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

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.

TripoSplat MLX — MLX-реализация TripoSplat для устройств Apple Silicon, опубликованная mlx-community. Модель предназначена для преобразования изображений в 3D-представления с использованием 3D Gaussian Splatting и экспорта в форматы .ply, .splat и .spz. Репозиторий содержит порты DinoV3 ViT-H/16+ для кодирования изображений, VAE FLUX.2 и 24-блочного мультимодального flow-трансформера LatentSeqMMFlowModel. Декодер OctreeGaussianDecoder работает через PyTorch MPS; для полного конвейера также используются FLUX.2-klein-9B и BiRefNet. Веса включают файлы safetensors объёмом от 336 МБ до 1,6 ГБ. Код MLX-порта распространяется по лицензии MIT. Для VAE FLUX.2 действует отдельное ограничение: коммерческое использование весов или их выходов требует платной лицензии Black Forest Labs. Модель ориентирована на экосистему Apple Silicon; сведения о поддерживаемых языках не относятся к её основной задаче.

Модель распознавания рукописного текста создана Jonas Widmer, Christopher Kuhlmann и Melvin Wilde в рамках Flow-Project. Она дообучена на базе magistermilitum/tridis_HTR v1 и предназначена для чтения отдельных строк на изображениях средневековых документов из Англии, преимущественно латинских текстов XIII–XIV веков письмом Anglicana (Court Hand). В обучающих материалах также встречаются элементы среднеанглийского и англо-нормандского языков. Модель построена на архитектуре VisionEncoderDecoderModel и принимает изображение строки, выдавая распознанный текст; страницу целиком следует предварительно сегментировать на строки. На тестовом наборе из 2288 строк CER составил 6,22%, однако модель проверена ограниченно. Особенно часто ошибается в пунктуации: указанный CER для неё — 44,44%, главным образом из-за пропуска точек. Лицензия — MIT.

PiotrSty/trocr-pl-base — экспериментальная модель OCR, разработанная PiotrSty на основе microsoft/trocr-base-printed и дообученная с помощью LoRA для распознавания печатного польского текста. Это архитектура VisionEncoderDecoder из семейства TrOCR; модель принимает изображение одной строки и генерирует её текстовую транскрипцию. Основные веса объединены с адаптером, поэтому модель можно загружать без PEFT. Модель предназначена для распознавания отдельных строк, в том числе исторической польской печати. На пилотной выборке из 75 вручную вырезанных строк исторических документов CER составил 11,11%, а WER — 35,84%; на английской базовой модели для тех же данных показатели были значительно хуже. Проверка ограничена небольшими наборами, поэтому результаты не характеризуют качество распознавания целых страниц. Модель требует корректно выделенных строк и не заменяет этапы обнаружения, сегментации и упорядочивания текста. Модель обучалась преимущественно на синтетических данных и не проверялась на рукописном тексте, таблицах, формах и широком наборе современных документов. На коротких зашумлённых строках и знаках препинания возможны ошибки; оценка confidence не является калиброванной вероятностью. Лицензия — MIT.

Tsukasa-120b-qlora — языковая модель ludis для генерации текста, дообученная методом QLoRA на базе alpindale/goliath-120b. Обучение проводилось с Axolotl: сначала на Koishi, затем на PIPPA и LimaRP в формате завершения Metharme; для LimaRP использовалась версия от 19 октября 2023 года без нескольких поднаборов. В метаданных указаны архитектура LlamaForCausalLM, плотная модель объёмом 117,5 млрд параметров и контекст 4096 токенов. Модель предназначена для генерации текста в сценариях ролевого общения и продолжения диалогов. Карточка сообщает о ранге QLoRA 8 и обучении на кластере из восьми GPU NVIDIA A100. Лицензия в предоставленных данных не указана.

VaLMix (ValentineMix) — слитая модель для генерации изображений по текстовым описаниям, созданная Hemlok на основе pastel-mix. Карточка указывает на использование с Diffusers и WebUI, например AUTOMATIC1111; для генерации рекомендуются сэмплеры DDIM или DPM++ SDE Karras, около 50 и более шагов и CFG Scale 5–8. Модель предназначена для создания иллюстраций в аниме-стиле: в примере промпта описаны персонаж, одежда и интерьер. Автор также перечисляет варианты серии VaLMix2, включая варианты на основе VaLMix и Openjourney-v4, но это не меняет указанную для VaLMix базу pastel-mix. Коммерческое использование VaLMix запрещено из-за изменения лицензии исходной модели для слияния; в метаданных указана лицензия CreativeML OpenRAIL-M.

VisualThinker-R1-Zero — мультимодальная модель TurningPoint AI для рассуждений по изображениям. Она дообучена методом обучения с подкреплением на наборе SAT на базе Qwen2-VL-2B; в метаданных указаны архитектура Qwen2-VL, около 1,5 млрд параметров и контекст 32 768 токенов. Модель принимает изображения и текстовые запросы и формирует текстовые ответы. Модель предназначена для визуальных задач, требующих пространственного понимания и рассуждений. Авторы сообщают о 59,47% точности на CVBench и улучшении примерно на 30 процентных пунктов относительно базовой модели; эти результаты относятся к оценке авторов. В README описано появление более длинных рассуждений и поведения самопроверки в ходе обучения с подкреплением. Модель выпущена под лицензией MIT. В карточке указан английский язык. Результаты описаны для визуально ориентированных задач; README не приводит подробных ограничений по использованию или оценке на других задачах.

Waifu Diffusion — латентная диффузионная модель генерации изображений по тексту, созданная дообучением Stable Diffusion v1.4 на высококачественных аниме-изображениях. Модель предназначена для генеративного искусства и развлечений: по текстовому запросу она создаёт иллюстрации в аниме-стилистике. Для дообучения использовали 56 тысяч пар изображений и текстовых описаний из Danbooru, отобранных по оценке CLIP Aesthetic выше 6, обучение длилось четыре эпохи. Репозиторий содержит веса в форматах Diffusers и PyTorch. Лицензия — BigScience BLOOM RAIL 1.0; проект не связан с Danbooru.

ehcalabres/wav2vec2-lg-xlsr-en-speech-emotion-recognition — модель распознавания эмоций в речи, созданная дообучением jonatasgrosman/wav2vec2-large-xlsr-53-english на наборе RAVDESS. Она использует архитектуру Wav2Vec2ForSequenceClassification и классифицирует аудиозаписи на восемь эмоциональных категорий: гнев, спокойствие, отвращение, страх, радость, нейтральное состояние, грусть и удивление. Модель подходит для анализа эмоциональной окраски англоязычных речевых записей; в README указаны точность 0,8223 и ошибка 0,5023 на оценочной выборке. Модель содержит около 402,7 млн параметров, распространяется в форматах PyTorch и Safetensors и доступна по лицензии Apache-2.0. Она принимает аудио и выдаёт метки классов эмоций. Обучение проводилось на 1440 записях актёров из RAVDESS, поэтому результаты на естественной речи, других языках и вне условий обучающего набора могут отличаться.

Модель r-f/wav2vec-english-speech-emotion-recognition разработана на основе jonatasgrosman/wav2vec2-large-xlsr-53-english и дообучена для распознавания эмоций в речи. Это модель семейства Wav2Vec 2.0 с архитектурой Wav2Vec2ForCTC, содержащая 402,7 млн параметров и работающая с аудиовходом. Модель классифицирует речь по семи категориям: гнев, отвращение, страх, радость, нейтральное состояние, грусть и удивление. При дообучении использованы наборы SAVEE, RAVDESS и TESS; в README сообщается точность 0,97463 на оценочном наборе. Модель предназначена для анализа эмоциональной окраски английской речи, например в записях разговоров или голосовых материалах. В метаданных задача обозначена как automatic-speech-recognition, однако описание и список меток в README указывают на классификацию эмоций, а не транскрибирование речи; поэтому этот тег приведён как задача каталога, но не следует считать подтверждением распознавания текста. Модель распространяется по лицензии Apache-2.0.

Модель shoibo/whisper-small-santali-sanlish-1934-lr1e5 — дообученная версия мультиязычной модели распознавания речи OpenAI Whisper Small. Она предназначена для преобразования аудио в текст, в частности для распознавания речи на сантали; README сообщает о дообучении на наборе данных, название которого не приведено. Модель использует архитектуру WhisperForConditionalGeneration и распространяется в формате safetensors через Transformers. Лицензия — Apache-2.0. В README приведены результаты на оценочной выборке: WER 33,4149 и CER 7,5411. Карточка не описывает подробности обучающих данных и сценариев применения, а приведённые метрики сами по себе не гарантируют качество на других записях и диалектах.

YankaGPT-8B-v0.1 — русскоязычная языковая модель для ролевого общения и творческого письма, созданная автором secretmoon дообучением YandexGPT-5-Lite-8B-pretrain. Это плотная autoregressive-модель семейства Llama с 7,5 млрд параметров; она поддерживает генерацию текста и чат, а заявленная длина контекста составляет 32 768 токенов. Модель рассчитана на ролевые диалоги, творческие эксперименты и создание оригинального контента на русском языке. Системные инструкции и карточки персонажей автор рекомендует задавать на английском. В карточке указано, что обучение проводилось на датасете объёмом около 210 МБ с переводами ролевых диалогов, а RLHF и DPO для этой версии не применялись. Автор характеризует модель как экспериментальную: качество может быть нестабильным, безопасность не изучалась. Лицензия обозначена как other; карточка напоминает пользователю об ответственности за действия модели.

YarnGPT — модель синтеза речи, разработанная Saheed Azeez для генерации английской речи с нигерийским акцентом. Она построена как дообученная языковая модель семейства Llama на базе HuggingFaceTB/SmolLM2-360M и использует языковое моделирование для синтеза речи без внешних адаптеров. В метаданных указаны 365,7 млн параметров, контекст 8192 токена и библиотека Transformers. Модель предназначена для озвучивания текста, например для новостного читателя. Поддерживает 11 голосовых профилей: шесть мужских и пять женских; голос idera указан как вариант по умолчанию. README также отмечает возможность задавать голос через промпт. Карточка заявляет естественное звучание и культурно релевантную речь, но не приводит результатов сравнительной оценки. Модель ориентирована на английский с нигерийским акцентом, поэтому её пригодность для других языков и акцентов не подтверждена. Лицензия — Apache-2.0.

RyanJames/yolo12l-person-seg — модель сегментации экземпляров людей на основе YOLO12L, опубликованная Ryan James. Она обучена выделять один класс — человека — и предназначена для обнаружения людей и получения масок их силуэтов на изображениях. Доступны контрольные точки Ultralytics/PyTorch и экспорты ONNX FP32; для ONNX указан входной тензор 640×640 и выход предсказаний размером [1, 37, 8400]. В метаданных основным форматом репозитория указан ONNX. Модель подходит для анализа изображений и видеокадров, подсчёта или визуализации присутствующих людей и интеграции компьютерного зрения через Ultralytics или ONNX Runtime. Репозиторий содержит исходный чекпойнт после 100 эпох и расширенное продолжение обучения после 300 эпох. Лицензия — AGPL-3.0. Модель может пропускать небольших, удалённых, частично закрытых, размытых или плохо освещённых людей; возможны ложные срабатывания и неточные границы масок. Обучение на COCO не подтверждает одинаковую точность в разных условиях съёмки и для разных групп людей. Большая модель может требовать GPU для низкой задержки, а статические экспорты FP32 не оптимизированы для мобильных устройств.

keremberke/yolov8n-pokemon-classification — модель классификации изображений покемонов на базе YOLOv8, размещённая пользователем keremberke. Она предназначена для определения класса покемона на изображении и может применяться для сортировки или разметки коллекций изображений. Модель использует библиотеку Ultralytics и представлена в формате PyTorch. Карточка показывает примеры меток и рекомендует использовать модель через ultralyticsplus. Данных о размере модели, языках и лицензии нет, поэтому условия распространения по карточке установить нельзя.

ZU_KI создал Zuki Cute Ill v5.0 — дообученную модель Stable Diffusion XL для генерации иллюстраций по текстовым промптам. Она распространяется в форматах Diffusers и Safetensors и предназначена прежде всего для создания милых аниме- и комиксных изображений, в том числе с персонажами-девушками. Модель поддерживает теги художников, включая ningen mame, ciloranko, WLOP, mignon и других; автор отмечает широкий набор таких тегов. Базовая модель — OnomaAIResearch/Illustrious-xl-early-release-v0, обученная на Danbooru2023. Репозиторий указывает лицензию «other», поэтому перед использованием следует проверить её конкретные условия. В карточке не приведены сведения о размере модели и длине контекста.

afm-crag-movie-sft-v2 — дообученная компанией или автором zhanxing модель Qwen/Qwen3-8B с плотной архитектурой Qwen3ForCausalLM и 7,6 млрд параметров. Она предназначена для генерации текста в диалоговом формате и обучена на наборе afm_movie_all_trajectories_v2_include_max_turns_train. Для модели заявлена оценка loss 0,0388 на наборе оценки. Модель принимает текст и выдаёт текст; поддерживает контекст до 40 960 токенов. Метаданные указывают на интерфейс вызова инструментов, но README не описывает специализированные сценарии, языковой охват или результаты по конкретным задачам. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели и у её автора.

AI Anime Image Detector ViT — модель компьютерного зрения автора репозитория legekkа для определения изображений в аниме-стиле, созданных ИИ. Это классификатор на базе Vision Transformer (ViT) с архитектурой ViTForImageClassification и примерно 113,2 млн параметров; веса опубликованы в формате safetensors и предназначены для использования с Transformers. Модель обучали различать созданные людьми и сгенерированные ИИ аниме-изображения. В обучающем наборе использовались 1 млн изображений, созданных людьми, и 217 тыс. изображений ИИ; типы изображений предъявлялись в равных количествах. Проверка проводилась на 500 изображениях каждого типа. Автор отмечает, что обучение использовало изображения размером 512×512, а случайные обрезки могли помочь обобщению. Модель подходит для предварительной классификации аниме-иллюстраций по происхождению и исследовательских сравнений детекторов ИИ-изображений. Это доказательство концепции, поэтому результаты следует проверять на целевых данных: качество на иных разрешениях, стилях и генераторах может отличаться. Лицензия — Apache-2.0.

An4-7Bv3 — слитая модель на архитектуре Mistral, созданная Smuggling1710 с помощью LazyMergekit из An4-7Bv2, Kunocchini-7b-128k-test и InfinityRP-v1-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста, в частности ролевых диалогов; базовая модель описана как англоязычная и настроенная на ожидание ответа пользователя и передачу мыслей персонажа. Слияние выполнено методом dare_ties с базовой моделью Smuggling1710/An4-7Bv2; веса сохранены в формате safetensors с dtype bfloat16. Нативная длина контекста — 32 768 токенов. Модель помечена как не подходящая для всех аудиторий. Лицензия в предоставленных данных не указана.

Animagine XL 3.0 — диффузионная модель генерации изображений в стиле аниме по текстовым запросам, разработанная Cagliostro Research Lab на основе Stable Diffusion XL и дообученная на Animagine XL 2.0. Она предназначена для создания аниме-иллюстраций и лучше понимает аниме-концепции, интерпретирует структурированные теги и генерирует руки по сравнению с предыдущей версией. Модель рассчитана на промпты с упорядоченными тегами и поддерживает разные соотношения сторон, включая квадратный формат 1024×1024. README рекомендует CFG около 5–7, менее 30 шагов сэмплирования и Euler Ancestral. Модель не ориентирована на фотореализм или свободный естественный язык; сложные позы могут приводить к ошибкам анатомии, а малоизвестные персонажи могут быть представлены хуже. Лицензия — Fair AI Public License 1.0-SD. В README отмечен риск непреднамеренной генерации контента для взрослых, особенно при использовании тегов качества; предлагаются управляющие рейтинговые теги для снижения этого риска.

Animagine XL 4.0 Zero (Anim4gine) — диффузионная модель генерации и редактирования изображений в аниме-стилистике, разработанная Cagliostro Research Lab. Она дообучена на базе Stable Diffusion XL 1.0 на наборе из примерно 8,4 млн изображений и также предназначена служить основой для обучения LoRA и дальнейшего дообучения. Модель принимает текстовые запросы и создаёт изображения. Для управления результатом рекомендуется использовать структурированные промпты на основе тегов; доступны теги качества, периода и рейтинга контента. Модель рассчитана прежде всего на аниме-иллюстрации и может использоваться через Diffusers, ComfyUI и Stable Diffusion WebUI. Карточка указывает английский язык. Лицензия — CreativeML Open RAIL++-M. Среди ограничений: естественные языковые запросы могут работать хуже теговых; модель часто ошибается в сложной анатомии и рендеринге текста, а сцены с несколькими персонажами требуют настройки промпта. На разрешениях выше штатного SDXL модель может терять качество; точность для новых персонажей ограничена доступностью обучающих данных.

Anima In-Context Character — это адаптер LoRA для модели Anima, разработанный daraskme и предназначенный для генерации изображений персонажей по визуальным референсам. Он позволяет прикрепить от одного до трёх изображений персонажа и создавать его в новых позах, сценах и выражениях лица без отдельного обучения на конкретном персонаже, в том числе если базовая модель ранее его не видела. Модель ориентирована на anime-стилистику и используется в связке с ComfyUI через набор специализированных узлов. Адаптер основан на архитектуре Anima 2B: Cosmos-Predict2 DiT, текстовом энкодере Qwen3-0.6B и WanVAE. Это in-context reference LoRA для DiT с рангом 64. В отличие от IP-Adapter, работающего через CLIP-эмбеддинг, референс подаётся как отдельный VAE-латент внутри self-attention, что предназначено для сохранения деталей внешности, включая причёску, украшения, узоры одежды и цвет глаз. Обучение проводилось примерно на 994 тысячах anime-изображений и 62 тысячах пар изображений одного персонажа, выполненных разными художниками; из подписей удалялись сведения о персонаже, художнике и правообладателе. Сильной стороной модели является перенос идентичности персонажа между сценами и стилями без per-character training. Для лучших результатов рекомендуется использовать полнофигурный референс вместе с крупным планом лица и дополнительно описывать внешность в текстовом запросе. Ограничения включают зависимость от качества и содержания референсов, необходимость базовой модели Anima, ComfyUI и совместимых файлов модели, а также специализацию на anime-изображениях. В README указана лицензия circlestone-labs-non-commercial; условия использования следует уточнять по лицензии и её официальному описанию.

AnimeBoysNabla — модель генерации изображений в аниме-стиле, разработанная Koolchh на основе NoobAI V-Pred 1.0 и предназначенная для создания разнообразных изображений персонажей мужского пола. Модель работает в формате Diffusers и использует архитектуру Stable Diffusion XL; для генерации принимает текстовые описания и выдаёт изображения. Для работы требуются настройки Zero Terminal SNR и V-prediction. Автор рекомендует начинать запрос с тега score_X, использовать CFG Scale 3–5 и встроенный VAE KBlueLeaf/EQ-SDXL-VAE; приведены типовые разрешения от портретного 832×1216 до квадратного 1024×1024 и альбомного 1216×832. Модель поддерживает запросы на естественном языке и в формате тегов. Модель ориентирована на стилизованные иллюстрации аниме-персонажей и предлагает управляющие теги эстетической оценки, рейтинга контента и года стилизации. Лицензия — OpenRAIL++; в README не приведены отдельные условия или ограничения использования сверх этой лицензии. Результаты зависят от корректных настроек сэмплирования и формулировки запроса.

Anime Diffusion2 — латентная диффузионная модель для генерации изображений по текстовым запросам, созданная на основе Vintedois (22h) Diffusion model. Модель дообучена на подписях BLIP для набора Danbou, материалах по Demon Slayer и артах с 4ch; в карточке приведён пример запроса с персонажем в аниме-стилистике и кинематографическим освещением. Модель предназначена для развлекательной генерации изображений и использования в качестве помощника для генеративного искусства. Она распространяется в форматах Diffusers и PyTorch, использует библиотеку Diffusers и лицензию CreativeML OpenRAIL-M. Карточка указывает английский язык; сведения о размере модели и длине контекста не приведены.

Antler-7B-RP — модель для генерации текста в сценариях ролевого общения, созданная Aratako дообучением Elizezen/Antler-7B с помощью LoRA на наборах диалогов для ролевых игр. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; для работы заявлен шаблон чата Mistral, а контекст составляет до 8192 токенов. Модель предназначена для многоходовых ролевых диалогов: она продолжает сцену от лица заданного персонажа, учитывая описание мира, сюжет и роли участников. Карточка рекомендует задавать реплики в формате «имя персонажа» и помещать описания действий и обстановки в скобки. Поддерживается японский язык; модель ориентирована на ролевой контент, включая материалы для взрослой аудитории. В README описана ошибка, при которой модель иногда завершает ответ без текста; автор рекомендует запросить продолжение или повторить генерацию. Репозиторий использует формат safetensors и библиотеку Transformers. Для этой версии указана лицензия Apache-2.0, однако автор предупреждает, что лицензия базовой модели Elizezen/Antler-7B не установлена и условия могут измениться.

Anything_to_Real_Characters — модель редактирования изображений, опубликованная автором AIGC-Singularity и основанная на Qwen/Qwen-Image-Edit-2509. Это специализированная версия с объединёнными LoRA, обученными автором на базовой модели. Она преобразует иллюстрации и другие нереалистичные изображения в фотореалистичный вид, стараясь сохранить исходную композицию и содержание. По карточке, преобразование выполняется без текстового запроса. Модель предназначена для обработки изображений в Diffusers и совместимых рабочих процессах редактирования, включая иллюстрации, картины, аниме, мангу и наброски. Автор отмечает альфа-статус и активную разработку; качество сохранения деталей может зависеть от входного изображения и конкретного сценария. Лицензия — Artistic-2.0.

Anything V4.0 — модель латентной диффузии для генерации изображений в аниме-стиле по текстовым запросам. В карточке она представлена как версия семейства Anything; модель распространяется в форматах Diffusers, PyTorch и safetensors и запускается через StableDiffusionPipeline. Модель предназначена для создания детализированных иллюстраций в стилистике аниме по коротким описаниям и тегам Danbooru. Примеры применения — генерация персонажей и фантастических сцен, включая изображения с заданными внешностью, окружением и освещением. Карточка упоминает возможность запуска через Gradio и экспорта в ONNX, MPS и FLAX/JAX. В README заявлено, что Fantasy.ai имеет эксклюзивную лицензию на коммерческое использование через свой сервис; для репозитория указана лицензия CreativeML OpenRAIL-M. Коммерческие права на использование весов следует оценивать с учётом условий этой лицензии и заявления автора. Модель специализирована на аниме-изображениях, поэтому её результаты могут быть менее подходящими для других художественных стилей.

Карточка модели chxovo/anything-v5 на Hugging Face совпадает с карточкой genai-archive/anything-v5, поэтому описание составлено по ней. Anything V5 — модель генерации изображений по текстовому описанию из семейства Anything, связанного с автором проекта «万象熔炉»; этот репозиторий представляет собой повторную загрузку файлов с ModelScope. Модель предназначена прежде всего для создания изображений в аниме-стиле. Она доступна в формате Diffusers на базе PyTorch с весами Safetensors и распространяется по лицензии CreativeML OpenRAIL-M. Для получения нужного результата карточка рекомендует точные и подробные промпты: одной короткой подсказки может быть недостаточно. В README также приведён пример настроек Euler A, 20 шагов, CFG 7 и Clip Skip 2, но разрешается использовать другие семплеры и параметры. Для варианта NoVAE требуется отдельно выбрать внешний VAE. В карточке описаны несколько версий и вариантов семейства, поэтому характеристики отдельных вариантов, например совместимость с LoRA или наличие VAE, нельзя автоматически переносить на все файлы репозитория.

Anything-XL β4 — модель генерации изображений по текстовому описанию на базе Stable Diffusion XL. Автор собрал её слиянием нескольких SDXL-моделей, включая Animagine XL V3, Pony V6 и BAXL BArtstyle XL v2; в карточке указано, что это четвёртая тестовая версия, которую автор счёл приемлемой для использования. Модель ориентирована на создание изображений в аниме-стилистике. Подсказки с указанием периода помогают задавать более современный или ретро-визуальный стиль; автор рекомендует структурированные промпты, отрицательные подсказки и разрешения выше 1024×1024, хотя некоторые крупные и вытянутые размеры могут ухудшать композицию. Репозиторий содержит веса в форматах Diffusers, PyTorch и safetensors. Это слияние экспериментальных вариантов: автор отмечает, что при объединении могли потеряться отдельные метки, а некоторые подсказки могут требовать усиления. Модель способна создавать контент для взрослых по соответствующим промптам. В README упоминается Fair AI Public License 1.0 для SD и требование раскрывать рецепт слияния для моделей, созданных на её основе.

Anything-XL — модель генерации изображений по текстовому описанию, созданная Yuno779. Она предназначена прежде всего для создания иллюстраций в аниме-стиле с помощью Stable Diffusion XL и запускается через библиотеку Diffusers; веса представлены в формате safetensors. Карточка рекомендует подробно описывать сцену и использовать подходящие для SDXL подсказки, а для высоких разрешений — выбирать размер изображения с учётом возможного искажения композиции. Модель поддерживает англоязычные текстовые запросы и может генерировать изображения в широком диапазоне разрешений. Автор отмечает, что теги и приёмы, привычные по SD 1.5, могут работать иначе, а некоторые метки исходных моделей могли потеряться при слиянии. Лицензия указана как other, поэтому условия использования следует проверять в репозитории модели.