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

MIDI-LLM — исследовательская модель для генерации музыки в формате MIDI по текстовому описанию, разработанная Shih-Lun Wu, Dave Carlton, Ryan Mikayawa, Yoon Kim, Chris Donahue и Cheng-Zhi Anna Huang при участии MIT, Hooktheory и CMU. Она основана на Llama 3.2 1B и дообучена для работы с текстом и MIDI-последовательностями; архитектура — LlamaForCausalLM с расширенным слоем эмбеддингов. Модель содержит около 1,3 млрд параметров по метаданным (в README приводится 1,4–1,47 млрд), использует словарь из 183 286 токенов, включая 55 030 токенов для MIDI-событий: времени начала нот, их длительности и сочетаний инструмента с высотой ноты. Принимая текстовое описание композиции, она генерирует MIDI-токены. Обучение включало музыкальные тексты, MIDI-файлы и пары MIDI с текстовыми описаниями; длина обучающих последовательностей составляла 2 048 токенов. Метаданные указывают нативный контекст 131 072 токена, но это значение отличается от длины последовательностей при обучении. Модель предназначена для создания музыкальных набросков и MIDI-композиций по текстовому запросу. Она оценивалась метриками FAD и CLAP на примерах LakhMIDI. Для использования нужны совместимый код и настройка инференса, описанные в связанном проекте. Модель распространяется по лицензии Llama 3.2 Community License; применяются её условия.

skytnt/midi-model — трансформер для генерации музыки в формате MIDI, разработанный SkyTNT. Модель предсказывает последовательности MIDI-событий; в репозитории также доступны версии весов в ONNX, PyTorch и Safetensors и файл SoundFont для удобного скачивания. Версия v1.2 обучена на наборе Los-Angeles-MIDI-Dataset, отфильтрованном по качеству; автор сообщает об улучшении результатов. Для генерации модель принимает последовательность MIDI-событий и выдаёт MIDI-события. Лицензия — Apache-2.0. Длина контекста и поддерживаемые языки в предоставленных сведениях не описаны.

Moistral-11B-v3 — языковая модель BeaverAI для генерации художественных историй и ролевых сцен в формате инструкций Alpaca. Она основана на архитектуре Llama, содержит 10,6 млрд параметров и рассчитана на контекст до 8192 токенов. В README модель описана как дообученная версия Fimbulvert v2, а метаданные также указывают на слияние моделей; точный базовый идентификатор в них дан в виде локальных путей, поэтому установить его репозиторий Hugging Face нельзя. Модель предназначена для написания длинной прозы и ролевого взаимодействия, в том числе эротического контента. В карточке отмечены жанры фэнтези, научной фантастики, романтики и семейных историй, а также разные повествовательные перспективы. Примеры и данные о поддерживаемых языках в карточке не дают надёжного основания указать язык модели. Весы опубликованы в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование. Модель заточена под художественную генерацию и может быть неподходящей для общих ассистентских задач; качество и длина ответов могут зависеть от промпта и повторного продолжения текста.

Morax-24B-v2 — текстовая разговорная модель на архитектуре Mistral, созданная DarkArtsForge слиянием трёх предварительно обученных моделей через mergekit и метод della. Она предназначена для генерации творческих текстов и ролевых диалогов; автор описывает её как модель с включаемым по запросу режимом рассуждений и без отказов на запросы. В репозитории указаны 23,4 млрд параметров и контекст до 131 072 токенов; веса представлены в формате safetensors, модель работает через Transformers. Карточка заявляет повышенную склонность к мрачным, откровенным и жестоким сюжетам, поэтому модель подходит для творческого письма и ролевых сценариев с таким содержанием. Автор рекомендует шаблон Mistral Tekken и отмечает, что поведение рассуждений можно менять промптом. README не указывает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

Mr-Men-and-Little-Misses — модель генерации изображений по текстовому описанию, созданная fffiloni методом DreamBooth на базе Stable Diffusion с помощью fast-DreamBooth notebook от TheLastBen. Для генерации используйте шаблоны «Mr what you want» или «Little Miss what you want», например «mr tiger» или «little miss sunshine», чтобы создавать изображения в стилистике персонажей Mr. Men и Little Miss. Репозиторий содержит веса в форматах Diffusers и PyTorch и распространяется по лицензии CreativeML OpenRAIL-M. В README рекомендуется использовать более 30 шагов генерации для лучших результатов.

MuPT-v1-8192-1.07B — авторегрессионная модель генерации символической музыки из серии MuPT, разработанной для работы с музыкальными последовательностями. Она основана на архитектуре LLaMA 2 и обучена на крупном наборе из миллионов монофонических и полифонических произведений разных жанров и стилей. Размер этой версии — около 1 млрд параметров, длина контекста — 8192 токена; метаданные указывают формат PyTorch и лицензию Apache-2.0. Модель предназначена для генерации музыкальных последовательностей, включая мелодии, аккомпанемент и многодорожечные композиции. README показывает постобработку результата в нотацию ABC; сама модель выдаёт текстовые токены музыкальной последовательности, а для прослушивания их требуется дополнительно преобразовать в аудио. В карточке приведены примеры запуска через Megatron-LM и REST-сервер. Модель специализируется на символической музыке, а не на непосредственном синтезе аудиозаписей. Качество зависит от корректного декодирования и постобработки последовательностей; для использования примеров из карточки требуются соответствующее окружение и чекпойнт.

mythospice-70b — объединённая с помощью SLERP модель семейства Llama 2, собранная из jondurbin/spicyboros-70b-2.2, elinas/chronos-70b-v2 и NousResearch/Nous-Hermes-Llama2-70b. Это плотная авторегрессионная модель на 68,7 млрд параметров для генерации текста; в карточке предложено пробовать формат инструкций Alpaca, хотя могут подходить и другие форматы запросов. Модель ориентирована на ролевые сценарии и генерацию ответов на английском языке; контекст составляет 4096 токенов. Разработчик предупреждает о предвзятостях, характерных для нишевых ролевых форумов, а также унаследованных от базовой модели, и не рекомендует использовать её для фактической информации или советов. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

Panchovix/noobai-XL-VPred-cyberfixv2-perpendicularcyberfixv2 — диффузионная модель генерации изображений по тексту, созданная на основе NoobAI XL V-Pred и доработанная методом Cyberfix с использованием версии Cyber Realistic v4 и перпендикулярного слияния через sd_mecha. Карточка описывает обучение на изображениях Danbooru и e621 с тегами и подписями на естественном языке; модель использует предсказание v, а не eps. Модель предназначена для создания стилизованных, в том числе аниме- и фурри-изображений по текстовым промптам. В README рекомендованы сэмплер Euler, 28–35 шагов, CFG 4–5 и разрешение около 1024×1024; другие сэмплеры могут работать некорректно. Указаны форматы запуска через reForge, ComfyUI, WebUI и Diffusers. В метаданных указаны библиотека Diffusers, формат safetensors, английский язык и базовая модель Laxhar/noobai-XL-Vpred-0.75. README также называет Laxhar/noobai-XL_v1.0 как основу семейства. Лицензия обозначена как other; README запрещает коммерческое использование и требует открывать производные модели и соблюдать fair-ai-public-license. Генерации могут быть непредсказуемыми, а сама карточка предупреждает о возможном вредном или оскорбительном содержимом.

Noromaid-13B-0.4-DPO — полноразмерная дообученная модель для генерации текста на архитектуре Llama, опубликованная IkariDev и Undi. Репозиторий содержит веса FP16; указаны также варианты GGUF. Модель рассчитана на диалоговое и ролевое использование в SillyTavern и использует шаблон NsChatml. Модель насчитывает 12,9 млрд параметров и поддерживает контекст до 4096 токенов. В обучении использовались наборы no_robots, Aesir RP и limarp, а для DPO — пары Orca и наборы с токсичными запросами. Лицензия CC BY-NC 4.0 разрешает использование на некоммерческих условиях; модель ориентирована на ролевые диалоги, поэтому ответы могут включать взрослые или токсичные темы.

nova-kemono-xl-v50-sdxl — модель генерации изображений по тексту, опубликованная John6666 и предназначенная для создания иллюстраций в стиле kemono и furry. Она использует конвейер Stable Diffusion XL и распространяется в форматах Diffusers и Safetensors. В карточке указаны темы аниме, furry, антропоморфных и feral-персонажей, а также 2D, 2.5D и 3D стили; модель поддерживает англоязычные промпты. Это слияние NoobAI XL 1.1 и Illustrious XL v2.0. Для использования доступна лицензия faipl-1.0-sd. Репозиторий помечен как Not-For-All-Audiences и может содержать чувствительный контент.

athirdpath/NSFW_DPO_Noromaid-7b — текстовая генеративная модель на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Она создана на основе NeverSleep/Noromaid-7b-v0.1.1: обучение с предпочтениями DPO на датасете DPO-v2 завершилось аварийно, после чего тот же LoRA-адаптер обучали ещё две эпохи на NSFW_DPO-v1. Модель предназначена для генерации текста и ролевых диалогов, в том числе контента для взрослых. В метаданных указан английский язык и формат весов safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

OneEmo — мультимодальная модель рассуждений для распознавания эмоций и взаимодействия в видеосценариях, разработанная авторами проекта OneEmo. Она объединяет восемь задач: распознавание эмоций и намерений, анализ тональности, понимание юмора и сарказма, а также генерацию эмпатичных ответов и поддерживающий диалог. Модель основана на плотной архитектуре Qwen3.5 и дообучена на OneEmo-Base с использованием Emo-World-130K и стратегии Emo-Chord. Модель принимает видео и текстовые инструкции, а выдаёт текстовые метки, анализ и ответы. Карточка описывает поддержку английского и китайского языков; для запуска приведена конфигурация с обработкой до 16 кадров видео и максимальной длиной контекста 32768 токенов. Модель предназначена для исследовательских и прикладных систем эмоциональных вычислений, анализа социальных сигналов и диалоговых приложений. Предсказания эмоций могут отражать культурные стереотипы и хуже работать на языках, культурах и сценариях, недостаточно представленных в обучении; качество снижается при плохом видео и шумных транскриптах. Сгенерированные ответы поддержки могут быть небезопасными или некорректными, а цепочка рассуждений не гарантирует правильности. Модель не предназначена для диагностики, решений с высокими ставками, наблюдения или манипулятивного применения. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но не коммерческое использование.

darjja/oxford-17-flowers-resnet18 — модель классификации изображений цветов на основе ResNet18, обученная методом transfer learning на наборе Oxford 17 Flowers. Разработчик — darjja. Модель принимает изображение размером 224×224 пикселя и относит его к одному из 17 видов цветов: среди них колокольчик, лютик, крокус, нарцисс, ромашка, ирис, подснежник, подсолнух и тюльпан. Модель предназначена для распознавания этих видов цветов на фотографиях. В основе лежит ResNet18, предварительно обученная на ImageNet; веса классификатора хранятся в формате PyTorch. Это специализированная модель с ограниченным набором из 17 классов, поэтому она не предназначена для распознавания других объектов или видов цветов вне заданного списка. Лицензия в предоставленных данных не указана.

Paper-Mario-Thousand-Year-Door-map-model — модель генерации изображений, созданная Kagerage методом DreamBooth на базе Stable Diffusion. Она предназначена для создания изображений карт в стилистике игры Paper Mario: The Thousand-Year Door по текстовым запросам и может использоваться в совместимых интерфейсах, включая AUTOMATIC1111 и Diffusers. Автор отмечает, что модель не завершена: при генерации иногда появляются артефакты, а широкие изображения она создаёт плохо. Репозиторий содержит веса в форматах Diffusers и PyTorch. Лицензия — CreativeML Open RAIL-M.

Это ONNX-версия модели AlphaAvatar Persona для оценки возраста и классификации гендерной категории говорящего по аудио. Она основана на wav2vec2-large-robust-6-ft-age-gender от audEERING; в README подтверждено совпадение весов с исходным чекпойнтом. Модель принимает монофоническую звуковую волну с частотой 16 кГц и выдаёт вектор признаков размерности 1024, оценку возраста и три логита категорий child, female и male. Для получения вероятностей к логитам требуется отдельно применить softmax. Модель предназначена для анализа характеристик голоса в приложениях вроде AlphaAvatar Persona. Перед подачей аудио вызывающая программа должна выполнить нормализацию, ожидаемую Wav2Vec2FeatureExtractor; сама ONNX-граф её не выполняет. В README также описан сценарий с окнами по 3 секунды и шагом 1 секунда. Файл является побитовой копией существующего ONNX-артефакта, без конвертации или повторного экспорта. Лицензия исходных весов CC-BY-NC-SA-4.0 запрещает коммерческое использование и требует соблюдения условий share-alike.

Pippafeet-11B-0.1 — экспериментальная языковая модель на архитектуре Mistral, созданная автором репозитория nonetrix путём слияния пяти моделей с помощью mergekit. Она предназначена для генерации текста, ролевых диалогов и ответов на общие запросы. Модель содержит 11,5 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В состав слияния вошли Endevor/EndlessRP-v3-7B, SanjiWatsuki/Kunoichi-DPO-v2-7B, sanjiwatsuki/Loyal-Toppy-Bruins-Maid-7B-DARE, undi95/Toppy-M-7B и yam-peleg/Experiment30-7B. Автор сообщает, что модель часто даёт приемлемые ответы, однако из-за прямого слияния весов может выдумывать слова, заикаться и вести себя нестабильно. Языки, на которых она надёжно работает, в карточке не определены. Файлы опубликованы в формате safetensors, использовать модель можно по лицензии Apache-2.0.

PixVL-bestcap50k-gcg-sft — экспорт модели PixVL, опубликованный разработчиком HudeKing. Модель основана на Qwen3-VL-4B-SAMTok и предназначена для сегментации изображений; её архитектура — Qwen3-VL с условной генерацией, а веса доступны в формате safetensors. Модель можно использовать для выделения областей и объектов на изображениях. README указывает, что экспорт выпущен для исследовательского использования. Репозиторий заявляет лицензию MIT, а README связывает условия использования с лицензией и ограничениями базовой модели.

PixVL-coupled50k-v7 — модель семейства Qwen3-VL для сегментации изображений. Это публичный экспорт обучения PixVL, созданный на основе Qwen3-VL-4B-SAMTok и опубликованный в формате Hugging Face с весами safetensors. Модель предназначена для задач сегментации изображений; её архитектура — Qwen3VLForConditionalGeneration. Автор указывает исследовательское применение. Модель наследует лицензию и ограничения использования исходной Qwen3-VL-4B-SAMTok; метаданные репозитория указывают лицензию MIT.

Political_DEBATE_DeBERTa_base_v1.1 — модель для классификации политических текстов, опубликованная пользователем mlburnham, связанным с Mike Burnham. Она входит в коллекцию Political DEBATE, описанную как набор zero-shot-классификаторов для политических текстов. Модель построена на архитектуре DeBERTa-v2 и предназначена для задач text classification; её размер составляет около 0,2 млрд параметров. На странице модели указаны интеграция с Transformers и формат Safetensors. Коллекция и сопутствующие материалы связывают семейство Political DEBATE с классификацией политических тем и других характеристик политических текстов, однако точные поддерживаемые языки, размер контекста, данные обучения, метрики, ограничения и конкретные выходные классы для версии v1.1 не описаны. Сильной стороной является специализация на политическом тексте и возможность применения в стандартном конвейере классификации Transformers. Из-за неполноты карточки нельзя надёжно оценить качество, устойчивость к смещениям или пригодность для конкретных доменов. Лицензия для этой версии в доступных материалах не указана.

PromptBridge-0.6b-Alpha — специализированная модель retowyss, дообученная на базе Qwen3-0.6B для преобразования промптов в обе стороны при генерации изображений. Она расширяет короткие ключевые слова или описания до подробных промптов, а длинные промпты сжимает до ключевых слов или одного предложения; преобразования можно чередовать, чтобы создавать варианты. Модель содержит 507,9 млн параметров, использует плотную архитектуру Qwen3 и принимает текстовый ввод, выдавая текст. Максимальный контекст составляет 40 960 токенов. В метаданных указан английский язык; обучение проведено на примерно 300 тысячах синтетических пар промптов. Модель обучалась исключительно на описаниях одного взрослого человека или человекоподобного персонажа. Данные включали контент от PG до R; откровенные примеры были удалены, но модель может выдавать чувствительный контент. Она не предназначена для общего диалога, следования произвольным инструкциям или рассуждений; качество для объектов, отличных от человеческих персонажей, не проверялось. Сжатие и расширение могут приводить к промптам длиннее типичных ограничений генераторов изображений. Лицензия — Apache-2.0.

Elfrino выпустил объединённую методом SLERP языковую модель на архитектуре Llama с 19,8 млрд параметров. Она предназначена для генерации текста и диалоговых сценариев; в состав объединения вошли Undi95/PsyMedRP-v1-20B и Undi95/MXLewd-L2-20B. Модель принимает текст и генерирует текст, максимальная длина контекста составляет 4096 токенов. Название и базовые модели указывают на ориентацию на ролевые диалоги с психологической и медицинской тематикой, а также на контент для взрослых. Карточка не приводит оценки качества или подробных ограничений применения. Лицензия в предоставленных данных не указана.

Cel100/qwen-2511 — LoRA-адаптер для генерации изображений по текстовому описанию, разработанный пользователем или организацией Cel100. Модель предназначена для использования с Diffusers и совместимыми инструментами, поддерживающими diffusion LoRA. В качестве базовой модели указана nnndite/QwenEdit_2511_couple_nsfw_v1.safetensors. Для активации адаптера в запросе необходимо использовать триггерное слово «vajza». README не сообщает точные размер адаптера, архитектурные параметры, поддерживаемые языки и ограничения по контексту. Также из карточки следует, что модель ориентирована на сценарии генерации изображений, однако подробные характеристики качества и область применения не описаны. Модель распространяется по лицензии AFL-3.0. README не содержит количественных оценок, сравнений с другими моделями, сведений о рекомендуемых настройках, ограничениях использования или дополнительных модальностях. Поэтому её сильные и слабые стороны можно оценить только в общих чертах: преимущество заключается в адаптации базовой модели через LoRA и наличии явного триггерного слова, а качество, стабильность результатов и совместимость зависят от базовой модели и используемого программного окружения.

shikunpunk/Qwen2.5-3B-PoetryGen — дообученная модель на базе Qwen2.5-3B-Instruct для генерации китайской классической поэзии. Она создаёт произведения в жанрах гуши, пятисловного и семисловного регулярного стиха и цзюэцзюй, а также может подражать стилю известных поэтов, например Ли Бо. Модель содержит около 3,1 млрд параметров и использует архитектуру Qwen2 dense с causal language modeling. Для обучения применялись QLoRA с 4-битной NF4-квантизацией и последующая оптимизация предпочтений DPO. Репозиторий содержит веса BF16 в формате safetensors; заявлена поддержка контекста до 32 768 токенов. Модель принимает текстовые запросы и генерирует текст на китайском языке. Она предназначена для творческого письма по заданной теме, стихотворной форме или авторскому стилю. Обучение проводилось на китайском корпусе классической поэзии, поэтому заявленные возможности сосредоточены на этой области. Модель распространяется по лицензии Apache-2.0.

Chun121/Qwen3-4B-RPG-Roleplay-V2 — языковая модель для текстовой генерации и ролевого взаимодействия, разработанная Chun. Она создана на базе unsloth/Qwen3-4B-Base и дообучена с использованием LoRA и GRPO на датасете Gryphe/Sonnet3.5-Charcard-Roleplay. Заявленный основной язык — английский. Модель предназначена для диалогов от лица заданных персонажей, сюжетных RPG-сценариев и творческого письма. Она ориентирована на сохранение образа персонажа, подробные и вовлекающие ответы, понимание пользовательских запросов и соблюдение специального формата с тегами <thinking> и <RESPONSE>. Архитектура — Transformer LLM примерно на 4 млрд параметров базовой модели плюс параметры LoRA; доступны варианты 4-bit и GGUF. Контекст ограничен 2048 токенами. Указанные GGUF-варианты включают Q4_K_M, Q5_K_M, Q8_0 и F16. К сильным сторонам относятся ориентация на последовательное поведение персонажей, детализированные ответы и оптимизация с помощью GRPO для повышения соответствия ролевому сценарию. Ограничения включают небольшой контекст, специализацию преимущественно на англоязычном roleplay и возможную зависимость качества от поддержки требуемого формата чата. В README указана лицензия MIT, однако в разделе метаданных model card также встречается Apache-2.0, поэтому лицензионные условия следует дополнительно проверить перед использованием.

Qwen3-VL-8B VQA Wiki — созданная разработчиком phunguyendinhkh мультимодальная модель на базе Qwen/Qwen3-VL-8B-Instruct, дообученная методом QLoRA и объединённая с базовыми весами. Она предназначена для ответов на вопросы о содержимом изображений на вьетнамском языке, в том числе в сценариях визуальных вопросов и ответов по материалам Wiki и VietTravelVQA-подобного набора данных. Модель использует архитектуру Qwen3-VL с 8 млрд параметров и принимает изображения вместе с текстовыми вопросами, выдавая текстовые ответы. Репозиторий содержит веса safetensors; лицензия — Apache-2.0. Карточка не приводит оценок качества или подробностей о контексте.

Qwen-Image-Edit-2509-Photo-to-Anime — модель LoRA, разработанная AutoWeeb и дообученная на базе Qwen/Qwen-Image-Edit-2509. Она предназначена для преобразования фотографий в изображения в стиле аниме, манги и близких к ним визуальных направлений. Модель поддерживает сценарии image-to-image и рассчитана на работу с простыми текстовыми запросами, например «transform into anime». Для тестирования доступны интеграция через Hugging Face и рабочий процесс ComfyUI. Модель ориентирована на обработку фотографий высокого разрешения и относится к мультимодальным системам редактирования изображений, однако точные архитектурные параметры, количество параметров, максимальный контекст и поддерживаемые разрешения в README не указаны. В метаданных заявлены английский и китайский языки, но подробности языковой поддержки отсутствуют. README отмечает, что модель лучше работает с простыми запросами и может демонстрировать лучшие результаты при использовании с Phr00t/Qwen-Image-Edit-Rapid-AIO. Модель распространяется по лицензии MIT. Ограничения включают отсутствие подробной информации о качестве на разных типах изображений, стабильности сохранения исходных деталей и официальных технических характеристиках. Она предназначена прежде всего для стилизации фотографий, а не для универсального редактирования изображений.

magistermilitum/Roberta_Historical — модель RoBERTa, обученная с нуля на исторических текстах и предназначенная служить основой для NLP-задач и обработки результатов HTR. Обучение проводилось на корпусе примерно из 650 млн токенов классической и средневековой латыни, старофранцузского и староиспанского языков; тексты охватывают период с V века до н. э. по XVI век. В числе источников — CC100, Corpus Corporum, CEMA, средневековые французские и испанские корпуса. Модель имеет около 119,4 млн параметров, архитектуру RoBERTa для masked language modeling и контекст до 514 токенов. Её можно применять как основу для адаптации к историческому NLP и HTR, а также для заполнения маскированных токенов. Репозиторий содержит веса PyTorch, лицензия — MIT. Карточка отмечает пересечения текстов между корпусами; такие дубликаты могут повлиять на оценку обобщения.

Рустам V4 — независимая персоязычная языковая модель, разработанная проектом prog-love на архитектуре GPT-2. Модель прошла последовательное дообучение на классической персидской литературе и инструкционных примерах; текущая версия расширена до 36 слоёв методом Progressive Layer Stacking и содержит около 117,5 млн параметров. Для токенизации используется собственный Byte-Level BPE, контекст ограничен 256 токенами. Модель предназначена для генерации текста на персидском языке и выполнения инструкций: она может отвечать на запросы, поддерживать простые диалоги и создавать тексты, опираясь на классическую персидскую поэзию и прозу. В обучении использованы датасеты Persian Alpaca, Shahnameh и Ganjoor. Карточка заявляет способность к многошаговым рассуждениям, однако короткое контекстное окно и размер модели ограничивают сложные задачи и работу с длинными материалами. Распространяется по лицензии MIT.

SafeGen-Pretrained-Weights — веса модели генерации изображений по текстовому описанию, опубликованные авторами исследования SafeGen: Xinfeng Li и соавторами. Модель основана на Stable Diffusion и предназначена для снижения генерации сексуально откровенных изображений. В карточке указаны pipeline text-to-image, библиотека Diffusers и форматы Diffusers и safetensors; README описывает конфигурацию SafeGen_SLD_max для инференса и оценки по текстовым промптам. Модель подходит для генерации изображений с дополнительной защитой от сексуально откровенного контента. Используется лицензия CreativeML OpenRAIL-M, которая содержит условия ответственного использования. README ссылается на статью, принятую к публикации на ACM CCS 2024; подробности об архитектуре, числе параметров и поддерживаемых языках в доступных данных отсутствуют.

SeC-4B — модель для сегментации объектов в видео, основанная на концепциях и объединяющая визуально-языковое понимание с сопоставлением признаков. По описанию проекта, подход адаптивно распределяет вычисления между семантическим рассуждением и сопоставлением признаков в зависимости от сложности сцены. В метаданных указано объединение SAM 2.1 Hiera Large и InternVL2.5-4B; файлы представлены в формате safetensors. Модель предназначена для выделения и сопровождения объектов между кадрами, в том числе в сложных сценах. README описывает бенчмарк SeCVOS для оценки таких сценариев и приводит сравнительные результаты, но не содержит численных результатов SeC-4B. Модель опубликована OpenIXCLab под лицензией Apache-2.0.