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

Это LoRA-адаптер для Qwen3-TTS-12Hz-0.6B-Base, созданный автором репозитория rijulpaul для синтеза речи, имитирующей английский голос Чжун Ли из Genshin Impact. Модель предназначена для озвучивания заданного текста голосом персонажа; при использовании полного чекпойнта из репозитория отдельный аудиопример не требуется, поскольку голосовой образ сохранён в параметрах обучения. Для подключения папки adapter/ к базовой модели нужен аудиопример персонажа. Модель основана на плотной архитектуре Qwen3-TTS и поставляется как LoRA-адаптер в формате Safetensors. В карточке указаны обучающие наборы Genshin voice и pano30qx. Поддерживается английская речь. Это неофициальная фанатская работа, не связанная с HoYoverse; лицензия репозитория — MIT. Качество сходства с голосом может зависеть от текста и выбранного способа загрузки адаптера.

ranmadiffusion — дообученная диффузионная модель tashachan28 для генерации изображений в стиле аниме конца 1980-х — начала 1990-х, с акцентом на аниме «Ранма ½». Для вызова целевого стиля рекомендуется добавлять в текстовый запрос ключевое слово «80sanimestyle». Модель обучена методом DreamBooth на 121 кадре из «Ранмы ½» в течение 3000 шагов на базе Linaqruf/anything-v3.0. Модель предназначена для генерации изображений по текстовым запросам и распространяется в форматах Diffusers, PyTorch и safetensors для библиотеки Diffusers. Автор отмечает, что результат зависит от метода сэмплирования; среди удачных вариантов названы DPM2 и DPM++ с их вариантами. Лицензия — CreativeML OpenRAIL-M.

HuggingJin выпустил контрольную точку третьего цикла OEL + ReSAIL на базе Qwen/Qwen3-4B, дообученную для TextCraft. Модель с плотной архитектурой Qwen3 содержит 3,7 млрд параметров и принимает текст, выдавая текст; доступны чат-интерфейс и интерфейс вызова инструментов. Максимальная длина контекста — 40 960 токенов. Модель предназначена для выполнения задач TextCraft в формате языкового агента. В README приведён средний результат 64,0% на официальном тесте TextCraft по трём случайным seed декодирования; это не оценка вариативности между независимыми запусками обучения. В этих экспериментах режим рассуждений был отключён. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0.

Rinotuna — модель Stable Diffusion для генерации изображений по текстовому описанию, опубликованная под именем AnimeTest/rinotuna-man. Карточка представляет её как концепт Rinotuna и предлагает пробный запуск через A1111 Colab. Репозиторий содержит модель в форматах Diffusers и PyTorch. Модель предназначена для создания изображений по текстовым запросам в стиле или с концептом Rinotuna. В карточке приведены примеры изображений, но не раскрыты размер модели, базовый чекпойнт, поддерживаемые языки, контекст или конкретные настройки генерации. Указана лицензия CreativeML OpenRAIL-M; условия использования следует сверять с её текстом.

sally-whitemanev — пользовательская модель текстовой генерации изображений, опубликованная в библиотеке SD DreamBooth. Это дообучение AnythingV3 FP16 на изображениях персонажа Sally Whitemane из World of Warcraft; в карточке описаны варианты чекпойнта, включая версии, обученные на 21 изображении, и основной файл dbwhitemane.ckpt, обученный на 39 изображениях. Для генерации используется триггер whitemanedb. Репозиторий содержит веса в формате Diffusers/PyTorch и предназначен для работы с Stable Diffusion. Модель подходит для создания изображений персонажа по текстовым запросам. Автор рекомендует VAE от NovelAI, Anything или Waifu Diffusion и CLIP skip 2. Примеры настроек включают 45 шагов, сэмплер Euler a, CFG 7 и размер 512×512. Лицензия — CreativeML OpenRAIL-M.

Sarv-Reasoning — дообученная модель семейства Sarv от artindnr на базе artindnr/strawberry-1. Она предназначена прежде всего для создания и анализа персидской поэзии: перед итоговым текстом модель всегда формирует видимую цепочку рассуждений о метре, рифме, рефрене, образах и эмоциональной структуре. Архитектура — GPT-OSS с разреженной смесью экспертов; в метаданных указан размер 1,6 млрд параметров и контекст до 131 072 токенов. LoRA-дообучение слито с базовыми весами; опубликованные веса доступны в формате safetensors. Модель подходит для генерации стихов, разбора их формы и критики, а также для исследовательской работы с трассами рассуждений на фарси. Персидский — основной язык модели; README также заявляет многоязычные задачи рассуждения, но специализация карточки — поэзия на фарси. Постоянная генерация рассуждений увеличивает длину ответа, задержку и расход токенов; пояснения модели не гарантируют точного отражения её внутренних вычислений. Лицензия — Apache-2.0.

Карточка модели quill-voice/shakespeare на Hugging Face совпадает с карточкой voice-box/shakespeare, поэтому описание составлено по ней. Shakespeare — дообученная QuillBytes модель на базе Qwen3-4B, предназначенная для диалога и генерации текста в стиле раннего современного английского языка. Она использует елизаветинскую лексику, обращения thee/thou/thy и стремится к ямбическому ритму, сохраняя этот стиль в ответах. Модель подходит для развлекательных бесед, стилизации текста и создания реплик с шекспировским звучанием. В репозитории есть веса GGUF, включая 4-битную квантизованную версию для локального запуска, а также вариант F16; метаданные указывают архитектуру семейства Qwen3. Лицензия — Apache-2.0. Модель рассчитана на развлечение и может постоянно отвечать в заданной стилистике, что ограничивает её применение для нейтральных ответов и задач, требующих современного языка.

ShapeLLM-Omni — мультимодальная модель для понимания и генерации 3D-объектов, разработанная Junliang Ye, Zhengyi Wang, Ruowen Zhao, Shenghao Xie и Jun Zhu. Репозиторий содержит веса ShapeLLM-7B-omni на базе архитектуры Qwen2.5-VL: модель с 7,1 млрд параметров дообучена по инструкциям на наборе 3D-Alpaca, а форму объектов она представляет с помощью дискретных 3D-токенов, полученных из VQ-VAE. Модель предназначена для генерации 3D-ассетов, понимания объектов и редактирования 3D-контента в диалоге с текстом и изображениями. Метаданные указывают контекст до 128 000 токенов; репозиторий содержит веса safetensors для Transformers. Лицензия — MIT. Это исследовательская попытка добавить базовые 3D-возможности к мультимодальным языковым моделям; качество и область применения могут быть ограничены тренировочным набором и используемым представлением 3D-токенов.

SoulX-Singer-fp32 — подготовленный сообществом mlx-community вариант весов SoulX-Singer в формате safetensors с точностью fp32 для Apple Silicon и библиотеки MLX. В репозитории находятся компоненты SVS для синтеза пения по тексту и SVC для преобразования вокала; базовая модель разработана Soul-AILab. Модель предназначена для генерации вокала и преобразования уже имеющегося пения. Веса организованы в MLX-совместимом виде, однако полный аудиопроцесс пока использует официальную структуру модели PyTorch через SoulX-Singer-MLX, а не полностью нативный MLX runtime. README сообщает о проверке загрузки компонентов и генерации тестового WAV на Apple Silicon. Размер файлов на диске — около 5,6 ГБ. Для использования требуется отдельная среда с зависимостями проекта и предобученной Whisper-base. Лицензия — Apache-2.0. В README нет сведений о поддерживаемых языках и длине контекста.

FrankL/storytellerLM-v0 — компактная языковая модель семейства Llama, опубликованная FrankL и предназначенная для генерации текста на английском языке. Она обучена на датасете skeskinen/TinyStories-GPT4 и подходит для создания коротких историй и продолжения текстовых подсказок. Модель использует архитектуру LlamaForCausalLM, содержит 20,8 млн параметров и рассчитана на контекст до 2048 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Небольшой размер делает модель удобной для компактных экспериментов с генерацией историй. Карточка не сообщает оценок качества или иных ограничений помимо короткого контекста; результаты генерации могут требовать проверки.

TaDiCodec — текстово-управляемый диффузионный аудиокодек и токенизатор речи, представленный авторами статьи TaDiCodec: Text-aware Diffusion Speech Tokenizer for Speech Language Modeling. Модель кодирует речь в компактные токены и восстанавливает аудио с помощью диффузионного автоэнкодера, в котором декодер использует текстовые подсказки. Обучение сквозное и одностадийное, без вспомогательных предварительно обученных моделей. Кодек предназначен для токенизации и реконструкции речи, а также для использования в речевых языковых моделях и системах синтеза речи, включая zero-shot TTS с авторегрессионным и masked generative моделированием. Для речи с частотой 24 кГц заявлены частота токенов 6,25 Гц и битрейт 0,0875 кбит/с; авторы сообщают о качестве по метрикам WER, сходства голоса и естественности звучания. Репозиторий использует формат safetensors и библиотеку Transformers; лицензия — Apache-2.0. Карточка перечисляет английский, китайский, японский, французский, немецкий и корейский языки.

Text2Earth — модель генерации изображений по текстовому описанию, опубликованная пользователем lcybuaa. Для запуска карточка рекомендует библиотеку Diffusers и приводит пример установки зависимостей. Репозиторий содержит веса в формате safetensors и использует конвейер Text2EarthDiffusionPipeline. Модель предназначена для создания изображений Земли по текстовым запросам. Репозиторий распространяется по лицензии Apache-2.0. Карточка не сообщает размер модели, поддерживаемые языки запросов, длину контекста или известные ограничения качества.

Это адаптация textual inversion для модели CompVis/stable-diffusion-v1-4, опубликованная abhipsabasu. Она добавляет в Stable Diffusion понятие человека, обозначаемого токеном nbf, и предназначена для создания изображений по текстовым запросам с этим понятием. Веса представлены в форматах Diffusers и safetensors; для работы требуется базовая модель Stable Diffusion v1.4 и библиотека Diffusers. Модель принимает текстовый запрос и генерирует изображение. Базовая модель ориентирована преимущественно на английский язык. Репозиторий распространяется по лицензии CreativeML OpenRAIL-M. Карточка не содержит примеров использования или описания известных проблем и смещений.

Thespis-7b-v0.2-SFTTest-3Epoch — экспериментальная текстовая генеративная модель cgato на архитектуре MistralForCausalLM, представленная в форматах PyTorch и safetensors. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста по шаблону Oobabooga или SillyTavern, включая ответы от имени персонажа. При дообучении использовались наборы Pure-Dove Dataset, Claude Multiround 30k, OpenOrcaSlim, Augmental Dataset, ToxicQA и yahoo_answers_qa, а также очищенный набор персонажей chub.ai. Автор характеризует её как тестовую версию и предупреждает о повторах, многословности и непредсказуемом качестве. Лицензия — Apache-2.0.

katuni4ka/tiny-random-flex.2-preview — небольшая тестовая модель, опубликованная пользователем katuni4ka на Hugging Face. Она предназначена для генерации изображений по текстовому описанию и используется через библиотеку Diffusers с конвейером FluxPipeline. На странице модели приведён пример генерации изображения из текстового промпта, а также указана поддержка формата Safetensors. Модель относится к задаче text-to-image и не предназначена для обработки текста как результата.

TIPO-v2.1-1B-A200M — модель KBlueLeaf для оптимизации текстовых запросов к системам Text-to-Image. Она выполняет текстовое предварительное расширение: превращает короткий пользовательский запрос в более подробное описание перед передачей его диффузионной модели, стремясь повысить информативность, соответствие исходному запросу и сохранить разнообразие результатов. Модель обучена на данных подписей и метаданных изображений, включая Danbooru и наборы COYO, LAION и других источников. Это разреженная decoder-only языковая модель архитектуры KohakUwU MoE, основанной на DeepSeekMoE и реализованной в проекте KohakUwULLM. Она содержит около 990,8 млн параметров, из которых примерно 193,1 млн активируются на токен, а таблица эмбеддингов занимает около 50,3 млн параметров. Архитектура включает 16 слоёв, скрытый размер 768, 12 attention-голов, 2 KV-головы с GQA, QK-нормализацию, 64 маршрутизируемых эксперта с активацией top-8 и один общий эксперт. Контекст увеличен до 4096 токенов; модель работает в чистом fp16 без квантизированных матричных умножений. Версия v2.1 полностью переобучена на исправленном наборе данных и по сравнению с v2 лучше учитывает рейтинг безопасности, качество, количество персонажей и год публикации изображения. Она предназначена прежде всего для генерации и улучшения промптов, включая сценарии с booru-тегами и естественным языком. К ограничениям относятся специализированная направленность на оптимизацию промптов для Text-to-Image, англоязычные обучающие данные и отсутствие в представленных сведениях подтверждения поддержки других языков. Лицензия в README не указана.

TuesdayCrowd публикует самостоятельный экспорт Transkun в формате ONNX и спецификацию декодирования для транскрипции фортепианной музыки. Исходную модель разработали Yujia Yan, Frank Cwitkowitz и Zhiyao Duan для событийной транскрипции фортепиано с помощью Neural Semi-CRF; репозиторий содержит независимый экспорт и не связан с авторами оригинальной работы. В метаданных указаны библиотека onnxruntime и лицензия MIT. Пакет включает ONNX-модель со скорером на основе трансформера и semi-CRF, отдельную модель для оценки velocity и субкадровых границ нот, а также константы фронтенда. Вход — монофоническое аудио с частотой 44,1 кГц; по нему система восстанавливает ноты фортепиано, включая sustain и soft pedal, с MIDI-высотами 21–108. Декодирование использует mel-фронтенд, Viterbi-проход semi-CRF и склейку сегментов длиной 16 секунд с шагом 8 секунд. Заявленный в README результат — 0,984 F1 по нотам на MAESTRO. Экспорт позволяет запускать нейросетевые части через ONNX Runtime без Python или PyTorch во время выполнения, но сам файл ONNX не является готовым транскрайбером: преобразование аудио и декодирование требуют реализации описанной спецификации и reference decoder. Модель специализирована на фортепиано; README не описывает поддержку других инструментов или языковых задач.

dodo1234/trocr-base-handwritten-finetuned — дообученная модель TrOCR от автора репозитория dodo1234 для распознавания рукописного текста на изображениях. Она построена на архитектуре vision encoder-decoder и создана на основе microsoft/trocr-base-stage1. Модель принимает изображение строки рукописного текста и генерирует её текстовую расшифровку. В README приведены результаты на тестовом наборе из 778 примеров: CER 50,15 %, WER 94,96 %, точное совпадение — 0 %. Эти показатели свидетельствуют о низкой точности распознавания в описанной оценке. Модель предназначена для распознавания рукописного текста; карточка указывает французский язык. Весы опубликованы в формате safetensors. Лицензия — MIT.

yzk/trocr-large-printed-vedic — модель OCR для распознавания печатных ведических текстов на изображениях. Она разработана на основе microsoft/trocr-large-printed и дообучена на текстах из издания Шрёдера «Maitrāyaṇī Saṃhitā». Архитектура vision-encoder-decoder; модель использует библиотеку Transformers и распространяется в формате safetensors. Модель предназначена для преобразования изображений с печатным текстом на деванагари в текст, в частности для оцифровки ведических источников. Она ограничена текстами, где акценты обозначены вертикальными линиями над символами деванагари. Данные о качестве распознавания и результатах тестирования в карточке не приведены. Лицензия не указана.

Video Depth Anything Base в формате MLX — конверсия модели depth-anything/Video-Depth-Anything-Base, разработанной ByteDance и отмеченной как highlight на CVPR 2025. Модель оценивает глубину по монокулярному видео, выдавая согласованные во времени карты глубины. Архитектура включает backbone DINOv2 и временную голову DPT; репозиторий содержит веса в формате safetensors. Модель предназначена для извлечения структуры сцены и оценки расстояний по последовательности видеокадров. В README указана проверка относительно реализации PyTorch: максимальная относительная ошибка около 1e-5 на CPU и около 1% на GPU с fast-math в Metal. Лицензия — Apache-2.0.

Violet 160M Chat — языковая модель Zakarth на архитектуре GPT-NeoX, дообученная для роли мисс Вайолет Хартвелл, молодой англичанки из Кенсингтона 1899 года. По метаданным, модель содержит 189,6 млн параметров, использует формат Safetensors и рассчитана на контекст до 4096 токенов. Она генерирует текст на английском языке в режиме диалога или продолжения текста; диалоговый формат включает строку настроения и ответ от лица персонажа. Модель предназначена для творческого письма, ролевых диалогов, стилизованных под викторианскую эпоху писем и вопросов о тогдашнем этикете. Корпус преимущественно состоит из текстов 1800–1899 годов, поэтому модель может поддерживать исторический стиль и повествовательную манеру, но не подходит для современных фактических вопросов и профессиональных советов. Лицензия — CC0 1.0; автор отмечает, что модель может воспроизводить исторические предубеждения.

UMUTeam разработала эту модель в рамках открытого инструментария speech-emotion для распознавания эмоций в испанской речи. Это дообученная модель архитектуры Wav2Vec2-BERT с 402,7 млн параметров; она принимает аудио и относит речь к одному из шести классов: гнев, отвращение, страх, радость, нейтральное состояние или грусть. Модель подходит для анализа записей и разговорной речи, исследований аффективных вычислений, человеко-машинного взаимодействия и эмоционально-адаптивных диалоговых систем. Её можно использовать отдельно или включать в мультимодальные сценарии speech-emotion. Обучение проводилось преимущественно на испанской части Spanish MEACorpus 2023; на тестовой выборке авторы сообщают точность 88,12% и macro F1 84,48%. Модель рассчитана на испанскую речь и может работать ненадёжно с другими языками, шумом, несколькими говорящими, низким качеством записи, сильными акцентами и данными из иных предметных областей. Она выдаёт один класс из фиксированного набора, а эмоциональные проявления субъективны и зависят от контекста. Не следует использовать её как единственное основание для медицинских, кадровых, юридических или иных важных решений. Лицензия — MIT.

sbh013/wav2vec2-ser-ravdess-optimized — модель распознавания эмоций в речи, созданная дообучением facebook/wav2vec2-base-960h на датасете RAVDESS. Она принимает аудио и относит его к одному из восьми классов: angry, calm, disgust, fearful, happy, neutral, sad или surprised. Архитектура wav2vec 2.0 содержит 113,3 млн параметров; в репозитории указаны веса в формате safetensors. На тесте с тремя дикторами, не встречавшимися при обучении, модель достигла точности 68,3% и macro F1 0,676. Она подходит для экспериментов и анализа эмоциональной окраски английской речи. Модель обучалась и оценивалась только на постановочной английской речи студийного качества, поэтому результаты на спонтанной речи и записях с обычных микрофонов могут отличаться. Класс sad распознаётся хуже остальных и часто смешивается с fearful и neutral. Лицензия — Apache-2.0.

deepdml/whisper-base-ar-quran-mix-norm — дообученная модель Whisper Base, разработанная deepdml на основе openai/whisper-base для распознавания чтения Корана на арабском языке. Это плотная encoder-decoder модель класса WhisperForConditionalGeneration с 51,7 млн параметров, предназначенная для распознавания речи из аудио. Модель опубликована в формате safetensors и работает через Transformers. На указанном наборе оценки модель достигла WER 0,1620 и CER 0,0609; для необработанных результатов приведены WER 0,1668 и CER 0,0591. Обучение проводилось на данных tarteel-ai/everyayah и tarteel-ai/EA-UD. Репозиторий указывает лицензию Apache-2.0. README не описывает ограничения и сценарии оценки подробнее, поэтому показатели могут не отражать качество на других записях, произношениях или акустических условиях.

Whisper large-v3-ar — модель автоматического распознавания речи, созданная Мохамедом Котбом под патронажем профессора Али Гомаа. Это дообученная версия Whisper large-v3 от OpenAI с 905,2 млн параметров, предназначенная прежде всего для транскрибации Корана и хадисов с сохранением поддержки современного литературного арабского языка (MSA). Модель принимает аудио и выдаёт текст; работает на базе Transformers и распространяется в формате safetensors по лицензии Apache-2.0. На указанных в карточке проверочных выборках модель показала особенно низкую долю ошибок при распознавании Корана и хадисов. Для воспроизведения результатов при обработке аудио требуется обрезать тишину, нормализовать громкость до −16 LUFS, добавить по 100 мс заполнения по краям, скорректировать усиление и разбивать записи на отрезки длиной не более 30 секунд. Модель не формирует временные метки. Результат записывается арабской орфографией Imlāʾī без огласовок, а числительные выводятся словами. Модель ориентирована преимущественно на классический и литературный регистр, а не на диалекты; на общей радиовещательной речи MSA она конкурентоспособна, но не лидирует по WER. Транскрипции религиозных текстов следует сверять с каноническими источниками; модель не предназначена для точной записи чисел или математической речи.

Whisper-large-v3-ar-eg — модель автоматического распознавания речи, созданная Мохамедом Котбом под патронажем профессора Али Гомаа. Это дообученная на базе openai/whisper-large-v3 модель семейства Whisper с 905,2 млн параметров, принимающая аудио и выдающая текст. Она обучена на корпусах Корана и хадисов на литературном арабском, а также на египетской арабской речи. Модель предназначена для транскрибации религиозных текстов и египетской речи как вспомогательный инструмент и для исследований. Лучшая заявленная оценка для египетского арабского относится к речи того же диктора и формального регистра, что и обучающие данные; на спонтанной речи незнакомых дикторов качество заметно ниже универсальной базовой модели. Вывод использует арабскую орфографию без огласовок, числа записываются словами, временные метки не выдаются. Религиозные расшифровки следует сверять с каноническими письменными источниками. Лицензия — Apache-2.0.

Wriggly's-Extra-Gum-artstyle-waifudiffusion — DreamBooth-модель Kagerage, дообученная на базе Waifu Diffusion 1.3 для генерации изображений в стиле необычных нарисованных от руки иллюстраций с обёрток жевательной резинки Wrigley's Extra. Модель принимает текстовые запросы и предназначена для создания изображений с персонажами в аниме-стиле, сочетая этот характерный стиль с описанием персонажей, одежды и окружения. Для выраженного сходства с обучающими изображениями автор рекомендует добавлять триггерное слово «gvgtgm» и формулировки «lineart drawing» или «badly drawn lineart drawing». Модель распространяется в формате Diffusers и Safetensors и использует лицензию CreativeML OpenRAIL-M. В README также приведены советы по выбору формулировок и sampler; количественные сведения о размере и контексте для этой модели неприменимы к генерации изображений.

Wushu Action LoRA — MiniMax H3 — это адаптер LoRA для генерации видео в стиле постановочных боевых сцен ушу и других видов боевых искусств. Модель разработал пользователь Jojocodex на базе MiniMaxAI/MiniMax-H3. Она предназначена для сценариев text-to-video и image-to-video, включая одиночные и парные поединки, работу с оружием, динамичные движения, сложную хореографию и кинематографическую съёмку. Для активации используется триггерное слово wushu_action. Адаптер обучался на 924 отобранных фрагментах боевых сцен с разрешением 832×480 и частотой 24 кадра в секунду, снабжённых специализированными тегами боевых приёмов. В README указана конфигурация с полноразмерным неурезанным int8-convrot DiT и текстовым энкодером Qwen3-VL в формате bf16; при этом число шагов обучения обозначено противоречиво — 1000 и 2000. Для работы требуются базовая модель minimax_h3_fl2va_int8_convrot, текстовый энкодер Qwen3-VL 32B, видео- и аудио-VAE. Рекомендуются разрешение 832×480, 24 fps и 124 кадра, что соответствует примерно 5,2 секунды видео. Сильными сторонами модели являются специализация на боевой хореографии, поддержка конкретных терминов и приёмов ушу, а также возможность использования в ComfyUI через готовый рабочий процесс. Автор отмечает, что текущая версия ещё не полностью соответствует ожидаемому качеству и планирует дальнейшее обучение на расширенном наборе движений. Известное ограничение — склонность к размытости при малом числе шагов семплирования; рекомендуется увеличивать их количество или применять плагины восстановления. В README также советуется сочетать модель с Combat-Base-V2, Motion Continuity Repair LoRA и, при необходимости, Spatial & Physics LoRA. Лицензия указана как other, без дополнительных условий.

keremberke/yolov8n-nlf-head-detection — модель компьютерного зрения на базе YOLOv8, опубликованная пользователем keremberke и рассчитанная на обнаружение шлемов на изображениях. Она распознаёт пять классов: Helmet, Helmet-Blurred, Helmet-Difficult, Helmet-Partial и Helmet-Sideline. Модель предназначена для поиска и локализации шлемов в сценах американского футбола, в том числе частично скрытых и размытых; для работы используется библиотека Ultralytics. Репозиторий содержит веса в формате PyTorch. Данные карточки указывают на обучение на наборе keremberke/nfl-object-detection. Сведения о лицензии и численном размере модели в предоставленных материалах отсутствуют.

ushikado/yuyuyui-chatbot — японская генеративная модель диалогов на архитектуре GPT-2, разработанная на основе rinna/japanese-gpt2-medium и дообученная на корпусе сценариев Yuyuyui. Она принимает последовательность реплик как контекст и генерирует следующую реплику; в формате используются токены персонажей и EOS, а для пользовательского ввода предусмотрен токен неопределённого персонажа. Модель предназначена для продолжения диалогов в стиле сценариев Yuyuyui. Размер контекста составляет 1024 токена. Репозиторий содержит веса PyTorch и Flax. Лицензия в предоставленных данных не указана.