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

Emric/Lora_art_style — адаптер LoRA для Stable Diffusion 3.5 Large, разработанный пользователем или организацией Emric. Модель предназначена для генерации изображений в определённой художественной стилистике с использованием text-to-image и совместима с экосистемой Diffusers. В README она описана как LoRA для стиля; конкретные особенности визуального стиля не раскрыты. Базовая модель — stabilityai/stable-diffusion-3.5-large. Веса доступны в формате Safetensors. README не содержит сведений о размере адаптера, поддерживаемых языках, максимальном контексте, рекомендованных параметрах, ограничениях, точности результатов или лицензии, поэтому эти характеристики нельзя определить по имеющимся данным. Условия использования также не указаны.

Lightricks/LTX-2.3-22b-IC-LoRA-HDR — адаптер IC LoRA, обученный поверх видеомодели LTX-2.3-22b компании Lightricks. Модель предназначена для генерации видео с расширенным динамическим диапазоном 16-bit HDR по текстовому или визуальному условию, а также для преобразования видео из 8-bit SDR в 16-bit HDR. Она поддерживает сценарии text-to-video, image-to-video и video-to-video, включая управление генерацией с помощью позиционно согласованных кадров референсного видео и создание аудиовизуального результата в рамках возможностей базовой модели. Ключевая характеристика модели — применение LogC3-преобразования до генерации и обратного преобразования после неё для работы с расширенным динамическим диапазоном. Коэффициент уменьшения разрешения референса равен 1, то есть ожидается референс с разрешением, соответствующим выходному. Размер базовой модели составляет 22 млрд параметров; библиотека diffusers указана как используемая инфраструктура. В README заявлен английский язык, однако сведения о размере контекста, точных разрешениях, длительности видео и поддерживаемых аудиоформатах не приведены. Модель обучалась на закрытом HDR-датасете, поэтому её сильной стороной является специализированная генерация HDR-видео, а ограничениями — зависимость от совместимого рабочего процесса IC LoRA и отсутствие подробных данных о качестве и области применимости. Распространение регулируется лицензией LTX-2-community-license.

LuminRP-13B-128k — модель генерации текста для ролевых диалогов, созданная путём слияния RP-моделей с помощью LazyMergekit. Она основана на архитектуре Mixtral с разреженной MoE-структурой и содержит 7,1 млрд параметров. Контекстное окно составляет 131 072 токена; для общения подходят шаблоны ChatML и Mistral. Модель предназначена для ролевых сценариев, где она продолжает диалог от лица персонажа и следует системным инструкциям. Для использования автор рекомендует SillyTavern. Репозиторий распространяется в формате safetensors; лицензия — Apache-2.0. README также упоминает отдельную квантованную сборку GGUF.

Lust-7b — экспериментальная разговорная модель для ролевых сценариев, опубликованная Fizzarolli. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров; она принимает текст и генерирует продолжение диалога или описания персонажей. В карточке приведён нестандартный текстовый формат промпта с описаниями персонажей и сценарием. Модель рассчитана на английский язык, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0. Модель подходит для генерации ролевых диалогов и продолжения сцен с одним или несколькими персонажами. Автор отмечает экспериментальный характер модели и не гарантирует, что описанный формат задания будет работать как ожидается; шаблон для SillyTavern пока не приведён.

lzlv-limarpv3-l2-70b — языковая модель на основе Llama 2, созданная объединением lizpreciatior/lzlv_70b_fp16_hf с PEFT-адаптером, обученным на наборе LimaRP v3; вес адаптера при слиянии составил 0,5. Модель разработана для ролевого общения и генерации реплик от лица заданного персонажа. Для управления длиной ответа в промпте предусмотрены модификаторы от micro до unlimited; автор рекомендует начинать со значения medium. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 68,7 млрд параметров. Она принимает текстовые инструкции в формате Alpaca, адаптированном для LimaRP v3, и генерирует текст на английском языке. Контекст составляет 4096 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

ShadoWxShinigamI/midjourney-graffiti — модель генерации изображений в стиле граффити, разработанная пользователем ShadoWxShinigamI. Это текстово-изобразительная модель на базе Stable Diffusion, предназначенная для переноса характерного стиля на изображения по текстовым запросам. Для активации стиля в запрос можно добавить токен «mdjrny-grfft» или фразу «in the style of mdjrny-grfft»; автор отмечает, что полная фраза может давать более подходящий результат. Модель принимает текстовые подсказки и генерирует изображения. В примерах показаны портреты людей и вымышленных персонажей, животные, птицы и предметы. Для предметов результаты менее надёжны, поэтому может потребоваться отбор нескольких вариантов. Карточка сообщает, что модель обучена с использованием Fast Method из репозитория TheLastBen и предназначена для работы через diffusers. Лицензия — MIT.

InstantX/MiniMax-H3-Turbo-Lora-Diffusers — это адаптер LoRA для базовой модели MiniMaxAI/MiniMax-H3, преобразованный в формат Diffusers/PEFT. Он предназначен для генерации видео с синхронизированным стереозвуком по текстовому описанию и позволяет сократить вычисления примерно до 4 проверок модели вместо обычных 20. Репозиторий поддерживает pipeline Diffusers и содержит веса LoRA в формате safetensors. Адаптер работает с видеомоделью MiniMax-H3 и совместно создаёт видео и аудио. Рекомендуются не-EMA-веса ckpt500, обычно обеспечивающие наиболее резкую детализацию; EMA-вариант может давать более сглаженное изображение, но на ранней стадии обучения способен проявлять ghosting и размытие движения. Для адаптера используются ранги 64 для attention и MLP и 16 для AdaLN. В типичном примере генерируется видео размером 1344×768, длительностью около 5,17 секунды при 24 кадрах в секунду. Модель является ранним прототипом: веса недообучены и не предназначены для production-качества, хотя при четырёх шагах могут превосходить базовую модель по резкости и синхронизации звука. Требуются Diffusers из ветки main, PEFT, формат базовых весов MiniMax-H3 для Diffusers и непрореженная версия DiT; прореженные варианты с другой структурой временного conditioning несовместимы. Для корректной работы аудио и видео нужны раздельные расписания sampling. Лицензия — Apache-2.0.

Ministral-3-14B-Nymphaea-RP — дообученная версия Ministral 3 14B Instruct 2512, разработанная автором 0xA50C1A1 на базе весов Mistral AI. Модель ориентирована на ролевые диалоги и creative writing, включая различные жанры художественных текстов. В README она описывается как практически нецензурируемая благодаря предварительной модификации базовых весов с помощью Heretic. Модель имеет размер 14 млрд параметров и обучалась методом DoRA на всех линейных слоях с LoRA rank и alpha 64, dropout 0,05, в течение двух эпох. Точный размер контекстного окна и перечень поддерживаемых языков не указаны. Vision encoder не изменялся и был заморожен во время обучения, поэтому заявлены сохранённые исходные возможности работы с изображениями. Для GGUF-квантизации доступна пользовательская смешанная схема Q5_Mix; по словам автора, она помещается в 16 ГБ VRAM при контексте 16K и Q8 KV cache. Сильные стороны модели — специализация на roleplay и художественной генерации, расширенное жанровое разнообразие обучающих данных и сохранённые vision-возможности. Ограничения включают отсутствие подробных результатов оценивания, неизвестные точные языковые характеристики и возможные риски, связанные с заявленной низкой степенью цензурирования. Для использования рекомендуется шаблон инструкций Mistral V7-Tekken; также доступны пресет для SillyTavern и файлы GGUF. Модель распространяется по лицензии Apache-2.0.

Miso Diffusion XL 1.0 — дообученная модель на базе Stable Diffusion XL Base 1.0, созданная для генерации изображений в стиле аниме по текстовым запросам. Автор описывает её как первую концептуальную модель серии и отмечает, что обучение пока не завершено и качество требует улучшения. Модель ожидает запросы с тегами в стиле Danbooru. В карточке приведены примеры тегов качества, эстетики и рейтинга, а также рекомендуемый порядок их размещения. Обучение проводилось на наборе из 172 тысяч изображений, включая общую часть и отдельную подборку эстетически высококачественных изображений; разрешение обучающих изображений составляло 1024×1024. Модель распространяется в форматах Diffusers и safetensors по лицензии OpenRAIL++. Модель предназначена для создания иллюстраций в стиле аниме, однако автор предупреждает о недостаточном обучении и необходимости дальнейших улучшений. README перечисляет теги рейтинга, включая NSFW, но не сообщает о наличии фильтрации генерируемого контента.

MixtureofMerges-MoE-2x7bRP-v8 — языковая модель для генерации текста и ролевого общения, созданная jsfs11 с помощью LazyMergekit путём объединения ChaoticNeutrals/RP_Vision_7B и ResplendentAI/DaturaCookie_7B. Модель построена на архитектуре Mixtral MoE, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для ролевых диалогов и генерации продолжений текста. В README отмечена склонность к NSFW-ответам; базовая модель RP_Vision_7B также описана в каталожных данных как поддерживающая анализ изображений через Koboldcpp, но для этой объединённой модели обработка изображений отдельно не подтверждена. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache 2.0.

MN-12B-Mimicore-Orochi — слитая DoppelReflEx модель на архитектуре Mistral для диалоговой генерации, ролевых игр и написания историй. В основе слияния лежит IntervitensInc/Mistral-Nemo-Base-2407-chatml; также объединены MN-12B-Mimicore-GreenSnake, Nemo-12b-Humanize-KTO-Experimental-Latest и Violet_Twilight-v0.2 с помощью метода DARE-TIES. Модель содержит 12,1 млрд параметров, работает через Transformers и принимает текст, выдавая текст. Разработчик описывает её как вариант WhiteSnake, подходящий для ролевых игр, в том числе эротических, и сторителлинга; по оценкам она немного уступает WhiteSnake, но остаётся пригодной для этих сценариев. Заявленная длина контекста — 1 024 000 токенов. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. В README отмечена редкая проблема токенизации, унаследованная от одного из компонентов слияния; при её проявлении автор советует повторить генерацию.

Morbid Miasma 12B — объединённая модель для генерации текста, созданная DarkArtsForge с помощью mergekit и пользовательского метода слияния aether. Модель построена на архитектуре Mistral и содержит 12,1 млрд параметров; для диалога рекомендуется шаблон ChatML. Заявленная длина контекста — 131 072 токена. Модель предназначена для диалогов, ролевых игр и генерации текстовых историй. В карточке отдельно предупреждается, что она может создавать графические описания насилия и эротический контент; автор характеризует её как не имеющую ограничений на такие темы. Лицензия в предоставленных данных не указана.

Карточка модели m-a-p/MuPT-v0-8192-1.97B на Hugging Face совпадает с карточкой m-a-p/MuPT-v0-4096-1.97B, поэтому описание составлено по ней. MuPT-v0-4096-1.97B — модель семейства SMuPT для генерации символической музыки, опубликованная командой m-a-p. Она использует архитектуру Llama и обучена на крупном наборе символических музыкальных произведений разных жанров и стилей; в метаданных указаны 1,9 млрд параметров и контекст 4096 токенов. Модель предназначена для генерации мелодий, аккомпанемента и многодорожечных музыкальных композиций. Модель принимает текстовое токенизированное представление музыкальной последовательности и продолжает его, выдавая последовательность для символической музыки. Карточка описывает серию предварительно обученных моделей и сценарии их дальнейшего применения. Репозиторий содержит веса в формате PyTorch; лицензия — Apache-2.0. README отмечает, что описанное использование основано на Megatron-LM, а поддержка формата Hugging Face планировалась отдельно.

MusicGen Melody — модель генерации музыки, разработанная командой FAIR в Meta AI. Эта версия семейства MusicGen предназначена для создания музыки по текстовому описанию с учётом входной мелодии. Она использует авторегрессионный Transformer и токенизатор EnCodec: аудио кодируется на частоте 32 кГц четырьмя кодбуками, которые модель предсказывает за один проход. В README указаны варианты MusicGen размером 300 млн, 1,5 млрд и 3,3 млрд параметров; размер именно этой сборки в метаданных не указан. Модель подходит для экспериментов с управляемой генерацией музыки и создания инструментальных музыкальных фрагментов по описанию и мелодическому ориентиру. Она не генерирует реалистичный вокал, может замолкать до завершения фрагмента и хуже следует описаниям на языках, отличных от английского. Качество зависит от музыкального стиля и культуры, представленных в обучающих данных; для удачного результата может потребоваться подбор формулировки запроса. Веса распространяются по лицензии CC BY-NC 4.0, поэтому коммерческое использование ими не разрешено.

AlexKolosov/my_first_model — дообученная модель классификации изображений на архитектуре ResNet-50, созданная на основе microsoft/resnet-50 и обученная на наборе данных imagefolder. Она предназначена для присвоения изображению метки класса. На указанной в карточке выборке оценки модель достигла accuracy 0,6 и loss 0,6853. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Сведения о классах, обучающих данных и ограничениях применения не приведены.

Bingsu/my-korean-stable-diffusion-v1-5 — вариант Stable Diffusion v1.5 на базе runwayml/stable-diffusion-v1-5. Автор заменил текстовый энкодер и токенизатор на Bingsu/clip-vit-large-patch14-ko; модель работает в формате Diffusers и предназначена для генерации изображений по текстовым запросам. Модель можно использовать для создания иллюстраций и визуальных материалов для творческих и образовательных инструментов. Несмотря на замену энкодера на корейскую версию CLIP, исходная Stable Diffusion обучалась преимущественно на англоязычных описаниях, поэтому качество запросов на других языках, в том числе корейском, может быть ниже. Модель слабо справляется с точным текстом на изображениях, сложной композицией, лицами и фотореализмом. Веса выпущены по лицензии CreativeML OpenRAIL-M. В README отмечено, что в обучающей выборке LAION-5B встречались материалы для взрослых и дубликаты, из-за которых возможно запоминание изображений; для использования рекомендуется включать safety checker Diffusers и дополнительные меры безопасности. Автор указывает исследовательское назначение и перечисляет ограничения на вредоносное применение.

huggingtweets/nasa — текстовая генеративная модель на архитектуре GPT-2, созданная Борисом Даймой с помощью проекта huggingtweets. Она дообучена на 3 250 твитах NASA и предназначена для генерации коротких сообщений в стиле и тематике этих публикаций, например для создания вариантов продолжения заданной фразы. Модель доступна в формате PyTorch и поддерживает контекст до 1 024 токенов. Модель принимает текст и генерирует текст на английском языке. Она унаследовала ограничения и смещения GPT-2, а результаты также зависят от содержания обучающих твитов; небольшой корпус не гарантирует точности фактов или соответствия актуальной позиции NASA. Лицензия в предоставленных данных не указана.

NOESIS-Qwopus3.5-9B-Supervisor-v3.5-MLX — оригинальная специализированная модель AMAImedia для супервизии и координации задач в платформе автоматизации многоязычного дубляжа NOESIS. Это плотная авторегрессионная модель семейства Qwen3.5 с архитектурой Qwen3_5ForCausalLM и примерно 9 млрд параметров; репозиторий содержит конверсию BF16-модели в формат MLX safetensors для локального запуска через mlx-lm на Apple Silicon. Модель предназначена для анализа длинного контекста, проверки результатов, вынесения оценок, выбора маршрута обработки и координации нескольких агентов. В конвейере дубляжа она рассматривает структурированные данные от этапов перевода, распознавания речи, анализа говорящих, эмоций и таймингов, а затем формирует ограниченную проверку или решение о маршрутизации. Поддерживает диалоговый режим и заявленную семейством Qwen3.5 многоязычность, включая 201 язык и диалект; README предупреждает, что качество не одинаково для всех языков. Размер контекста в конфигурации — 262 144 токена, но фактически доступная длина зависит от памяти Mac и настроек KV-кэша. Сильные стороны — специализация на проверке и координации, длинный контекст и локальный запуск на Apple Silicon. Модель не заменяет специализированные этапы распознавания речи, перевода и синхронизации, а решения в сценарии дубляжа требуют соответствующих проверок и прослушивания человеком. Для использования нужен Mac на Apple Silicon с достаточной объединённой памятью; лицензия в предоставленных данных не указана.

NoobAI XL 0.77 — диффузионная модель генерации изображений по тексту, разработанная Laxhar Lab. Она основана на Illustrious-xl и является дообученной версией NoobAI XL 0.75; в README также указана исходная модель OnomaAIResearch/Illustrious-xl-early-release-v0. Для обучения использовались датасеты Danbooru и e621 с теговыми подписями, поэтому модель ориентирована на стилизованную иллюстрацию и запросы в формате тегов. Рекомендуемые параметры генерации: CFG 5–6, 25–30 шагов, сэмплер Euler a и площадь изображения около 1024×1024 пикселей; README приводит несколько подходящих соотношений сторон. Коммерческое использование модели, производных моделей и созданных с её помощью продуктов запрещено. Лицензия в метаданных обозначена как other, а README требует соблюдать fair-ai-public-license для производных работ. Модель может выдавать неожиданные или вредоносные результаты, и авторы возлагают риски использования на пользователя. Метка Hugging Face «not-for-all-audiences» указывает на потенциально чувствительный контент.

NoobAI XL V-Pred 0.6 — диффузионная модель генерации изображений по тексту, разработанная Laxhar Lab. Она дообучена на базе NoobAI XL и использует предсказание v вместо eps; в обучении применялись наборы Danbooru и e621 с исходными тегами и подписями на естественном языке. Модель рассчитана на создание иллюстраций по тегам и текстовым описаниям, в том числе изображений в эстетике аниме. Для работы подходят Diffusers, reForge и ComfyUI. В README рекомендуются сэмплер Euler, 28–35 шагов, CFG 4–5 и разрешение с общей площадью около 1024×1024; другие сэмплеры могут работать некорректно. Модель принимает текст и генерирует изображения. Карточка указывает английский язык, но не сообщает длину контекста. Использование ограничено условиями fair-ai-public-license: коммерческое применение запрещено, а производные модели, LoRA и основанные на модели продукты должны быть открытыми с публикацией деталей работы. Лицензия также запрещает вредоносное и незаконное использование; авторы предупреждают о возможных неожиданных или вредных результатах генерации.

Nova-Tempus-70B-v0.2 — языковая модель на 69,5 млрд параметров, созданная sophosympatheia слиянием собственных моделей серии Nova-Tempus и DeepSeek-R1-Distill-Llama-70B методом SLERP. Это плотная авторегрессионная модель семейства Llama для генерации текста и диалогов; заявленная длина контекста — 131 072 токена. Основные сценарии — ролевая игра и создание историй. Автор не проверял её качество на других задачах. Модель описана как uncensored и может генерировать взрослый контент. Карточка отмечает исправление проблем токенизатора, форматирования и остановки генерации в обновлении от 1 февраля 2025 года. Модель работает с текстом и ориентирована на английский язык. Для неё указана лицензия Llama 3.3. В README приведены советы по настройке сэмплирования и шаблоны для Silly Tavern; рекомендуемые параметры зависят от предпочтений пользователя.

Модель viddexa/nsfw-detection-nano — компактный классификатор изображений для автоматической модерации визуального контента. Её разработали Kerem Bozgan, Abdullah Kırman и Fatih Çağatay Akyön, дообучив EfficientNet-B0 — свёрточную архитектуру с примерно 4 млн параметров. Модель принимает изображения и относит их к одному из двух классов: Safe или NSFW; её можно применять и к кадрам видео. Модель предназначена для первичного выявления явной наготы в пользовательском контенте, социальных приложениях, сообществах, играх и стриминговых сервисах, а также в системах родительского контроля. В README приведены оценки F1 около 96,9% для обоих классов на указанном авторами сравнении. При этом suggestive-образы и откровенная одежда без явной наготы могут классифицироваться как Safe, поэтому авторы рекомендуют проверку человеком перед окончательными решениями. Лицензия — Apache-2.0.

onnx-community/nsfw-image-detector-ONNX — модель классификации изображений в формате ONNX, опубликованная сообществом ONNX Community. Она основана на LukeJacob2023/nsfw-image-detector, дообученной версии google/vit-base-patch16-224-in21k, и предназначена для автоматического выявления и категоризации потенциально небезопасного для работы визуального контента. Модель использует архитектуру Vision Transformer (ViT): 12 слоёв, 12 attention heads, hidden size 768, размер входного изображения 224×224 пикселя и 3 цветовых канала. Она классифицирует изображения по пяти категориям: drawings, hentai, neutral, porn и sexy. Модель работает только с изображениями; сведения о языках и контекстном окне для неё неприменимы. В исходной карточке указано около 85,8 млн параметров и заявленная accuracy 0,9316 на оценочном наборе, однако эти результаты относятся к исходной PyTorch-модели, а не обязательно к ONNX-конверсии. Сильные стороны — специализированное назначение, компактная ViT-архитектура и возможность запуска через ONNX Runtime в совместимых средах. Ограничения включают зависимость качества от обучающего набора примерно из 28 тысяч изображений, возможные ошибки классификации и отсутствие подробного описания ограничений и сценариев безопасного применения. В карточке исходной модели указана лицензия Apache-2.0; отдельная лицензия ONNX-конверсии в доступных материалах явно не описана.

OneWorld — чекпойнт для генерации трёхмерных сцен в представлении 3D Gaussian Splatting по изображению и данным о камере; разработчик указан как Sensen02. Модель поддерживает инференс с изображением и параметрами камеры, а также дополнительное текстовое условие. В комплект входят дистиллированный генератор, адаптированный декодер RAE и статистики латентного пространства; Pi3X и Wan2.1-T2V-1.3B загружаются отдельно. Для запуска README направляет к коду инференса SensenGao/OneWorld. Репозиторий содержит веса PyTorch и распространяется по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства, но запрещающей коммерческое использование.

Fatih Burak Karagöz разработал Ottoman-NER Latin — модель распознавания именованных сущностей в исторических османских текстах, записанных латинской транслитерацией. Это BERT-модель для классификации токенов, дообученная на основе dbmdz/bert-base-turkish-cased на специально размеченном наборе данных в формате CoNLL. Модель выделяет имена людей (PER), географические названия (LOC) и организации (ORG). Она предназначена для исторической обработки текстов и проектов цифровой гуманитаристики; размер модели — 137,8 млн параметров, максимальная длина контекста — 512 токенов. В README приведены метрики на тестировании: precision 89,4%, recall 87,1% и F1 88,2%; они не гарантируют такое же качество на других корпусах. Лицензия — MIT.

Flippd Pinball Vision — Score Extraction — это локальный конвейер компьютерного зрения для чтения числовых счётов на фотографиях дисплеев пинбольных автоматов. Модель разработала Flippd. Конвейер состоит из детектора областей счёта на базе YOLO11s и CTC-распознавателя цифр на 8 млн параметров; оба компонента поставляются в формате ONNX и запускаются через ONNX Runtime. Изображение подаётся на вход, а результатом становятся упорядоченные по уверенности варианты счёта длиной от одной до двенадцати цифр. Модель предназначена для извлечения счёта с фотографий дисплеев: например, для каталогизации игровых результатов или автоматизации ввода счёта после проверки человеком. Обработка выполняется локально при запуске согласно README; CPU поддерживается по умолчанию, также описан запуск на CUDA. В README приведены результаты оценки на тестовой выборке: строгая точность top-1 — 77,97%, попадание правильного результата в список — 87,23%, наличие правильного результата среди показанных — 94,59%; качество на других изображениях может отличаться. Распознавание может быть ошибочным или не дать результата при бликах, размытии, наклонном ракурсе, перекрытии, низком разрешении, необычных дисплеях, анимации и других отличающихся от обучающих данных условиях. Уверенность служит сигналом ранжирования и не гарантирует правильность, поэтому для значимых случаев необходима проверка человеком. Репозиторий закрыт по запросу доступа; README указывает, что требуется принять лицензию, но конкретные условия лицензии в предоставленных данных не раскрыты.

Camenduru/plushies — модель генерации изображений по текстовому описанию в формате Diffusers/Flax. Она обучена на Google Cloud TPU; карточка указывает 18 000 шагов обучения, точность bf16 и скорость обучения 1e-6. Репозиторий также отмечен как Stable Diffusion и содержит веса safetensors. Модель предназначена для создания изображений плюшевых игрушек по текстовым запросам. Лицензия — OpenRAIL.

calcuis/pony — модель для генерации изображений по текстовому описанию, предназначенная прежде всего для аниме и других стилизованных изображений. Разработчик и происхождение исходных моделей в README не указаны; автор отмечает, что часть оригинальных файлов предоставлена сторонними участниками Civitai. Модель распространяется в формате GGUF и рассчитана на использование с ComfyUI и gguf-node. Для работы требуются совместимые текстовые энкодеры legacy_clip_g и legacy_clip_l, а также VAE-декодер legacy-vae. README рекомендует использовать теги и отдельные слова для более точных результатов и отмечает поддержку старого оборудования, включая видеокарты серии NVIDIA 9xx и более ранние, в режиме low VRAM. Указан английский язык и назначение text-to-image; сведения о размере, точной архитектуре, максимальном контексте и дополнительных модальностях отсутствуют. Сильной стороной модели является возможность запуска на устаревших компьютерах и совместимость с gguf-node. Ограничением названа меньшая удобность по сравнению с более современными моделями на начальном этапе работы, поскольку для получения точных результатов желательно использовать специальные теги. Модель распространяется по лицензии Apache-2.0.

Elfrino/PsyMedLewd — объединённая языковая модель автора Elfrino для генерации текста и написания научно-фантастических историй. Она создана с помощью mergekit методом SLERP на основе Undi95/MXLewd-L2-20B и Undi95/PsyMedRP-v1-20B. Модель использует плотную архитектуру Llama с 19,8 млрд параметров и контекстом до 4096 токенов. Для взаимодействия в README рекомендуются шаблоны Alpaca или ChatML и приведены настройки генерации для KoboldCPP. Модель отмечена автором как первая итерация, дальнейшие варианты слияния тестируются. Для использования доступны веса safetensors через Transformers. Условия лицензии в предоставленных данных не описаны.

Это LoRA-модель pulid-sdxl-i.6, разработчик которой в представленных данных не указан. Модель предназначена для генерации изображений по текстовому описанию и совместима с базовой моделью stabilityai/stable-diffusion-xl-base-1.0. В README приведены примеры генерации изображений женщин по запросу beautiful-women с негативным запросом ugly. Известно, что модель распространяется в формате Safetensors и предназначена для использования в экосистеме Diffusers. Архитектурные детали, размер, поддерживаемые языки, максимальный контекст, модальности помимо text-to-image, сильные стороны и ограничения не указаны. Информация о лицензии также отсутствует, поэтому условия использования по представленным данным определить нельзя.