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

Карточка модели SYNAPSEai1/SynapseMusicV12-Composer-4B на Hugging Face совпадает с карточкой ACE-Step/acestep-5Hz-lm-0.6B, поэтому описание составлено по ней. ACE-Step v1.5 5Hz LM 0.6B — языковая модель для планирования и управления генерацией музыки в составе системы ACE-Step, разработанной проектом ACE-STEP. Она преобразует запросы пользователя в планы композиции, включая метаданные, тексты песен и описания, которые направляют отдельную диффузионную модель для создания музыки. Модель поддерживает генерацию композиций от коротких фрагментов до 10 минут, а также сценарии редактирования музыки в системе ACE-Step: создание каверов, перерисовку аудио и преобразование вокала в фоновую музыку. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит 574,7 млн параметров. Она принимает текстовые запросы, а в рамках ACE-Step управляет созданием аудио; заявлена поддержка более 50 языков. Контекстное окно составляет 40 960 токенов. В карточке ACE-Step указаны возможности планирования композиции среднего уровня, понимания аудио среднего уровня и слабое копирование мелодии. Для генерации итогового музыкального аудио требуется взаимодействие с соответствующей DiT-моделью системы. Модель опубликована ACE-STEP под лицензией MIT. README заявляет коммерческую применимость сгенерированной музыки и запуск всей системы на потребительском оборудовании, однако скорость и требование менее 4 ГБ видеопамяти относятся к описанию системы ACE-Step в целом и могут зависеть от используемой DiT-модели и конфигурации.

Карточка модели SYNAPSEai1/SynapseMusicV12-Turbo-Continuous на Hugging Face совпадает с карточкой ACE-Step/acestep-5Hz-lm-0.6B, поэтому описание составлено по ней. ACE-Step v1.5 5Hz LM 0.6B — языковая модель для планирования и управления генерацией музыки в составе системы ACE-Step, разработанной проектом ACE-STEP. Она преобразует запросы пользователя в планы композиции, включая метаданные, тексты песен и описания, которые направляют отдельную диффузионную модель для создания музыки. Модель поддерживает генерацию композиций от коротких фрагментов до 10 минут, а также сценарии редактирования музыки в системе ACE-Step: создание каверов, перерисовку аудио и преобразование вокала в фоновую музыку. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит 574,7 млн параметров. Она принимает текстовые запросы, а в рамках ACE-Step управляет созданием аудио; заявлена поддержка более 50 языков. Контекстное окно составляет 40 960 токенов. В карточке ACE-Step указаны возможности планирования композиции среднего уровня, понимания аудио среднего уровня и слабое копирование мелодии. Для генерации итогового музыкального аудио требуется взаимодействие с соответствующей DiT-моделью системы. Модель опубликована ACE-STEP под лицензией MIT. README заявляет коммерческую применимость сгенерированной музыки и запуск всей системы на потребительском оборудовании, однако скорость и требование менее 4 ГБ видеопамяти относятся к описанию системы ACE-Step в целом и могут зависеть от используемой DiT-модели и конфигурации.

talkie-1930-13b-it-hf — преобразованная в формат Transformers версия инструкционной языковой модели семейства Talkie, разработанной Alec Radford, Nick Levine и David Duvenaud. Модель содержит 12,9 млрд параметров и использует плотную авторегрессионную архитектуру TalkieForCausalLM: 40 слоёв и 40 голов внимания. Она обучалась на 260 млрд токенов англоязычных текстов, созданных до 1931 года, а затем была настроена для диалогов на материалах старинных справочников и улучшена с помощью онлайн-DPO. Модель предназначена для генерации текста и общения в стиле начала XX века, включая ответы на инструкции и вопросы с опорой на языковые и культурные особенности эпохи. Контекст составляет 2048 токенов; поддерживается английский язык. В README заявлено, что веса численно идентичны исходному чекпойнту с учётом округления bfloat16. Репозиторий содержит веса safetensors для Transformers; для загрузки требуется trust_remote_code=True. Лицензия — Apache-2.0. К ограничениям относятся узкое временное окно обучающих текстов, из-за которого знания и формулировки могут отражать взгляды эпохи и не покрывать современные сведения, а также контекст в 2048 токенов. Для работы с указанной точностью bfloat16 README приводит ориентир около 26 ГБ видеопамяти.

shinonome4649ne/test — модель LoRA для генерации изображений на основе runwayml/stable-diffusion-v1-5. Она предназначена для использования в задачах text-to-image через экосистему Diffusers и позволяет адаптировать базовую Stable Diffusion под определённые визуальные особенности или сценарии генерации. Модель распространяется в формате Safetensors. В README не указаны точный размер адаптера, поддерживаемые языки, максимальный контекст, конкретные визуальные характеристики, результаты тестирования или рекомендуемые параметры генерации. Лицензия также не указана, поэтому условия использования по доступным данным определить нельзя.

TinyPoliticaLlama-1.1B — чат-модель на архитектуре Llama, созданная дообучением TinyLlama/TinyLlama-1.1B-Chat-v1.0 методом SFT. Разработчик обучал её около 24 часов на одной A100 40GB на корпусе примерно из 225 млн токенов; модель содержит около 1 млрд параметров, принимает текст и рассчитана на контекст до 2048 токенов. Модель предназначена для генерации текста и диалоговых ответов на политические темы. В обучающие данные вошли речи парламентов Австрии, Дании, Франции, Великобритании, Венгрии, Нидерландов, Норвегии, Польши, Швеции и Турции, а также политические новости The New York Times, USA Today и The Washington Times. Проект исследует, как тематический отбор данных может улучшить политические знания компактных языковых моделей. Модель распространяется под лицензией Apache-2.0. Её политическая специализация и обучающий корпус не гарантируют точность или сбалансированность ответов; контекст ограничен 2048 токенами.

Veiled Calla — дообученная модель soob3123 на базе Google Gemma 3 4B IT, предназначенная для диалогового ролевого отыгрыша и художественного письма. Она создаёт атмосферные истории с элементами тайны, поддерживает последовательность персонажей и передаёт эмоциональные подтексты. Модель использует плотную архитектуру Gemma 3 и распространяется в формате Safetensors; базовая Gemma 3 также поддерживает работу с изображениями, но карточка Veiled Calla описывает её текстовые сценарии. Модель подходит для ролевых диалогов, развития загадочных сюжетов и создания выразительных сцен. Автор отмечает, что ответы могут становиться чрезмерно загадочными; поведение зависит от режима и системного промпта: в ролевом режиме модель описана как uncensored, а в режиме ассистента может отказывать. Лицензия — Apache-2.0.

Waifu-Inpaint-XL — модель на основе SDXL от ShinoharaHare, предназначенная для дорисовки и изменения областей аниме-изображений по маске. Она инициализирована из WAI-NSFW-illustrious-SDXL-V14.0-V-Prediction; входные каналы расширены с четырёх до девяти: один канал используется для маски, ещё четыре — для латентного представления замаскированных областей. Модель рассчитана на работу с изображением и текстовым описанием в пайплайне StableDiffusionXLInpaintPipeline библиотеки Diffusers. Её можно применять для замены или восстановления выбранных фрагментов иллюстраций, редактирования фона и уточнения деталей в аниме-стиле. В README указан английский как язык NLP. Репозиторий содержит веса в форматах Diffusers и safetensors и использует лицензию CreativeML Open RAIL++-M (метаданные обозначают её как openrail++).

WAI-NSFW-Illustrious-SDXL — модель генерации изображений по текстовому описанию, опубликованная в репозитории stablediffusionapi. Метаданные указывают на использование StableDiffusionXLPipeline и форматов Diffusers и safetensors; README предлагает обращаться к модели через API ModelsLab. Модель предназначена для создания изображений по текстовым запросам. По тегам она ориентирована на иллюстративный и реалистичный визуальный контент, в том числе контент для взрослой аудитории. Размер модели, поддерживаемые языки запросов и длина контекста в предоставленных данных не описаны. Лицензия — CreativeML OpenRAIL-M.

Wai NSFW Illustrious v1.3.0 — модель преобразования текста в изображение из семейства Stable Diffusion XL, опубликованная пользователем votepurchase; исходная версия размещена на Civitai. Модель предназначена для генерации реалистичных и фотореалистичных изображений по текстовым описаниям, включая контент для взрослых. Модель работает через Diffusers StableDiffusionXLPipeline и распространяется в формате, совместимом с библиотекой Diffusers. В метаданных указана лицензия CreativeML OpenRAIL-M. Поддерживаемые языки текстовых запросов и размер модели в доступных данных не указаны. Сильными сторонами являются ориентация на реалистичную визуальную генерацию и совместимость с экосистемой Stable Diffusion XL. Результаты зависят от качества промпта, параметров генерации и используемого интерфейса; модель может создавать изображения с отклонениями от запроса и потенциально нежелательным или откровенным содержанием.

TheDenk/wan2.1-t2v-14b-controlnet-canny-v1 — модуль Dilated ControlNet для модели Wan2.1, предназначенный для управляемой генерации видео по условиям Canny. В карточке указано, что для версии Wan14B используется 6 блоков ControlNet и параметр stride со значением 4; формат весов — safetensors. Модуль рассчитан на применение в видеопайплайне video-to-video с диффузионными инструментами. Лицензия репозитория — Apache-2.0. Карточка не описывает процедуру подготовки входных данных и ограничения качества, поэтому их нельзя уточнить по имеющимся сведениям.

Это набор LoRA-адаптеров rzgar для моделей ByteDance Bernini-R и vanilla Wan 2.2, предназначенный для image-to-video (I2V) генерации. Адаптеры настроены на работу с видеовыходами Bernini-R FP8, NVFP4 и объединённой версией Bernini-R N4W. Набор ориентирован на сценарии, где требуется повысить выразительность движения, ритм анимации и анатомическую точность изображения. В состав входят усилители движения для режимов высокого и низкого шума, а также отдельные усилители внешнего вида мужской и женской анатомии. Основные адаптеры используют целевое обнуление FFN- и attention-компонентов. Для Bernini-R рекомендуется начинать с силы LoRA 1.0, а для vanilla Wan 2.2 обычно подходит диапазон 0.9–1.2; для объединённых моделей может быть достаточно 0.5. В README также рекомендован текстовый энкодер NSFW UMT5 XXL V2. Модель ориентирована на генерацию видео из изображений и лучше всего подходит для явных текстовых описаний требуемых действий и движения. Разработчик не указал размер адаптеров, поддерживаемые языки, длину контекста и другие архитектурные параметры. Набор имеет специализированное NSFW-направление, поэтому его применимость зависит от политики конкретного окружения и используемых входных данных. Лицензия — Apache-2.0.

TheDenk/wan2.2-ti2v-5b-controlnet-depth-v1 — модуль ControlNet для Wan 2.2, предназначенный для управления генерацией или преобразованием видео по глубинной карте. В карточке указано, что подход аналогичен ControlNet для Wan 2.1; для работы предлагается ComfyUI-WanVideoWrapper, а также требуется актуальная версия diffusers. Модель относится к видеозадачам; в метаданных отмечены video-to-video, video-generation и семейство Wan 2.2. Файлы представлены в формате safetensors. Лицензия — Apache-2.0. Описание не сообщает точный размер весов, поддерживаемую длину ролика или качество управления. Для использования нужны совместимые компоненты Wan 2.2 и соответствующее программное окружение; README ссылается на внешний код и не содержит подробной инструкции по установке.

wanabi-24B — это японская языковая модель на 24 млрд параметров, дообученная для поддержки написания художественной прозы. Она основана на mistralai/Mistral-Small-24B-Base-2501 и предназначена для генерации текста романов, продолжения заданного фрагмента с учётом контекста и создания идей для произведений. Модель принимает инструкции и текстовые материалы: можно передать название, жанр, ключевые слова, синопсис, сеттинг, план или авторскую заметку с указанием ближайшего развития сцены. Она также поддерживает настройку рейтинга контента и желаемой доли диалогов. Обучение выполнено методом SFT с QLoRA; опубликованные веса доступны в GGUF с несколькими вариантами квантования. README указывает длину последовательности обучения 32 768 токенов, но не подтверждает такой же контекст при генерации. Модель разработана для японского языка и обучалась на связанных с романами текстах. Карточка называет её находящейся в разработке; возможны нестабильность и перекосы в сторону жанров и выражений обучающих данных. Для удобного использования автор рекомендует приложение Project Wannabe. Лицензия — Apache-2.0.

Wan-AI разработала Wan-Dancer-14B — модель генерации танцевальных видео по музыке. Она создаёт длинные, ритмически согласованные ролики с сохранением общей структуры и временной непрерывности. В работе используются музыкальная дорожка, исходное изображение и текстовый промпт, задающий стиль танца; поддерживаются, например, китайский классический танец, K-pop, уличный, латинский и чечёточный танец. Генерация состоит из двух этапов: сначала модель планирует глобальную последовательность ключевых кадров, затем уточняет видео локально для получения финального ролика высокого разрешения. Репозиторий предоставляет веса и код инференса, а также интеграцию с ComfyUI. Модель распространяется под лицензией Apache-2.0. Для работы требуется подготовить исходное изображение, музыкальный файл и промпты для соответствующих этапов; финальное уточнение использует видео, созданное на первом этапе. Заявленное назначение — генерация танцевальных роликов, поэтому карточка не подтверждает универсальность для других типов видео. В метаданных указаны архитектурное семейство i2v и форматы PyTorch и Safetensors; размер 14B следует из названия модели.

Wav2Small2.0 — модель audEERING для определения эмоциональных характеристик речи по аудио. Она принимает сырой аудиосигнал с частотой 16 кГц и предсказывает три оценки в диапазоне от 0 до 1: возбуждение (arousal), доминирование (dominance) и валентность (valence). По метаданным модель относится к архитектуре wav2vec2, содержит 113,3 млн параметров и распространяется в формате safetensors. Модель подходит для анализа эмоциональной окраски речи в исследовательских задачах, например при разметке аудиозаписей или изучении эмоциональных реакций в голосе. README указывает, что модель создана по статье о Wav2Small. Для коммерческого использования требуется лицензия audEERING; указанная лицензия — CC BY-NC-SA 4.0. README сообщает о 17 тыс. параметров, что расходится с метаданными Hugging Face; размер в этом описании приведён по метаданным.

wav2vec2-base-Speech_Emotion_Recognition-ONNX — это ONNX-версия модели DunnBC22/wav2vec2-base-Speech_Emotion_Recognition, автоматически конвертированная и опубликованная сообществом onnx-community. Модель предназначена для распознавания эмоций в речи по аудиосигналу и может использоваться в приложениях, где требуется анализ эмоциональной окраски голосовых данных. Модель основана на архитектуре wav2vec2 и распространяется в формате ONNX для использования через transformers.js. В README не указаны точный размер модели, набор распознаваемых эмоций, поддерживаемые языки, максимальная длина контекста, сведения о модальностях помимо речи, показатели качества или условия лицензирования. Поэтому ограничения производительности, языковой применимости и лицензии необходимо уточнять в карточке базовой модели DunnBC22/wav2vec2-base-Speech_Emotion_Recognition.

anantoj/wav2vec2-xls-r-300m-adult-child-cls — дообученная модель на базе facebook/wav2vec2-xls-r-300m для классификации аудио. По названию репозитория она предназначена для различения взрослой и детской речи; подробное описание набора данных и сценариев применения в карточке отсутствует. Модель использует архитектуру Wav2Vec2ForSequenceClassification и содержит около 402,7 млн параметров. В README указаны результаты на оценочной выборке: accuracy 0,9404 и F1 0,9440. Указана лицензия Apache-2.0.

Prince Nasamu Alhassan дообучил Whisper large-v3-turbo для распознавания ганского варианта английского языка. Модель принимает аудио и выдаёт текст; в метаданных указано 905,2 млн параметров. Она предназначена для автоматической транскрипции речи на ганском английском, в том числе для извлечения числовых данных, таких как телефонные номера и суммы. На наборе afrispeech_ghana модель показала WER 17,85 и CER 7,29 против 29,74 и 16,71 у исходной модели при той же оценке. Опубликован чекпойнт шага 2000; более точный чекпойнт шага 1000 был удалён, а обучение остановили до запланированного завершения. Оценка проводилась на прочитанном и машинно переведённом тексте, поэтому она может переоценивать качество на реальной речи и не отражать трудности переключения языков. Модель описана как исследовательская работа для хакатона, а не поддерживаемый продукт. Лицензия — CC BY-NC 4.0, с ограничением на коммерческое использование.

XiYouJi-6b — плотная авторегрессионная языковая модель семейства Llama на 5,8 млрд параметров, разработанная проектом stylellm. Она дообучена на романе «Путешествие на Запад» и предназначена для переноса его литературного стиля на произвольный исходный текст: переписывания, стилистической правки и имитации характерных слов, фраз, риторики и диалогов. Модель принимает текст и генерирует текст; поддерживает китайский язык, а контекст составляет 4096 токенов. В примерах README показано, как модель переписывает фрагменты «Белоснежки» в манере классического китайского романа, включая архаичную лексику и повествовательные обороты. Базой обучения послужила Yi-6b, а для обучения использовался LLaMA-Factory. Лицензия указана как other, поэтому условия использования следует уточнять по репозиторию и правообладателям исходных текстов. Модель рассчитана на имитацию конкретного литературного стиля; её примеры также показывают возможные смысловые отклонения при переписывании.

keremberke/yolov8m-pokemon-classification — модель классификации изображений покемонов на базе семейства YOLOv8, опубликованная пользователем keremberke. Она предназначена для определения класса покемона на изображении и может использоваться для классификации изображений из набора данных keremberke/pokemon-classification. Модель построена на Ultralytics и представлена в формате PyTorch. Карточка содержит список поддерживаемых меток и пример использования через ultralyticsplus. Сведения о размере модели, языках, лицензии и ограничениях качества в предоставленных данных отсутствуют.

pmczip/Z-Image-Turbo_Models — адаптер LoRA для генерации изображений по текстовому описанию, разработанный на базе Tongyi-MAI/Z-Image-Turbo. Модель предназначена для задач text-to-image в среде Diffusers и ориентирована на фотореалистичные изображения людей, в частности на воспроизведение внешности и сходства с указанными персонажами или знаменитостями. В README приведены примеры промптов с токенами идентификации, описаниями внешности, одежды и окружения. Из известных характеристик указаны формат safetensors, тип LoRA, поддержка текстовой модальности на входе и генерация изображений на выходе. Заявлен английский язык. Размер адаптера, параметры архитектуры, рекомендуемые настройки генерации, максимальный контекст и требования к вычислительным ресурсам не указаны. Сильной стороной является специализация на фотореалистичных портретных и персонажных сценах с управлением внешностью через специальные токены; универсальность за пределами подобных сценариев по представленным данным не подтверждена. Модель распространяется по лицензии bespoke-lora-trained-license, дополнительная информация доступна по ссылке https://multimodal.art/civitai-licenses. Условия использования базовой модели и возможные ограничения, связанные с генерацией сходства реальных людей или знаменитостей, в README отдельно не раскрыты.

Avrik разработал экспериментальную DreamBooth-модель на базе Stable Diffusion для генерации листов спрайтов с абстрактными анимациями. Она обучена на отдельных кадрах зацикленных 3D-анимаций, размещённых сеткой 4×4, и предназначена для создания набора кадров по текстовому описанию. Для вызова характерного результата в запросе используется токен «AbstrAnm spritesheet»; рекомендуется размер изображения 512×512. Модель также может создавать менее абстрактные сцены, например облака или цветы. Модель принимает текст и генерирует изображение листа спрайтов. В README приведены настройки генерации со Stable Diffusion: 25–30 шагов, CFG 8–10 и сэмплеры DPM++. Лицензия — CreativeML OpenRAIL-M. Среди известных ограничений: кадры могут не образовывать бесшовный цикл, изображение может быть шумным, а ячейки спрайтов — иметь неидеальную квадратную форму; размер и длительность анимации невелики.

Карточка модели Tuananh20015/acestep-5Hz-lm-0.6B на Hugging Face совпадает с карточкой ACE-Step/acestep-5Hz-lm-0.6B, поэтому описание составлено по ней. ACE-Step v1.5 5Hz LM 0.6B — языковая модель для планирования и управления генерацией музыки в составе системы ACE-Step, разработанной проектом ACE-STEP. Она преобразует запросы пользователя в планы композиции, включая метаданные, тексты песен и описания, которые направляют отдельную диффузионную модель для создания музыки. Модель поддерживает генерацию композиций от коротких фрагментов до 10 минут, а также сценарии редактирования музыки в системе ACE-Step: создание каверов, перерисовку аудио и преобразование вокала в фоновую музыку. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит 574,7 млн параметров. Она принимает текстовые запросы, а в рамках ACE-Step управляет созданием аудио; заявлена поддержка более 50 языков. Контекстное окно составляет 40 960 токенов. В карточке ACE-Step указаны возможности планирования композиции среднего уровня, понимания аудио среднего уровня и слабое копирование мелодии. Для генерации итогового музыкального аудио требуется взаимодействие с соответствующей DiT-моделью системы. Модель опубликована ACE-STEP под лицензией MIT. README заявляет коммерческую применимость сгенерированной музыки и запуск всей системы на потребительском оборудовании, однако скорость и требование менее 4 ГБ видеопамяти относятся к описанию системы ACE-Step в целом и могут зависеть от используемой DiT-модели и конфигурации.

Aetheria-L2-70B — языковая модель на архитектуре Llama 2, созданная RoyalLab путём слияния Euryale-1.3-L2-70B, Tulu-2-DPO-70B, GOAT-70B-Storytelling и адаптера LimaRP v3 для Llama 2. Модель содержит 68,7 млрд параметров, использует формат Safetensors и предназначена для генерации текста; её контекст составляет 4096 токенов. Модель рассчитана на совместное написание историй и ролевые диалоги. Она принимает инструкции в формате Alpaca, включая описание персонажа, а модификаторы длины позволяют задавать объём ответа. Карточка указывает английский язык. Модель может быть склонна к многословным ответам и имитации пользователя, особенно при запросе длинного текста. Разработчик предупреждает о предвзятостях, характерных для ролевых интернет-сообществ, и не рекомендует использовать модель для фактической информации или советов. Лицензия в предоставленных данных не указана.

Allegro-Music-Transformer — модель проекта asigalov61 для генерации музыки с помощью Transformer. Карточка содержит ссылки на варианты Original и Composer с блокнотами Google Colab; репозиторий включает модель в формате ONNX. Модель предназначена для создания музыкальных композиций. Для использования доступна лицензия Apache-2.0. Данных о размере модели, поддерживаемых языках, длине контекста и конкретных музыкальных возможностях в карточке нет.

Anima Control — Pose (Preview-2) — адаптер управления позой для генерации изображений на основе Anima v1.0, разработанный авторами проекта Claquasse. Он принимает текстовое описание и карту скелетной позы, чтобы сгенерировать изображение, в котором персонаж следует заданному положению тела. Адаптер рассчитан на работу с ComfyUI и поддерживает разрешения 512, 768 и 1024 пикселя. Технически это Control-LoRA с конкатенацией каналов для замороженной DiT-модели Anima: VAE кодирует карту позы в пространственно выровненное управляющее латентное представление, а обучаемые ControlEmbedder и LoRA ранга 16 влияют на генерацию. Базовый трансформер, текстовый энкодер и VAE остаются замороженными; при нулевой силе управления адаптер не меняет результат базовой модели. Для извлечения позы из фотографии узел ComfyUI использует DWPose. По сравнению с первой версией адаптер обучен на большем наборе данных и лучше следует позам, особенно при 768 и 1024 пикселях. Он всё ещё экспериментальный: может пропускать позу, искажать тело или сливать пальцы; динамические положения менее надёжны, а короткие и расплывчатые запросы могут давать однообразный стиль. Требуется базовая модель Anima. Использование разрешено только в некоммерческих целях согласно лицензии базовой модели.

AnimeGen-I2V-Quantized — это квантизированная версия модели AnimeGen-I2V, разработанной aidealab. Модель предназначена для генерации видео из изображений и ориентирована на сценарии создания аниме-видео. Она реализована для экосистемы Diffusers и предполагает использование в ComfyUI. В репозитории представлены варианты квантования fp8_scaled и int4_convrot, что может снизить требования к памяти и упростить запуск по сравнению с полноразмерной версией, однако конкретные показатели качества, производительности и совместимости не указаны. В метаданных заявлены поддержка английского языка, архитектурный подход diffusion transformer и flow matching; размер модели, максимальная длина контекста, дополнительные модальности и точные требования к оборудованию не раскрыты. Лицензия указана как Apache-2.0, при этом README отмечает, что прочие условия использования совпадают с базовой моделью aidealab/AnimeGen-I2V. Для коммерческого применения необходимо учитывать условия базовой модели и ограничения конкретного формата квантования.

wooyvern/anime-real-pantheon — LoRA-модель на базе pt-sk/stable-diffusion-1.5 для генерации изображений по текстовым запросам. Автор README указывает, что оригинальная модель LostInHentaiThoughts размещена на Civitai; веса доступны в формате Safetensors и предназначены для использования с Stable Diffusion. Модель подходит для создания изображений в аниме-стилистике. README не описывает конкретные настройки, рекомендуемые запросы или ограничения применения. Лицензия в предоставленных данных не указана.

Elizezen/Antler-7B-evolve — слитая автором на Hugging Face языковая модель для генерации художественного текста, в первую очередь романов. Она создана методом Evolutionary Model Merging с помощью mergekit и объединяет несколько предварительно обученных моделей; в README указан метод DARE TIES. Архитектура — плотная MistralForCausalLM с 7,1 млрд параметров, веса представлены в safetensors. Модель рассчитана на контекст до 4096 токенов и генерирует текст, в том числе художественную прозу на японском языке. Автор отмечает, что модель лучше Antler-7B пишет романы и удерживает контекст, но может уступать исходной модели в эротических сценах. Она также склонна преждевременно завершать генерацию токеном конца последовательности и может быть менее эффективна в ответах на инструкции. Распространяется по лицензии Apache-2.0.

AudioJev — модель для принятия решений по аудио, созданная разработчиком shlv на базе Qwen/Qwen2.5-Omni-3B. Она принимает аудиозапись, вопрос на естественном языке и список вариантов ответа, а затем возвращает нормированное распределение вероятностей по этим вариантам, используя метки их позиций. Модель предназначена для классификации и ответов на вопросы по аудио с заранее заданным набором кандидатов. Это дообученная плотная мультимодальная модель семейства Qwen2.5-Omni; обучались аудиоэнкодер и путь принятия решений языковой модели, без LoRA-адаптера. В репозитории находятся веса полного Thinker-чекпойнта и файлы процессора и токенизатора; визуальная ветвь не обучалась, генерация аудио отключена. README приводит результаты на MMAU, MMAR и подмножестве MMSU, но отмечает пересечение части скрытых вопросов MMAU с данными разработки. AudioJev работает только с закрытым набором вариантов: ответ ограничен кандидатами, переданными пользователем, поэтому для ситуации «ни один вариант не подходит» нужно явно добавить вариант отказа. Перестановочная устойчивость была целью обучения, но порядок кандидатов всё ещё может менять предсказание, а вероятности не следует считать калиброванными оценками фактической точности. Открытая генерация, распознавание зрения, генерация речи и работа в режиме живого диалога этой версией не подтверждены. Лицензия указана как other; конкретные условия следует сверять с файлами лицензии репозитория.