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

Celestia-1.4B-MoE — специализированная языковая модель от seashyne для управления творческими рабочими процессами в Lenout: рисованием, дизайном, досками, блок-схемами, презентациями, анимационным видео и 3D-сценами. Карточка описывает архитектуру Mixture of Experts с восемью маршрутизируемыми экспертами и одним общим; на каждом токене активны два эксперта. Также заявлены Multi-Head Latent Attention для уменьшения объёма KV-кэша и контекст длиной 32 768 токенов. Модель предназначена для планирования многоэтапных творческих задач и выдачи структурированных команд на DSL Lenout в формате JSON. В карточке указана поддержка рассуждений и обучение с GRPO. Метаданные указывают 1,2 млрд параметров и формат PyTorch; языки карточки — тайский и английский. Лицензия — Apache-2.0. Описание не уточняет, как подключать модель к Lenout, и не приводит результатов оценки качества или примеров команд. Заявления о возможностях планирования и управлении инструментами основаны на карточке модели; они не подтверждены независимыми оценками.

Clover3-13B — экспериментальная слитая языковая модель, созданная Masterjp123 с помощью mergekit из lemonilia/AshhLimaRP-Mistral-7B и Masterjp123/NeuralMaid-7b. Модель построена на архитектуре MistralForCausalLM, содержит 12,8 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий распространяет веса в формате safetensors. Модель предназначена для генерации текста и диалогов на английском языке, в частности для ролевых сценариев; автор позиционирует её как уменьшенный вариант Clover3-17B для запуска на менее мощном оборудовании. Автор предупреждает, что модель находится в ранней бета-версии и не дообучена на наборе ролевых диалогов, поэтому качество ответов может быть нестабильным. Лицензия — Apache-2.0.

COLORINGBOOK-REDMOND-FLUXKLEIN9B — LoRA-адаптер, разработанный artificialguybr на базе модели black-forest-labs/FLUX.2-klein-9B при поддержке GPU-времени от Redmond.AI. Он предназначен для генерации иллюстраций в стиле раскрасок с чистым контурным рисунком и согласованной передачей выбранной стилистики. Модель ориентирована на text-to-image сценарии и используется совместно с базовой моделью FLUX.2-klein-9B и совместимым интерфейсом, в частности ComfyUI, который автор рекомендует для получения наилучших результатов. Для активации стиля в запросах следует использовать триггерные фразы ColoringBookAF и Coloring Book. LoRA обучена на отобранном наборе качественных изображений раскрасок. Дополнительные сведения о размере, контекстном окне, языках, точных требованиях к аппаратному обеспечению и поддерживаемых модальностях в README не указаны. Сильные стороны модели — высокая специализация на стиле раскрасок, чистая линейная графика и заявленная стабильность результатов. Ограничение заключается в узкой стилистической направленности и зависимости от базовой модели и совместимого diffusion-инструментария. Модель распространяется по лицензии Apache License 2.0.

Модель LightWeight GAN, созданная Алексеем Коршуком, предназначена для безусловной генерации изображений в стиле коллекции CryptoPunks. Она обучалась на датасете huggingnft/cryptopunks и выдаёт изображения без текстового запроса. Репозиторий содержит веса PyTorch; лицензия — MIT. Подробности об использовании и ограничениях автор отсылает к проекту и демонстрационному Space.

FelixChao/ddpm-pokemon-64 — диффузионная модель безусловной генерации изображений, опубликованная FelixChao. Она предназначена для создания изображений покемонов размером 64×64 пикселя: модель генерирует изображение без текстового запроса. Для запуска карточка показывает использование DDPMPipeline из библиотеки Diffusers и загрузку весов из репозитория. Модель распространяется по лицензии MIT.

Dog Breed Classifier — модель на базе MobileNetV2, дообученная для классификации изображений собак по 120 породам. Она принимает RGB-изображение размером 224×224 пикселя и выдаёт распределение вероятностей по классам пород; среди поддерживаемых классов указаны чихуахуа, мальтийская болонка, ши-тцу, папийон, афганская борзая и родезийский риджбек. Модель подходит для определения породы собаки на фотографии и интеграции такой функции в приложения через Hugging Face Inference API или Django. Используются PyTorch и библиотека Transformers. Модель опубликована под лицензией MIT.

Модель wesleyacheng/dog-breeds-multiclass-image-classification-with-vit — дообученный Vision Transformer ViT-Base от Google, созданный автором на основе ноутбука Kaggle. Она классифицирует изображения собак по 120 породам из набора Stanford Dogs. Архитектура разбивает изображение на патчи 16×16 и обрабатывает их механизмом self-attention; исходная модель предварительно обучена на ImageNet-21k с разрешением 224×224. Размер модели — 113,2 млн параметров. Модель предназначена для определения породы собаки на фотографии, если порода входит в обучающий набор. В описанной оценке достигнуты точность top-1 84,0% и macro F1 83,0%; top-3 точность составила 97,1%, top-5 — 98,7%. Модель не предназначена для классификации других животных или пород, отсутствующих среди 120 классов. Репозиторий распространяется по лицензии MIT.

DuplexJev-A — исследовательский аудио-языковой коннектор от adventists-ai в формате Ultravox, объединяющий замороженный аудиокодировщик Qwen3-ASR-0.6B с замороженной языковой моделью Qwen3-32B. Обучается только коннектор: блок слияния на основе cross-attention и проектор, всего около 21,1 млн обучаемых параметров. Модель принимает речь и выдаёт текстовые ответы на вопросы с вариантами выбора, считывая решение как один токен без пошаговой генерации. Модель предназначена для распознавания пола и эмоций говорящего, выбора подходящего заполнителя паузы, определения окончания реплики и других закрытых решений по речи. Карточка приводит результаты на небольших наборах для задач определения пола и четырёхклассовой классификации эмоций. Поддерживаются английский и китайский; подсказки следует формулировать на языке аудиозаписи. Для работы необходимы именно указанные аудиокодировщик и LLM. Лицензия CC-BY-NC-4.0 ограничивает использование некоммерческими целями.

Eros Scribe-7b — чат-модель для генерации текста, созданная OmnicromsBrain с помощью слияния моделей. Она предназначена прежде всего для написания прозы для взрослых и ролевых игр. В основе — плотная авторегрессионная архитектура Mistral с 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель объединяет более десятка моделей и датасетов; в конфигурации описано слияние EverythingBagel-DPO-7B и ToppyCox-7B методом SLERP. Модель подходит для интерактивного сочинения сцен и продолжения художественного текста в ролевом формате. В README указаны версии в формате GGUF, однако опубликованная модель использует safetensors. Лицензия в предоставленных данных не указана.

sudo-s/exper_batch_32_e8 — модель классификации изображений на архитектуре Vision Transformer (ViT). Она дообучена на наборе данных sudo-s/herbier_mesuem1 от google/vit-base-patch16-224-in21k и содержит 113,2 млн параметров. На оценочной выборке указана точность 0,9113 и значение loss 0,3520. Модель предназначена для отнесения изображений к классам набора данных, однако конкретные классы и сценарии применения в карточке не описаны. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

guumaster/eyyes-diffusion — модель Stable Diffusion, созданная guumaster с помощью дообучения DreamBooth на концепции «eyyes». Для генерации изображений по тексту используйте один из триггеров: 00041-2022-11-16, 00038-2022-11-16 или 00058-2022-11-16. Репозиторий содержит веса в форматах Diffusers и PyTorch; модель предназначена для запуска через Diffusers и интерфейсы Stable Diffusion. Модель подходит для генерации изображений с обученной концепцией по текстовому запросу. Лицензия CreativeML OpenRAIL-M регулирует использование модели; перед применением следует соблюдать её условия.

Модель lucaordronneau/finbert-finetuned-FG-SINGLE_SENTENCE-NEWS — дообученная версия ProsusAI/finbert для классификации отдельных предложений из новостных текстов. Она основана на архитектуре BERT и имеет около 136,7 млн параметров; максимальная длина входа — 512 токенов. В README приведены результаты оценки: accuracy 0,6414 и F1 0,6295, но классы и набор данных не описаны. Модель распространяется в формате PyTorch. Условия лицензии в доступных данных не приведены.

imagepipeline/flux_uncensored_nsfw_v2 — модель для генерации изображений по текстовому описанию, разработанная imagepipeline.io. Она предназначена для создания фотореалистичных изображений и интеграции генерации изображений в приложения и творческие рабочие процессы через API. По метаданным модель относится к pipeline text-to-image и работает с библиотекой Diffusers. Модель создана на базе black-forest-labs/FLUX.1-dev и, судя по тегам, представляет собой LoRA-адаптацию, ориентированную на ультрареалистичный стиль и контент для взрослой аудитории. README не содержит сведений о точном размере адаптера, поддерживаемых языках, максимальной длине контекста, требованиях к оборудованию, конкретных параметрах генерации или лицензии. Поэтому её сильными сторонами можно считать заявленную ориентацию на высокое качество и фотореализм, а ограничениями — отсутствие подробной технической документации и возможные ограничения применимости из-за характера контента. Условия лицензирования в предоставленных данных не указаны.

Shar514/Flux-Uncensored-V2 — адаптер LoRA, разработанный EnhanceAI для базовой модели black-forest-labs/FLUX.1-dev. Он предназначен для генерации изображений по текстовым описаниям с ослабленными ограничениями на контент, включая NSFW- и другие откровенные изображения. Адаптер подключается к конвейеру FLUX.1-dev через библиотеку diffusers. Версия v2 заявлена как более производительная и стабильная по сравнению с предыдущей, а также как более компактная благодаря оптимизированным LoRA-весам без существенного ухудшения качества. В README указаны файл весов lora.safetensors, рекомендуемый тип данных torch.bfloat16 и использование CUDA-совместимой видеокарты для оптимальной скорости. Поддерживаемые языки, точный размер адаптера, максимальная длина контекста и дополнительные модальности не указаны. Модель подходит для исследовательских и личных сценариев генерации изображений, однако её способность создавать откровенный контент требует соблюдения законодательства, этических норм и правил используемой платформы. Для адаптера указана некоммерческая лицензия FLUX-1-dev Non-Commercial License, поэтому коммерческое применение не разрешено условиями, приведёнными в README.

Gemma-4-E4B-it-Minecraft-MT-en-zh-v0.1-i1-GGUF — квантизированная GGUF-версия модели Q1ngMang/Gemma-4-E4B-it-Minecraft-MT-en-zh-v0.1, подготовленная mradermacher. Модель ориентирована на работу с тематикой Minecraft и перевод между английским и китайским языками. В README также указано, что это vision-модель, однако подробности о поддерживаемых визуальных входах не приведены. Модель распространяется в нескольких вариантах квантизации i1, включая IQ и QK-типы, с размером файлов примерно от 4,5 до 6,3 ГБ. Доступны варианты с разным компромиссом между размером, скоростью и качеством: Q4_K_M отмечен как быстрый и рекомендуемый, Q4_K_S — как сбалансированный, а Q6_K — как близкий по характеристикам к статической квантизации Q6_K. Квантизация снижает требования к ресурсам, но может ухудшать качество по сравнению с исходной моделью; конкретные архитектурные параметры, размер контекста и требования к видеомодулю не указаны. Лицензия модели — CC BY-NC-SA 4.0, поэтому перед использованием необходимо учитывать условия атрибуции, некоммерческого применения и распространения производных работ. Модель предназначена для локального запуска в совместимом ПО, поддерживающем формат GGUF; для визуальных сценариев могут потребоваться дополнительные mmproj-файлы из статического репозитория.

Hassan Remix — слитая модель генерации изображений от Yntec на базе Stable Diffusion 1.5. Она принимает текстовые описания и создаёт изображения в художественном стиле; в карточке приведён пример запроса для иллюстрации с персонажем и сказочным пейзажем. Модель распространяется в формате Diffusers с весами SafeTensors и встроенным VAE MoistMixV2; лицензия — CreativeML OpenRAIL-M. Модель склонна создавать наготу даже без соответствующего запроса. Автор отмечает, что для снижения этого эффекта нужно добавлять «nude, naked» в негативный промпт, однако полностью устранить проблему не удалось. Поэтому она не подходит для сценариев, где требуется надёжно исключать такой контент.

HHousen/household-rooms — классификатор изображений на базе Vision Transformer (ViT), созданный с помощью HuggingPics. Модель предназначена для распознавания категорий комнат в доме по изображению. Веса представлены в формате PyTorch; размер модели составляет 113,2 млн параметров. HuggingPics описывает её как пользовательский классификатор, созданный на демонстрационном ноутбуке Google Colab. Карточка не сообщает список классов, языковые возможности или подробности обучения. Условия лицензирования в доступных данных не приведены.

SeaBenSea представляет модель распознавания эмоций в турецкой речи на основе HuBERT. Она дообучена на наборе данных TurEV-DB и предназначена для классификации аудиозаписей речи по эмоциональным категориям. Модель использует архитектуру HuBERT с классификационной головой и содержит около 402,7 млн параметров. В карточке приведены метрики для классов «злость», «спокойствие» и «радость»; также упомянуты ещё две строки таблицы, но их содержимое не раскрыто. Модель подходит для анализа эмоций в турецкой речи, однако карточка не описывает проверку на других наборах данных или устойчивость к отличающимся условиям записи. Лицензия — Apache 2.0.

Inairtra-7B — экспериментальная языковая модель размером около 7,1 млрд параметров, созданная Bronya Rand как учебный проект по объединению моделей с помощью MergeKit. Это плотная авторегрессионная модель семейства Mistral, собранная на основе Intel Neural Chat 7B V3.1 с компонентами Airoboros Mistral 2.2 7B и Synatra 7B V0.3 RP. Весы представлены в формате safetensors; заявленная длина контекста — 32 768 токенов. Модель предназначена прежде всего для художественного письма и ролевых сценариев для личного развлечения. Автор предполагает совместимость с форматами запросов базовых моделей, но не уверен в ней; бенчмарки не приводятся. В README отмечены возможность генерации NSFW и оскорбительного контента, а также склонность к фактическим ошибкам. Лицензия репозитория — Apache-2.0.

Модель dima806/indian_food_image_detection — дообученный Vision Transformer ViT-Base для классификации изображений индийской еды. Она распознаёт 80 распространённых видов блюд и предназначена для определения блюда по фотографии. В README указана точность 75% на валидационном наборе данных; подробности обучения автор приводит в ноутбуке на Kaggle. Модель содержит 113,2 млн параметров и основана на google/vit-base-patch16-224-in21k. Она принимает изображения и выдаёт метку класса. Доступна в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

Quiho/Krea2_NSFW_Uncensored_Complete — производная модель генерации изображений по тексту, опубликованная пользователем Quiho на Hugging Face на основе дообучения Krea/Krea-2-Turbo. Разработчик базовой модели — Krea.ai; базовая Krea 2 Turbo — диффузионный трансформер с 12 млрд параметров. Репозиторий модели использует библиотеку Diffusers и содержит веса Safetensors. Модель предназначена для создания изображений по текстовым описаниям; в карточке указаны английский и китайский языки. Название и метки репозитория указывают на uncensored/NSFW-направленность. Модель распространяется под лицензией Apache-2.0. Подробные сведения о дополнительном обучении, размере именно этой производной модели и её ограничениях в доступных данных отсутствуют.

Sao10K/L3-8B-Chara-v1-Alpha — экспериментальная разговорная модель для ролевых сценариев с несколькими персонажами и групповым чатом. Автор сообщает, что модель дообучена на основе Llama-3-Instruct и обучалась на человеческих данных из форумов ролевых игр; размер составляет 7,5 млрд параметров, архитектура — плотная LlamaForCausalLM, контекст — до 8192 токенов. Модель предназначена для генерации реплик персонажей в групповой ролевой переписке. Автор отмечает, что для лучших результатов нужны карточки персонажей, подготовленные с учётом группового чата. Модель имеет альфа-статус и описана как проверка концепции. Распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Модель brianmatzelle/llama3.1-8b-instruct-political-subreddits — дообученная разговорная модель семейства Llama 3.1, созданная brianmatzelle на базе unsloth/meta-llama-3.1-8b-instruct-bnb-4bit с использованием Unsloth и TRL. Это плотная авторегрессионная языковая модель с 7,5 млрд параметров, предназначенная для генерации текста и диалоговых ответов; название указывает на специализацию на материалах политических сабреддитов. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Лицензия — Apache 2.0. Карточка не приводит оценок качества, состава обучающих данных и подробностей о политических темах, поэтому пригодность для конкретных задач и возможные смещения следует проверять на собственных примерах.

Novaciano/Llama-3.2_1b_Uncensored_RP_Aesir_GGUF — это экспериментальная квантованная GGUF-версия Llama 3.2 1B, подготовленная Novaciano для ролевых игр и повествования от лица персонажей. Модель дообучена на наборе MinervaAI/Aesir-Preview: карточка описывает около тысячи синтетических англоязычных диалогов, основанных на ShareGPT и сценах с персонажами Chub.ai. Для запуска автор указывает KoboldCpp и ориентир около 3 ГБ оперативной памяти. Модель предназначена для ведения ролевых сцен, отыгрыша нескольких NPC и развития сюжета в ответ на действия пользователя. Карточка сообщает о контексте до 131072 токенов и рекомендует ограничивать генерацию 200 токенами; качество на испанском не гарантируется, поскольку обучающие данные преимущественно английские. Данные содержат откровенные темы, потенциально тревожные сцены и грубую лексику, поэтому модель склонна воспроизводить такой контент. Автор характеризует модель как экспериментальную и не гарантирует стабильность работы или качество ответов. Лицензия указана как CreativeML OpenRAIL-M; применимость её условий следует проверять перед использованием и распространением.

LocalVQE — компактное семейство нейросетевых моделей для потокового улучшения качества речи. Его разработали Richard Palethorpe и Claude (Anthropic) как производную от DeepVQE; веса опубликованы в формате GGUF, а для запуска используется движок GGML на C++. Модели рассчитаны на обработку речи с частотой 16 кГц в реальном времени на обычных процессорах. Обработка причинная, с шагом 256 отсчётов и задержкой 16 мс. Семейство включает варианты для подавления акустического эха, шума и реверберации. Совместные модели v1.2 и v1.3 выполняют все три задачи за один проход; v1.4-AEC удаляет только эхо, сохраняя фоновый шум и акустику помещения. Меньшая линия GTCRN-AEC предназначена для маломощных процессоров. Для работы каждой модели требуется микрофонный сигнал и опорный сигнал воспроизведения с динамиков. Репозиторий содержит варианты GGUF в BF16 и F32; заявлена лицензия Apache-2.0. Модель подходит для очистки голоса в системах связи и потоковой обработке аудио с ограниченным бюджетом процессора. Результаты оценки показывают эффективность подавления эха, однако поведение зависит от выбранного варианта: модели совместной очистки также удаляют фон, а AEC-вариант сохраняет его. Данные обучения фильтровались по DNSMOS, который может ошибочно классифицировать крик или плач как шум; модель может ослаблять такие сигналы и не предназначена для критически важных сценариев.

Lotus Depth G v2.0 Disparity — модель из официального семейства Lotus, разработанного Jing He, Haodong Li и соавторами. Она оценивает плотную карту глубины по изображению; версия обучена в пространстве диспаритета, то есть обратной глубины, что, по заявлению авторов, улучшает качество и стабильность оценки глубины в видео по сравнению с предыдущей версией. Модель предназначена для сценариев, где требуется восстановить относительную структуру глубины сцены по визуальным данным. Репозиторий использует библиотеку diffusers и формат safetensors. Лицензия — Apache-2.0. README не содержит подробностей о размерах модели, поддерживаемых языках и контексте; они не относятся к основному сценарию оценки глубины.

LTX Video Spatial Upscaler 0.9.7 — разработанная Lightricks диффузионная модель для пространственного увеличения разрешения видео. Она обрабатывает латентные кадры, созданные моделями LTX-Video, и выдаёт латентные кадры более высокого разрешения; применяется как этап многоступенчатой генерации через LTXLatentUpsamplePipeline в Diffusers. Совместима с Lightricks/LTX-Video-0.9.7-dev и Lightricks/LTX-Video-0.9.7-distilled. Модель предназначена для повышения детализации и разрешения видеороликов, созданных LTX-Video. Лучше работает при разрешении ниже 720 × 1280 и количестве кадров менее 257; ширина и высота должны делиться на 32, а число кадров иметь вид 8n + 1. Для неподходящих размеров вход дополняется, а результат обрезается. Репозиторий содержит веса в формате safetensors и рассчитан на использование с библиотекой Diffusers. Это специализированный компонент конвейера, а не самостоятельная модель генерации видео или источник фактических ответов. Результат зависит от исходных латентных кадров, а соответствие содержанию и качеству может быть неполным. Метаданные указывают лицензию «other»; README перечисляет лицензионные условия для версии spatial upscaler, но не раскрывает их текст.

John6666 опубликовал модель генерации изображений по текстовому описанию на базе Stable Diffusion XL. Репозиторий использует Diffusers и формат Safetensors; карточка Hugging Face помечает модель как реалистичную и фотореалистичную, для общего использования и с чувствительным контентом. Модель предназначена для создания изображений по текстовым запросам, в том числе изображений для взрослых. В метаданных указан английский язык. Лицензия — CreativeML OpenRAIL-M. Оценки качества, конкретные параметры генерации и точные характеристики базового чекпойнта в использованных источниках не приведены.

Nathan Fradet разработал эту авторегрессионную модель на базе GPT-2 для генерации символической классической фортепианной музыки. Модель обучена на наборе MAESTRO с помощью токенизатора REMI и метода Byte Pair Encoding; словарь содержит 20 тысяч токенов. Она продолжает музыкальную последовательность по заданному фрагменту и представляет музыку в токенизированном виде, а не в форме аудиозаписи. Модель предназначена для создания и продолжения фортепианных композиций в классическом стиле. Её можно использовать для музыкальных экспериментов и генерации MIDI-последовательностей. Контекст составляет 2048 токенов. Распространяется по лицензии Apache 2.0.

Mahou-1.3d-mistral-7B — разговорная модель на архитектуре Mistral, разработанная FlammenAI. Она предназначена для коротких сообщений, непринуждённой беседы и ролевых диалогов; обучена использовать формат ChatML, а для ролевой игры рекомендует оформлять действия в звёздочках. Модель содержит 7,1 млрд параметров, принимает текст и рассчитана на контекст до 32 768 токенов. Модель получена дообучением nbeerbower/Mahou-1.2a-mistral-7B методом ORPO на датасетах MahouMix-v1 и FlameMix-DPO-v1. Для использования указана лицензия Apache-2.0. Карточка рекомендует настройки ChatML и Instruct Mode в SillyTavern.