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

Карточка модели hnnguyen/CyberRealisticPony на Hugging Face совпадает с карточкой cyberdelia/CyberRealisticPony, поэтому описание составлено по ней. CyberRealistic Pony — модель генерации изображений по текстовому описанию, созданная на основе Pony Diffusion с элементами CyberRealistic. Она предназначена для создания фотореалистичных изображений пони и персонажей, а также иллюстраций и концепт-арта. Модель распространяется в формате safetensors и включает встроенный VAE. Для генерации рекомендованы 30 и более шагов сэмплирования и разрешения 896×1152 или 832×1216. Модель специализируется на изображениях пони и может хуже справляться с абстрактными запросами и сюжетами, не связанными с пони; иногда освещение и текстуры получаются чрезмерно гладкими. Возможна генерация чувствительного контента. Лицензия — CreativeML Open RAIL-M.

CySearchAssist-Mesh-0.5B — компактная модель CyberAlien для переформулирования запросов при поиске статических сеток и 3D-ресурсов в библиотеке ассетов. Она дообучена на Qwen/Qwen2.5-0.5B-Instruct, использует архитектуру Qwen2 и содержит около 494 млн параметров. Модель преобразует запрос пользователя в английские поисковые фразы, подсказки категорий и тегов, а также явные исключения. Контекст — до 32 768 токенов; заявлена поддержка английского, французского, испанского, немецкого и итальянского языков. Модель выдаёт структурированный результат по контракту cymesh-query-v1, который хост-приложение должно проверить перед использованием. Она не ищет ассеты самостоятельно, не анализирует геометрию или изображения сеток, не создаёт эмбеддинги и не генерирует 3D-модели. Это экспериментальный лёгкий вариант для интеграции с CyMesh MeshLibrary; веса FP16 занимают около 1 ГБ вместе с файлами токенизатора и конфигурации. Лицензия — Apache-2.0. В небольшом локальном тесте на CPU модель выдала корректный JSON в 30 из 37 запросов, а целевой объект попал в топ-5 в 7 из 10 запросов по метаданным. Тест не подтверждает точность поиска для произвольных библиотек; ошибки возможны при обработке отрицаний, синонимов, неоднозначных многоязычных формулировок и материалов. Качество не гарантирует эквивалентности варианту на 1,5 млрд параметров.

Dark Beast — LoRA-адаптер для генерации изображений на основе модели black-forest-labs/FLUX.2-klein-base-9B. Модель предназначена для задач text-to-image в среде Diffusers; однако в карточке не указано, какой именно визуальный стиль или содержание она добавляет к базовой модели. Поле instance_prompt не заполнено, поэтому сведения о рекомендуемом запросе для активации адаптера отсутствуют. Известно, что адаптер относится к семейству diffusion LoRA и работает с базовой моделью FLUX.2-klein-base-9B. Данные о размере адаптера, поддерживаемых языках, максимальном контексте, дополнительных модальностях, качестве, сильных сторонах и ограничениях отсутствуют. Модель распространяется по лицензии CC BY-NC-ND 4.0, которая предусматривает обязательное указание авторства и ограничения на коммерческое использование и создание производных работ.

DashengTokenizer — аудиотокенизатор семейства Dasheng, опубликованный пользователем mispeech. Он преобразует непрерывное аудио в представление для задач понимания и генерации звука; README также описывает извлечение признаков, восстановление сигнала и применение в улучшении речи. Архитектура представлена классом DashengTokenizerModel; модель использует формат safetensors и библиотеку Transformers. Модель предназначена для построения аудиосистем, которым нужно кодировать звук для последующей генерации, анализа или очистки речи. В README заявлены высокая точность понимания аудио, сохранение качества при восстановлении сигнала и более быстрое обучение генерации по сравнению с обычными VAE, но количественные результаты в карточке не приведены. Оптимизирована для монофонического аудио с частотой дискретизации 16 кГц. Лицензия — Apache-2.0.

dehatebert-mono-german — модель для выявления языка ненависти в немецкоязычных текстах, опубликованная в пространстве Hate-speech-CNERG. Это BERT-модель для классификации последовательностей с 194,6 млн параметров и контекстом до 512 токенов; веса доступны в форматах PyTorch и Flax. Несмотря на слово german в названии, авторы описывают вариант mono как обученный только на англоязычных данных, а модель — как дообученную на multilingual BERT. Модель предназначена для классификации немецких текстов на предмет языка ненависти. В README приведён лучший результат на валидации 0,649794 при скорости обучения 3e-5, однако не уточнено, какой именно метрикой измерен результат. Модель выпущена по лицензии Apache-2.0.

DepthCrafter — модель для оценки глубины в видео, разработанная исследователями Tencent AI Lab, Hong Kong University of Science and Technology и ARC Lab при Tencent PCG. Она создаёт длинные последовательности карт глубины с временной согласованностью и мелкими деталями для видео из открытых сценариев, не требуя поз камеры или оптического потока. Модель предназначена для получения глубины кадров видео и построения согласованных последовательностей, которые можно использовать, например, для восстановления движения и структуры сцены в видеопотоке. В карточке указана архитектура DepthCrafter и формат весов safetensors. Лицензия обозначена как other, поэтому конкретные условия использования нужно сверять с материалами проекта.

aesat/detr-finetuned-chess — модель обнаружения шахматных фигур на изображениях, полученная дообучением DETR с backbone ResNet-50. Архитектура DETR использует сверточную основу и encoder-decoder Transformer; выходные головы предсказывают классы объектов и их ограничивающие рамки. Модель реализована для библиотеки Transformers, веса опубликованы в формате safetensors, размер указан как 6,3 млн параметров. Модель предназначена для локализации и распознавания шахматных фигур на изображениях, например для автоматического анализа фотографий шахматной доски. Карточка не сообщает классы фигур, набор данных, метрики качества или ограничения по ракурсам и условиям съёмки. Лицензия — Apache-2.0; базовая модель — facebook/detr-resnet-50.

Это модель классификации изображений на архитектуре MobileViTV2, созданная дообучением apple/mobilevitv2-1.0-imagenet1k-256. Разработчик дообучил её распознавать эскизы на наборе Xenova/quickdraw-small. Модель предназначена для определения класса на изображении с рисунком от руки. Её можно использовать для распознавания эскизов в приложениях и каталогизации нарисованных объектов. В репозитории представлены веса в форматах Safetensors и ONNX. Лицензия в предоставленных данных не указана.

DS-Archive разработала ds-spicy-brew-13b — плотную авторегрессионную языковую модель семейства Llama 2 на 12,9 млрд параметров. Она создана слиянием методом SLERP моделей spicyboros-13b-2.2, chronos-13b-v2, Nous-Hermes-Llama2-13b, limarp-llama2-v2 и pygmalion-2-13b. Модель предназначена для генерации текста и ролевых диалогов на английском языке. Для задания персонажа можно использовать формат инструкции Alpaca, адаптированный из LIMARP v2; из-за объединения нескольких моделей могут подходить и другие форматы запросов. Контекст составляет 4096 токенов. Модель может воспроизводить предвзятости, характерные для нишевых ролевых интернет-сообществ и базовых моделей. Разработчики не рекомендуют использовать её для предоставления фактической информации или советов. Лицензия — AGPL-3.0.

DucHaiten-Real3D-NSFW-V1 — модель генерации изображений по текстовому запросу, размещённая пользователем digiplay. Она основана на Stable Diffusion и представлена в формате Diffusers с весами Safetensors. В README приведён пример запроса для создания стилизованного изображения принцессы в духе журнальной рекламы и комикса. Модель предназначена для генерации изображений по текстовым описаниям. Метка в карточке указывает на контент не для всех аудиторий, а лицензия обозначена как other; конкретные условия использования по имеющимся данным определить нельзя.

Emo & Goth Core — модель генерации изображений по текстовому описанию, созданная Duskfallcrew методом DreamBooth на базе Stable Diffusion 1.5. Она предназначена для генерации изображений с эмо- и готической эстетикой; автор рекомендует использовать специальные concept prompts и запускать модель через библиотеку diffusers. Репозиторий содержит веса в форматах Diffusers, PyTorch и SafeTensors. Модель распространяется по лицензии CreativeML OpenRAIL-M. Она рассчитана на генерацию изображений по тексту; сведений о контексте, языках или конкретных ограничениях качества в карточке нет.

hmrizal/emotion_classification — модель классификации изображений на базе Vision Transformer ViT-Base, дообученная автором на наборе данных imagefolder. Она предназначена для анализа визуальных эмоциональных выражений и отнесения изображений к эмоциональным категориям. Модель содержит 113,2 млн параметров и распространяется в формате safetensors; лицензия — Apache-2.0. На оценочной выборке указаны accuracy 0,6438 и loss 1,2002. Описание не раскрывает перечень классов эмоций и детали обучающих данных, поэтому качество для конкретных категорий и сценариев по этим показателям оценить нельзя.

sudo-s/exper_batch_8_e8 — модель классификации изображений на базе Vision Transformer ViT-Base с патчами 16×16 и размером около 113,2 млн параметров. Она дообучена на наборе данных sudo-s/herbier_mesuem1; разработчик сообщает точность 0,9052 и значение функции потерь 0,4608 на оценочной выборке. Модель предназначена для классификации изображений в соответствии с категориями обучающего набора и может использоваться для автоматической сортировки похожих изображений. Опубликована в формате PyTorch по лицензии Apache-2.0. Подробности о классах, ограничениях и условиях оценки в карточке не раскрыты.

SidXXD/f-5 — набор весов textual inversion для Stable Diffusion v1.5, разработанный пользователем SidXXD и предназначенный для подключения к базовой модели stable-diffusion-v1-5/stable-diffusion-v1-5. Он применяется для генерации изображений по текстовым запросам с использованием изученного текстового представления. Модель распространяется в формате Diffusers и Safetensors по лицензии CreativeML Open RAIL-M. Карточка подтверждает совместимость с Stable Diffusion v1.5, но не описывает конкретную тему изученного представления, примеры применения или его качество. Для работы требуются базовая модель и поддержка textual inversion.

Fanar-2-Diwan — модель генерации классической арабской поэзии, разработанная Институтом вычислительных исследований Катара (QCRI) при Университете Хамада бин Халифы (HBKU). Это декодерный трансформер на архитектуре GPT-2, дообученный на базе aubmindlab/aragpt2-mega; для специализации базовую модель дополнительно обучали на арабских литературных текстах, а затем дообучили на корпусе из 118 тысяч стихотворений с метаданными. Модель принимает текст и генерирует арабские стихи, поддерживая управляемую генерацию с заданными характеристиками. Модель предназначена для продолжения и создания стихов с учетом классических размеров (бухур), рифмы (кафия) и правил просодии аруда. Её можно применять в творческом письме, обучении арабскому стихосложению, культурных проектах и исследованиях вычислительной поэзии. README сообщает о лучшей fluency среди оцененных моделей (6,88 из 10), но средняя оценка по поэтичности составляет около 5 из 10; возможны слабые по смыслу строки, ошибки в размере и рифме, а современные и неклассические формы ей не подходят. Требуется проверка человеком, особенно перед публикацией и для религиозного или церемониального использования. Лицензия — Apache-2.0.

FocalNet Small — модель компьютерного зрения для классификации изображений, разработанная авторами работы Focal Modulation Networks и обученная на ImageNet-1k. Она принимает изображения размером 224×224 и предсказывает один из 1000 классов ImageNet. Архитектура FocalNet заменяет механизм self-attention, используемый в Vision Transformer, фокальной модуляцией: модель собирает визуальный контекст на разных масштабах с помощью иерархии глубинных свёрток, выборочно агрегирует его и передаёт в представления изображения. Карточка также сообщает о применении семейства FocalNet в обнаружении объектов и сегментации, но эта версия предназначена для классификации. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Она подходит для распознавания объектов из набора классов ImageNet; для специализированных задач может потребоваться дообученная версия.

FreeSVC — многоязычная модель преобразования поющего голоса, предназначенная для переноса голоса между исполнителями и языками без отдельного обширного обучения для каждого языка. Она разработана на основе архитектуры VITS с компонентами Speaker-invariant Clustering (SPIN) и ECAPA2 для отделения характеристик говорящего от языкового содержания. В карточке перечислены английский, португальский, испанский, китайский, нидерландский, французский, немецкий, итальянский, японский и польский языки; README приводит примеры речевых и певческих обучающих данных для нескольких языков. Модель принимает аудио и выдаёт преобразованное аудио. Её можно использовать для смены тембра вокала и преобразования пения между языками. Репозиторий содержит веса PyTorch. Лицензия CC BY-NC-SA 4.0 разрешает использование с указанием авторства и на условиях ShareAlike, но запрещает коммерческое применение.

The DECKARD's Brain — это мультимодальная модель Gemma 4 на 31 млрд параметров, опубликованная kabachuha. Она создана слиянием методом SLERP модели DavidAU/gemma-4-31B-it-The-DECKARD-HERETIC-UNCENSORED-Thinking и модели Nimbz/Gemma-4-Gembrain-31B. Модель предназначена для диалогов, ролевых игр и творческого письма, в том числе историй с аниме-тропами, сюрреалистическим хоррором и откровенной тематикой; также поддерживает рассуждения и анализ изображений. Модель использует архитектуру Gemma 4 и библиотеку Transformers, принимает текст и изображения и генерирует текст. Шаблон диалога по умолчанию включает режим рассуждений; автор рекомендует не отключать его, особенно при ролевой игре на языках, отличных от английского и японского. По README модель хорошо работает на русском и других языках, хотя её языковое обучение преимущественно ориентировано на английский и японский. Распространяется под лицензией Apache-2.0. Модель рассчитана на художественные и ролевые сценарии с откровенным, в том числе эротическим и жестоким содержанием. Ответы могут быть нестандартными и чрезмерно экспрессивными; качество вне описанных творческих задач и языков README не характеризует.

GemmaWiki-Gemma-4-26b-a4b — независимый неофициальный проект Calplus, дообученный на базе Google Gemma 4 26B-A4B и её instruction-tuned версии. Модель предназначена для автоматизированного редактирования фанатских вики по книгам: на основе главы и, если имеется, текущей страницы сущности она создаёт новую страницу, обновляет существующую или классифицирует ситуацию как не требующую изменений. Модель работает с англоязычными текстами. Это смесь экспертов (MoE) с базовым размером 26B параметров, адаптированная с помощью LoRA r=32 только для attention-проекций q_proj, k_proj, v_proj и o_proj. Доступны два варианта: на основе обычной предварительно обученной модели Gemma 4 и на основе instruction-tuned checkpoint; для обоих вариантов предоставлены PEFT-адаптеры и GGUF-квантизации размером от 16,8 ГБ для Q4_K_M до 50,5 ГБ для F16. Модель ориентирована на сценарии последовательного редактирования страниц по мере появления новых глав и использует только сведения, доступные к соответствующему моменту. По заявленным результатам версия v1 пригодна для пилотного использования и хорошо показывает себя на оценке внутри распределения обучающих данных. Основное ограничение — на очень известных книжных сериях модель может опираться на предобученные знания базовой модели вместо строгой привязки к предоставленной главе. При длинных генерациях возможны циклы повторения или потоки символов при жадном декодировании, поэтому рекомендуется использовать sampling с repetition penalty. Проект распространяется по лицензии Apache-2.0.

Genji-JP 6B — NovelAI әзірлеген GPT-J негізіндегі мәтін генерациялау моделі. EleutherAI-дің GPT-J 6B моделін жапон тіліндегі веб-романдар мен әңгімелеу деректеріне бейімдеп дообучыту арқылы жасалған. Модельде 6,05 млрд параметр, 28 қабат және 2048 токендік контекст бар; GPT-J архитектурасын және PyTorch форматын қолданады. Модель жапон тілінде көркем проза мен веб-роман мәтінін жалғастыруға және оқиға құрастыруға арналған. Берілген мысал жапон тіліндегі фэнтези сюжетін жалғастыратынын көрсетеді. Apache-2.0 лицензиясымен таратылады. Ол арнайы әңгімелеу деректерінде оқытылғандықтан, жалпы сұрақ-жауап, факт дәлдігі немесе өзге тілдердегі сапасы кепілденбейді.

GirlsLike-Qweni — это LoRA-адаптер для генерации изображений на базе Qwen/Qwen-Image, разработанный пользователем ifmylove2011. Модель предназначена для тестирования генерации персонажей и изображений людей с использованием текстовых подсказок, включая подсказки на китайском языке. Она подключается к базовой text-to-image-модели через библиотеку Diffusers. Адаптер обучен для базовой модели Qwen Image в формате BF16 и поддерживает использование исходной модели в форматах BF16 и FP8. В README указано наличие ускоряющей LoRA на 8 шагов, рекомендуемый вес адаптера 1.0, значение shift 3.0, CFG 1.0 и 10 шагов генерации. Для изображений рекомендуется при необходимости установить тип весов загруженной модели в FP8 E5M2. Данные о размере адаптера, длине контекста, точном наборе языков и поддерживаемых разрешениях не приведены. Сильной стороной модели является специализация на генерации персонажей и возможность ускоренной генерации при использовании совместимой конфигурации. Ограничения включают зависимость от Qwen/Qwen-Image, отсутствие подробных сведений о качестве, универсальности и ограничениях набора обучения, а также отсутствие описания дополнительных модальностей. Модель распространяется по лицензии Apache-2.0.

Sultannn/gpt2-ft-id-puisi — дообученная модель генерации текста на архитектуре GPT-2, созданная на основе базовой модели GPT-2 и предназначенная для генерации индонезийских стихотворений. README указывает, что модель дообучена на индонезийском рецептурном наборе данных, однако идентификатор модели и язык в метаданных указывают на индонезийскую поэзию; поэтому точное назначение обучающих данных нельзя уверенно установить. Модель принимает текст и генерирует продолжение, контекст составляет 1024 токена. В карточке приведены значения потерь на обучающей и валидационной выборках: 5,3628 и 5,8179. Репозиторий содержит веса в формате TensorFlow. Лицензия — MIT.

GPT-2-модель skytnt для генерации японских текстов песен. Она обучена на 143 587 японских текстах песен, собранных с uta-net, и предназначена для создания новых текстов в этом стиле. Модель использует архитектуру GPT-2 и поддерживает контекст длиной до 1024 токенов. Модель принимает текстовый запрос и генерирует продолжение. Репозиторий содержит веса в форматах PyTorch, Safetensors и TensorFlow. Лицензия — MIT. Данных о качестве генерации и ограничениях, кроме специализированной обучающей выборки, карточка не приводит.

Nehc/gpt2_lovecraft_ru — русскоязычная генеративная модель на архитектуре GPT-2, созданная дообучением sberbank-ai/rugpt3small_based_on_gpt2 на русских текстах Говарда Филлипса Лавкрафта. Она предназначена для продолжения текста и генерации прозы в стилистике обучающих текстов. Модель принимает текст и генерирует текст; указанная длина контекста — 2048 токенов. Разработчик отмечает, что на момент описания модель прошла только одну эпоху обучения и работа над ней продолжалась. Поэтому качество и устойчивость генерации могут быть ограничены. Репозиторий содержит веса в форматах PyTorch и Safetensors; сведения о лицензии в доступных данных отсутствуют.

GPT2-Medium-Arabic-Poetry — языковая модель elgeish, дообученная на арабской поэзии с текстами VI–XXI веков. Она генерирует арабские поэтические строки по заданному текстовому началу и подходит для творческого продолжения стихотворений и экспериментов с арабской поэзией. Модель основана на aubmindlab/aragpt2-medium и использует плотную архитектуру GPT-2 с контекстом до 1024 токенов. Для обучения использованы 41 922 строки, а для проверки — 9 007 строк поэтов, отсутствовавших в обучающей выборке. Поддерживаемая карточкой моделью задача — генерация текста на арабском языке. Модель распространяется по лицензии Apache-2.0. Её специализация на поэзии может ограничивать качество ответов для прозы и иных задач; README не приводит оценок качества.

Elizezen разработал Hameln-japanese-mistral-7B — плотную авторегрессионную языковую модель на архитектуре Mistral с 7,1 млрд параметров. Она дообучена на базе Japanese Stable LM Base Gamma 7B на японских веб-романах; в README также упоминается Japanese Stable LM Instruct Gamma 7B, но связь с ним не уточняется. Модель предназначена прежде всего для генерации романов по текстовым подсказкам. Она рассчитана на японский язык и имеет контекст до 4096 токенов. Модель может отвечать на разные запросы, но хуже подходит для следования инструкциям; ответы не фильтруются, поэтому возможен чувствительный контент. В репозитории указаны веса safetensors. Лицензия в предоставленных данных не указана.

Это LoRA-адаптер abhinavreddy17 для генерации изображений с реалистичными изображениями счастливого лица. Адаптер обучен методом DreamBooth на базе Stable Diffusion XL Base 1.0 и предназначен для подключения к этой модели в Diffusers; для вызова нужного образа в запросе используется фраза «photo of happy face». Текстовый энкодер при обучении LoRA не затрагивался. Модель принимает текстовые запросы и создаёт изображения. Веса доступны в формате Safetensors, лицензия — OpenRAIL++. В карточке не приведены сведения о размере адаптера, поддерживаемых языках или контекстном окне. Примеры использования и описание ограничений в README не заполнены.

Hermitage XL — модель Linaqruf для генерации изображений по текстовым запросам на основе латентной диффузии. Она дообучена на Stable Diffusion XL 1.0 на подборке изображений в стиле аниме; для обучения использовались разрешение 1024×1024 и подбор соотношения сторон. Модель рассчитана на генерацию аниме-изображений, в том числе персонажей и сцен, по запросам в формате тегов Danbooru. Доступны форматы Diffusers и safetensors; использовать модель можно через Stable Diffusion WebUI, Diffusers и ComfyUI. Автор описывает модель как предварительную версию для подбора гиперпараметров и конфигурации обучения SDXL. Модель переобучена на небольшом датасете и может плохо следовать запросам. Она наследует ограничения Stable Diffusion XL 1.0. Лицензия — CreativeML Open RAIL++-M.

Это модель классификации эмоций в китайской речи на базе HuBERT, разработанная автором репозитория xmj2002. Для предобучения использована TencentGameMate/chinese-hubert-base, после чего модель обучена на наборе CASIA: в карточке указаны 1200 аудиозаписей актёров с шестью метками — гнев, страх, радость, нейтральное состояние, грусть и удивление. Архитектура — HuBERT для классификации речи, около 113,3 млн параметров; модель принимает аудио и выдаёт класс эмоции. В README сообщается о точности 0,972 и test loss 0,1165 на тестовом разбиении указанного набора. Эти результаты относятся к описанному эксперименту и не гарантируют такого же качества на других данных, говорящих или условиях записи. Набор мог быть неполным по сравнению с официальным CASIA. Модель распространяется по лицензии Apache-2.0.

IceMoonshineRP-7b — разговорная текстовая модель на архитектуре Mistral, созданная icefog72 путём объединения предварительно обученных языковых моделей с помощью mergekit. В README указана база Mistral v0.2; в объединение вошли несколько моделей Ice0 для ролевого общения, включая вариант, обученный с GRPO. Размер модели — 7,1 млрд параметров, формат основной версии — safetensors; доступны также варианты квантования EXL2 и GGUF. Модель предназначена для генерации диалоговых ответов и ролевых сценариев; автор рекомендует запускать её с настройками и lorebook для SillyTavern, хотя обычно подходит и формат Alpaca. Заявленное окно контекста — 32 768 токенов, но автор отмечает ухудшение качества после 16 000 токенов и рекомендует ограничивать контекст примерно 21 000 токенами. Модель помечена как NSFW и не для всех аудиторий. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но запрещающая коммерческое использование.