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

Peach-9B-8k-Roleplay — чат-модель для ролевых диалогов, разработанная ClosedCharacter путём дообучения 01-ai/Yi-1.5-9B на более чем 100 тысячах синтетически созданных разговоров. Это плотная языковая модель семейства Llama с 8,6 млрд параметров, принимающая текст и генерирующая текст; в карточке указаны китайский и английский языки. Нативный контекст составляет 16 384 токена, при этом обучающие диалоги ограничивались длиной 8 тысяч токенов. Модель предназначена для чат-общения и ролевых сценариев. В README приведены результаты MMLU 66,19 и CMMLU 69,07 по протоколу 5-shot. Распространяется по лицензии MIT. Авторы предупреждают, что возможна генерация токсичного, вредного и NSFW-контента, а ответы могут содержать галлюцинации. Из-за размера модели могут быть слабыми математические, программные и логические способности; качество может снижаться на длинных диалогах и языках с малым объёмом обучающих данных.

piper-vasco — англоязычная модель синтеза речи Piper, созданная автором репозитория с нуля на голосовых репликах персонажа Васко из игры Starfield, расшифрованных Whisper. Она предназначена для озвучивания компаньона в модификациях и для локальных диалогов с LLM. Модель обучалась 1805 эпох; в репозитории представлены веса в формате ONNX. Модель преобразует английский текст в речь с голосом, стилизованным под Васко. Автор оценивает результаты как хорошие, однако это личная оценка, а описание не приводит независимых тестов качества. Лицензия в предоставленных данных не указана.

PixVL-model3-dpo-step100000 — полный экспорт модели PixVL, созданный разработчиками PixVL и опубликованный как чекпойнт после 100 000 шагов DPO. Модель основана на Qwen3-VL-4B-SAMTok и использует архитектуру Qwen3-VL для условной генерации. Модель предназначена для сегментации изображений. По архитектуре она принимает изображение и текстовое условие и формирует текстовый ответ с результатом сегментации; карточка не описывает формат масок или конкретные сценарии применения. Репозиторий содержит веса в формате safetensors и рассчитан на библиотеку Transformers. Автор README обозначает выпуск как исследовательский и указывает, что модель наследует лицензию и ограничения использования базовой модели; метаданные указывают лицензию MIT. Данных о размере контекста и поддерживаемых естественных языках в предоставленных источниках нет.

ponyRealism_v21MainVAE — модель text-to-image на базе Stable Diffusion XL и формата LoRA, разработанная LyliaEngine. Она предназначена для генерации реалистичных изображений с широким разнообразием стилистики Pony, включая портреты и сцены с персонажами. Модель особенно хорошо работает на средних и близких планах, передаёт детали лица и кожи и обеспечивает хорошее следование текстовому запросу. Модель основана на LyliaEngine/Pony_Diffusion_V6_XL. Для локальной генерации рекомендуются разрешения 1280×768 или 768×1280, 20–30 шагов, CFG 6–7 и Clip Skip 2. Заявлена совместимость с рядом сэмплеров, включая DPM++ SDE и его варианты, DPM2 a и DPM++ 3M, однако основная версия имеет ограниченную совместимость с некоторыми сэмплерами; альтернативная версия совместима с большим их числом, но обеспечивает меньше деталей. Триггерные слова не требуются, рекомендуется использовать Danbooru-теги и не превышать вес 1,5 в промптах. Модель распространяется в формате Safetensors по лицензии CDLA-Permissive-2.0. README не указывает поддерживаемые языки, точный размер параметров, отдельные модальности кроме генерации изображений и другие количественные характеристики. Для работы с моделью рекомендуется применять структуру промпта со служебными тегами score и BREAK, а также отрицательные промпты с оценочными тегами.

PsyMedLewd-20B-TIES — объединённая методом TIES языковая модель автора Elfrino, предназначенная для генерации художественного текста и ролевых историй в жанре научной фантастики. Модель сочетает PsyMedRP-v1-20B и MXLewd-L2-20B, используя Elfrino/PsyMedLewd_v4 как базу слияния. Это плотная архитектура LlamaForCausalLM примерно на 19,8 млрд параметров. Она принимает текст и генерирует текст, поддерживает шаблоны Alpaca и ChatML и имеет контекст до 4096 токенов. Автор отмечает выразительную прозу и характерную научно-фантастическую терминологию; модель описана как тестируемая и уже уступающая более поздней версии PsyMedLewdREMM-20B-TIES-Q5_K_M-GGUF. Репозиторий содержит веса Safetensors в формате float16. Лицензия в доступных данных не указана.

Pythia-1b-Unfiltered_NSFW-GGUF es una versión cuantizada en formato GGUF y ajustada por Novaciano a partir de EleutherAI/pythia-1b. Es un modelo causal de generación de texto con 1.000 millones de parámetros, orientado a roleplay, juegos narrativos y escritura creativa, incluso en equipos modestos; la tarjeta recomienda al menos 3 ГБ оперативной памяти для запуска. La tarjeta также описывает генерацию черновиков и перевод, но не приводит подтверждений качества для академических или переводческих задач. Модель предназначена для свободного ролевого общения и может выдавать контент для взрослых. В метаданных указаны английский и испанский языки, библиотека adapter-transformers и лицензия Apache-2.0. В карточке не заявлена длина контекста; размер контекста задаётся пользователем при запуске.

davidmasip/racism — модель классификации текста на базе RoBERTa, предназначенная для определения, содержит ли текст расистское высказывание. Она возвращает метку LABEL_0 для нерасистского текста и LABEL_1 для расистского. Модель содержит 151,8 млн параметров, работает с текстом на испанском языке и имеет контекст до 514 токенов. В карточке указана лицензия CC; конкретный вариант лицензии не уточнён.

Remnant GLM4 32b — серия дообученных языковых моделей от Allura для ролевых диалогов и разговорного общения, включая сценарии SFW и NSFW. Модель основана на THUDM/GLM-4-32B-0414: это плотная авторегрессионная архитектура GLM-4 с 31,6 млрд параметров и контекстом до 32 768 токенов. Для работы используется библиотека Transformers; доступны веса Safetensors. Модель предназначена для генерации диалоговых ответов и отыгрыша персонажей. В метаданных также отмечен интерфейс вызова инструментов, но README не описывает соответствующие сценарии или качество этой функции. Рекомендуется шаблон чата GLM4; автор приводит настройки с температурой 1,0 и min_p 0,1. Модель поддерживает взрослые ролевые сценарии. Лицензия — Apache-2.0.

Это экспериментальная конверсия модели Flux для генерации изображений по текстовому описанию. Модель создана TheGreatOne321 на основе оригинальной модели, однако её идентификатор и метаданные не раскрывают точную базовую модель.

Sarv-Hybrid-Pro — модель семейства Sarv, разработанная на базе artindnr/strawberry-1. Это дообученная модель gpt_oss с архитектурой MoE и 1,6 млрд параметров; она принимает текст и генерирует персидские стихи. Для выбора между прямой генерацией и режимом с рассуждениями модель использует гибридный подход: двухэтапное обучение LoRA SFT сначала улучшает генерацию без рассуждений, затем обучает рассуждения о метре, образах и структуре стихотворения, сохраняя часть примеров прямой генерации. Контекст — до 131 072 токенов. Модель предназначена для генерации персидской поэзии в производственных сценариях, где нужны как прямой ответ, так и рассуждения, выбираемые самой моделью. В README она описана как более сбалансированная версия sarv-hybrid и рекомендуется как основной вариант семейства. Выпущенные веса объединены с базовыми весами; репозиторий содержит safetensors. Лицензия — Apache-2.0. Выбор режима рассуждений усвоен при обучении и не задаётся пользователем с гарантией: для принудительно включённых или отключённых рассуждений README рекомендует отдельные модели Sarv. Обучающий конвейер состоит из двух этапов и требует больше вычислений и времени для воспроизведения; также модель наследует ограничения Strawberry-1 и gpt_oss.

ashiqabdulkhader/shiba-dog — модель генерации изображений на основе Stable Diffusion, дообученная автором ashiqabdulkhader методом DreamBooth на концепции сиба-ину и изображениях собак из набора ashiqabdulkhader/animals. Она предназначена для создания изображений по текстовым запросам; для вызова обученной концепции в запросе используется формулировка «a photo of shiba dog». Модель распространяется в форматах Diffusers и PyTorch и лицензирована CreativeML OpenRAIL-M.

SikuGPT2 — китайская языковая модель семейства GPT-2, разработанная для генерации текстов в стиле древнекитайских сочинений. Она обучена на полном текстовом корпусе «Сыку цюаньшу» и предназначена для продолжения текста и создания фрагментов, стилизованных под классическую китайскую письменность. Модель использует архитектуру GPT2LMHeadModel и принимает текст, выдавая текст; контекст составляет 1024 токена. Модель опубликована в форматах PyTorch и Safetensors и распространяется по лицензии Apache-2.0. В README отмечено, что Hosted Inference API может отображать результаты некорректно: при включённом skip_special_tokens удаляются специальные токены, например [SEP] и [UNK].

SongComposer_pretrain — языковая модель для композиции текстов песен и мелодий, разработанная авторами SongComposer на основе InternLM2. Это предварительно обученная версия семейства SongComposer, инициализированная весами InternLM2 и получившая базовые знания о текстах песен и мелодиях; версия предназначена для генерации по заданному текстовому промпту. Модель имеет плотную архитектуру InternLM2ForCausalLM, содержит 7,4 млрд параметров и поддерживает контекст до 32 768 токенов. Модель рассчитана на создание строк песни и мелодических последовательностей. Для генерации по инструкциям, включая преобразование текста в мелодию, мелодии в текст, продолжение песни и создание песни по текстовому описанию, авторы также выпускают отдельную версию SongComposer_sft; эти сценарии не следует считать гарантированными возможностями данной предварительно обученной версии. В примере README используется китайский текст, поэтому китайский язык подтверждён; другие языки карточка не описывает. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

Spring24BV.5 — слитая автором OddTheGreat модель на архитектуре Mistral с 23,4 млрд параметров, предназначенная прежде всего для диалогового ролевого взаимодействия. Она ориентирована на сценарии с мрачной атмосферой и персонажами, включая ролевые ситуации с грубой речью и жестокими темами; автор описывает её как в целом нейтральную к пользователю и проверенную также на русском языке. Модель принимает текст и генерирует текст, поддерживает контекст длиной до 131 072 токенов по метаданным; автор отдельно отмечает работу с карточками персонажей и лорбуками, проверенную им на контексте до 10 тысяч токенов. По оценке автора, модель достаточно умна для своего размера и обычно следует инструкциям, но может галлюцинировать и вести себя нестабильно, особенно при высокой температуре; для суммаризации и похожих задач рекомендуется снижать температуру. Качество и стиль ответов зависят от промпта, а для получения подходящего ответа автор иногда использовал несколько генераций. Указана лицензия Apache-2.0.

Stellar Odyssey 12b v0.0 — разговорная модель для ролевых сценариев, созданная автором LyraNovaHeart. Это слияние нескольких моделей семейства Mistral Nemo методом della_linear на базе mistralai/Mistral-Nemo-Base-2407; в слияние также вошли Sao10K/MN-12B-Lyra-v4, nothingiisreal/MN-12B-Starcannon-v2 и Gryphe/Pantheon-RP-1.5-12b-Nemo. Модель содержит 12,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и веса Safetensors; метаданные указывают контекст до 1 024 000 токенов. Предназначена для ролевого общения в формате ChatML и генерации текста в диалоге. README не описывает языковую специализацию или независимые данные обучения; поскольку это слияние, характеристики и поведение зависят от исходных моделей. Лицензия в предоставленных материалах не указана.

talkie-1930-13b-base-hf — версия модели семейства Talkie в формате Transformers, опубликованная Xiaoning Wang. Это плотная авторегрессионная языковая модель с архитектурой decoder-only GPT и примерно 12,9 млрд параметров; она принимает текст и генерирует продолжение. Базовая модель обучалась на англоязычных текстах, созданных до 1931 года, и предназначена для генерации текста с характерной лексикой и знаниями той эпохи. Модель использует 40 слоёв и контекст до 2048 токенов. В архитектуре применяются нормализация запросов и ключей после RoPE, отдельные обучаемые коэффициенты для голов внимания и остаточных потоков, а также связи с входными эмбеддингами. Репозиторий содержит веса safetensors для загрузки через Transformers; для пользовательской архитектуры требуется включить trust_remote_code. В README отмечено, что у базовой модели нет шаблона чата, поэтому готовый многоходовый диалоговый режим не гарантирован. Модель основана на talkie-lm/talkie-1930-13b-base и распространяется по лицензии Apache-2.0. Ее специализация на материалах до 1931 года ограничивает актуальность современных знаний; README также указывает, что базовая модель была дообучена для диалогового применения, но карточка этого репозитория описывает именно base-вариант.

Fathi7ma/tiny-stories-gpt2 — компактная языковая модель GPT-2 small, дообученная на наборе коротких историй TinyStories. Она генерирует короткие художественные рассказы на основе текстовой подсказки и подходит для творческих упражнений, развлечения и создания простого детского контента. Модель принимает текст и продолжает его в виде рассказа. Контекст составляет 1024 токена; в репозитории представлены веса в формате safetensors. Обучение проводилось на английских историях, поэтому модель ориентирована на генерацию на английском языке. Указанная лицензия — MIT.

TIPO-200M-ft — дообученная языковая модель семейства LLaMA от KBlueLeaf, предназначенная для подготовки и оптимизации текстовых запросов к генераторам изображений. Она дополняет или уточняет короткие и неполные промпты, чтобы помочь получить более подходящее описание для генерации изображения. Модель содержит 177,9 млн параметров, принимает текст и генерирует текст; карточка указывает контекст до 2048 токенов, а README описывает архитектуру LLaMA и обучение на данных Danbooru2023 и Coyo-HD-11M. Модель рассчитана на использование в конвейере text-to-image через расширение z-tipo-extension, совместимое со Stable Diffusion WebUI, Forge и ComfyUI. В README приведены результаты оценки базовой TIPO-200M, но не отдельные результаты TIPO-200M-ft. Репозиторий содержит веса safetensors и вариант GGUF F16. Лицензия указана как other, поэтому условия использования следует уточнять по карточке модели.

TIPO-500M-ft — языковая модель семейства LLaMA, разработанная KBlueLeaf для улучшения текстовых запросов к генераторам изображений. Она дополняет и уточняет пользовательский промпт перед передачей в систему text-to-image, чтобы упростить подготовку запросов и повысить качество результата. Модель содержит 467 млн параметров и имеет контекст до 2048 токенов по метаданным. Она принимает текст и генерирует текст; репозиторий содержит веса Safetensors и GGUF F16. В README описана интеграция через расширение z-tipo-extension для Stable Diffusion WebUI, Forge и ComfyUI. Данные для обучения включали подписи и метаданные изображений, в том числе из Danbooru2023, Coyo-HD и GBC10M. Оценки в карточке приведены для TIPO-200M, поэтому они не подтверждают качество именно версии 500M-ft. Указанная лицензия — other; конкретные условия использования следует сверять с лицензией репозитория.

TrackWan 1.3B I2V — модель преобразования изображения в видео с управлением движением по разреженным траекториям точек, разработанная на базе Wan2.1 1.3B. Она принимает исходное изображение, текстовое условие и траектории пикселей с видимостью по кадрам, а затем генерирует видео, согласованное с заданным движением. Репозиторий содержит самодостаточный конвейер Diffusers с трансформером, VAE, текстовым энкодером T5, энкодером изображений CLIP, токенизатором и планировщиком. Архитектура — DiT Wan2.1 на 1,3 млрд параметров с 30 слоями и шириной скрытого представления 1536, дополненная WanTrack head для кодирования траекторий. Чекпойнт — финальный шаг 600 второго этапа дообучения на объединённом синтетическом наборе траекторий; заявленный режим генерации — 480×832, 121 кадр при 24 кадрах в секунду. Модель предназначена для исследовательских и прикладных экспериментов по управляемой генерации движения в видео. Лицензия — Apache-2.0. README не сообщает о поддерживаемых языках текста.

episod/tt-tnt — небольшая языковая модель, разработанная Episod и обученная с нуля на одном ускорителе Tenstorrent Blackhole. Это плотная авторегрессионная модель архитектуры в стиле Llama 3 с RoPE, RMSNorm, SwiGLU и grouped-query attention; в ней около 22 млн параметров, контекстное окно — 2048 токенов. Модель обучалась на смеси из девяти источников англоязычных историй, книг, поэзии и Википедии и предназначена для продолжения текста, в частности простых историй и повествовательных фрагментов. Это базовая модель завершения текста без дообучения на инструкциях и без чат-шаблона: ей следует передавать начало текста, а не задавать вопросы. В оценке модель иногда подхватывает детали запроса, но наивная генерация может зацикливаться на повторах; выборка с температурой обычно ведёт себя лучше, чем жадное декодирование. Завершение текста по EOS работает лишь частично: многие генерации всё ещё доходят до заданного лимита. Лицензия — Apache-2.0.

URPM-v2.3Final — созданный автором saftle чекпойнт Stable Diffusion 1.5, собранный слиянием моделей и предназначенный для генерации фотореалистичных изображений по текстовым запросам. Модель распространяется в форматах Diffusers и safetensors и подходит для создания взрослых изображений и других реалистичных сцен. В сравнении с версией 2.2 автор отмечает улучшенную анатомию и детализацию лиц, но возможное ухудшение изображения пальцев. README рекомендует осторожно составлять негативный запрос: без него возможны нежелательные сочетания NSFW-контента с изображением людей разных возрастов. Для модели доступна лицензия, указанная в карточке Hugging Face; в предоставленных данных её условия не приведены.

VietPoet Qwen3.5-9B — дообученная модель на базе Qwen/Qwen3.5-9B, созданная Peter Buitho для генерации вьетнамских стихотворений в форме lục bát. Модель обучена методом QLoRA на корпусе из 8 000 стихотворений в течение двух эпох; адаптер LoRA объединён с весами. Доступна версия bf16 в формате safetensors размером 18 ГБ для Transformers и vLLM. Модель подходит для создания стихотворений по заданной теме или заголовку. В тесте на 100 запросах на стихотворение из восьми строк исходная модель выдавала 14% полностью корректных по форме стихотворений; при использовании построчного семплера с проверкой правил этот показатель достигал 98%. Без семплера около 10% строк bát нарушают правила тонов. Эти метрики оценивают соблюдение формы, а не художественное качество: смысл стихов может быть неточным или отходить от темы. Для генерации с проверкой правил автор рекомендует использовать модель вместе с построчным семплером и проверщиком правил из проекта ThoLucBat. Лицензия модели — Apache-2.0; обучающие данные корпуса указаны под CC BY 4.0.

Shilin-LU/VINE-R-Enc — модель преобразования изображений, опубликованная на Hugging Face. Она дообучена на основе stabilityai/sdxl-turbo и предназначена для задач image-to-image. В метаданных указаны формат safetensors, связь с датасетом BleachNick/UltraEdit и лицензия MIT. Карточка не раскрывает конкретный способ преобразования изображений, архитектурные детали, размер модели, настройки контекста или условия применения. Метаданные указывают английский язык, но модель работает с изображениями; сведений о текстовом вводе или генерации текста нет. README содержит только техническую заметку о публикации через интеграцию PytorchModelHubMixin.

Violet 1b4 — авторская языковая модель Zakarth на архитектуре GPT-NeoX с плотной causal language model и примерно 1,8 млрд параметров. Она обучена преимущественно на англоязычных текстах 1800–1899 годов из Project Gutenberg, Internet Archive, Британской национальной библиотеки и других архивов; использует специальный токенизатор для викторианских текстов и контекст до 4096 токенов. Это версия для продолжения текста, а не чат-модель. Модель предназначена для генерации художественной прозы с викторианским оттенком, ролевых сценариев, переписки в стиле эпохи и текстов, соблюдающих викторианский этикет. Она может быть полезна авторам и разработчикам локальных творческих инструментов; карточка также описывает демонстрации, работающие локально через WebGPU. Модель не подходит для современных фактических ответов и медицинских, юридических или финансовых консультаций. Возраст и даты в генерации могут быть неточными, а из-за OCR в обучающих текстах иногда появляются современные посторонние токены. В корпусе представлены варианты английского из Великобритании и США. Лицензия модели — CC0 1.0.

Antiraedus создал эту модель на базе Stable Diffusion, дообучив её методом DreamBooth на изображениях стиля Violet Evergarden из собственного набора данных. Она предназначена для генерации изображений по текстовому запросу с использованием концепта «vioeva», например для создания аниме-пейзажей и городов в этом стиле. Модель распространяется в формате Diffusers/PyTorch под лицензией CreativeML OpenRAIL-M. Автор отмечает, что обучающие изображения были в градациях серого, поэтому результат может быть монохромным. В README не приведены сведения о размере модели или длине контекста.

Melo1512 әзірлеген ViT-MSN Small моделінің imagefolder деректер жиынында Melo1512/vit-msn-small-beta-fia-manually-enhanced-HSV_test_2 базалық моделінен қосымша оқытылған нұсқасы. Ол суреттерді image-classification тапсырмасы бойынша жіктеуге арналған. Модельде ViTMSNForImageClassification архитектурасы, 28,3 млн параметр және safetensors пішімі қолданылады. Бағалау жиынында дәлдігі 0,8803, ал loss көрсеткіші 0,5013 болған. README-де модельдің нақты қолдану саласы, жіктеу санаттары, оқыту деректерінің мазмұны және белгілі шектеулері сипатталмаған. Лицензия туралы ақпарат берілмеген.

Это набор LoRA-адаптеров Alibaba PAI для семейства видеогенераторов Wan2.1-Fun. Адаптеры обучены методом Reward Backpropagation, чтобы улучшать соответствие создаваемых видео человеческим предпочтениям, оцениваемым моделями HPS v2.1 и MPS. В набор входят варианты для базовых моделей Wan2.1-Fun-1.3B-InP и Wan2.1-Fun-14B-InP; веса опубликованы в формате safetensors под лицензией Apache-2.0. Адаптеры подключаются к соответствующей базовой модели при генерации видео по текстовому запросу. Карточка указывает поддержку английского и китайского языков, но не уточняет длину контекста. Это именно дополнение к базовым моделям: отдельно адаптеры видео не генерируют. При обучении оптимизация награды может продолжаться и после того, как визуальное качество перестаёт расти; адаптер способен использовать артефакты в фоне как обходной путь для повышения оценки. Используемые модели предпочтений для изображений не оценивают временную динамику и согласованность видео и могут снижать динамичность результата.

Это модуль Dilated ControlNet для Wan2.1, разработанный авторами репозитория TheDenk/wan2.1-t2v-1.3b-controlnet-depth-v1. Он предназначен для генерации и преобразования видео с управлением по карте глубины: контрольная сеть задаёт пространственную структуру кадров для модели Wan2.1 версии 1.3B. Вариант для Wan 1.3B использует 8 блоков ControlNet и параметр stride, равный 3; в сравнении с базовой конструкцией модуль содержит меньше основных блоков. Репозиторий предоставляет веса в формате safetensors и связан с библиотекой Diffusers. Для использования требуется совместимая модель Wan2.1 и код из указанного проекта; README не содержит подробной инструкции по запуску или оценки качества. Лицензия — Apache-2.0.

thewh1teagle/whisper-large-v3-turbo-he-ipa — модель автоматического распознавания речи, дообученная на базе ivrit-ai/whisper-large-v3-turbo. Это Hebrew-файнтюн семейства Whisper Large v3 Turbo, ориентированный на распознавание и транскрипцию речи на иврите с выводом в IPA. Модель обучалась на наборах ivrit-ai/crowd-transcribe-v5, ivrit-ai/crowd-recital-whisper-training и ivrit-ai/knesset-plenums-whisper-training; для работы предназначена библиотека Transformers. Размер модели составляет около 905,2 млн параметров. Модель подходит для транскрибации иврита в аудиозаписях, включая публичные выступления, чтение и материалы, представленные обучающими датасетами. Её ключевая специализация — иврит и фонетическая транскрипция в международном фонетическом алфавите. Модель распространяется по лицензии Apache-2.0. Ограничения включают узкую языковую специализацию и зависимость качества распознавания от акустики записи, дикции, шумов и соответствия входных данных условиям обучения.