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

neurlang/ipa-whisper-base — дообученная версия мультиязычной Whisper Base от OpenAI для распознавания речи и вывода транскрипции в Международном фонетическом алфавите (IPA). Модель основана на Transformer-архитектуре encoder-decoder с 51,7 млн параметров и принимает аудио. Для работы с ней в Transformers используется WhisperProcessor. Дообучение выполнено на 15 000 синтетических аудиозаписей с разметкой IPA, созданных с помощью фонемайзера goruut, а также на случайной выборке из 15 000 записей Common Voice 21 более чем на 70 языках. Модель подходит для фонетической транскрипции и распознавания речи на разных языках; базовая Whisper также поддерживает перевод речи на английский, но карточка не подтверждает отдельно это умение у данной версии. Качество распознавания может быть неравномерным между языками, акцентами и диалектами. Возможны галлюцинации — текст, которого нет в аудио, — и повторяющиеся фрагменты; у низкоресурсных языков эти проблемы могут быть заметнее. Для сегментов длиннее 30 секунд README рекомендует использовать обработку с разбиением на чанки. Лицензия — Apache-2.0.

Карточка модели realPCH/kosolra-wiki-QA-1epoch на Hugging Face совпадает с карточкой realPCH/kosolra-wiki-QA, поэтому описание составлено по ней. realPCH/kosolra-wiki-QA — дообученная языковая модель на архитектуре Llama, созданная на основе yanolja/KoSOLAR-10.7B-v0.1. В README указано, что при обучении использовался набор kyujinpy/KOR-gugugu-platypus-set; метаданные также связывают модель с датасетом maywell/ko_wikidata_QA. Модель предназначена для генерации текста и ответов на вопросы по корейским энциклопедическим знаниям. Она содержит 10,7 млрд параметров, принимает текст, выдаёт текст и имеет контекстное окно 4096 токенов. Для загрузки в README приведён пример с Transformers. Лицензия — MIT. Карточка содержит мало сведений об оценке качества и ограничениях; ответы могут быть неточными, особенно за пределами корейской тематики.

Krea 2 Raw — базовая версия модели генерации изображений по тексту, разработанная Krea.ai, Inc. и опубликованная Unsloth как зеркало исходного репозитория; веса не изменены. Это диффузионная модель архитектуры Diffusion Transformer с 12 млрд параметров, распространяемая в формате Diffusers и Safetensors. Она принимает текстовые описания на английском языке и создаёт изображения; версия Raw предназначена прежде всего для дообучения и постобучения под собственные задачи и домены, а автор README не рекомендует её для обычного инференса. Модель можно использовать как основу для создания специализированных вариантов, включая обучение LoRA. Лицензия — Krea 2 Community License; использование подчинено её условиям и Acceptable Use Policy, включая требования к фильтрации контента или эквивалентной проверке при развёртывании. Модель может не следовать описанию и создавать нежелательные изображения; она не предназначена для получения фактической информации.

GENETIC LEMONADE OPUS — слитая чат-модель на архитектуре Llama 3.3 с 69,5 млрд параметров, созданная zerofata методом SCE из нескольких моделей для ролевых диалогов. В состав входят GeneticLemonade-Unleashed-v3, Plesio-70B и Anubis-70B-v1.1; метаданные также указывают Shisa v2 Llama 3.3 70B как базовую модель. Модель принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов. Она предназначена прежде всего для творческих ролевых чатов: автор карточки отмечает разнообразную прозу и диалоги, творческие ответы и выразительное воспроизведение персонажей. Описана поддержка ролевого контента, включая ERP. В карточке приведены стартовые параметры генерации для SillyTavern, но они не гарантируют оптимальный результат для всех сценариев. Модель распространяется под лицензией Llama 3. Использование требует соблюдения условий этой лицензии. Она ориентирована на ролевые сценарии, поэтому её качество для других задач не установлено; характеристики по языкам в карточке модели не перечислены.

L3-Umbral-Mind-RP-v0.3-8B — англоязычная разговорная модель для ролевых диалогов, созданная Casual-Autopsy путём слияния нескольких моделей Llama 3 с помощью mergekit. Она ориентирована на ролевые сценарии с тяжёлыми темами, включая психические расстройства, травму, самоповреждение и суицид, и должна поддерживать более мрачный тон без чрезмерно оптимистичных ответов. В карточке автор также отмечает более связные и естественные ответы по сравнению с предыдущими версиями. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов. Она принимает текст и генерирует текст; в метаданных указан английский язык. Для работы используется библиотека Transformers, веса опубликованы в формате safetensors. Модель распространяется по лицензии Llama 3.

LaguQA-MiniCPM5-2B — языковая модель на основе openbmb/MiniCPM5-2B, дообученная на данных LaguQA и выпущенная как копия с объединённым LoRA-адаптером. Модель разработана для ответов на вопросы о песнях и музыке на индонезийском языке; её архитектура — плотная LlamaForCausalLM, размер — около 2,2 млрд параметров, контекст — до 131 072 токенов. Принимает текстовые запросы и генерирует текстовые ответы. В тесте LaguQA на вопросах с выбором ответа после дообучения результат вырос с 24,3 до 51,0 при отключённом режиме thinking. Для корректного формата запросов README рекомендует задавать enable_thinking=False. В тесте IndoMMLU показатель снизился с 33,6 до 27,2, поэтому модель может уступать базовой в общих задачах на индонезийском языке. Лицензия — Apache-2.0.

Ken-Z/latin_whisper-small — модель распознавания речи на латинском языке, опубликованная Ken-Z. Это дообученная версия openai/whisper-small; в метаданных указаны архитектура Whisper, 153,1 млн параметров и формат safetensors. Модель принимает аудио и выдаёт распознанный текст. Она предназначена для транскрибирования латинской речи; автор сообщает о 20 CER с пунктуацией после обучения на 67 часах аудио Vox Classica. Модель лицензирована по CC BY 4.0. Оценка CER дана автором для описанного набора данных и не гарантирует такое же качество на других записях; сведений о контекстных ограничениях или поддержке других языков карточка не приводит.

Envoid разработал экспериментальную чат-модель для ролевых диалогов, объединив поведение Ministral-8B-Instruct-2410 с базовой Llama-моделью. Модель основана на Llama-3.05-Nemotron-Tenyxchat-Storybreaker-70B: автор дообучил её через QLoRA на наборе одноходовых ролевых сценариев, затем объединил адаптер с исходными весами и применил слияние SLERP. Архитектура — плотная LlamaForCausalLM, размер — 69,5 млрд параметров, контекст — до 131 072 токенов. Модель предназначена прежде всего для генерации ответов персонажей и продолжения сцен в ролевых чатах. Автор отмечает более связное развитие действий и улучшенное следование сценарию по сравнению с исходной моделью, но оценка основана на субъективном сравнении. При высокой температуре ответы могут быть неряшливыми и затягиваться без своевременного завершения; при низкой температура становится жесткой. Обучающие примеры в основном охватывали первый ответ на сообщение пользователя, поэтому качество за пределами этого сценария не гарантируется. Лицензия — CC BY-NC 4.0, допускает использование с указанием авторства и запрещает коммерческое применение.

Lumine-Agent-Pretrain-VL-7B — мультимодальная модель с 7,1 млрд параметров, разработанная как первый этап предварительного обучения в проекте Lumine по созданию универсальных агентов для трёхмерных открытых миров. Она принимает изображения и текст и формирует текстовые ответы; метаданные указывают архитектуру Qwen2-VL, поддержку диалога и контекст до 32 768 токенов. Модель дообучена на базе koboshchan/Lumine-Agent-Base-VL-7B и предназначена для сценариев взаимодействия с визуальной средой игры, в частности Genshin Impact. Модель распространяется в формате safetensors под лицензией MIT. Карточка связывает её с исследовательским проектом Lumine, однако не описывает конкретные результаты, инструкции по запуску или ограничения качества; применимость к задачам вне игрового сценария не установлена.

MeanGirl — языковая модель на архитектуре LLaMA-2, обученная генерировать тексты в жанре чёрного юмора. Её можно использовать в исследовательских проектах, приложениях и инструментах для создания комедийного контента. Модель имеет около 1 млрд параметров, принимает текст и генерирует текст, поддерживает английский язык и контекст до 2048 токенов. Веса доступны в форматах PyTorch и Safetensors. Лицензия — BSD 3-Clause. Модель может создавать оскорбительный, провокационный контент и материалы для взрослой аудитории, поэтому её выводы требуют оценки на соответствие аудитории и контексту использования.

mitra-qwen35-2b-embedder — компактная модель эмбеддингов из семейства Dharmamitra Qwen3.5, разработанная для поиска семантически близких текстов в классических буддийских корпусах. Она преобразует запросы и фрагменты текста в L2-нормализованные векторы размерности 2048; для запроса используется инструкция «Please find the semantically most similar text.» перед текстом запроса, а фрагменты передаются без инструкции. Модель основана на Qwen3.5-2B, дообученной на буддийских текстах и затем настроенной для контрастивного поиска с LoRA. Модель предназначена для многоязычного поиска параллельных фрагментов и асимметричного поиска, например по запросу-предложению среди более длинных окон текста, а также для поиска классических текстов по английскому запросу. Поддерживаются санскрит и пали в IAST, тибетский в родном письме и китайский в китайском письме; метаданные также отмечают английский. Контекст составляет 262 144 токена, число параметров — 1,7 млрд. В тестах на специализированном бенчмарке модель превосходит универсальные эмбеддеры в задачах буддийского поиска, но уступает более крупному gemma-2-mitra-e по приведённым метрикам. Лицензия — Apache-2.0.

Mixtral-4x7B-DPO-RPChat — экспериментальная языковая модель от Undi95 для ролевого общения. По карточке, это смесь для MoE, объединяющая две модели для ролевых игр, модель на оккультную тематику и модель, дообученную методом DPO для более естественных ответов; в качестве основы использовалась Toppy. Репозиторий содержит веса FP16, а метаданные указывают архитектуру MixtralForCausalLM, 7,1 млрд параметров и контекст до 32 768 токенов. Модель генерирует текст по шаблону Alpaca и подходит для отыгрыша персонажей и тематических диалогов. Карточка предупреждает, что некоторые GGUF-квантизации Mixtral могут работать некорректно, и рекомендует варианты Q4_0, Q5_0 или Q8_0. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не для коммерческих целей; метаданные также помечают модель как NSFW.

Modality Forcing — модель генерации пространственных изображений, разработанная авторами проекта Modality Forcing и построенная на базе FLUX.2. Один диффузионный трансформер создаёт RGB-изображение и карту глубины совместно по текстовому запросу, а при выводе также поддерживает преобразования изображение → глубина и глубина → изображение. Веса FluxRGBD DiT содержат 12 млрд параметров: основу класса FLUX.2 на 9 млрд параметров и дополнительные потоки для глубины; указана точность bf16. Текстовый энкодер Qwen3-8B загружается отдельно. Модель предназначена для генерации RGB-D данных и масштабируемого пространственного синтеза. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

MTG-Llama — языковая модель Jake Boggs для вопросов и ответов по карточной игре Magic: The Gathering. Она дообучена на базе Llama 3 8B Instruct на наборе MTG-Eval из 80 032 синтетических пар вопрос–ответ о картах, правилах и взаимодействиях между картами. Модель предназначена для ответов на игровые вопросы, объяснения способностей и взаимодействий карт, а также для помощи с идеями по сборке колод. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом до 8192 токенов; она принимает текст и генерирует текст. В метаданных указан формат safetensors и библиотека Transformers. Специализация на MTG делает модель полезной для тематических запросов, однако ответы о правилах и взаимодействиях могут быть неточными и требуют проверки. Лицензия в предоставленных данных не указана.

Nyx-RP-9B-Instruct-2608-v1 — инструкционная модель для генерации текста, опубликованная пользователем или организацией Indexnusrefather. Она создана дообучением Qwen/Qwen3.5-9B на специализированном закрытом наборе тщательно отобранных данных и предназначена прежде всего для ролевого взаимодействия, творческого письма и сценариев ERP. В README заявлена поддержка английского языка. По заявленным характеристикам, модель относится к семейству примерно 9-миллиардных текстовых моделей и работает в режиме text generation. Среди её сильных сторон разработчик отмечает более качественную ролевую игру по сравнению с базовой моделью, улучшенные темп повествования и пунктуацию, более креативное письмо, последовательность взаимодействий и хорошее следование инструкциям. Также указано, что модель доступна в вариантах квантования BF16, Q8_0, Q6_K, Q5_K_M, Q4_K_M и Q3_K_M; Q6_K и Q5_K_M названы рекомендованными по качеству, а Q4_K_M — компромиссом между качеством и скоростью. Модель имеет экспериментальный характер и оптимизирована для узких задач ролевого общения, поэтому её преимущества и ограничения за пределами этих сценариев не определены. Размер контекстного окна, точные параметры архитектуры, мультимодальные возможности и подробные результаты бенчмарков в README не указаны. Модель распространяется по лицензии Apache-2.0.

Yuanshi/OminiControl — модель, представленная в работе «OminiControl: Minimal and Universal Control for Diffusion Transformer». Репозиторий содержит веса в формате safetensors и относится к библиотеке diffusion-single-file. Модель предназначена для управления генерацией и преобразованием изображений в диффузионных трансформерах. Карточка связывает её с задачей image-to-image, но не описывает конкретные режимы управления, требования к входному изображению или поддерживаемые базовые модели. README не содержит сведений о разработчике сверх имени репозитория, архитектуре, размере, языках, лицензии и ограничениях. Поэтому условия использования и конкретные характеристики модели по доступным данным установить нельзя.

Это дообученная модель Vision Transformer (ViT) для распознавания покемонов на изображениях. Её разработал пользователь skshmjn на базе google/vit-base-patch16-224-in21k; модель содержит 113,2 млн параметров и рассчитана на классификацию изображений покемонов вплоть до поколения 9 — всего до 1025 классов. Модель подходит для идентификации персонажей в Pokémon-приложениях, учебных проектах и других сценариях, где нужно определить покемона по изображению. Она использует библиотеку Transformers и распространяется в формате Safetensors. Модель не предназначена для классификации изображений общего назначения. Лицензия — Apache-2.0.

PoliBERTweet — англоязычная модель RoBERTa для работы с политическими сообщениями в Twitter. Её веса опубликованы для исследования PoliBERTweet, представленного на LREC 2022; модель инициализирована весами vinai/bertweet-base и дополнительно предобучена на более чем 83 млн англоязычных твитов о президентских выборах США 2020 года с задачей masked language modeling. Модель подходит для предсказания замаскированных токенов в политических твитах, а также для последующего дообучения под классификацию и другие задачи анализа политического контента. Архитектура — RobertaForMaskedLM, размер — 162,4 млн параметров, контекст — 130 токенов. Репозиторий содержит веса PyTorch; лицензия — GPL-3.0.

Prima-24B — языковая модель для ролевых диалогов и творческого письма, разработанная DarwinAnim8or и дообученная на собственном наборе данных Actors на базе Mistral-Small-24B-Base-2501. Это плотная авторегрессионная модель семейства Mistral с 23,4 млрд параметров и контекстом 32 768 токенов; она принимает текст и генерирует текст. Модель рассчитана на ролевые сценарии, особенно длинные разговоры и динамичные приключения, и лучше переносит различия в шаблонах диалога, чем меньшая Trouper-12B. Для работы рекомендуется режим chat completion с шаблоном Mistral-V7-Tekken или ChatML. Модель ориентирована на англоязычный roleplay. Карточка отмечает последовательное поведение персонажей и грамматику, устойчивую обработку длинных диалогов и склонность к более развёрнутой прозе. Возможны шаблонные обороты, повторяющиеся описания и излишне витиеватый стиль; модель не предназначена для обычной работы в роли ассистента вне ролевой игры. Распространяется по лицензии Apache-2.0.

VertexAGI Prism Roleplay 1 Small — модель для ролевого общения и создания иммерсивных диалогов, разработанная командой VertexAGI. Она дообучена методом LoRA на базе Qwen3-8B с использованием дистиллированных данных от GLM 5.2 и NVIDIA Nemotron-3-Nano. Модель предназначена для воплощения заданных персонажей, продолжения сцен, многосторонних диалогов, эмоционально насыщенных обменов репликами, повествовательной прозы, групповых сцен и внутриигрового описания мира. В основе используется Qwen3-8B в 4-битном формате; доступны варианты MLX для Apple Silicon и GGUF Q4_K_M для llama.cpp и совместимых сред. Указан английский язык. Обучающий набор содержит 3500 примеров в 10 категориях, а дообучение выполнено с LoRA rank 8 на 16 слоях. По заявленным результатам, модель полностью подавляет утечку текста планирования в тестовых сценариях и примерно втрое снижает повторяемость по сравнению с базовой моделью, сохраняя персонажа и стиль ответа. Основное ограничение — специализация на англоязычном roleplay, поэтому пригодность для других языков и задач общего назначения не подтверждена. Для GGUF необходимо явно отключать режим рассуждений в llama.cpp, иначе может отображаться блок <think>...</think>. Модель распространяется по лицензии Apache-2.0.

Модель hahahafofo/Qwen-1_8B-Stable-Diffusion-Prompt — дообученная версия Qwen для создания текстовых запросов к Stable Diffusion. Она преобразует описания на китайском языке в соответствующие английские промпты и умеет создавать промпты по текстам разных форм, в том числе по классической китайской поэзии. Модель дообучена методом SFT на 35 тысячах примеров; её архитектура — плотная QWenLMHeadModel семейства Qwen, размер — 2,3 млрд параметров, контекст — до 8192 токенов. Модель принимает текст и генерирует текстовые промпты, предназначенные для последующей генерации изображений в Stable Diffusion. В карточке приведены настройки обучения: одна эпоха и скорость обучения 1e-5. Лицензия — Apache-2.0. Описанная специализация ориентирована прежде всего на китайско-английские запросы; качество для других языков и типов входа не подтверждено.

Qwen3.8-27B-Heretic-JP-Roleplay-NSFW-DanbooruTags — дообученная и слитая с базовыми весами модель на архитектуре Qwen3.5, созданная sss22213 на основе sss22213/Qwen3.8-27B-Heretic-JP-Roleplay-NSFW. Её дополнительный навык — преобразовывать описание сцены в точные теги Danbooru для генераторов аниме-изображений, включая Stable Diffusion WebUI, A1111, Forge и ComfyUI. Модель также сохраняет многоходовую ролевую переписку на японском языке и возможности родительской vision-language модели. Для тегирования модель обучали на парах японских описаний и тегов Danbooru, а также на примерах ролевых диалогов. В README указано, что обучение vision-компонента не проводилось и его возможности не оценивались. Теги предназначены для коротких, похожих на подпись к изображению описаний; длинные ролевые сцены могут давать менее точный результат. Формальной оценки нет, точность тегов ограничена качеством исходных описаний и компромиссом при слиянии адаптера. Модель способна выдавать откровенный контент и не отказывает в таких запросах. Лицензия — Apache-2.0.

Qwen3-8B-Game-semantic-IDs-v3 — модель-рекомендатель игр Steam, разработанная автором репозитория pblrvo на основе Qwen3-8B. Это полноразмерное дообучение языковой модели, которая работает с семантическими идентификаторами игр, созданными с помощью RQ-VAE, и не использует напрямую исходные ID или эмбеддинги каталога. Модель предназначена для предсказания следующей игры по истории пользователя, поиска соответствий между названиями игр и семантическими ID, а также рекомендаций похожих игр. В обучающий набор вошло около 396 тысяч примеров по восьми задачам, включая оценку связанности пар ID. Для генерации допустимого элемента каталога README описывает constrained beam search; заявленные оценки получены на ограниченном каталоге примерно из 8,5 тысяч игр. Модель имеет плотную архитектуру Qwen3ForCausalLM с 7,6 млрд параметров и контекстом до 40 960 токенов; для работы используется Transformers. README отмечает сильные результаты на поиске ID по названию и предпочтениях в естественном языке, но заметно более слабые — на преобразовании ID в название и последовательных рекомендациях. Оценка связанности ID проверяет видимое совпадение токена и сама по себе не подтверждает глубокого понимания игровых свойств. Модель распространяется по лицензии Apache-2.0.

ChrisColeTech/qwen-image-edit-uncensored-GGUF — предварительно объединённая и квантованная сборка модели Qwen-Image-Edit-2511, разработанная ChrisColeTech на базе Qwen/Qwen-Image-Edit-2511 и Phr00t/Qwen-Image-Edit-Rapid-AIO. В веса встроены Turbo-настройка для ускоренной генерации Lightning за 4 шага и NSFW LoRA. Модель предназначена для генерации изображений по текстовому описанию, image-to-image и редактирования изображений, включая преимущественно контент для взрослых. В README отмечено, что для незаконного контента действуют ограничения. Архитектура включает Transformer в формате GGUF размером около 11,7 ГБ, текстовый энкодер Qwen2.5-VL-7B-Instruct в формате GGUF размером около 4,43 ГБ, mmproj размером около 1,35 ГБ и VAE размером около 254 МБ. Рекомендуемое разрешение — 1024×1024, минимальное — 512×512; поддерживается от 4 до 16 шагов, а для Turbo-варианта рекомендуется 4 шага и CFG 1.0. Для работы требуется обновлённый GGUF Loader в ComfyUI. Сильная сторона модели — высокая скорость генерации, особенно в текстово-изображенческих сценариях, при этом базовые возможности редактирования сохраняются. Согласно README, редактирование не является её сильной стороной, а NSFW-редактирование требует дополнительной настройки. Языки, максимальная длина контекста и точные условия лицензирования не указаны; в карточке лицензия обозначена как unknown.

ResidualFusion Prompt Controller — специализированная языковая модель, разработанная для приложения ResidualFusion. Она преобразует разговорные запросы на редактирование фотографий в структурированную схему управления: определяет намерение, силу изменения и ограничения на сохранение исходных элементов. Модель не анализирует изображения и не изменяет пиксели: маски, расчёт параметров и рендеринг выполняют отдельные компоненты приложения. Это дообучение Qwen3-1.7B методом supervised LoRA с рангом 16; адаптер обучался при замороженной базовой модели. В репозитории есть LoRA-адаптер safetensors и объединённый с базовой моделью BF16-файл GGUF для запуска через Ollama. Для базовой модели указан контекст, однако README и метаданные не сообщают его длину. Модель ориентирована на китайский и английский языки. На выбранной валидационной выборке автор сообщает точность определения намерения 100%, точность полного совпадения полей 95% и micro-F1 ограничений 98,46%; на аудите составных ограничений micro-F1 составил 74,03%. Эти показатели относятся к конкретной задаче и не характеризуют общие языковые способности. Для использования нужна схема ResidualFusion и отдельный графический конвейер. Лицензия — Apache-2.0.

Robo-Diffusion — модель генерации изображений по текстовому описанию, созданная сообществом nousr как дообучение Stable Diffusion методом DreamBooth. Она предназначена для создания изображений роботов в характерном стиле: автор рекомендует добавлять слова «nousr robot» в начало запроса, чтобы активировать дообученный стиль. Модель работает через Diffusers и использует форматы Diffusers и PyTorch. Модель принимает текстовые запросы на английском языке и выдаёт изображения. Репозиторий ссылается на лицензию CreativeML Open RAIL-M, принятие которой автор связывает с использованием модели. README не сообщает размер модели или длину контекста.

Roleplay-Hermes-3-Llama-3.1-8B — плотная языковая модель семейства Llama, разработанная vicgalle на основе Hermes-3-Llama-3.1-8B и дообученная методом DPO. Она рассчитана на диалоговую генерацию ответов в более естественном, менее похожем на ответы ИИ стиле, а также на ролевые игры с описанием действий в формате RP. Модель принимает текстовые сообщения и генерирует текст; в карточке заявлено окно контекста до 131 072 токенов. Для ролевого формата автор рекомендует с самого начала использовать его в сообщениях. Модель содержит около 7,5 млрд параметров и распространяется в формате safetensors. Лицензия — Apache-2.0. Дообучение включает датасет NSFW_RP_Format_DPO, поэтому модель подходит для ролевых сценариев со взрослым содержанием; качество и стиль ответов могут зависеть от формата начального сообщения и обучающих предпочтений модели.

romcom-diffusion — модель генерации изображений, созданная автором jkcarney методом DreamBooth дообучения Stable Diffusion 1.5. Она предназначена для создания кадров в эстетике романтических комедий 1990-х годов по текстовым запросам; для активации стиля в запросе используется фраза «romcom style», а автор рекомендует добавлять «movie still». Обучение проводилось на обрезанных изображениях размером 512×512 из фильмов «10 причин моей ненависти», «Бестолковые» и «Американский пирог», включая сцены с людьми, массовкой, автомобилями и общими планами. Модель распространяется в форматах Diffusers и Safetensors по лицензии CreativeML OpenRAIL-M. Карточка рекомендует sampler DPM++ 2S a Karras, однако результат зависит от текста запроса и настроек генерации. Обучающий набор ограничен несколькими фильмами, поэтому модель может хуже передавать стиль других кинематографических эпох и сюжетов; специальных гарантий точности лиц автор не заявляет.

igorktech/rugpt3-joker-150k — русскоязычная генеративная модель семейства GPT-2, обученная на 150 тысячах высоко оценённых шуток с сайта anekdot.ru в течение пяти эпох. Она предназначена для генерации шуток: в качестве начального префикса README рекомендует использовать «JOKE:», а завершать ввод токеном конца последовательности. Модель принимает текст и генерирует текст, поддерживает русский язык и имеет контекст длиной 2048 токенов. В карточке отмечено, что модель может воспроизводить предвзятость из обучающих данных. Распространяется по лицензии MIT.

Это конвертированные для RLX веса сегментационной модели SAM ViT-B с дополнительными весами InsectSAM. Репозиторий содержит файлы safetensors и GGUF F16 и предназначен для запуска через библиотеку RLX, в частности пакет rlx-sam. Модель генерирует маски объектов на изображениях; пример запуска в карточке использует точку-указатель и веса SAM ViT-B. Веса получены преобразованием исходного чекпойнта и изменением его раскладки для RLX. Репозиторий распространяется по лицензии Apache-2.0. В карточке не приведены сведения о качестве, обучающих данных или поддерживаемых категориях объектов, поэтому пригодность InsectSAM для конкретных видов насекомых по этим данным оценить нельзя.