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

Модель Skittleology — дообученная с помощью DreamBooth Stable Diffusion для генерации изображений с концептом Пикачу. Чтобы запросить этот образ, в текстовом промпте используют слово «pikachu». Модель предназначена для создания изображений по текстовому описанию и распространяется в формате Diffusers/PyTorch по лицензии MIT.

Qwen3-8B Novel Base SFT — полнопараметрическая донастройка модели Qwen3-8B, созданная автором репозитория mikuhhn1239. Модель обучена на 669 китайских веб-романах, примерно 72 млн символов, и предназначена для работы с повествованием и диалогами персонажей. В данных представлены жанры романтики, сён-ай, городской романтики, фэнтези и онлайн-игр. Модель служит базой Stage 1 для рабочего процесса All Novel Can Be Galgame и основой для последующих LoRA-адаптеров, выполняющих классификацию повествовательных единиц, поиск границ сцен и определение говорящих персонажей. Обучение включало продолжение текста и инструкционное продолжение; модель загружается через Transformers. Архитектура — плотная авторегрессионная Qwen3ForCausalLM, размер — 7,6 млрд параметров, контекст — до 40 960 токенов. Основной язык — китайский. Это специализированная модель для китайской художественной прозы, а не универсальный помощник. В README указано, что она рассчитана только на китайский ввод и не имеет защитного выравнивания, поэтому не подходит для генерации чувствительного контента. Репозиторий распространяется по лицензии Apache-2.0.

scottpilgrim — модель генерации изображений по текстовому описанию, созданная spooncats методом DreamBooth на основе Stable Diffusion. Она предназначена для генерации изображений с определённой концепцией Scott Pilgrim по текстовым запросам; в карточке приведены примеры изображений и способы запуска через интерфейсы A1111 и diffusers. Модель распространяется в формате diffusers/PyTorch по лицензии CreativeML OpenRAIL-M. В метаданных не указаны размер модели, длина контекста, языки и точная базовая версия Stable Diffusion. Качество и ограничения генерации зависят от обученной концепции и формулировки запроса; сведений о специальных гарантиях или оценках качества в карточке нет.

SeaArt-Furry-XL-1.0 — модель генерации изображений по тексту от SeaArt на архитектуре Stable Diffusion XL. Она предназначена для создания иллюстраций в furry-стиле и ориентирована на персонажей разных видов, в том числе млекопитающих и птиц. Веса представлены в формате Diffusers и точности fp16; для генерации используются текстовые энкодеры OpenCLIP-ViT/G и CLIP-ViT/L. Модель подходит художникам и любителям furry-арта для создания персонажей, подбора художественных стилей и получения идей для иллюстраций. В README рекомендовано располагать элементы промпта в порядке: вид, художник, детализация, подсказка качества и уровень NSFW; среди рекомендованных размеров указаны 1024×1024, 1152×896 и 896×1152. Карточка отмечает, что подсказки «masterpiece» и «best quality» могут склонять генерацию к NSFW-содержанию. Репозиторий содержит конвертированную в Diffusers версию файла furry-xl-4.0.safetensors; README указывает, что исходный вариант имеет точность fp32. В Diffusers-раздаче отсутствует файл unet/config.json, что может потребовать дополнительных действий при загрузке. Метаданные указывают лицензию creativeml-openrail-m, тогда как README называет Fair AI Public License 1.0-SD; лицензионные условия следует сверить с источником распространения.

SMCLEM (Small Language Clem) — небольшая авторская языковая модель от Finisha-F-scratch, созданная с нуля для генерации текста. Она использует плотную архитектуру GemmaForCausalLM и содержит 129,9 млн параметров; заявленная длина контекста — 512 токенов. Модель предназначена для творческих экспериментов: построения сюрреалистичных миров, создания персонажей и диалогов с непредсказуемым стилем, а также поиска необычных языковых связей. Модель рассчитана на французский и английский языки. В карточке описан экспериментальный подход к генерации через столкновение разрозненных понятий, а не к точному воспроизведению фактов. Она может повторять очевидные утверждения и неожиданно вводить философские или общественно-политические темы в бытовой контекст. Не подходит для расчётов, исторических фактов, медицинских советов и обычных рецептов. Лицензия обозначена как other; конкретные условия использования в карточке не раскрыты.

Thespis-13b-v0.5 — личный проект автора cgato: текстовая модель диалоговой генерации на архитектуре Llama с 12,9 млрд параметров и контекстом до 4096 токенов. Она дообучена для многоходовых ролевых диалогов, в том числе SFW- и NSFW-сценариев, и рассчитана на ролевое общение в интернет-стиле: действия оформляются звёздочками, реплики — без кавычек. Для обучения использованы отфильтрованные текстовые выборки из Claude Multiround Chat, Puffin, Airoboros 3.1 и Augmental, а также вручную отобранные ролевые диалоги с разными персонажами. Модель принимает текстовые сообщения в обычном формате чата и генерирует продолжение диалога. README описывает шаблоны для Ooba и SillyTavern, а также вариант шаблона для чат-ботов. Модель предназначена прежде всего для ролевого общения; кодирование и математика исключались из части обучающих выборок, поэтому эти задачи не являются заявленной специализацией. Репозиторий содержит веса PyTorch и помечен как не для всех аудиторий. Лицензия в предоставленных данных не указана.

Thespis-34b-v0.7 — дообученная модель семейства Llama, созданная cgato на основе Yi 34B. Она предназначена для генерации текста в ролевых диалогах в интернет-стиле: карточка рекомендует оформлять действия звёздочками, а реплики вести без кавычек. Модель поддерживает обычный чатовый формат, совместимый с шаблонами Ooba и SillyTavern. В репозитории указаны веса в формате safetensors и 33,9 млрд параметров. Карточка README описывает версию как имеющую контекст 8 тыс. токенов, тогда как метаданные каталога указывают native context 200 тыс. токенов; фактический контекст для практического использования следует сверять с конфигурацией и шаблоном запуска. Для обучения использовались Pure-Dove Dataset, Claude Multiround 30k, OpenOrcaSlim и Augmental Dataset. Лицензия — Yi License, поскольку модель основана на Yi.

Raising-an-llm/tinystories-30m-instruct — компактная причинно-следственная языковая модель на архитектуре LLaMA, дообученная для следования инструкциям. В метаданных указаны 26,1 млн параметров, контекст до 1024 токенов и формат весов safetensors; README округляет размер до 30 млн параметров. Модель предназначена прежде всего для генерации коротких историй по заданным словам, краткому описанию сюжета или набору характеристик. Для работы README рекомендует добавлять к запросу суффикс «Story:». Обучение проводилось на TinyStoriesInstruct; среди датасетов в метаданных также указан BABY-COSMO. Модель поддерживает генерацию текста на английском языке. Из-за небольшого размера и узкой специализации она не рассчитана на сложные общие задачи и длинные тексты. Лицензия — MIT.

Модель Somos NLP Hackathon 2022 предназначена для выявления сексистских высказываний в испаноязычных сообщениях Twitter. Её разработали medardodt, MariaIsabel, ManRo, lucel172 и robertou2; это дообученная на датасетах EXIST 2021 и MeTwo модель pysentimiento/robertuito-hate-speech для классификации текста. Архитектура — RoBERTa, число параметров — 136,3 млн, максимальная длина контекста — 130 токенов. Модель можно применять для поиска сексистских публикаций в социальных сетях, анализа таких высказываний и создания исследовательских инструментов модерации. На указанной в карточке оценочной выборке она достигла accuracy 0,83. Результат относится к конкретным данным и не гарантирует такую же точность на других площадках или типах текста. Модель работает с текстом на испанском языке. Авторы отмечают ограниченный размер обучающих данных и ограничения лицензий и политик на свободное распространение исходных датасетов. Лицензия модели — Apache-2.0.

TybyrIA v2.2 — модель Código Não Binário для выявления признаков ненавистнических высказываний против LGBTQIA+ в комментариях к публикациям в социальных сетях на бразильском португальском. Это дообученная модель классификации последовательностей на архитектуре BERT с 136,1 млн параметров и контекстом до 512 токенов; веса хранятся в формате safetensors. Модель выдаёт метки и оценки классов, включая оценку класса hate. Её предназначение — помогать в исследованиях, документировании насилия и первичной сортировке больших объёмов комментариев, выделяя тексты для проверки человеком. Авторы рекомендуют рассматривать вероятность hate от 0,40 как повод для такой проверки. Модель создана правозащитной организацией Código Não Binário и обучена на вручную размеченных данных; веса распространяются по лицензии MIT, а данные для обучения — по CC-BY-NC-SA-4.0. Модель ориентирована на комментарии о LGBTQIA+ на бразильском португальском. Вне этого контекста она может принять ненависть к другим группам за LGBT-фобию, а слова, смысл которых зависит от контекста, например amigues, могут классифицироваться ошибочно. Результаты следует использовать только как подсказки для человеческой проверки, а не для автоматической блокировки, удаления, наказания или оценки людей.

Это модель семантической сегментации изображений UPerNet на базе ResNet18, опубликованная в репозитории smp-test-models/upernet-tu-resnet18. Она предназначена для разметки изображения по пикселям, например для выделения объектов или областей на сцене. Модель загружается через библиотеку segmentation-models-pytorch; веса опубликованы в формате safetensors. В карточке не приведены датасет и метрики, поэтому качество и области, на которых модель проверялась, оценить нельзя. Лицензия — MIT.

Video Depth Anything Base MLX — перенос на MLX модели Video Depth Anything от ByteDance, представленной на CVPR 2025. Модель использует основу DINOv2, голову DPT и временные модули движения в стиле AnimateDiff для согласованной монокулярной оценки глубины в видео произвольной длины. На вход подаются цветные кадры видео в формате (B, T, H, W, 3), причём высота и ширина должны быть кратны 14. На выходе модель строит карту глубины для каждого кадра; текст она не генерирует. Это относительная оценка глубины: модель не выдаёт абсолютное расстояние в метрах. Веса сохранены в fp32; перенос MLX рассчитан на запуск с библиотекой MLX. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не для коммерческих целей.

minhah/videomae-base-finetuned-crema-d — видеотрансформер VideoMAE, дообученный автором репозитория на наборе данных CREMA-D для классификации видео. Модель содержит 113,2 млн параметров и использует архитектуру VideoMAEForVideoClassification; веса опубликованы в формате safetensors. Модель предназначена для отнесения видеороликов к классам. На указанном в карточке наборе оценки достигнуты accuracy 0,7363 и loss 0,7554. Базовая модель MCG-NJU/videomae-base предварительно обучена без учителя и предназначена для извлечения видеопризнаков и последующего дообучения. Репозиторий не описывает точный состав классов и сценарии применения. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое применение.

nateraw/vit-base-cats-vs-dogs — модель классификации изображений на базе Vision Transformer (ViT), дообученная на наборе cats_vs_dogs. Она различает изображения кошек и собак. Модель содержит 113,2 млн параметров и опубликована в формате PyTorch. По данным карточки, на тестовой выборке модель достигла accuracy 0,9935 и loss 0,0202. Её можно применять для автоматической сортировки изображений кошек и собак. Модель распространяется по лицензии Apache-2.0.

VMamba_ImageNet_82.6 — модель классификации изображений на основе двунаправленной архитектуры пространства состояний VMamba. Её опубликовал Saurabhchand Bhati; автор README отмечает, что это не официальная реализация VMamba. Модель дообучена на наборе ImageNet и предназначена для отнесения изображений к классам. В метаданных указаны библиотека Transformers и формат весов safetensors. README не сообщает размер модели, число классов или длину контекста. Модель распространяется по лицензии MIT. README описывает проект как работу в процессе и предупреждает, что реализация неофициальная; эти факторы следует учитывать при внедрении.

Это модель классификации аудио на основе Wav2Vec2, разработанная автором репозитория alefiury и дообученная на facebook/wav2vec2-xls-r-300m для распознавания пола говорящего. Для обучения использовалась выборка Librispeech-clean-100 с разделением на обучающую, валидационную и тестовую части. В метаданных указано 402,7 млн параметров; модель доступна в форматах PyTorch и Safetensors. Модель принимает аудио и выдаёт класс пола говорящего. В README приведены результаты оценки на тестовой выборке: F1 0,9993 и loss 0,0061. Эти показатели относятся к указанному набору данных и сами по себе не гарантируют аналогичного качества на других голосах и условиях записи. Лицензия — Apache-2.0.

Это дообученная на базе OpenAI Whisper Small модель для распознавания речи на корейском языке и преобразования четырёх региональных диалектов — канвондо, кёнсандо, чолладо и чхунчхондо — в текст на стандартном корейском. Она предназначена, в частности, для голосовых команд на устройствах IoT; при обучении использовались записи из датасета AIHub Korean Dialect Utterance. В README приведены улучшения CER относительно исходной Whisper Small для нескольких диалектов. Модель принимает аудио и выдаёт текст. В описании отмечено, что распознавание фонем улучшилось, но передача диалектной лексики и окончаний в их стандартнокорейском значении остаётся слабым местом. Диалект Чеджу не входил в обучение. Лицензия — MIT.

nenekochan/Yi-6B-yoruno — это разговорная языковая модель на 5,8 млрд параметров, созданная автором репозитория на основе Yi-6B от 01.AI. Модель дообучена методом QLoRA с использованием Firefly на китайских диалогах из датасета yoruno-vn, составленных по материалам первых четырёх произведений серии с удалёнными длинными описаниями. Модель предназначена для генерации диалогов и текста в стиле исходных произведений, а также для продолжения многоходовых бесед на китайском языке. Контекст модели составляет 4096 токенов. Автор отмечает, что вариант на Yi-6B лучше воспроизводит исходный стиль, чем ранний вариант на ChatGLM3-6B-Base, но уступает ему в творческой свободе. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

acatorcini/yolov9-soccer-ball — дообученный детектор мяча на базе YOLOv9 для любительских футбольных матчей. Он предназначен для покадровой локализации мяча в видео с боковой камеры, где мяч занимает всего несколько пикселей; модель также используется в конвейере анализа футбольных видео для поиска начальных паттернов розыгрыша. Выход модели — рамка одного класса: «мяч». В репозитории есть веса Ultralytics и формат ONNX; для инференса доступны Ultralytics и onnxruntime. Для типичных дальних планов полезен диапазон уверенности 0,15–0,35; в производственном конвейере мяч обнаруживается примерно в 63% кадров. Модель обучена на размеченных кадрах любительских матчей с боковой камеры, снятых в 1080p при разных условиях площадки и освещения. Лицензия репозитория — AGPL-3.0. Модель хуже работает на крупных планах и съёмке с дрона; она не обнаруживает игроков и рассчитана только на футбольный мяч.

ZephRP-m7b — текстовая модель для генерации ответов в ролевых диалогах. Она создана RoyalLab как слияние HuggingFaceH4/zephyr-7b-alpha с PEFT-адаптером, обученным на датасете LimaRP. В основе лежит плотная архитектура Mistral с 7,1 млрд параметров; модель распространяется в формате Safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для отыгрыша персонажей и диалогов по заданной персоне. Она использует формат инструкций Alpaca, принятый в LimaRP v3, и поддерживает управление длиной ответа — от очень короткого до неограниченного. Это сочетает стилистические особенности ролевых ответов с инструкционными возможностями Zephyr. Карточка модели указывает английский язык. Модель может многословно отвечать на запросы большой длины и иногда имитировать пользователя. Её не следует использовать для получения фактических сведений или советов; также возможны предубеждения, характерные для ролевых форумов, и унаследованные от базовой модели. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но не коммерческое.

abstract_nature_patterns_v2 — модель генерации изображений, созданная apurik-parv методом DreamBooth на базе Stable Diffusion 1.5. Она обучалась 40 000 шагов на тщательно отобранных изображениях, чтобы усилить в генерируемых сценах симметрию и масштабные закономерности, ассоциируемые с природой. Для вызова изученного образа в промпте используется триггер abnapa. Модель принимает текстовые описания и создаёт изображения в формате Stable Diffusion. Автор отмечает улучшенную симметрию и освещение, а также меньшее количество артефактов; это предварительные наблюдения автора, который продолжает изучать влияние модели. На холстах большого размера, например 1024×1024, сохраняется проблема повторения элементов. Репозиторий распространяется в форматах Diffusers и PyTorch под лицензией CreativeML OpenRAIL-M.

ylacombe/accent-classifier — модель классификации аудио, предназначенная для определения акцента в речевых записях. По названию репозитория и pipeline-тегу audio-classification её можно использовать для анализа аудиосигналов и отнесения речи к категориям акцента. Модель опубликована пользователем или организацией ylacombe и работает через библиотеку Transformers. В метаданных указаны теги wav2vec2 и safetensors; размер модели составляет около 1,3 млрд параметров. Языки, набор категорий акцентов, обучающие данные, контекст обработки и результаты оценки в доступных материалах не описаны. Модель может быть полезна для предварительного анализа речи, исследований вариативности произношения и построения приложений, которым требуется классификация акцента. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение.

Agate Preview 001 — компактная модель генерации изображений по тексту, разработанная LogoLabs. Она предназначена для создания иконок, символов и композиций по англоязычным запросам, а также для прототипирования и небольших по вычислительным затратам развёртываний. Модель обучена с нуля и содержит около 260 млн параметров с декодером TAESD или 308,5 млн с SD-VAE; генератор использует архитектуру FCDM-T2 с планирующим трансформером и свёрточной U-Net, а текстовый энкодер Ettin-68M поддерживает контекст до 512 токенов. Выходное разрешение — 256 × 256 пикселей. Доступны веса в форматах Safetensors и ONNX; лицензия кода и весов — MIT. Agate показала 0,550 на GenEval по официальной методике. Она ориентирована на композиционные запросы и генерацию символов при небольшом размере модели. Ограничения включают ненадёжную отрисовку текста, ошибки в подсчёте объектов при количестве больше трёх и обработке отрицаний, низкое разрешение и отсутствие обучения на фотографиях. Модель не поставляется с классификатором безопасности; в описании отмечен риск непреднамеренного изображения обнажённости при запросах о людях.

Модель lirondos/anglicisms-spanish-mbert — мультиязычная BERT-модель, дообученная для обнаружения неассимилированных заимствований в испанских новостных текстах. Она размечает заимствованные слова английского происхождения (ENG) и из других языков (OTHER), используя BIO-кодирование для многословных выражений. Модель содержит 205,1 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в формате PyTorch. Модель разработана для извлечения англицизмов и других заимствований из испаноязычных новостей и анализа употребления заимствованной лексики. Она дообучена на корпусе COALAS, содержащем европейские испанские тексты СМИ. На тесте COALAS общий F1 составил 83,55; для английских заимствований — 85,19, а для заимствований из других языков — 11,11. Авторы предупреждают, что это не лучшая доступная модель для данной задачи. Лицензия — CC BY 4.0. Результаты для метки OTHER заметно слабее, поэтому модель особенно ненадёжна при поиске заимствований не из английского; качество также следует оценивать на текстах, отличающихся от новостного корпуса COALAS.

ArcANE-8B-SFT — английская ролевая языковая модель, разработанная holi-lab путём полного supervised fine-tuning модели Qwen/Qwen3-8B. Она генерирует ответы персонажей, учитывающие их поведенческое состояние на заданном этапе сюжета, и предназначена для исследований ролевого диалога, изменений поведения и ценностей персонажей по мере развития повествования. Модель плотная, содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM и формат safetensors; максимальный контекст — 40 960 токенов. Основной проверенный сценарий передаёт модели сведения о сюжетной арке только до запрошенной главы, без информации из будущих этапов. На отложенной оценке ArcANE модель показала преимущество перед базовой Qwen3-8B в метриках соответствия ответов этапу сюжетной арки; эти результаты не характеризуют общие знания, безопасность или качество следования широкому кругу инструкций. Обучающие данные происходят из 12 романов корпуса ArcANE, поэтому перенос на другие жанры и задачи не установлен. Модель выпущена по лицензии Apache-2.0.

ahmedmohamed55/ast-tennis — это дообученная модель для классификации аудио на базе MIT/ast-finetuned-audioset-10-10-0.4593. Она построена на архитектуре Audio Spectrogram Transformer и содержит 113,2 млн параметров; веса представлены в формате Safetensors и предназначены для использования с библиотекой Transformers. Модель рассчитана на классификацию звуковых событий в аудио. Название указывает на специализацию на теннисе, однако описание датасета и перечень классов в карточке отсутствуют, поэтому конкретные распознаваемые звуки определить нельзя. В README приведены результаты оценки: accuracy 0,9828 и F1 0,9815; состав оценочной выборки не описан. Лицензия — BSD 3-Clause.

Модель A.X-3.1-Light SFT Source Screen 71894 разработана на основе skt/A.X-3.1-Light и дообучена методом LoRA с учителем на 3 000 примерах из набора AI Hub 71894: по 1 000 примеров для общих знаний, математики и корейской культуры и истории. После обучения LoRA-адаптер объединён с базовыми весами, поэтому модель распространяется как самостоятельный чекпойнт BF16 в формате safetensors и не требует отдельного адаптера. Это плотная языковая модель семейства Llama с 6,8 млрд параметров, рассчитанная на генерацию текста и диалог по шаблону A.X; контекстное окно — 32 768 токенов. Модель предназначена для ответов на вопросы и выполнения инструкций на корейском языке, особенно по общим знаниям, математике, культуре и истории Кореи. Формат ответов ориентирован на подачу основного ответа в начале с кратким объяснением. Модель экспериментальная: обучение проведено в один проход на ограниченной выборке, а автор предупреждает, что ответы могут быть неточными или неполными. Лицензия весов — Apache-2.0; для использованного набора AI Hub сохраняются отдельные условия использования.

AraPoemBERT — модель семейства BERT, разработанная для работы с арабской поэзией. Она предварительно обучена на корпусе, содержащем более двух миллионов стихотворных строк, и предназначена для предсказания скрытых фрагментов текста в задаче fill-mask. Модель содержит 132,8 млн параметров, использует архитектуру BertForMaskedLM и работает с контекстом длиной до 32 токенов. Модель подходит для восстановления пропусков в арабских стихах и анализа языковых закономерностей поэтического текста. Репозиторий содержит код и результаты. Доступна по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

michamcs/bert-japanese-food-classification — дообученная модель BERT, разработанная на базе cl-tohoku/bert-base-japanese-v3 для классификации текстов о японской еде. Она предназначена для отнесения входного текста к классам, связанным с японской кухней. Модель содержит 138,4 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. В карточке приведён результат оценки: accuracy 0,9261 и loss 0,3337; состав классов и данные оценки не описаны. Модель опубликована в формате safetensors под лицензией Apache-2.0. README не раскрывает подробностей о разметке, обучающих данных и ограничениях применения.

Borealis-10.7B-DPO — разговорная модель Undi95 для ролевых диалогов, ERP и обычного общения. Она построена на 48 слоях Mistral 7B с конфигурацией Llama 2, дообучена на наборах разговоров и ролевых диалогов, а затем оптимизирована методом DPO. В репозитории представлены веса PyTorch в формате FP16; модель содержит около 10,6 млрд параметров и рассчитана на контекст до 4096 токенов. Модель ориентирована на беседы и ролевые сценарии, а не на достижение высоких результатов в бенчмарках. В обучающие данные вошли обычные разговоры, ролевые диалоги и наборы с откровенным содержанием. Карточка не описывает поддержку конкретных естественных языков. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и запрещает коммерческое использование.