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

EarthnDusk/Loras_2023 — это коллекция резервных копий LoRA-моделей для Stable Diffusion, опубликованная командой Duskfall Portal Crew, связанной с Earth & Dusk Media. Репозиторий предназначен для генерации изображений, преимущественно в anime-стилистике, и использует базовую модель stable-diffusion-v1-5/stable-diffusion-v1-5. В карточке указана интеграция с библиотекой diffusers и pipeline text-to-image. В состав коллекции входят материалы, связанные с наборами EarthnDusk/Creative-Embeddings, EarthnDusk/Embeddings, fka/awesome-chatgpt-prompts, Duskfallcrew/FFXIV_Data_and_Lora и Nerfgun3/bad_prompt. Также упоминается возможность применения положительных и отрицательных embeddings, а для рабочего процесса рекомендуются расширения экосистемы Stable Diffusion WebUI, включая ADetailer и инструменты управления моделями и промптами. Язык, указанный в метаданных, — английский; размер LoRA, точный набор триггеров, параметры обучения, поддерживаемые разрешения и конкретные варианты моделей не приведены. Сильной стороной является тематическая направленность на anime-генерацию и наличие связанных embeddings и инструментов для доработки результатов. Ограничение заключается в том, что README описывает именно набор резервных копий, а не одну однозначно определённую LoRA, поэтому нельзя надёжно установить её конкретные художественные эффекты, качество, требования к весам или совместимость с другими базовыми моделями. Лицензия указана как creativeml-openrail-m.

LuminRP-7B-128k-v0.4 — текстовая генеративная модель для ролевых диалогов, созданная слиянием четырёх RP-моделей с помощью LazyMergekit. Она построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Модель рассчитана на ролевые сценарии и может использоваться в чат-интерфейсах, например SillyTavern; в карточке приведены настройки с шаблоном ChatML и включённым режимом инструкций. Автор отмечает, что модель иногда допускает опечатки. Репозиторий распространяет веса в формате Safetensors; отдельная GGUF-квантизация опубликована другим автором. Сведения о лицензии и поддерживаемых естественных языках в предоставленных источниках отсутствуют.

Lyoko Diffusion v1.1 — модель генерации изображений по текстовому описанию на базе Stable Diffusion, разработанная Madiator2011. Она создаёт изображения в стилях 2D и CGI из мультсериала «Код Лиоко»; для выбора стиля в запрос добавляют «2DLyoko style» или «CGILyoko style». Модель доступна в форматах Diffusers и PyTorch и использует лицензию CreativeML OpenRAIL-M. Модель предназначена для создания стилизованных иллюстраций и творческих экспериментов. Карточка указывает на исследовательское и творческое применение, включая изучение возможностей и ограничений генеративных моделей. В описании не приведены размер модели и длина контекста.

MaskFormer — модель сегментации изображений, основанная на архитектуре MaskFormer с backbone Swin Base. Чекпойнт обучен на ADE20K для семантической сегментации и опубликован командой, выпустившей MaskFormer; карточку подготовила команда Hugging Face. Модель предсказывает набор масок и соответствующих им меток, что позволяет применять единый подход к сегментации объектов, семантической и паноптической сегментации. Этот чекпойнт предназначен для семантической сегментации сцен и распознавания областей ADE20K. Он принимает изображение и выдаёт сегментационные маски с метками классов. Модель подходит для анализа сцен, но карточка рекомендует этот конкретный чекпойнт именно для семантической сегментации. Лицензия указана как other, поэтому условия использования следует сверить с репозиторием и исходной лицензией.

MemeGPT — разговорная языковая модель, опубликованная пользователем minchyeom. Это плотная модель MistralForCausalLM на 7,1 млрд параметров для генерации текста; карточка уточняет, что это MemeGPT, а не MemGPT. Модель поддерживает чат и работает с контекстом до 32 768 токенов. Модель предназначена для диалоговой генерации текста на английском языке в тематике мемов. Опубликована в формате safetensors для библиотеки Transformers. Лицензия — Apache-2.0.

Модель amaye15/microsoft-resnet-50-batch32-lr0.0005-standford-dogs — дообученная версия microsoft/resnet-50 для классификации изображений пород собак из набора Stanford Dogs. В основе — сверточная архитектура ResNet-50 v1.5, предварительно обученная на ImageNet-1k; веса опубликованы в формате safetensors. Модель принимает изображение и предсказывает класс породы собаки. На указанном в карточке оценочном наборе достигнуты accuracy 0,8387 и F1 0,8260. Репозиторий распространяется по лицензии Apache-2.0.

MilkDropLM-7b-v0.3 — языковая модель на архитектуре Qwen2, разработанная для создания пресетов MilkDrop — текстовых сценариев музыкальной визуализации, реагирующей на звук в реальном времени. Модель дообучена на базе Qwen/Qwen2.5-Coder-7B-Instruct и использует более 10 000 отобранных и категоризированных примеров пресетов. Она генерирует код пресетов по текстовым запросам и может помочь авторам создавать визуальные эффекты без написания сценариев с нуля. Модель содержит 7,1 млрд параметров, принимает и выдаёт текст и поддерживает контекст до 32 768 токенов. Разработчик описывает её как раннюю альфа-версию; модель понимает код пресетов, но не воспринимает получающиеся визуализации. README предупреждает, что среди результатов могут быть вспышки света, опасные для людей с фоточувствительной эпилепсией. Лицензия — Apache-2.0.

Envoid/MindFlay-22B — экспериментальная чат-модель на базе архитектуры Llama, созданная автором с помощью скрипта frankenllama, который объединяет уже дообученные модели. Это исходная версия весов FP16 объёмом 21,6 млрд параметров; модель рассчитана на генерацию текста и диалог по шаблону Llama 2 Chat с маркерами [INST] и [/INST]. Автор позиционирует её для чата и ролевых игр. По его описанию, модель сохраняет связность ответов и энергичную манеру общения, но может вести себя непредсказуемо и допускать опечатки. Длина контекста — 4096 токенов. Лицензия в предоставленных данных не указана.

MiVOLO V2 — модель семейства MiVOLO для оценки возраста и пола по изображениям людей, разработанная авторами MiVOLO. Она использует многовходовый трансформер, который анализирует кропы лица и тела; для инференса требуются кропы размером 384 × 384 пикселя. Модель предназначена для задач визуальной оценки демографических характеристик по изображению. Для работы используются библиотека mivolo и точность FP32 или FP16. В карточке указано, что обучение проводилось на проприетарных и открытых наборах данных. Модель опубликована под лицензией Apache-2.0. README называет её передовой, но таблица с метриками опущена, поэтому точность по карточке оценить нельзя.

MolmoAct 7B-D Captioner — модель для подробного описания изображений, разработанная Allen Institute for AI. Она предназначена для воспроизведения этапа предварительного обучения MolmoAct с нуля; этот чекпойнт не предназначен для вывода роботизированных действий или бенчмаркинга. Модель использует языковую основу Qwen2.5-7B и визуальный энкодер SigLIP2, а также обучалась на PixMo-Cap. В метаданных указана архитектура MolmoActForActionReasoning и формат safetensors. Обучение MolmoAct опирается на часть набора OXE и набор MolmoAct Dataset с 10 тысячами траекторий манипуляций однорукого робота Franka для 93 задач в домашних условиях и на столе. Карточка сообщает о высоких результатах семейства MolmoAct на нескольких бенчмарках vision-language-action, но эти заявления не относятся к назначению данного Captioner. Модель принимает изображения и текстовые инструкции, выдаёт текстовые описания; в метаданных указан английский язык. Лицензия — Apache-2.0. Это предварительная версия семейства.

Модель MORGENSHTERN создана Алексеем Коршуком в рамках проекта HuggingArtists на архитектуре GPT-2. Это авторегрессионная языковая модель для генерации текста, дообученная на текстах песен Моргенштерна; её можно использовать для создания текстов в похожем лирическом стиле. Контекст модели составляет 1024 токена, доступны веса в форматах PyTorch и Flax, а в метаданных указан английский язык. Модель подходит для творческих экспериментов и генерации черновиков текстов песен. Как и GPT-2, она может выдавать неточные или предвзятые формулировки; результат также зависит от особенностей обучающих текстов. Лицензия в предоставленных данных не указана.

MX-Font++ Korean Handwriting (B@340K) — модель генерации корейских рукописных глифов, обученная с нуля на наборе корейских шрифтов, включающем печатные шрифты и Nanum handwriting. Архитектура MXFontppModel содержит 30,8 млн параметров; веса доступны в формате safetensors, а для запуска через Transformers требуется разрешить загрузку кода модели из репозитория. Модель принимает несколько образцов почерка и один глиф с заданным содержанием, затем создаёт этот глиф в соответствующем стиле. Она предназначена прежде всего для заполнения редких символов корейского шрифтового набора согласованными глифами; число образцов стиля можно менять. Лицензия — MIT. Модель хорошо подходит для генерации корейских глифов в стилях, близких к обучающим данным. Перенос индивидуального почерка и стилей вне обучающего распределения ненадёжен: генерация может усреднять стиль. Для точного переноса почерка автор README рекомендует DM-Font.

NightyGurps-14b-v1.1 — дообученная модель SlerpE на базе Qwen2.5-14B-Instruct, предназначенная для ролевых игр по системе GURPS и помощи с правилами. Её обучали на дополненном наборе данных по книге GURPS Basic Set. Модель имеет плотную архитектуру Qwen2 с 14 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. В карточке указана лицензия Apache-2.0. Модель подходит для ответов на вопросы по GURPS и консультаций, а также может выступать помощником гейм-мастера или вести сольную партию, где пользователь играет персонажа. Автор рекомендует температуру 0,3–0,5 для консультаций по правилам и 0,7–1,2 для ролевой игры в роли гейм-мастера. Для сюжетной игры автор также рекомендует подготовленную карточку персонажа гейм-мастера для SillyTavern. Карточка сообщает о тонкой настройке Qwen2.5-14B-Instruct и формате ChatML. Результаты модели в игре и точность ответов по правилам зависят от промпта и настроек генерации; заявленное превосходство над Gemma 2 27B приведено автором без описания методики сравнения.

Minoumimi/NIKKE-Illustrious — LoRA-модель для генерации изображений, разработанная для использования с базовой моделью calcuis/illustrious в экосистеме Diffusers. Она специализируется на персонажах и образах из Goddess of Victory: NIKKE, включая Ade, Admi, Alice, Anis, Blanc, Cinderella, Dorothy, Drake, Emma, Guillotine и многих других. Для вызова отдельных персонажей README указывает специальные текстовые идентификаторы и наборы описательных тегов внешности, одежды и аксессуаров. Модель предназначена для text-to-image генерации и может применяться при создании иллюстраций персонажей NIKKE в различных костюмах и сценических образах. Это адаптер LoRA, поэтому для работы требуется совместимая базовая diffusion-модель; конкретный размер, параметры обучения, рекомендуемые веса, разрешение и языки текстовых запросов не указаны. Основное ограничение — узкая специализация на перечисленных персонажах и связанных с ними визуальных признаках, поэтому универсальность за пределами этой тематики не подтверждена. Лицензия — Apache-2.0.

Карточка модели votepurchase/NSFW-GEN-ANIME-v2 на Hugging Face совпадает с карточкой UnfilteredAI/NSFW-GEN-ANIME-v2, поэтому описание составлено по ней. NSFW-GEN-ANIME-v2 — модель UnfilteredAI для генерации изображений в стиле аниме по текстовым описаниям. Она создаёт как обычные, так и откровенные изображения; в карточке указаны 3,47 млрд параметров и формат вычислений FP16. Модель предназначена для создания иллюстраций по текстовым запросам, в том числе контента для взрослой аудитории. В метаданных указана архитектура StableDiffusionXLPipeline и форматы Diffusers и safetensors. Модель объединена на основе OEvortex/PixelGen и UnfilteredAI/NSFW-gen. Для работы с ней нужны текстовый запрос и среда, совместимая с Diffusers. Лицензия обозначена как other, поэтому условия использования следует уточнять в репозитории модели.

Organic Mind — модель генерации изображений на основе Stable Diffusion v1.5, дообученная Mantra Ardhana Digital Art с помощью DreamBooth. Для создания изображений в стиле или концепции OU3M добавьте к текстовому запросу ключевое слово «ou3m». Репозиторий содержит веса в форматах Diffusers и PyTorch; модель предназначена для генерации изображений по текстовым описаниям. Лицензия — CreativeML OpenRAIL-M.

parl-german-mope — немецкоязычная модель для разметки упоминаний народа и элит в речах парламента. Она создана как слой аннотации проекта GePaDeU и дообучена полным fine-tuning модели GBERT на парламентских выступлениях Бундестага Германии. Модель на основе BERT решает задачу классификации токенов: присваивает последовательности метки упоминаний народа и элит. Обучение и оценка проводились на 267 вручную размеченных выступлениях Бундестага за 2017–2021 годы с 9 297 упоминаниями. Модель использует библиотеку Transformers, имеет 136,3 млн параметров и контекст до 512 токенов. Она подходит для анализа политической риторики в немецких парламентских выступлениях. Данные README не описывают качество на других жанрах или периодах, поэтому перенос результатов за пределы указанного корпуса требует проверки. Лицензия в предоставленных данных не указана.

PiVoT-SOLAR-10.7B-RP — чат-модель для ролевого общения, созданная автором PivoT путём дообучения SOLAR-10.7B-Instruct на частном наборе данных из ArcaLive AI Chat. Модель использует архитектуру Llama и содержит 10,6 млрд параметров; заявленная длина последовательности — 8192 токена. Репозиторий содержит веса PyTorch, а лицензия — CC BY-SA 4.0. Модель предназначена для генерации текста в диалоге и ролевых сценариях на английском языке. Карточка указывает на дообучение на частном наборе данных, поэтому состав примеров и охват сценариев нельзя независимо оценить по описанию. Качество, безопасностные свойства и пригодность для конкретных задач в карточке не измерены.

PIXLRelight — модель прямого нейронного рендеринга для управляемого физическими параметрами изменения освещения на фотографии. В README она описана как трансформерная модель, разработанная для проекта PIXLRelight; репозиторий содержит обученные веса в формате safetensors и конфигурацию для PyTorch. Число параметров и длина контекста для этой задачи не применимы. На вход модель получает исходную фотографию и целевое освещение, заданное RGB-изображением или проходами рендеринга Blender Cycles. Она выдаёт версию исходного изображения с новым освещением, сохраняя мелкие детали; обработка заявлена менее чем за десятую долю секунды на изображение. Модель предназначена для быстрого relighting с управлением освещением в стиле PBR, включая интерьерные сцены. PIXLRelight обучена на интерьерных сценах и работает с исходным разрешением изображения. Она не создаёт отсутствующее в исходнике содержимое, поэтому новые жёсткие тени и блики, зависящие от изменения видимой геометрии поверхности, могут передаваться неточно. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но не коммерческое использование.

PVC v4 — латентная диффузионная модель для генерации изображений по текстовым запросам, дообученная p1atdev на Waifu Diffusion v1.5 beta 2.6 с изображениями фигурок из ПВХ. Для создания изображений можно использовать теги Danbooru; тег pvc задаёт стиль материала, figma помогает получить фигурки с шарнирами, а nendoroid вместе с chibi — стиль чиби-фигурок. В README также рекомендуется применять Highres fix и VAE от Waifu Diffusion для получения более качественных результатов. Модель предназначена для генерации иллюстраций коллекционных фигурок, включая стили фигурок Figma и Nendoroid. Репозиторий содержит веса safetensors в форматах fp16 и fp32 и поддерживает запуск через Diffusers StableDiffusionPipeline. Карточка указывает лицензию other, поэтому условия использования следует сверить с лицензией репозитория и базовой модели.

Pygmalion-7b-Merged-Safetensors — разговорная модель на архитектуре LLaMA, созданная PygmalionAI и дообученная на основе Meta LLaMA-7B. Это версия 1, обученная на части данных Pygmalion-6B-v8-pt4; веса представлены в формате SafeTensors, а XOR-файлы уже применены. Модель предназначена прежде всего для вымышленных диалогов и ролевого общения в развлекательных сценариях. Модель принимает текст и генерирует продолжение диалога в формате Pygmalion с описанием персоны и репликами участников. Размер составляет 6,6 млрд параметров, контекст — до 2048 токенов; в метаданных указан английский язык. Лицензия в предоставленных данных не указана.

lazyturtl/roomclassifier — классификатор изображений на базе Vision Transformer (ViT), созданный с помощью HuggingPics. Модель предназначена для классификации изображений комнат; README описывает её как пользовательский классификатор изображений, созданный через демонстрацию в Google Colab. В основе используется архитектура ViTForImageClassification, число параметров — около 113,2 млн. Модель подходит для автоматического отнесения фотографий комнат к классам, на которых она обучена. Репозиторий содержит веса PyTorch. Данные не описывают набор классов, обучающую выборку или качество классификации; лицензия также не указана.

RooseBERT-cont-uncased — англоязычная доменная языковая модель на основе BERT-base, разработанная для анализа политической речи. Модель продолжает предобучение весов bert-base-uncased на корпусе англоязычных политических дебатов и парламентских выступлений; она сохраняет стандартный uncased WordPiece-словарь BERT из 30 523 токенов и приводит входной текст к нижнему регистру. Архитектура — BERT encoder-only с головой masked language modeling, 136,7 млн параметров и контекстом до 512 токенов. Модель предназначена прежде всего как база для дообучения на задачах анализа политического дискурса: классификации тональности и позиции, выделения и классификации аргументов и их связей, классификации политических предложений и распознавания именованных сущностей. Карточка сообщает о превосходстве над BERT-base-uncased в 9 из 10 проверенных задач. Репозиторий помечен для задачи fill-mask. Лицензия — Apache-2.0. Модель обучена только на английских политических дебатах и не рассчитана на кросс-языковое применение. Она может воспроизводить перекосы исходных официальных выступлений; отсутствие регистра может ухудшить распознавание имён и аббревиатур, а политические термины могут разбиваться на части стандартным словарём. Как модель только для кодирования, она лучше подходит для классификации и разметки, чем для генерации.

RP Vision — языковая модель для ролевого общения, представленная ChaoticNeutrals. Это плотная модель семейства Mistral на 7,1 млрд параметров, дообученная на основе jeiku/Cookie_7B. Модель генерирует текст и поддерживает анализ изображений через файл mmproj из репозитория; автор указывает, что функция vision работает только в Koboldcpp и требует актуальной версии программы. Модель рассчитана на гибкое ролевое взаимодействие и приятный пользовательский опыт. Контекст составляет 8192 токена; заявленный в метаданных язык карточки — английский. Репозиторий содержит веса Safetensors и GGUF F16. Лицензия — Apache-2.0. Описание не приводит результатов оценивания или подробностей о данных обучения, поэтому качество и границы визуальных возможностей по карточке определить нельзя.

silly-v0.2 — дообученная модель wave-on-discord на базе Mistral-Nemo-Base-2407, предназначенная для имитации стиля ответов моделей character.ai и ролевого общения. Это плотная авторегрессионная языковая модель Mistral с 12,1 млрд параметров; обучение включало два прохода SFT на данных для ролевых диалогов и примерно час PPO с POLAR-7B RFT. Модель принимает текст в формате ChatML и генерирует текст. Метаданные указывают контекстное окно 131 072 токена; базовая модель многоязычная, но отдельный язык для этой версии не выделен. Модель рассчитана на ролевые диалоги: по отзывам, она связно поддерживает контекст, хорошо пишет и может начинать беседу. Автор отмечает нестабильность и советует снижать temperature для длинных сообщений; также возможны ошибки в базовой логике, выдумывание деталей и забывание ранее заданной информации. Автор описывает релиз как proof of concept. Модель распространяется по лицензии Apache-2.0.

SocioReasoner-3B — дообученная модель на основе Qwen2.5-VL-3B-Instruct, опубликованная пользователем vvangfaye. Это мультимодальная модель с архитектурой Qwen2.5-VL для диалогового анализа изображений и генерации ответов на естественном языке. В метаданных указаны 3,1 млрд параметров, контекст до 128 000 токенов и поддержка изображений; модель предназначена для сценариев, связанных с набором данных SocioSeg. Доступна в формате safetensors и распространяется по лицензии Apache-2.0.

talkie-1930-13b-base-tf — неофициальная конверсия базовой языковой модели Talkie, подготовленная для Transformers. Она создана на основе talkie-lm/talkie-1930-13b-base и содержит 17,1 млрд параметров в формате BF16 и шардированных safetensors; архитектура — плотная TalkieForCausalLM. Модель обучена на 260 млрд токенов англоязычных текстов, созданных до 1931 года, и поддерживает контекст до 4096 токенов. Модель предназначена для продолжения текста и генерации на основе исторического англоязычного корпуса. Она может быть полезна для экспериментов с языком и стилем текстов до 1931 года, а также для исследовательских проектов с историческими англоязычными текстами. Проверка конверсии показала совпадение порядка десяти наиболее вероятных следующих токенов с эталонной архитектурой на тестовом проходе; это не является общей оценкой качества. Для загрузки используются пользовательские модули с параметром trust_remote_code=True. Репозиторий не является официальным выпуском Talkie. Лицензия — Apache-2.0.

Thespis-13b-v0.4 — личный проект на архитектуре Llama, содержащий 12,9 млрд параметров и предназначенный для генерации текста в многоходовых ролевых диалогах. Модель рассчитана на сценарии интернет-ролевых игр с персонажами и использует стандартный чат-шаблон; для оформления действий лучше всего подходит разметка звёздочками, а реплики рекомендуется писать без кавычек. Для обучения использованы отфильтрованные примеры из Claude Multiround Chat, Pippa, Puffin и Airoboros 3.1, а также отобранные вручную ролевые диалоги. Модель работает с форматами чата Ooba и SillyTavern и имеет контекст до 4096 токенов. В README заявлена поддержка как безопасных, так и откровенных ролевых сценариев. Лицензия в предоставленных данных не указана.

TIPOv2-1B-A200M — модель для оптимизации текстовых запросов к Text-to-Image системам, разработанная KBlueLeaf. Она выполняет предварительное расширение короткого пользовательского запроса в более подробное описание перед передачей его диффузионной модели. Модель обучена на данных с подписями и тегами изображений, включая Danbooru, Nozomi, CC12M, CoyoHD-11M и LAION-COCO-13M, поэтому ориентирована как на booru-стиль, так и на описания изображений общего назначения. Это разреженная decoder language model архитектуры KohakUwU MoE, близкой к DeepSeekMoE. Она содержит около 991 млн параметров, из которых примерно 193 млн активируются для каждого токена; дополнительно используется embedding-таблица размером около 50 млн параметров. Архитектура включает 16 слоёв, 64 маршрутизируемых эксперта с выбором top-8, один общий эксперт, hidden size 768, GQA с 12 attention heads и 2 KV heads, RoPE и контекст до 4096 токенов. Заявленный язык — английский. К сильным сторонам относятся специализированность для prompt expansion, поддержка тегов и естественного языка, расширенный по сравнению с первой версией контекст и более низкие вычисления на токен благодаря MoE-разреженности. Ограничения модели связаны с узкой специализацией: она предназначена прежде всего для подготовки промптов, а не для универсального диалога или генерации изображений. В README лицензия не указана, поэтому условия использования следует уточнить отдельно.

TunesFormer — трансформерная языковая модель на основе GPT-2, разработанная Sander Wood по работе Wu et al. для генерации мелодий в нотации ABC с заданной музыкальной формой. Управляющие коды позволяют задавать число разделов, количество тактов в разделе и степень сходства между разделами. Версия в этом репозитории использует архитектуру GPT-2; в статье также описан вариант с двумя декодерами, для которого авторы предлагают обратиться к официальному репозиторию кода. Модель обучена на 214 122 ирландских мелодиях из набора IrishMAN. Метод bar patching сокращает длину последовательности и время генерации. Модель предназначена для создания и варьирования традиционных ирландских мелодий; вход и выход представлены текстом в нотации ABC, а метаданные указывают контекст до 1024 токенов. Лицензия — MIT. Для корректной работы требуется формат ABC, соответствующий стандарту; некорректная нотация может привести к непредсказуемой генерации. README описывает обучающую выборку как преимущественно мелодии без естественно-языковых полей, поэтому не следует рассчитывать на генерацию текстовых песенных куплетов.