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

Banano Chan — Anything v3.0 — это модель генерации изображений в стиле аниме, созданная сообществом Banano на основе Anything V3.0. Модель обучена методом DreamBooth на образе Banano Chan — персонажа, связанного с криптовалютой Banano. Она принимает текстовые описания и теги danbooru; для работы указана библиотека Diffusers и формат PyTorch. Модель предназначена для создания детализированных аниме-иллюстраций по коротким промптам: например, изображений Banano Chan, персонажей с выразительными глазами и сцен с природой, небом и освещением. В карточке указана лицензия CreativeML OpenRAIL-M. Размер модели и длина контекста не приведены.

jimypbr/bart-large-test — дообученная модель на базе facebook/bart-large, обученная на наборе cnn_dailymail 3.0.0. Это BART с 252,8 млн параметров, предназначенный для генерации текста; обучение на новостных статьях и их сводках указывает на сценарий создания кратких пересказов новостей. Модель использует архитектуру BART и принимает текст, выдавая сгенерированный текст. Максимальная длина контекста — 1024 токена. Репозиторий содержит веса PyTorch и опубликован по лицензии Apache-2.0. Автор README помечает веса как незавершённую работу и не рекомендует их использовать. Поэтому качество и пригодность модели для практического применения не подтверждены.

Alissonerdx/BFS-Best-Face-Swap — это серия LoRA-адаптеров для редактирования изображений, созданная для моделей Qwen Image Edit 2509/2511, FLUX.2 Klein 4B/9B и Krea 2. Серия предназначена для высокоточной замены лица, головы и всего человека с естественным смешиванием оттенков кожи, согласованным освещением и сохранением или переносом нужных визуальных характеристик. Для работы требуются соответствующая базовая модель и совместимый workflow; заявлена интеграция с библиотекой Diffusers и ComfyUI. Основной язык — английский. В серию входят варианты для замены только лица, полной замены головы, а также экспериментальной замены тела или всего человека. Версии BFS Head V2–V5 улучшают сопоставление оттенка кожи, выравнивание позы, анатомическую согласованность и перенос выражения лица; для V3–V5 и версий FLUX.2 Klein порядок входных изображений инвертирован: сначала изображение тела или основы, затем изображение лица. Версия BFS Body Swap для Krea 2 является экспериментальной, поэтому поза может переноситься неточно. Для некоторых вариантов указаны рекомендованные веса LoRA и специальные триггерные промпты, но универсальные параметры не приведены. Модель распространяется по лицензии MIT. README не содержит сведений о точном количестве параметров, размере обучающих данных, длине контекста или подробных ограничениях безопасности и качества; результаты зависят от выбранной базовой модели, workflow и версии LoRA.

BLOCKv0.6 — модель преобразования изображений, созданная автором AliceKJ на базе black-forest-labs/FLUX.2-klein-base-4B. Она принимает изображение предпросмотра персонажа Minecraft с видами спереди и сзади и создаёт 2D UV-атлас текстуры скина; текстовый промпт можно использовать для задания стиля и деталей. Модель предназначена для генерации скинов Minecraft по изображению, а не для универсальной генерации изображений. Она совместима с официальным Flux2KleinPipeline из библиотеки Diffusers, а веса распространяются в формате safetensors. Лицензия — Apache-2.0.

HMkumbo/blood-donation-gemma4-e4b-dpo-merged-16bit — дообученная модель семейства Gemma 4, разработанная HMkumbo на базе unsloth/gemma-4-e4b-it-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. По метаданным модель поддерживает диалоговое взаимодействие и обработку изображений с текстом. Её можно применять для ответов на вопросы по изображениям и текстовым запросам; в карточке нет подробностей о настройке для сценариев донорства крови или о конкретных данных обучения.

RAT (RLHF-Aesthetic Tuned) — дообученная модель на основе crumb/bloom-560m-RLHF-SD2-prompter, предназначенная для синтеза текстовых промптов для Stable Diffusion с оптимизацией под эстетическую оценку. Разработчик сообщает, что модель обучалась на датасете Gustavosta/Stable-Diffusion-Prompts с размером батча 32 и скоростью обучения 0,0001; обновлялись только смещения и параметры LayerNorm. Архитектура — плотная BloomForCausalLM примерно на 659,6 млн параметров, контекст — 2048 токенов. Модель подходит для создания промптов изображений в характерной эстетике Stable Diffusion, включая стилизацию под популярную иллюстрацию. Разработчик отмечает склонность эстетического оценивания отдавать предпочтение изображениям женщин и повторяемость результатов, в частности сходство с эстетикой «trending on artstation». Лицензия — BigScience BLOOM RAIL 1.0.

QuantFactory/Blue-Orchid-2x7b-GGUF — квантизированная версия модели nakodanei/Blue-Orchid-2x7b, созданная QuantFactory с использованием llama.cpp. Это MoE-модель на архитектуре Mistral, ориентированная прежде всего на ролевое взаимодействие и генерацию художественного текста. Базовой моделью указана SanjiWatsuki/Kunoichi-DPO-v2-7B. Модель использует двухэкспертную структуру: один эксперт объединяет преимущественно модели для roleplay, включая LimaRP, Limamono, Noromaid 0.4 DPO и good-robot, а второй — модели для написания историй, включая Erebus, Holodeck, Dans-AdventurousWinds-Mk2, Opus, Ashhwriter и good-robot. Поэтому она предназначена для диалогов от лица персонажей, ролевых сценариев и творческого повествования. В README не указаны поддерживаемые языки, размер контекста, точный формат квантизации и модальности; по назначению это текстовая модель. Рекомендуется шаблон LimaRP, также должен работать шаблон Alpaca. Модель распространяется по лицензии Apache-2.0.

Emil7018/business-news-generator — дообученная модель генерации текста на базе HuggingFaceTB/SmolLM2-135M, разработанная Emil7018. Она предназначена для генерации деловых новостей; карточка сообщает о дообучении на неизвестном наборе данных и результате Loss 2,5782 на оценочной выборке. Модель построена на плотной архитектуре семейства Llama, содержит 134,5 млн параметров, принимает текст и поддерживает контекст до 8192 токенов. Репозиторий содержит веса в формате Safetensors и рассчитан на использование с Transformers. Базовая модель ориентирована на английский язык; отдельные сведения о языках обучения этой версии не приведены. Лицензия — Apache-2.0. Качество и фактический охват новостных тем не описаны; результат на оценочной выборке сам по себе не подтверждает пригодность для публикации без проверки.

CamInject-8B — модель для понимания движений камеры в видео, созданная на основе Qwen/Qwen3-VL-8B-Instruct. Она использует замороженные токены камеры VGGT, которые формируются VGGT во время инференса, и выдаёт структурированный JSON с описанием сегментов движения камеры во времени. Модель предназначена для анализа видеозаписей и временной локализации смены движений камеры. Модель дообучена на мультимодальной архитектуре Qwen3-VL с 8 млрд параметров. Для работы требуется специальный тип модели, подключаемый через плагин, и репозиторий CamDistill вместе с VGGT-Omega; загрузка как обычной модели Transformers не обеспечивает корректную работу. Лицензия — Apache-2.0.

CharGen v2 — дообученная Kubernetes Bad модель для пошагового создания персонажей для ролевых игр. Она формирует описание персонажа в диалоговом формате, по одному полю за раз, чтобы можно было перегенерировать отдельные части без повторного создания всей карточки. Поддерживаются описание, сценарий, личные качества, первое сообщение и примеры диалогов по спецификации Tavern Character Card V2. Модель основана на Mistral-7B-v0.1, имеет 7,1 млрд параметров и контекст до 32 768 токенов. Она принимает текстовые подсказки и генерирует текст на английском языке. Для обучения автор вручную отобрал и обработал карточки персонажей из Chub, Venus и JanitorAI; заявленная лицензия — Apache 2.0. CharGen v2 предназначена как помощник для творческого процесса, чтобы начать работу над персонажем и преодолеть затруднения с письмом; автор не позиционирует её как самостоятельный источник персонажей высшего качества. Модель обучалась на материалах с контентом для взрослых и может генерировать откровенных персонажей. Для персонажей в шаблонах следует использовать имена User и персонажа вместо переменных {{user}} и {{char}}.

Chat-With-YourFAV-Character-Medium — диалоговая языковая модель, разработанная Manan Raval из Virtual Height IT Services Pvt. Ltd. Она дообучена на сценарии игры The World Ends With You, чтобы имитировать стиль и манеру общения персонажа Джошуа. Модель построена на архитектуре DialoGPT-medium на базе GPT-2 и генерирует ответы в ходе текстового диалога; поддерживает английский язык и контекст до 1024 токенов. Модель предназначена для общения с симулированной версией Джошуа и может использоваться в чат-приложениях и играх. Качественная оценка проводилась по связности и соответствию реплик персонажу. Лицензия — Apache-2.0. Ответы отражают образ героя из конкретной игры и могут быть неожиданными или оскорбительными; модель не подходит для решений с высокими ставками, чувствительных сценариев и терапевтических консультаций.

Classic-Painting-Z-Image-Turbo-LoRA — адаптер LoRA для моделей генерации изображений, предназначенный для text-to-image задач. Модель опубликована под идентификатором renderartist/Classic-Painting-Z-Image-Turbo-LoRA; конкретный разработчик в README не указан. Адаптер используется с экосистемой Diffusers и добавляет к генерации визуальную стилистику классической масляной живописи. По примерам запросов модель ориентирована на создание портретов, сюжетных сцен и композиций в духе исторической живописи, включая выразительные лица, традиционную одежду, фактуру мазков, музейную состаренность и реалистичные детали. В ряде примеров упоминается влияние Jan van Eyck, а также встречаются отсылки к Jean-François Millet, однако README не описывает формальные ограничения или точный состав обучающих данных. Для активации стилистики в примерах используется ключевое слово class1cpa1nt. Архитектура базовой модели, количество параметров, поддерживаемые языки, максимальный контекст и точные модальности не указаны; из назначения следует поддержка текстового ввода и генерации изображений. Сильная сторона адаптера — специализация на классической живописной эстетике, портретах и детализированных сценах. Ограничения включают зависимость от совместимой базовой text-to-image модели и необходимость подбора параметров и промптов для получения нужного результата. Лицензия и условия коммерческого или иного использования в README не указаны.

Common-Voice-Gender-Detection-ONNX — ONNX-версия модели prithivMLmods/Common-Voice-Gender-Detection, разработанная на основе facebook/wav2vec2-base-960h и автоматически конвертированная для использования с transformers.js. Модель предназначена для бинарной классификации аудио речи по категориям female и male. Модель использует архитектуру Wav2Vec2ForSequenceClassification и работает с англоязычными аудиоданными. Она может применяться для анализа речи и демографических характеристик дикторов в записях колл-центров, персонализации диалоговых систем, автоматической разметки голосовых датасетов, исследовательских задач в области лингвистики и акустики, а также добавления метаданных к подкастам, интервью и видеоматериалам. К сильным сторонам относятся использование предварительно обученной архитектуры Wav2Vec2 и формат ONNX, подходящий для эффективного инференса в совместимых средах. Модель классифицирует только по двум указанным категориям; в README не приведены сведения о точности, размере файла, максимальной длительности или длине контекста, устойчивости к шуму и применимости к другим языкам. Результат следует интерпретировать как классификацию голосового сигнала, а не как достоверное определение гендерной идентичности человека. Модель распространяется по лицензии Apache-2.0.

lllyasviel/control_v11p_sd15s2_lineart_anime — модель ControlNet v1.1, разработанная Lvmin Zhang и Maneesh Agrawala. Это контрольная нейросеть для диффузионных моделей, предназначенная для управления генерацией изображений Stable Diffusion с помощью дополнительных условий. Данная версия принимает изображения lineart_anime, то есть аниме-контурные изображения, и помогает сохранять их композицию и структуру при создании нового изображения по текстовому описанию. Модель преобразована из оригинального checkpoint в формат diffusers и обучена для совместной работы со Stable Diffusion v1.5, в частности с runwayml/stable-diffusion-v1-5. Она относится к диффузионному тексто-изображенческому стеку, использует текстовые запросы на английском языке и работает с визуальными входными данными в виде line art. Модель подходит для image-to-image генерации, стилизации и управляемого создания аниме-иллюстраций, где требуется следовать исходным линиям и позам. Для подготовки управляющего изображения может потребоваться внешний LineartAnimeDetector и дополнительные библиотеки diffusers и controlnet_aux. Сильная сторона модели — более точный контроль композиции и контуров по сравнению с генерацией только из текста, при сохранении возможностей базовой Stable Diffusion. Ограничения связаны с зависимостью от совместимой базовой модели и качества входного line art; checkpoint обучен прежде всего для Stable Diffusion v1.5, поэтому применение с другими диффузионными моделями может работать нестабильно. Лицензия — CreativeML OpenRAIL M, также обозначенная как Open RAIL M.

Craig-Wazowski-style — модель генерации изображений по тексту, созданная Kagerage методом DreamBooth на базе Stable Diffusion 2.1 с разрешением 768 пикселей. Она предназначена для создания изображений в стиле, связанном с Крейгом Вазовски; автор рекомендует добавлять к запросу «GregRutkowski artwork» для более удачных результатов. Модель распространяется в формате Diffusers и PyTorch, веса FP16; лицензия — CreativeML OpenRAIL-M. Автор отмечает, что результаты могут непоследовательно переключаться между живописной и реалистичной манерой. Для запуска FP16-варианта могут возникнуть проблемы без Xformers; автор это не проверял. Рекомендуется не использовать разрешение ниже 768 пикселей. Выбор CFG, sampler и negative prompt также влияет на результат.

tomg-group-umd/CSD-ViT-L — модель на основе ViT-Large для извлечения стилевых признаков из изображений. Она разработана группой tomg-group-umd как часть системы анализа стиля изображений. Модель предназначена для получения дескрипторов, отражающих цвет, текстуру, форму и другие составляющие визуального стиля. Их можно использовать для сравнения стилей и установления связи между стилем сгенерированного изображения и изображениями, использованными при обучении текстово-изобразительной модели. Репозиторий содержит веса PyTorch; для работы указана библиотека Transformers. Лицензия — CC BY 4.0. Данных о контексте и поддерживаемых языках в описании задачи нет; модель принимает изображения и выдаёт признаки для их анализа.

Cute Furry — модель генерации изображений на основе Stable Diffusion, опубликованная Yntec. Это вариант, в который встроена LoRA Cute Furry вместе с компонентами NuipeniMix и Generate Me!; примеры демонстрируют милых пушистых животных и персонажей в стиле чиби, с крупными глазами, в том числе енота, кролика, лягушку и оленя. Модель предназначена для создания таких изображений по текстовым запросам через Diffusers. Репозиторий содержит веса в формате Safetensors и Diffusers. Для использования указана лицензия CreativeML OpenRAIL-M. Карточка не сообщает размер модели, параметры контекста или конкретный список поддерживаемых языков; применимость запросов зависит от текстового ввода.

CvT-13-384 — модель классификации изображений семейства Convolutional Vision Transformer (CvT), представленная Wu и соавторами. Она предварительно обучена на ImageNet-1k с разрешением 384×384 и предназначена для отнесения изображения к одному из 1000 классов ImageNet. Архитектура объединяет свёрточные операции с Vision Transformer; доступны веса PyTorch и TensorFlow. Модель подходит для классификации фотографий и изображений в сценариях, где требуется выбрать метку из набора классов ImageNet. Репозиторий опубликован под лицензией Apache-2.0. Карточка не приводит оценок качества или сведений о дополнительной настройке; область применения модели ограничена распознаванием классов, представленых в ImageNet-1k.

Danbooru Tag Generator — модель генерации текста на архитектуре GPT-2 от Fred Zhang. Она обучена в течение трёх эпох на 100 000 тегов изображений Danbooru с рейтингом up_score не ниже 3 и предназначена для генерации тегов и описаний в контексте аниме-арта. Модель связана с набором данных anime-prompts-180K; в репозитории доступны форматы PyTorch и ONNX, длина контекста — 1024 токена. Модель может помогать составлять текстовые теги для аниме-изображений и формировать подсказки для генерации изображений. Карточка предупреждает, что исходный набор Danbooru не фильтрует материалы для взрослых, поэтому среди результатов могут встречаться NSFW-описания. Лицензия — CreativeML OpenRAIL-M.

KBlueLeaf/DanTagGen-delta — модель генерации тегов для изображений, разработанная KBlueLeaf. Она предназначена для автоматического дополнения описаний изображений в формате тегов Danbooru и может использоваться в рабочих процессах генерации изображений, включая подготовку промптов для моделей Stable Diffusion. Модель принимает структурированные поля качества, рейтинга, художника, персонажей, авторских прав, соотношения сторон, целевой длины и общих тегов, после чего генерирует дополнительные теги. Модель обучена с нуля на архитектуре LLaMA примерно на 400 млн параметров, которую автор называет NanoLLaMA. Версия delta предварительно обучалась на 7,2 млн записей в течение 10 эпох; в ходе обучения модель увидела приблизительно 10–15 млрд токенов. По сравнению с предыдущими версиями она отличается большим объёмом данных и лучшим разнообразием генерируемых тегов, хотя может быть слегка недообученной. Указан английский язык, библиотека Transformers и сценарий text-generation. Для запуска рекомендуется llama.cpp или llama-cpp-python; также доступны модели в форматах FP16 GGUF и квантованных вариантах 8-bit и 6-bit. Модель ориентирована на изображения и содержит тег not-for-all-audiences, поэтому результаты могут включать чувствительный или взрослый контент. К ограничениям относятся зависимость от специализированного формата входных данных и возможная неполнота или неточность тегов. Модель распространяется по лицензии CC BY-NC-SA 4.0, допускающей использование с указанием авторства, на некоммерческих условиях и с сохранением аналогичной лицензии для производных материалов.

Это конвертированная в формат MLX версия DarkIdol-Llama-3.1-8B-Instruct-1.3-Uncensored. Модель разработана на базе дообученной модели aifeifei798/DarkIdol-Llama-3.1-8B-Instruct-1.3-Uncensored; README сообщает о конвертации с помощью mlx-lm 0.29.1. Это плотная авторегрессионная языковая модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста и ролевых диалогов, в том числе мрачных сценариев, а также творческого письма. Модель принимает текст и выдаёт текст. Метаданные указывают английский язык и контекст до 131 072 токенов. Формат MLX предназначен для запуска на устройствах Apple с совместимым программным обеспечением. Репозиторий распространяется по лицензии Llama 3.1. README не приводит отдельных результатов оценки качества или более подробных инструкций по использованию.

Devika — модель распознавания рукописного текста на изображениях отдельных слов на малаяламском языке, разработанная Artificial-Soul. Она дообучена на базе microsoft/trocr-large-handwritten и использует архитектуру VisionEncoderDecoderModel: визуальный энкодер ViT-Large и 12-слойный декодер TrOCR. Для малаяламского алфавита создан символьный токенизатор с 99 токенами; входное изображение приводится к размеру 384×384 пикселя. Модель предназначена для распознавания изолированных слов, например после сегментации рукописных документов на слова. В описанной оценке на отложенной выборке указаны CER 1,67% и точность полного совпадения слова 89,14%. Для чтения страницы требуется предварительно обнаружить строки и выделить слова, а затем собрать распознанный текст. Devika плохо подходит для изображений предложений, строк и страниц, а сжатие широких слов может ухудшать распознавание мелких деталей. Качество на почерках и условиях, отличающихся от обучающих данных, не оценено; для официальных, юридических и финансовых документов необходима проверка человеком. Веса распространяются по лицензии MIT; для обучающих данных Mozhi необходимо учитывать условия датасета.

Модель KnightMichael — дообученная с помощью DreamBooth модель Stable Diffusion для создания изображений с фоновыми пейзажами в стиле аниме «Digimon Adventure». Для генерации используется текстовый запрос с триггером «a landscape in sks style». Модель предназначена для создания стилизованных фонов и пейзажей по текстовому описанию. Репозиторий содержит веса в форматах Diffusers и PyTorch. Лицензия — MIT.

DuplexJev-B-SenseVoice-Small-Qwen3-1.7B — компактная аудиотекстовая модель adventists-ai для ответов на типизированные вопросы по речи и коротких решений. Она использует замороженный аудиоэнкодер SenseVoice-Small и замороженную языковую модель Qwen3-1.7B; обучаемая часть — коннектор с проектором SwiGLU, содержащий 10,5 млн параметров. Для каждого вопроса модель оценивает варианты ответа по распределению вероятностей одного токена, поэтому может обрабатывать несколько вопросов за один проход без пошаговой генерации. Модель предназначена для коротких решений по аудиоклипам, распознавания речевых характеристик и анализа сигналов говорящего, включая вопросы о поле и эмоциях. Карточка сообщает результаты оценки на spoken QA и приводит задержки на H200 и CPU; при этом проверялись небольшие наборы данных с прочитанной или разыгранной речью, а потоковый ввод не оценивался. Для работы коннектору нужны именно указанные энкодер и LLM. Лицензия — Apache-2.0.

Карточка модели dbmdz/electra-base-french-europeana-cased-generator на Hugging Face совпадает с карточкой dbmdz/electra-base-french-europeana-cased-discriminator, поэтому описание составлено по ней. Модель dbmdz/electra-base-french-europeana-cased-discriminator — дискриминатор ELECTRA, опубликованный командой MDZ Digital Library Баварской государственной библиотеки. Это базовая модель с 137,8 млн параметров, обученная на французских текстах корпуса Europeana: корпус включает преимущественно материалы XVIII–XX веков. Модель регистрозависимая, доступна в форматах PyTorch, Safetensors и TensorFlow; контекст составляет до 512 токенов. Чекпойнт предназначен для использования как основа при решении задач понимания исторического французского текста, например для дообучения на распознавание именованных сущностей. В README упомянуты результаты для исторического NER, но готовая модель разметки сущностей здесь не заявлена. Лицензия — MIT.

Модель создана hiero: это Stable Diffusion, дообученная методом DreamBooth для генерации изображений в стиле Эмили Кэрролл. Для вызова стиля в запросе используется instance prompt «a detailed digital matte illustration by sks». Модель предназначена для создания цифровых иллюстраций по текстовому описанию и работает с библиотекой diffusers в форматах Diffusers и PyTorch. Модель распространяется по лицензии MIT. Карточка указывает на обучение на изображениях, связанных с концепцией стиля Эмили Кэрролл; конкретные ограничения качества и поддерживаемые языки не описаны.

emoji-diffusion — модель генерации изображений на основе Stable Diffusion, дообученная на наборе данных russian-emoji. Она предназначена для создания изображений эмодзи по текстовым запросам и может использоваться как Stable Diffusion через библиотеку Diffusers. Подходит для развлечений и помощи при создании генеративного искусства. Модель принимает текст и выдаёт изображения. В метаданных указаны английский язык и лицензия BigScience BLOOM RAIL 1.0. Карточка не сообщает размер модели или длину контекста.

thomasrenault/emotion — модель классификации интенсивности эмоций, разработанная Thomas Renault и дообученная на базе DistilBERT. Она оценивает восемь эмоций независимо друг от друга, выдавая для каждой оценку от 0 до 1; одновременно высокими могут быть оценки нескольких эмоций. Модель предназначена для анализа политической коммуникации: публикаций в Twitter, предвыборных выступлений и речей в Конгрессе США, в том числе для исследования изменений эмоциональной риторики во времени. Модель использует архитектуру DistilBertForSequenceClassification и принимает текст длиной до 512 токенов. Обучающие примеры размечены с помощью GPT-4o-mini, поэтому оценки являются автоматически созданными, а не проверенными людьми эталонными метками. Модель обучалась на политических текстах на английском языке из США; качество может снижаться на других темах и языках, а интенсивность эмоций по своей природе субъективна. Лицензия — MIT.

Eruku — авторегрессионная модель генерации изображений текста, разработанная авторами проекта Eruku. По изображению-образцу и заданной строке она создаёт рукописный или печатный текст, стараясь воспроизвести стиль образца. Транскрипция текста на образце необязательна, но может помочь модели точнее передать стиль. Поддерживаются перенос стиля без дополнительного обучения, генерация текста произвольной длины и настройка следования условию с помощью Classifier-Free Guidance. Архитектура сочетает T5-Large encoder-decoder для работы с текстом, VAE для кодирования и декодирования изображений и специальные эмбеддинги стиля и управляющих токенов. Модель описана как многоязычная, но обучалась преимущественно на английском; метаданные также указывают английский язык. Репозиторий содержит веса PyTorch и использует библиотеку Transformers. Лицензия — Apache-2.0. Качество и читаемость могут зависеть от исходного изображения и параметров генерации: слишком высокий CFG Scale способен приводить к артефактам. Заявления о высокой точности и генерации текста произвольной длины приведены в карточке модели и не сопровождаются в предоставленных материалах количественными оценками.

EZFGraphic — небольшая модель OpenRussianAI для генерации изображений по текстовому запросу. Репозиторий содержит пример модели с архитектурой EZFGraphic; в метаданных указано 6,3 млн параметров и форматы PyTorch и ONNX. Модель предназначена для преобразования текстовых описаний в изображения. Модель опубликована под лицензией MIT. В карточке указана связь с набором данных OpenRussianAI/EZF-Dataset-Image. Описание не приводит сведений о качестве генерации, поддерживаемых языках или длине контекста.