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

Nightmare Promptgen третьего поколения — языковая модель для генерации промптов InvokeAI, разработанная cactusfriend на основе архитектуры OpenELM от Apple. Она предназначена для создания текстовых описаний, которые можно использовать как промпты для генерации изображений в InvokeAI. Модель использует плотную causal language modeling архитектуру OpenELMForCausalLM и распространяется в формате Safetensors для Transformers. В карточке указана лицензия OpenRAIL. Размер модели, длина контекста и поддерживаемые естественные языки не приводятся.

Aratako/Ninja-v1-RP — языковая модель для ролевых диалогов, созданная с помощью mergekit на основе Aratako/Ninja-v1-RP-WIP. Автор объединил базовую модель с четырьмя английскими моделями для ролевых сценариев, добавив их task vectors и применив метод Model Stock. В карточке указано, что это усиливает следование инструкциям и выразительность. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Она генерирует текст и рассчитана на ролевые диалоги и отыгрыш персонажей; карточка указывает японский язык, а базовая модель также предназначена для японского и английского. Для работы рекомендуется шаблон чата Vicuna; контекст составляет 4096 токенов. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Результат зависит от заданных персонажей, сценария и формата промпта; модель ориентирована на ролевое общение, поэтому её не следует считать универсальным помощником для любых задач.

NoobAI XL V-Pred 0.75s — диффузионная модель генерации изображений по текстовому описанию, разработанная Laxhar Lab. Она дообучена на базе Laxhar/noobai-XL_v1.0 и обучалась на изображениях Danbooru и e621 с исходными тегами и текстовыми подписями. Модель использует предсказание v и формат SDXL; для запуска доступны Diffusers и интерфейсы reForge, ComfyUI и WebUI. Модель предназначена для создания стилизованных иллюстраций по тегам или естественно-языковым запросам. В README рекомендованы CFG 4–5, 28–35 шагов, сэмплер Euler и разрешение около 1024×1024; другие сэмплеры могут работать некорректно. Карточка указывает английский язык и лицензию fair-ai-public-license: коммерческое использование запрещено, а производные модели и работы должны оставаться открытыми. Модель может создавать неожиданный или вредоносный контент.

LukeJacob2023/nsfw-image-detector — модель классификации изображений, созданная дообучением Vision Transformer google/vit-base-patch16-224-in21k. Она распределяет изображения по пяти категориям: drawings, hentai, neutral, porn и sexy; обучена на пользовательском наборе примерно из 28 тысяч изображений. В README указаны точность 0,9316 и Accuracy K 0,9887 на оценочной выборке. Модель предназначена для автоматической маркировки изображений по категориям откровенного и обычного контента, например для фильтрации или модерации. Имеет около 113,2 млн параметров; доступна в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

Nyx-RP-Mini-2.6B-Instruct-2608-v0.1 — экспериментальная инструктивная текстовая модель для ролевых диалогов и творческого письма, созданная Indexnusrefather на основе LiquidAI/LFM2.5-2.6B. Это дообученная плотная модель семейства LFM2 с 2,6 млрд параметров; в репозитории доступны веса Safetensors. Автор сообщает, что удалил этап рассуждений и доработал стиль, связность повествования и работу в длинных ролевых сессиях. Модель предназначена для генерации ответов персонажей и поддержания ролевого диалога, в том числе в SillyTavern. Заявленный размер контекста — 131 072 токена. Карточка указывает английский язык; она не приводит отдельной оценки качества или подробностей обучающего набора. Лицензия обозначена как other, поэтому конкретные условия использования следует проверять в репозитории модели. Автор называет версию ранней и планирует дальнейшее развитие датасета.

cactopus/Omega-Sapphira-L3.3-70B-v1.3_EXL3_4.25bpw_H8 — квантизированная версия модели Omega-Sapphira-L3.3-70B-v1.3, разработанная cactopus. Модель предназначена для генерации текста, в частности для ролевых сценариев и написания историй, и распространяется в формате EXL3 для использования с ExLlamav3. Модель основана на 70-миллиардной версии и использует 4-битное квантование с параметром 4.25 bits per weight и конфигурацией H8. Указан английский язык; модальность — текстовая. README не содержит сведений о размере контекстного окна, конкретной архитектуре базовой модели или результатах сравнительных тестов. Сильными сторонами являются специализация на ролевом взаимодействии и художественной генерации текста, а также уменьшенный объём представления по сравнению с полной версией благодаря квантованию. Ограничения включают возможное снижение точности из-за квантования и заявленную несогласованность с общими ограничениями безопасности; модель помечена как предназначенная не для всех аудиторий. Лицензия указана как llama3.3.

OpenElla-NovelWriter-Charol — англоязычная текстовая модель N-Bot-Int для генерации художественных текстов и ролевых диалогов. Она предназначена для интерактивных сценариев с карточками персонажей; автор отмечает улучшенные ролевые возможности, более широкие знания о ролевых сценариях и меньшую склонность управлять действиями пользователя по сравнению с предыдущей моделью. Модель основана на архитектуре Llama и содержит 7,5 млрд параметров; в README указано округлённое значение 8 млрд. Контекстное окно — до 131 072 токенов. Charol получена слиянием нескольких моделей для ролевых диалогов, а затем прошла дополнительное обучение на небольшом наборе примеров для стабилизации поведения. Поддерживается генерация текста; рекомендуется использовать шаблон чата Llama 3 и настраивать параметры генерации под карточку персонажа. Модель ориентирована на ролевые игры и творческое письмо на английском языке, а не на специализированные профессиональные задачи. Автор предупреждает о возможной склонности модели интенсивно отыгрывать ролевые сценарии; настройка промпта и параметров генерации влияет на поведение. Лицензия — AGPL-3.0.

Origtron — модель генерации изображений на основе Stable Diffusion, созданная автором карточки методом DreamBooth в Google Colab с использованием кадров из фильма «Трон» 1982 года и его трейлера. Для генерации изображений в характерной стилистике модели достаточно включить в текстовый запрос ключевое слово «origtron». Модель предназначена для создания изображений по текстовому описанию; автор рекомендует использовать файл весов в Stable Diffusion WebUI. Доступны файлы в форматах Diffusers, PyTorch и Safetensors; лицензия — MIT.

Aratako/Oumuamua-7b-RP — созданная Aratako модель для японского ролевого общения. Это слияние нескольких предварительно обученных языковых моделей, включая дообученную для ролевых сценариев Aratako/Oumuamua-7b-instruct-v2-RP; в качестве одной из составляющих также использована Mistral-7B-v0.1. Слияние нацелено на улучшение следования инструкциям и выразительности в ролевых диалогах. Модель построена на архитектуре Mistral с плотной причинной языковой моделью, содержит 7,2 млрд параметров и поддерживает контекст до 32 768 токенов. Она принимает текст и генерирует текст, рассчитана на японский язык и предназначена для многоходовых ролевых диалогов. Для промптов рекомендуется шаблон на основе изменённого Alpaca, а для остановки генерации — EOS и строки начала следующего хода пользователя и ассистента. Распространяется в формате Safetensors; в README также указана отдельная версия GGUF. Лицензия — CC-BY-NC-4.0, поэтому использование ограничено некоммерческими условиями. Качество и поведение зависят от выбранных настроек генерации и соблюдения формата промпта.

PartCrafter Scene — модель генерации структурированных 3D-сцен по одному RGB-изображению. Она совместно создаёт несколько частей и объектов за один проход; репозиторий содержит предварительно обученные веса сценового уровня в формате Diffusers и Safetensors. В названии работы указана архитектура compositional latent diffusion transformers. Модель предназначена для преобразования изображения в составную 3D-сцену с несколькими объектами и частями. Данные о размере, поддерживаемых языках и длине контекста неприменимы к описанному сценарию генерации. Модель разработана авторами PartCrafter. Репозиторий распространяется по лицензии MIT. Карточка направляет за подробностями использования к официальному репозиторию проекта.

Phos 7B — модель генерации текста на базе архитектуры Mistral, опубликованная Elizezen. По приведённому примеру она создаёт японскую художественную прозу с диалогами и описанием сцен, поэтому подходит для генерации и продолжения повествовательных текстов на японском языке. Модель содержит 7,1 млрд параметров и поддерживает контекст до 8192 токенов; файлы представлены в формате safetensors. Карточка демонстрирует связный литературный текст и выдержанный диалоговый стиль. Пример не устанавливает качество модели в других жанрах или задачах. Лицензия в предоставленных данных не указана.

PixVL-choosecache250k-dpo — исследовательский экспорт PixVL, опубликованный HudeKing. Это полная модель для Transformers в формате Safetensors; она основана на Qwen3-VL-4B-SAMTok и использует архитектуру Qwen3-VL для генерации по условию. Модель предназначена для сегментации изображений. В README указано, что веса выпущены для исследовательского использования и наследуют лицензию и ограничения исходной модели. В метаданных указана лицензия MIT. Карточка не описывает языки, размер контекста или конкретные ограничения качества.

Polemo Intensity — модель RoBERTa, дообученная лабораторией Digital Social Sciences Research Laboratory при IFIS PAN для оценки интенсивности эмоций в польских политических текстах. Она присваивает непрерывные оценки от 0 до 1 по восьми показателям: счастье, грусть, гнев, отвращение, страх, гордость, валентность и возбуждение. Модель предназначена для анализа публикаций и комментариев из социальных сетей, в том числе для изучения эмоциональных реакций на политические темы. Она обучалась на корпусе польских текстов из Twitter, YouTube и Facebook с экспертной разметкой; размер модели — 151,6 млн параметров, контекст — до 514 токенов. Проверка на десяти фолдах показала наиболее высокие корреляции для счастья и валентности, а для страха и грусти результаты были ниже. Модель работает с текстом на польском языке и распространяется по лицензии Apache-2.0. Её область применения ограничена эмоционально насыщенными польскими политическими текстами из социальных сетей, поэтому оценки на других языках, темах и типах текста могут быть менее надёжными.

PosterCopilot-7B — мультимодальная модель для автоматического построения макетов постеров, разработанная на основе Qwen/Qwen2.5-VL-7B-Instruct и дообученная для задач графического дизайна. Она принимает от 2 до 25 изображений слоёв, размер холста и необязательное текстовое описание требований, а возвращает JSON с координатами рамок и порядком наложения каждого слоя. Модель использует визуально-языковую архитектуру Qwen2.5-VL с 7,1 млрд параметров и контекстом до 128 000 токенов. Для работы с изображениями требуется специальная предобработка: слои размещаются на контрастном фоне, масштабируются до размеров, кратных 28 пикселям, и дополняются серыми полями; авторы рекомендуют использовать эталонную реализацию. Модель требует около 20 ГБ свободной видеопамяти при работе в bfloat16. Из-за поразрядной генерации координат одна ошибка в цифре может повлиять на оставшуюся раскладку, поэтому результаты следует оценивать на наборе примеров. Лицензия — Apache 2.0.

AUTOMATIC/promptgen-lexart — языковая модель на архитектуре GPT-2, дообученная на базе distilgpt2 командой AUTOMATIC. Она предназначена для генерации промптов для Stable Diffusion 1.5; обучение проводилось в течение 100 эпох на 134 819 промптах, собранных с lexica.art. Модель принимает текст и генерирует текст, а её контекст составляет 1024 токена. Модель представлена в формате PyTorch и распространяется по лицензии MIT. Она специализируется на англоязычных промптах для генерации изображений. Качество и уместность результатов могут зависеть от формулировки исходного запроса; обучение на промптах с сайта lexica.art может отражать особенности и ограничения этого набора данных.

Pulsar_7B — экспериментальная англоязычная чат-модель на архитектуре Mistral, разработанная как более податливая версия MTSAIR/multi_verse_model. Она содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов; модель дообучена на наборах для ролевого общения, понимания намерений, физического рассуждения, математики и предпочтений, включая датасет с NSFW-ролевыми диалогами. Модель предназначена для генерации диалогов и ролевых сценариев, следования карточке персонажа и заданному формату Markdown. В README отмечена чувствительность стиля ответа к первому сообщению карточки персонажа; также заявлена совместимость с форматами Alpaca и Mistral и шаблоном чата базовой модели. Модель распространяется под лицензией Apache-2.0. Это экспериментальная настройка, и её качество может зависеть от формата промпта и карточки персонажа; результаты тестов в README не гарантируют качество в конкретных сценариях.

PVC v2 — модель генерации изображений на основе латентной диффузии, созданная p1atdev с помощью LoRA-дообучения Waifu Diffusion v1.4 epoch 2 на изображениях коллекционных PVC-фигурок. Она предназначена для создания иллюстраций в аниме-стиле по текстовым запросам, в том числе с тегами Danbooru. Для генерации автор рекомендует начинать запрос с тегов «masterpiece, best quality»; примеры используют 20 шагов, DPM++ 2M Karras и CFG 7. В версии 2 для обучения использовали 2110 изображений, разрешение 768×768 и сеть LoRA размерности 16. Модель принимает текст на английском языке и создаёт изображения. Доступны варианты весов checkpoint, safetensors и LoRA. Модель распространяется по лицензии CreativeML OpenRAIL-M.

Qwen2.5-72b-RP-Ink — модель для ролевого общения, созданная Allura на основе Qwen/Qwen2.5-72B-Instruct. Это дообучение в формате LoRA; автор указывает, что методика и гиперпараметры вдохновлены SorcererLM и Slush. Модель содержит 71,5 млрд параметров, использует архитектуру Qwen2ForCausalLM и принимает текстовые сообщения для генерации продолжений и ответов в диалоге. Модель предназначена для ролевых сценариев и творческого взаимодействия в формате чата; в README отмечается улучшенная связность по сравнению с вариантом на 32 млрд параметров. Указан контекст 32 768 токенов и шаблон чата ChatML. Репозиторий содержит веса safetensors; лицензия обозначена как other, поэтому конкретные условия использования следует сверить с карточкой модели. Автор описывает обучающий набор как неоднородный, что может влиять на стабильность и предсказуемость ответов.

lovedheart/Qwen3.5-4B-FP8 — мультимодальная модель на основе Qwen/Qwen3.5-4B-Base и Qwen/Qwen3.5-4B, опубликованная пользователем или организацией lovedheart. Модель предназначена для задач image-text-to-text: анализа изображений и генерации текстовых ответов по визуальным данным и запросам пользователя. В README приведён пример подсчёта свободных парковочных мест на изображении, однако качество и точность такого анализа не подтверждены систематическими тестами. Из идентификатора модели следует, что используется вариант Qwen3.5 с размером около 4 млрд параметров и представлением FP8. Поддерживается обработка изображений совместно с текстом; сведения о языках, максимальной длине контекста, точной архитектуре и доступных режимах вывода в README не указаны. Модель тестировалась с sglang и может использовать режим рассуждений через параметр enable_thinking. Модель подходит для визуального вопросно-ответного взаимодействия и базового анализа содержимого изображений. К ограничениям относятся отсутствие подробных benchmark-результатов, неизвестные характеристики производительности, языкового покрытия и контекста, а также возможная неточность при интерпретации сложных сцен. Лицензия — Apache-2.0.

Qwen3-The-Xiaolong-Omega-Directive-22B-uncensored-abliterated-GGUF — текстовая генеративная модель объёмом 22B параметров, разработанная DavidAU. Она представляет собой 62-слойное объединение моделей The-Omega-Directive-Qwen3-14B-v1.1 от ReadyArt и Xiaolong-Qwen3-14B от nbeerbower на базе Qwen3. Модель распространяется в формате GGUF и поддерживает режим рассуждений, который можно включать или отключать. Модель предназначена прежде всего для творческого письма: создания и продолжения сюжетов, сцен и подсюжетов, генерации художественной прозы, ролевых сценариев и текстов в жанрах science fiction, horror, romance и других. Заявлена поддержка английского, французского, китайского и немецкого языков. Контекстное окно указано как 40 000 токенов; для практического использования рекомендуется не менее 8 000 токенов. Модель ориентирована на генерацию vivid prose, включая интенсивные описания, насилие, ненормативную лексику и контент для взрослой аудитории. К сильным сторонам относятся крупный размер, развитые возможности рассуждений, специализация на выразительной художественной генерации и отсутствие типичных отказов для заявленных uncensored-сценариев. При этом для получения особенно откровенного, грубого или графичного результата иногда требуется явно задавать нужную стилистику и лексику. Известны эпизодические вставки китайских токенов при генерации на других языках, а при высокой температуре могут возникать проблемы с выводом результата после рассуждений. Для работы требуются шаблон ChatML или корректный Jinja-шаблон и настройка параметров сэмплирования. Модель распространяется по лицензии Apache-2.0.

Qwen-Image-2.1-PE-I2I-Heretic — созданная сообществом производная модели Qwen/Qwen-Image-2.1-PE-I2I на базе Qwen3.5-VL с 9 млрд параметров. Она принимает короткую инструкцию по редактированию и одно или несколько изображений, а затем формирует подробный промпт на английском языке для редактирования изображения. Для работы требуется системный промпт system_prompt.txt из репозитория; модель использует архитектуру Qwen3.5-VL и распространяется в формате safetensors. Модель сохраняет способность переписывать инструкции для редактирования изображений, а направленная абляция Heretic заметно ослабляет отказы на вредоносные запросы в чатовых сценариях. По данным автора, проверка отказов охватывала 100 примеров, а KL-дивергенция на обычных запросах составила 0,0368; выборка мала, и исходная модель также обрабатывала проверенные пограничные инструкции по редактированию. Модель предназначена для сценариев подготовки промптов в приложениях редактирования изображений. Лицензия Qwen Research License разрешает некоммерческое использование; для коммерческого применения нужна отдельная лицензия Qwen.

Rae Diffusion XL V2 — модель генерации изображений по тексту, разработанная Raelina и дообученная на Animagine XL 3.1. Она предназначена для создания иллюстраций в стиле аниме, особенно изображений персонажей. Модель основана на диффузионной архитектуре Stable Diffusion XL и распространяется в форматах Diffusers и safetensors. Для управления результатом можно использовать теги качества, рейтинга, периода создания и эстетики, унаследованные от Animagine XL 3.1. В README также рекомендуется задавать персонажа и произведение в начале запроса. Указаны настройки генерации: CFG 7, 25–35 шагов и сэмплер Euler a. Модель принимает текстовые запросы на английском и выдаёт изображения; лицензия — Fair AI Public License 1.0-SD. Специальность модели — аниме-стиль, поэтому она не предназначена для универсальной генерации изображений.

Batuhanbey tarafından geliştirilen, XLM-RoBERTa tabanlı ve yaklaşık 305 milyon parametreli metin sınıflandırma modelidir. Model, Rusya-Ukrayna savaşıyla ilgili Twitter/X paylaşımlarını beş sınıfa ayırmak üzere ince ayarlandı: mutlu, üzgün, kızgın, şaşkın ve nötr. Bağlam uzunluğu 514 токенов, модель принимает текст и выдаёт метку класса с оценкой уверенности. Карточка указывает, что модель создана в рамках академического проекта TÜBİTAK; базовая архитектура — xlm-roberta-base. Метаданные отмечают турецкий язык, а описание задачи в README приведено на турецком языке. Модель подходит для анализа тональности публикаций о войне и агрегирования общественных реакций. Результаты являются автоматической классификацией и не предназначены для политических, юридических или официальных оценок. Лицензия в предоставленных данных не указана.

Norod78/sd-simpsons-model — модель генерации изображений на основе Stable Diffusion, дообученная автором Norod78 на изображениях, связанных с «Симпсонами». В качестве основы использована RunwayML/stable-diffusion-v1-5; обучение на наборе изображений с BLIP-подписями продолжалось 10 000 итераций. Модель принимает текстовые запросы и создаёт мультяшные изображения в стилистике «Симпсонов». Примеры в карточке показывают также генерацию персонажей и сцен по свободным запросам. Модель распространяется в формате Diffusers с весами Safetensors по лицензии CreativeML OpenRAIL-M.

Shinkai-Art — модель генерации изображений по текстовому описанию на основе Stable Diffusion, созданная автором krystv и дообученная на базе andite/anything-v4.0. Она предназначена для создания изображений в стиле аниме-фильмов Макото Синкая, вдохновлённых, среди прочего, фильмами «Твоё имя» и «Дитя погоды». Для активации стиля автор рекомендует использовать триггерные слова shinkai-art, shinkaiart или portrait. Модель распространяется в форматах Diffusers, PyTorch и safetensors под лицензией CreativeML OpenRAIL-M. Карточка не сообщает размер модели и длину контекста. Обучающая выборка, по словам автора, получена из упомянутых фильмов; её состав и ограничения прав на данные не раскрыты.

Sheet Music Transformer — модель AntonioRV6, дообученная на наборе Camera GrandStaff для транскрипции изображений нотных систем с фортепианной партитурой. Она принимает изображение нотной системы и авторегрессионно генерирует текстовое представление транскрипции. Архитектура состоит из визуального энкодера ConvNeXt и текстового декодера на классическом Transformer. Модель предназначена для распознавания фортепианной нотации на фотографиях или изображениях нотных листов. Лицензия — MIT. Модель специализирована на данных Camera GrandStaff; заявленное применение ограничено транскрипцией изображений фортепианной нотации. README не сообщает о поддержке других инструментов или музыкальных форматов.

SoteDiffusion Wuerstchen3 — модель генерации изображений по текстовому описанию, разработанная автором Disty0 как дообучение Stable Cascade от Stability AI. Она предназначена прежде всего для создания аниме-иллюстраций; для запуска автор приводит примеры настроек в SD.Next и ComfyUI, а также упоминает доступ через API Fal.AI. Модель обучали на 6 млн изображений в течение трёх эпох на восьми GPU A100 80 ГБ. Веса доступны в формате safetensors для Diffusers. В обучающих данных использовались подписи и теги, включая оценки эстетики и качества; для промптов автор рекомендует теги вроде «newest» и «best quality». README не сообщает длину контекста или перечень поддерживаемых текстовых языков. Модель специализируется на аниме-стиле; реалистичная генерация не проверялась. Иногда результат может становиться реалистичным, а глаза и руки на дальнем плане могут выглядеть неудачно. Лицензия в метаданных указана как «other», поэтому конкретные условия использования следует уточнить на странице репозитория.

Soul_3B — разговорная языковая модель, созданная автором jeiku слиянием предварительно обученных моделей методом task arithmetic с помощью mergekit. В качестве базовой использована jeiku/Rosa_v1_3B; в слияние также вошли LimaRP_StableLM, Gnosis_256_StableLM, Humiliation_StableLM, Futa_Erotica_StableLM и Theory_of_Mind_128_StableLM. Модель предназначена для генерации текста и диалогов. Она построена на архитектуре StableLM Epoch, имеет около 2,7 млрд параметров и контекст до 4096 токенов. Метаданные указывают на английский язык и разговорный сценарий; модель доступна в формате safetensors и использует библиотеку Transformers. Состав исходных моделей предполагает ориентацию на ролевые диалоги и темы отношений, включая откровенный контент. Качество и поведение могут зависеть от конкретного запроса и объединённых компонентов. Сведения о лицензии в предоставленных данных отсутствуют.

Guizmus/SouthParkStyle — модель генерации изображений в стиле мультсериала «Южный парк», созданная дообучением RunwayML Stable Diffusion 1.5 с обновлённым VAE. Она предназначена для генерации изображений по текстовым запросам; стиль вызывается токеном SouthPark Style, а также доработаны токены Rick Roll и FullBody Shot. Обучение выполнено на 99 изображениях с помощью EveryDream. Модель использует архитектуру Stable Diffusion и доступна в форматах Diffusers, PyTorch и safetensors; README также указывает на CKPT-файлы. Лицензия — CreativeML OpenRAIL-M. В карточке заявлена поддержка английского языка. Модель ориентирована на стилизованные изображения персонажей и сцен, но качество и соответствие запросу могут зависеть от формулировки промпта и ограниченного обучающего набора.

SpanSynth-Edit — модель для синтеза и редактирования музыкальных аудиозаписей по MIDI, опубликованная пользователем mimbres. Она создаёт музыку по MIDI-партитуре или перегенерирует выбранный фрагмент записи после изменения нот в MIDI. Для синтеза использует аудиоконтекст вокруг фрагмента, чтобы согласовать тембр; доступны обычный режим редактирования и режим FlowEdit. Модель работает с MIDI-программами инструментов и группами объединённых инструментов, а также поддерживает партии ударных. Модель поставляется в формате Diffusers с весами Safetensors и использует архитектуру SpanSynthEditPipeline; для работы нужны PyTorch и пакет spansynth. Выход — аудио 48 кГц, моно. В README описана работа на NVIDIA GPU, Apple Silicon и CPU; для GPU рекомендованы 6 ГБ видеопамяти. Лицензия — Apache-2.0. README не сообщает размер модели, длину контекста или языки текста: модель предназначена для музыкального аудио и MIDI, а не для обработки естественного языка.