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

Z-Image-Lora — это LoRA-адаптер для генерации изображений по текстовому описанию, разработанный пользователем kukidevalml и предназначенный для совместного использования с базовыми моделями Tongyi-MAI/Z-Image и Tongyi-MAI/Z-Image-Turbo. Модель распространяется в формате safetensors и интегрируется с экосистемой Diffusers. Адаптер ориентирован на создание изображений людей и персонажей по специальным триггерам, связанным с именами из набора обучения. Для активации рекомендуется указывать полное имя и соответствующий идентификатор вида vrtlxxxx; обычные описания вроде woman или 1girl могут не сработать. Поддерживаются сценарии text-to-image, включая портреты и другие композиции, а интенсивность применения LoRA можно регулировать. В README также упоминается дополнительный триггер vrtlEvaHelper для ограниченного улучшения NSFW-возможностей базовой модели. Точные размер адаптера, архитектурные параметры, размер контекста и языки не указаны. Эффективность зависит от выбранной базовой модели, корректности триггера и настроек генерации; для неоднозначных или плохо распознаваемых имен автор рекомендует изменять или удалять имя из запроса. Модель распространяется по лицензии Apache-2.0.

Z-Image-Turbo - Children’s Drawings — это LoRA-адаптер для базовой модели Tongyi-MAI/Z-Image-Turbo, разработанный автором или организацией ostris. Он предназначен для генерации изображений в стиле детского рисунка: адаптер преобразует содержимое текстового запроса, сохраняя его смысловые элементы и придавая результату характерную наивную рисованную стилистику. Примеры показывают применение к сценам с людьми, животными, предметами, транспортом и фантазийными сюжетами. Модель относится к семейству text-to-image и рассчитана на использование с Diffusers и совместимыми инструментами для LoRA. Архитектура, размер, поддерживаемые языки и максимальная длина контекста в README не указаны. Сильная сторона модели — специализированная стилизация разнообразных текстовых описаний под детские рисунки; ограничения, включая качество на отдельных сюжетах и требования к настройке силы LoRA, не описаны. Модель распространяется по лицензии Apache-2.0.

smgriffin/24thankyou-lyrics-generator — модель генерации текста на основе GPT-2, дообученная на текстах песен инди-группы Midwest 24thankyou. Она предназначена для создания и продолжения текстов песен по текстовой подсказке. Модель использует архитектуру GPT-2 и библиотеку Transformers, принимает текст и генерирует текст; максимальная длина контекста составляет 1024 токена. Основной язык — английский. Модель подходит для черновиков песенных строк и творческих экспериментов в стилистике корпуса, на котором она обучалась. Она может воспроизводить особенности и ограничения обучающих текстов; качество и фактическая точность не гарантированы. Лицензия в предоставленных данных не указана.

Aava TTS Persian 3B — модель преобразования текста на персидском языке в речь, разработанная KEYHAN-A на основе Orpheus и адаптера Aava LoRA, объединённого с базовой моделью. Она предназначена для синтеза персидской речи в исследовательских прототипах и экспериментах с доступностью. Модель использует архитектуру LlamaForCausalLM вместе с декодером SNAC; метаданные указывают 3,3 млрд параметров, а README — около 3,78 млрд. Речь генерируется с частотой 24 кГц. Контекст модели — 131 072 токена. Обучение проводилось на персидских аудиоданных с несколькими источниками и дикторами; в README указаны 492 596 обучающих записей и около 1 905 часов подготовленного материала. Другие языки и переключение между языками не поддерживаются. Длинная генерация может повторяться или не завершаться; идентичность и сходство голоса формально не оценивались, а опубликованных бенчмарков качества, запоминания, задержки и сходства дикторов нет. Лицензия — Apache-2.0.

AnimeBoysXL v2.0 — модель генерации изображений в эстетике аниме, разработанная автором Koolchh на базе Stable Diffusion XL. Она предназначена прежде всего для создания изображений аниме-мужчин и мальчиков в разных стилях, а также подходит как основа для дальнейшего обучения специализированных моделей и LoRA. Для генерации рекомендуется использовать теговые промпты с указанием числа персонажей и мужского фокуса; порядок тегов влияет на результат. Автор советует применять SDXL VAE и приводит ориентировочные настройки сэмплирования и размеры изображений. Модель не оптимизирована для изображений аниме-девушек. В обучении использовались подмножества с рейтингами от безопасного до откровенного, поэтому результат зависит от промпта и может включать контент для взрослых. Репозиторий распространяется по лицензии OpenRAIL++.

AnimeScore — модель-оценщик для определения того, насколько речь в аудиоклипе похожа на аниме-стиль. Она возвращает скалярную оценку: более высокое значение означает более выраженное сходство с аниме-речью. Это официальный репозиторий модели проекта AnimeScore, представленного в одноимённой научной статье. Модель основана на HuBERT; выпущены веса оценочной головы объёмом около 9 МБ, сохранённые в формате safetensors. Модель предназначена для оценки и сравнения аудиозаписей речи по аниме-подобному стилю, например для анализа результатов синтеза или отбора клипов. В статье для выбранной конфигурации указаны точность попарного сравнения 82,4% и AUC 0,908. Карточка указывает поддержку японского языка и задачу классификации аудио; лицензия — MIT. Для загрузки модели используется пользовательский код из репозитория с trust_remote_code=True.

animov-512x — модель преобразования текста в видео, опубликованная strangeman3107 и дообученная на основе ModelScope для генерации видео в стиле аниме. Она предназначена для создания коротких видеосцен по текстовым запросам; для характерного результата в запрос рекомендуется добавлять слово «anime». Модель обучена для разрешения 512×512 и распространяется в форматах Diffusers и PyTorch. Автор предупреждает, что модель пока нестабильна и результаты могут быть непредсказуемыми, в том числе неприятными. Рекомендуемый негативный запрос включает «noise, text, nude». Лицензия репозитория — CC BY-NC 4.0; ограничения использования также связаны с правилами исходной модели ModelScope.

GPTPoet — модель генерации арабской поэзии, разработанная на основе архитектуры GPT-2. Авторы использовали конфигурацию GPT-2 Base и дообучили предварительно обученные веса на корпусе стихов арабских поэтов. В метаданных указаны архитектура GPT-2, формат PyTorch, контекст до 1024 токенов и лицензия Apache-2.0. Модель принимает имя поэта и подсказку, затем генерирует стихотворный текст, стараясь воспроизвести стиль выбранного автора и структуру арабской поэзии. Корпус включает около 1,7 млн стихотворных строк классических размеров и произведения разных эпох; примеры размечены именами поэтов, метрами и периодами. Состояние огласовок в данных неоднородно, поэтому модель может выдавать текст с непоследовательной диакритикой.

Модель Omarques, обученная с помощью AutoTrain, предназначена для бинарной классификации изображений собак и кошек. Это модель на архитектуре Vision Transformer (ViT) с примерно 113,2 млн параметров, опубликованная в формате PyTorch и обученная на наборе данных omarques/autotrain-data-dogs-and-cats. Она принимает изображение и определяет, относится ли оно к классу собак или кошек. В README приведены метрики на валидации: accuracy, precision, recall, AUC и F1 равны 1,000. Эти результаты характеризуют только указанную проверочную выборку и не гарантируют такую же точность на новых изображениях. Лицензия в доступных данных не указана.

Living with Machines — англоязычная BERT-модель, обученная на корпусе исторических книг, опубликованных в 1890–1900 годах. Корпус содержит около 1,1 млрд токенов; модель разработана при участии исследовательской инициативы Living with Machines и The Alan Turing Institute. Модель предназначена для заполнения пропусков в тексте на английском языке и анализа исторической лексики и формулировок конца XIX века. Это плотная архитектура BERT с головой BertForMaskedLM, 136,7 млн параметров и контекстом до 512 токенов. Доступны веса PyTorch и Safetensors. Специализация на книгах 1890–1900 годов делает модель полезной для исторических текстов, но её языковые представления привязаны к этому корпусу и периоду и могут хуже подходить для современного английского или других жанров. Лицензия в предоставленных данных не описана.

pysentimiento/bert-it-hate-speech — модель классификации текста на основе BERT, разработанная проектом pysentimiento для выявления ненавистнических высказываний на итальянском языке. Она предназначена для анализа сообщений и другого текста, в том числе публикаций в социальных сетях. Модель содержит 137,1 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Модель выдаёт метки классификации для входного текста. В карточке указаны PyTorch и задача text-classification; сведения о лицензии и конкретных классах в доступных источниках не подтверждены. Как классификатор, модель может ошибочно интерпретировать контекст, и её результаты требуют проверки в целевом сценарии.

lazyghost/bert-large-uncased-Adult-Text-Classifier — модель классификации текста, созданная дообучением BERT large uncased на наборе valurank/Adult-content-dataset. Она относит текст к категориям, связанным со взрослым контентом, и предназначена для фильтрации материалов, модерации и родительского контроля. Модель основана на архитектуре BERT и содержит 136,7 млн параметров; максимальная длина контекста — 512 токенов. Она рассчитана на англоязычный текст и не различает заглавные и строчные буквы. В карточке указаны точность 0,9824 и loss 0,1257 на оценочной выборке. Результаты могут отличаться на иных данных, контекстах и языках, а классификация может ошибаться. Модель распространяется по лицензии Apache-2.0.

alea31415 разработал эту модель для генерации изображений по текстовым описаниям с персонажами и понятиями из аниме «Не хочу получать урон, поэтому вкладываю всё в защиту» (Bofuri). Модель обучена на 33 концепциях, включая персонажей, их образы и связанных с ними существ; базой послужила ACertainty. Это модель семейства Stable Diffusion, предназначенная для создания аниме-иллюстраций по текстовым промптам, в том числе сцен с одним или двумя заданными персонажами. Для подсказок можно использовать имена концепций и описания одежды или сцены; добавление aniscreen усиливает аниме-стиль. Автор предупреждает, что при сочетании трёх и более концепций часто смешиваются персонажи и одежда, а для некоторых образов и нечеловеческих персонажей результаты слабее. Доступны веса Diffusers и Safetensors, а также промежуточные контрольные точки в формате ckpt. Модель распространяется по лицензии CreativeML OpenRAIL-M.

Borealis-10.7B — разговорная языковая модель Undi95 на 10,6 млрд параметров, дообученная на базе Mistral 7B с конфигурацией Llama 2. Модель предназначена для диалогов и ролевого общения, включая ERP-сценарии; автор отмечает, что её цель — улучшить качество бесед и ролевой игры, а не результаты бенчмарков. Для обучения использовались наборы разговорных данных, в том числе OpenHermes, ShareGPT, LimaRP и датасеты для ролевого общения. Модель принимает и генерирует текст, поддерживает формат подсказок NsChatml и имеет контекст длиной 4096 токенов. В репозитории доступны веса PyTorch в fp16. Модель может генерировать токсичный и откровенный контент, поэтому требует подходящих ограничений при использовании. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Brahe — аналитическая языковая модель, разработанная Pclanglais и дообученная на базе Llama-13B. Она принимает литературный текст и генерирует список возможных аннотаций — до двадцати за один запрос; модель предназначена для проектов по цифровой гуманитаристике и анализа литературы, в том числе как инструмент, похожий по назначению на BookNLP. Для обучения использованы 8 тысяч фрагментов литературы из общественного достояния и синтетические и ручные аннотации. Примерно половина фрагментов на английском, остальные — преимущественно на французском, немецком и итальянском. В README также отмечена работа с гасконским вариантом окситанского, хотя он не входил в исходный корпус. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 12,9 млрд параметров и поддерживает контекст до 4096 токенов. Весовые файлы опубликованы в формате safetensors, библиотека для работы — Transformers. Лицензия — CC0-1.0. Модель ориентирована на анализ литературных фрагментов и не описана как универсальный инструмент разметки произвольных текстов; конкретные типы генерируемых аннотаций и качество по отдельным языкам в карточке не уточнены.

Bunny-v1_0-3B-zh — мультимодальная модель семейства Bunny от BAAI. Она сочетает языковую модель MiniCPM-2B с визуальным энкодером SigLIP и предназначена для диалога и ответов на вопросы по изображениям, с особым акцентом на китайский язык. По данным карточки, модель набрала 64,9 на тестовой части MMBench-CN. Модель содержит 2,7 млрд параметров, принимает изображения и текстовые запросы и генерирует текст. Длина контекста составляет 2048 токенов. В карточке описаны предварительное обучение на LAION-2M и дообучение на Bunny-695K. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Модель подходит для диалоговых сценариев, требующих интерпретации изображений на китайском языке. Её оценка приведена для MMBench-CN; карточка не сообщает сопоставимых результатов для других языков и сценариев, поэтому переносить эту оценку на них не следует.

Cerebras-GPT-590M-finetuned-DND — дообученная модель генерации текста на базе cerebras/Cerebras-GPT-590M. По названию репозитория она предназначена для генерации текста в контексте Dungeons & Dragons; README сообщает о дообучении на датасете, но его название указано как None, поэтому состав данных и конкретные сценарии применения подтвердить нельзя. Модель использует архитектуру GPT-2 с плотной нейронной сетью и классом GPT2LMHeadModel, распространяется в формате PyTorch и принимает контекст до 2048 токенов. README приводит значение loss 1,0434 на оценочной выборке, но не описывает методику оценки и не позволяет судить о качестве ответов. Лицензия — Apache-2.0. Карточка не содержит подтверждённых сведений о поддерживаемых языках, специальных возможностях или ограничениях генерации; вероятны типичные для языковых моделей ошибки и вымышленные сведения.

Slop Classifier for Roleplay Characters — англоязычный классификатор проекта CharGen для выявления низкокачественных персонажей для ролевых игр, созданных с помощью ИИ. Он обучен на синтетических персонажах, сгенерированных GPT-3.5 и GPT-4, а также на части набора данных CharGen. Модель анализирует текст описания персонажа и предназначена для фильтрации шаблонных формулировок и избитых выражений, характерных для машинно созданных текстов. Это дообученная DeBERTa-v3-base для классификации последовательностей с 211,6 млн параметров и контекстом до 512 токенов. Репозиторий содержит веса в формате safetensors. Модель ориентирована на английский язык и персонажей для ролевых игр. Лицензия — Apache-2.0. Карточка не приводит метрики качества или подробности о классах и пороге классификации.

ChatWaifu v2.0 22B — разработанная spow12 (yw_nam) языковая модель для диалогов в стиле персонажей визуальных новелл и ролевого общения. Она создана на основе Mistral-Small-Instruct-2409: автор описывает обучение и объединение моделей через mergekit, а метаданные указывают на дообучение базовой модели. Модель с архитектурой MistralForCausalLM содержит 22 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке заявлены японский и английский языки; среди примеров персонажей есть героини визуальной новеллы Senren＊Banka. Модель также обучалась на данных для инструкций и ролевых диалогов. Модель может генерировать NSFW-контент. Автор указывает, что использование предназначено для некоммерческих и исследовательских целей; метаданные задают лицензию CC BY-NC 4.0. Результаты оценки приведены в карточке, но не доказывают качество для всех сценариев.

Jak's Clayitization Image Pack — это дообученная на базе Stable Diffusion 2.1 модель генерации изображений в стиле пластилиновых фигур и текстур. Её разработал Jak_TheAI_Artist; для запуска требуется Stable Diffusion 2.1 и файл конфигурации clayitization-SD2.1-768px.yaml рядом с моделью. Модель принимает текстовый запрос. Добавьте в начало промпта слово «clayitization», затем укажите объект или сцену; можно сочетать стиль с embeddings. Для портретов автор рекомендует квадратное соотношение сторон, для диорам — прямоугольное, а для более детализированного рендера — слова «3d, octane render, intricate details». Обучение проведено на 100 изображениях размером 768 пикселей в течение 8000 шагов с 500 шагами обучения Text Encoder. Модель предназначена для создания изображений с пластилиновым видом и художественных экспериментов. Лицензия — CreativeML OpenRAIL-M. Результат зависит от промпта и используемого разрешения; автор рекомендует разрешение 768 пикселей или выше.

CloneDiffusion — дообученная модель Stable Diffusion от TryStar для генерации изображений в стиле мультсериала «Звёздные войны: Войны клонов». Для получения характерного стиля автор рекомендует добавлять в запрос фразу «clonewars style»; модель обучена на скриншотах сериала с использованием DreamBooth на базе Diffusers. Модель принимает текстовые запросы и создаёт изображения. В README также приведены рекомендуемые параметры генерации: 50 шагов, сэмплер Euler a и CFG scale 7. Репозиторий распространяется по лицензии CreativeML OpenRAIL-M.

Cockatrice-7B-v0.1 — языковая модель семейства Mistral, представленная openerotica. Модель обучена на наборе данных Freedom-RP и предназначена для генерации текста в сценариях ролевого общения. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Опубликованные веса представлены в формате Safetensors; лицензия — Apache-2.0. README не сообщает о поддерживаемых языках или результатах оценки качества.

Colorjizz-768px v.1.0 — модель генерации изображений на основе Stable Diffusion 1.5, обученная на наборе из 130 изображений с разрешением 768 пикселей. Автор указывает 8000 шагов обучения и обучение на текстовых описаниях в 30% случаев; для активации концепции рекомендуется включать в запрос слово «colorjizz».

ControlNet v1.1 MLSD — модель управления генерацией изображений, разработанная Lvmin Zhang и Maneesh Agrawala. Она предназначена для использования совместно с диффузионными моделями Stable Diffusion, прежде всего Stable Diffusion v1.5, чтобы задавать структуру создаваемого изображения на основе дополнительных условий. Данная версия принимает MLSD-изображения — карты структурных линий, подходящие, в частности, для контроля геометрии и перспективы архитектурных сцен, и работает в сценариях text-to-image и image-to-image. Модель представляет собой ControlNet, подключаемый к предварительно обученной diffusion-модели; размер параметров и максимальная длина контекста в README не указаны. Основной язык текстовых запросов — английский, модальность — изображения и текстовые промпты. Сильная сторона модели — более точное сохранение заданной композиции и линейной структуры по сравнению с генерацией только по тексту, однако для подготовки управляющего изображения требуются внешние инструменты, например MLSDdetector, а наилучшая совместимость заявлена со Stable Diffusion v1.5. Модель распространяется по лицензии CreativeML OpenRAIL M.

Модель flyswot/convnext-tiny-224_flyswot — классификатор изображений на архитектуре ConvNeXt Tiny, обученный с нуля на наборе данных в формате image_folder. По метаданным, модель предназначена для задачи классификации изображений и доступна в форматах PyTorch, Safetensors, ONNX и Core ML. В карточке приведены результаты на оценочной выборке: F1 0,9756 и loss 0,5319. Назначение классов и состав обучающих данных не описаны, поэтому применимость к конкретным категориям изображений определить нельзя. Лицензия в предоставленных данных не указана.

huggingtweets/corpsecrusader — англоязычная модель генерации текста на базе GPT-2, созданная Борисом Даймой с помощью проекта huggingtweets. Она дообучена на 3244 твитах пользователя Corpse Crusader; README описывает её как способ генерировать текст в стиле его публикаций. Модель использует архитектуру GPT2LMHeadModel, веса в формате PyTorch и контекст до 1024 токенов. Её можно применять для продолжения коротких текстовых затравок и создания стилизованных публикаций на английском языке. Лицензия в предоставленных данных не указана.

carlosabadia/cosmos — модель Stable Diffusion, дообученная автором carlosabadia методом DreamBooth на изображениях космоса для научной тематики. Она принимает текстовый запрос и генерирует изображение; для активации обученного понятия в запросе рекомендуется использовать фразу «cms cosmos». Модель распространяется в формате Diffusers на PyTorch по лицензии CreativeML OpenRAIL-M. Карточка не приводит сведения о размере модели, контекстном окне и поддерживаемых естественных языках.

Cosmos-1.0-Diffusion-7B-Video2World — модель генерации видео от NVIDIA для создания динамических сцен с учётом физики. Это diffusion transformer, который выполняет денойзинг видео в латентном пространстве и использует текстовое описание для управления генерацией. Модель принимает текст и начальный кадр изображения и генерирует продолжение сцены: в версии Video2World это будущие 120 кадров. Типичный результат — 5-секундное видео в MP4 с разрешением 1280×704 и частотой 24 кадра/с; разрешение и частоту кадров можно настраивать. Карточка также описывает поддержку текстового и видеоусловия для семейства Cosmos Diffusion, но для этой версии отдельно указывает текст и изображение. Модель предназначена для генерации миров и сцен в разработке Physical AI, а также для связанных исследовательских и прикладных сценариев. Для запуска описаны Cosmos и Diffusers, Linux и GPU NVIDIA поколений Ampere, Hopper и Blackwell; инференс проверялся в BF16. Лицензия — NVIDIA Open Model License, допускающая коммерческое использование в соответствии с её условиями.

Coxcomb — модель для генерации творческих текстов, разработанная N8Programs на архитектуре Mistral. Это плотная языковая модель на 7,1 млрд параметров с контекстом до 32 768 токенов; она принимает текст и выдаёт текст на английском языке. Модель дообучена с помощью LoRA на 40 млн параметров в течение трёх эпох на наборе N8Programs/CreativeGPT, составленном из разнообразных подсказок и ответов GPT-4. Coxcomb рассчитана прежде всего на одноразовые запросы на написание рассказа или другого творческого текста для локального офлайн-запуска. Разработчик отмечает высокие результаты на творческих бенчмарках, но качество письма ниже GPT-4. Модель склонна завершать истории предсказуемо и благополучно; она не предназначена для диалогов, ролевой игры и уточняющих вопросов. Обучалась на материалах с сексуальным и жестоким содержанием и может генерировать такой текст без встроенного поведения отказа. Лицензия — Apache 2.0.

alkzar90 разработал эту модель как дообученную версию ViT Base с патчами 16×16 и входным разрешением 224 пикселя из google/vit-base-patch16-224-in21k. Модель содержит 113,2 млн параметров и классифицирует изображения существ из набора croupier-mtg-dataset, связанного с карточной игрой Magic: The Gathering. Модель подходит для определения класса существа на изображении в сценариях, связанных с этим набором данных. На указанной в карточке оценочной выборке точность составила 0,7471, а loss — 0,7583. Лицензия — Apache-2.0.