовую модель как gemma-22b-it, что расходится с названием 2B; базовую модель следует считать неопределённой. Ролевые и творческие ответы могут быть непредсказуемыми и повторять нежелательные шаблоны; независимые оценки качества в карточке не приведены.

Gemma-4-E4B-Luchador-Rudo — производная разговорная модель от rpDungeon, созданная слиянием шести адаптеров с базовой Google Gemma 4 E4B Instruct. По описанию автора, объединение использует маску важности Fisher и послойное ослабление изменений, чтобы сохранить следование инструкциям; параметры указаны как примерно 4 млрд эффективных и 7,5 млрд общих после удаления мультимодальных адаптеров. Модель предназначена для ролевых диалогов и творческого письма. Она рассчитана на ведение сцен и выразительную, грубоватую и стилизованную речь персонажей; автор рекомендует стандартный шаблон чата Gemma 4 и режим без рассуждений. Карточка приводит результаты внутренних сравнений: почти паритет с базовой моделью по IFEval и 72,2% по тесту следования ограничениям Vampire. Модель принимает текст и генерирует текст; метаданные указывают английский язык. Лицензия — Gemma. Подробности лицензии и ограничения на использование следует сверять с её условиями; часть обучающих источников не раскрыта. Автор также отмечает небольшую потерю качества следования инструкциям относительно базовой модели.

Golden Hour v20 — модель типа LoRA для генерации изображений по текстовому описанию, разработанная LyliaEngine. Она предназначена для создания стилизованных персонажей с высокой эстетикой, тёплым освещением, мягкой цветовой гаммой и кинематографическим визуальным эффектом. Модель особенно ориентирована на сцены с контровым и драматическим светом, обводящим свечением, боке, тёплым рассеянным освещением, выразительными глазами, детализированными волосами и реалистично-иллюстративной текстурой кожи. Модель использует базовую модель OnomaAIResearch/Illustrious-xl-early-release-v0 и интегрируется с экосистемой Diffusers. Модальности, языки и размер модели в README не указаны. Для активации специальное ключевое слово не требуется: в качестве trigger word указано None. Автор рекомендует sampler DPM++ 2M, schedule Karras, 30 шагов, CFG Scale 5 и включённый Hi-Res Fix; при необходимости предлагается использовать ADetailer. Сильной стороной является настройка на мягкое, светящееся и кинематографичное изображение персонажей, однако результат зависит от базовой модели, промпта и параметров генерации, а README не содержит подробных количественных оценок или описания ограничений качества. Модель распространяется по лицензии CDLA-Permissive-2.0.

Это модель GPT-2 Small, дообученная разработчиком на индонезийских стихотворениях. Она предназначена для генерации текста в поэтическом стиле: например, пользователь может задать начало строки или стихотворения и получить продолжение на индонезийском языке. Модель использует архитектуру GPT-2 и принимает текст, выдавая сгенерированный текст. Контекст составляет 1024 токена. Для дообучения использовался набор из 7 358 обучающих и 1 890 проверочных примеров; после 10 эпох указана perplexity 33,20 на наборе индонезийской поэзии. Доступны веса в формате PyTorch. Условия лицензии в предоставленных данных не описаны.

philipp-zettl/gte-micro-v4-mtg-v2 — компактная модель Sentence Transformer на базе Mihaiii/gte-micro-v4, дообученная для сравнения предложений и поиска. Архитектура использует BERT с усредняющим pooling и преобразует текст в плотные векторы размерности 384; для сравнения подходит косинусное сходство. Метаданные указывают 21,2 млн параметров и контекст до 512 токенов, а карточка README задаёт максимальную длину последовательности 256 токенов. Модель обучена на парах текстов из набора примерно из 2,13 млн примеров, связанных с карточками Magic: The Gathering. Её можно применять для поиска релевантных карточек по короткому запросу, семантического сравнения текстов и извлечения признаков. Поддерживаемая модальность — текст; базовая модель описана как англоязычная. Лицензия в предоставленных данных не указана.

HamSter-0.2 — диалоговая языковая модель, созданная PotatoOff при участии команды ConvexAI на основе Mistral-7B-v0.2. Это дообученная модель Mistral с 7,1 млрд параметров, предназначенная прежде всего для ролевых диалогов и генерации ответов в чате. В карточке рекомендуется задавать подробное описание персонажа; модель использует шаблон запросов Llama 2 с инструкциями для чата и поддерживает контекст до 32 768 токенов. Модель ориентирована на свободный, в том числе откровенный ролевой контент. Для неё указана лицензия Apache-2.0. Карточка приводит рекомендуемые параметры генерации, но не содержит подробной оценки качества или описания защитных механизмов.