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

nova-furry-xl-il-v120-sdxl — модель генерации изображений по тексту, опубликованная пользователем John6666 на Hugging Face. Она предназначена для создания furry-иллюстраций с персонажами-животными, включая антропоморфные и feral-образы, в стилях от 2D до 3D; метки репозитория указывают также на поддержку теговых промптов и детализированных поз. Модель реализована как Stable Diffusion XL pipeline на базе Diffusers с текстовыми энкодерами CLIP, UNet и VAE. Это слияние Laxhar/noobai-XL-1.1 и OnomaAIResearch/Illustrious-XL-v2.0. Репозиторий содержит файлы Diffusers и safetensors и использует лицензию faipl-1.0-sd. Карточка не приводит подтверждённых данных о размере и длине контекста. Модель помечена как содержащая чувствительный контент и включает метки hentai и yiff, поэтому подходит для создания взрослого контента.

Original-Character---Cyclps — модель генерации изображений, созданная alvdansen методом DreamBooth на базе Stable Diffusion. Она обучена на 12 изображениях в течение 1500 шагов как часть исследования Archimedes Institute о том, как обучать модели изображению оригинальных персонажей. Для генерации персонажа используется текстовое описание; модель совместима с Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M. Модель предназначена для создания изображений персонажа Cyclps по текстовым запросам. В README приведены варианты запуска через интерфейс AUTOMATIC1111 и Diffusers. Карточка не уточняет размер модели, поддерживаемые языки, длину контекста и ограничения на качество генерации.

ProgressGym-HistLlama3-70B-C018-pretrain — языковая модель команды PKU-Alignment для исследований исторических моральных установок и «согласования с прогрессом». Это одна из 36 моделей ProgressGym, обученная продолжением предобучения Meta-Llama-3-70B на текстах XVIII века из набора ProgressGym-HistText. Модель не проходила настройку по инструкциям и рассчитана на генерацию текста и исследовательские эксперименты, а не на готовый диалоговый сценарий. Модель имеет плотную архитектуру LlamaForCausalLM и 69,5 млрд параметров; контекст — 8192 токена. README описывает обучение на исторических текстах и итеративную разработку, а метаданные указывают формат safetensors и поддержку чата. Карточка не сообщает о специальных средствах оценки качества. Продолжение предобучения на ограниченном объёме исторических данных может ограничивать охват эпохи и надёжность ответов; модель также может воспроизводить предубеждения источников. Модель и материалы проекта распространяются по лицензии CC-BY-4.0.

Psy_mope — созданная с помощью mergekit слитая диалоговая языковая модель на архитектуре Llama 3, объединяющая Cas-Warehouse/Llama-3-Mopeyfied-Psychology-v2 и Casual-Autopsy/L3-Umbral-Mind-RP-v3.0-8B методом SLERP. Модель содержит около 7,5 млрд параметров, работает с текстом и имеет контекстное окно до 8192 токенов. Модель предназначена для генерации диалоговых ответов и ролевых сценариев, связанных с психологической тематикой и эмоционально насыщенными сюжетами. Карточка базовой модели указывает на ролевые игры с тяжёлыми эмоциональными темами и сценариями спасения персонажей. В репозитории указаны веса Safetensors; модель рассчитана на использование через Transformers. В карточке не приведены сведения о лицензии и отдельные результаты оценки качества. Как и другие генеративные языковые модели, она может создавать неточные или неподходящие ответы; тематика исходных моделей предполагает эмоционально тяжёлое содержание.

PVC v3 — модель латентной диффузии, дообученная p1atdev на Waifu Diffusion v1.5 beta 2 на изображениях PVC-фигурок. Она предназначена для генерации изображений по текстовым запросам с тегами Danbooru, особенно изображений аниме-фигурок и коллекционных игрушек. Триггерные слова `pvc`, `figma` и `nendoroid` помогают задавать материал и стили фигурок; для фигурок с шарнирами можно добавить `doll joints`, а для чиби-фигурок — `chibi`. Модель распространяется в форматах Diffusers, PyTorch, SafeTensors и checkpoint, в вариантах fp16 и fp32. В README рекомендованы VAE от Waifu Diffusion и embedding `badquality` в негативном запросе; также приводятся примеры настроек генерации. Карточка указывает лицензию `other`, поэтому конкретные условия использования следует проверять в репозитории. Модель ориентирована на аниме-стиль, а не на реалистичные изображения.

shikunpunk разработала чат-модель на базе Qwen2.5-3B-Instruct, дообученную методом QLoRA 4-bit на 878 стихотворениях Ли Бо из издания Ван Ци. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 3,1 млрд параметров и имеет контекст длиной до 32 768 токенов. Она принимает текст и генерирует текст; карточка указывает китайский язык и интерфейс чата. Модель предназначена для генерации стихов на китайском языке в стиле Ли Бо, включая классические формы: гуши, юэфу, люйши, цзюэцзюй и цы. В описанных автором опытах она также создавала современные стихи с традиционными образами, но классическая поэзия получалась заметно лучше. На знакомые произведения модель может отвечать воспроизведением исходного стихотворения вместо нового текста. Автор сообщает, что при проверке генерации на разных температурах английские фрагменты не появлялись; для генерации рекомендована температура 0,8–1,2. Это результат внутренних экспериментов, а не гарантия для любых запросов. Лицензия репозитория указана как other; автор разрешает академическое использование, а для весов базовой модели требует соблюдать лицензию Qwen2.5.

Модель neerajaabhyankar/resnet-finetuned-1-hindustani-raag-small — классификатор аудио на основе одномерной сверточной ResNet, разработанный для определения раги в музыке хиндустани. Архитектура включает 10 остаточных блоков и классификационную голову для 50 раг; аудио подаётся в исходном виде после преобразования к частоте 8 кГц и двум каналам. Модель предназначена для распознавания раги в коротких фрагментах классической музыки хиндустани и исследовательских экспериментов с классификацией музыкальных жанровых признаков. Основа сети и предобученные веса происходят от ResNet jeevster для классификации раг карнатической музыки; модель перенесена в совместимый с Transformers формат и дообучена на наборе neerajaabhyankar/hindustani-raag-small. На тестовом наборе из 92 фрагментов точность составила 0,163, а macro-F1 — 0,132. Модель ограничена 50 рагами и конкретным датасетом; приведённые результаты показывают умеренное качество распознавания. Лицензия в предоставленных данных не указана.

BlinkDL/rwkv-4-novel — семейство языковых моделей RWKV-4, дообученных на романах на основе RWKV-4-Pile. Автор указывает варианты с разным составом данных: ChnEng обучена на смеси китайского текста и The Pile, ChnEng-ChnPro дополнительно дообучена на качественных профессиональных китайских романах, а Chn — на китайских текстах. Модель предназначена для генерации художественного текста и продолжения прозы. Архитектура RWKV сочетает языковую модель с рекуррентной обработкой; README характеризует её как «100% RNN». Карточка не приводит размер модели или длину контекста. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0.

ByteDance SD 2.1-base с расписанием шума Zero Terminal SNR — диффузионная модель генерации изображений по текстовому описанию. Она дообучена на данных LAION Aesthetic 6+ от stabilityai/stable-diffusion-2-1-base и использовалась как MSE-базовая модель в работе Diffusion Model with Perceptual Loss. Модель рассчитана на исследовательские демонстрации: по текстовому запросу она создаёт изображение через StableDiffusionPipeline из библиотеки Diffusers. В README приведён пример с guidance_scale 7.5 и guidance_rescale 0.7. Лицензия — OpenRAIL++; авторы не рекомендуют производственное применение.

Это дообученная методом DreamBooth модель Stable Diffusion v1.5, опубликованная bitspirit3. Она генерирует изображения по текстовым запросам, настроена на создание изображений Ранни Ведьмы; чтобы вызвать этот образ, автор рекомендует добавить в запрос слово «ranni». Модель распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M. Модель предназначена для генерации изображений по тексту с заданным персонажем. Карточка не сообщает о других языках, контексте или ограничениях качества; результат зависит от формулировки запроса и базовых возможностей Stable Diffusion v1.5.

Модель sentimientos-bullrich разработана Наталией Марин и Маркосом Мигелем Прунелло в рамках выпускной работы по статистике в Национальном университете Росарио. Это дообученная XLM-RoBERTa для классификации тональности комментариев из социальных сетей, опубликованных после первого президентского дебата в Аргентине в 2023 году и посвящённых кандидату Патрисии Булрич. Модель основана на cardiffnlp/twitter-xlm-roberta-base-sentiment и содержит 305,2 млн параметров; использует библиотеку Transformers, веса представлены в формате safetensors, контекст — до 514 токенов. Модель подходит для анализа общественной реакции на Булрич в комментариях и изучения политической дискуссии в контексте аргентинских выборов. В карточке приведены общие метрики: точность 0,7580, F1 0,7386 и precision 0,7344. Специализация на конкретном кандидате, платформенном и событийном контексте ограничивает перенос результатов на другие темы и периоды. Лицензия в доступных данных не указана.

TimeCapsuleLLM-ja v4-chat（phase7）は trtd56 が開発した、日本語のdecoder-only GPTモデルです。約1,05 млрд параметров с нуля обучены исключительно на японских публикациях 1868–1945 годов; затем модель дообучили на 274 парах вопросов и ответов из того же корпуса. Контекст расширен с 1024 до 2048 токенов. В репозитории опубликованы веса safetensors, лицензия — Apache-2.0. Модель предназначена для исследования того, как в японских источниках до 1945 года обсуждались общественные темы и ценности. Она лучше отвечает на вопросы о взглядах и рассуждениях эпохи, чем на вопросы о фактах: в README приведены результаты 60–75% для вопросов о ценностных суждениях и 7,1% для фактических вопросов. Это не современный универсальный чат-бот: модель не знает событий после 1945 года и может уверенно выдумывать сведения и источники. Модель воспроизводит лексику и представления своего исторического корпуса, включая дискриминационные высказывания о расе, этничности, сословии, поле, инвалидности и колониальном управлении. Возможны фактические ошибки, повторы, ошибки OCR, нарушение порядка строк вертикального текста и включение колонтитулов. Не подходит для медицинских, юридических, финансовых и иных решений.

TIPO-200M — компактная языковая модель на архитектуре LLaMA, разработанная KBlueLeaf для фреймворка TIPO (Text to Image with text presampling for Prompt Optimization). Она дополняет и уточняет короткие или неполные запросы перед передачей в генеративную модель изображений, помогая пользователю получать более подробные промпты с меньшими усилиями. Модель обучали на объединённых данных Danbooru2023 и Coyo-HD-11M; в метаданных также перечислены Conceptual Captions и GBC10M. При обучении модель обработала около 50 млрд токенов. Модель содержит 177,9 млн параметров, поддерживает контекст до 2048 токенов по метаданным и предназначена для генерации текста на английском языке. README описывает интеграцию через расширение z-tipo-extension для Stable Diffusion WebUI, Forge и ComfyUI; SD-Next не тестировался. Репозиторий содержит веса Safetensors и GGUF F16. Лицензия — Apache-2.0. Оценка в карточке показывает хорошие результаты на тестах формирования промптов, однако приведённые результаты относятся к конкретным тестовым наборам и сами по себе не подтверждают качество на любых запросах.

Video Depth Anything Small (Metric) в формате MLX — конверсия модели depth-anything/Metric-Video-Depth-Anything-Small, разработанной ByteDance и представленной как highlight на CVPR 2025. Модель оценивает глубину по монокулярному видео: архитектура сочетает backbone DINOv2 и временную голову DPT, а метрическая версия предсказывает абсолютную глубину в метрах. Модель предназначена для получения согласованных оценок глубины на последовательности видеокадров. README сообщает о сравнении с эталонной реализацией PyTorch: максимальная относительная ошибка составляет около 1e-5 на CPU и около 1% на GPU с fast-math в Metal. Репозиторий содержит конвертированные веса safetensors для MLX. Лицензия — Apache-2.0.

Карточка модели afurkank/vit-face-expression на Hugging Face совпадает с карточкой trpakov/vit-face-expression, поэтому описание составлено по ней. trpakov/vit-face-expression — модель распознавания эмоций по изображениям лиц, разработанная автором репозитория и дообученная на FER2013. Она использует архитектуру Vision Transformer (ViT) с 113,2 млн параметров и классифицирует выражение лица по семи категориям: злость, отвращение, страх, радость, грусть, удивление и нейтральное выражение. Модель принимает изображение лица и выдаёт метку класса эмоции. Её можно применять для анализа выражений на фотографиях и других изображениях лиц. В README указаны точность 71,13% на валидационной выборке и 71,16% на тестовой выборке FER2013. Качество может зависеть от смещений в обучающих данных и от того, насколько новые изображения похожи на обучающую выборку. Репозиторий распространяется по лицензии Apache-2.0.

Модель chandra1976/vit-finetuned-chessman — дообученный Vision Transformer ViT-Base для классификации изображений шахматных фигур. Она основана на google/vit-base-patch16-224-in21k и содержит 113,2 млн параметров. В README указаны результаты на тестовой выборке: accuracy 0,9818 и loss 0,0779; состав классов и подробности оценки не приведены. Модель принимает изображения и выдаёт метки классов. Она подходит для распознавания шахматных фигур на изображениях, если они соответствуют данным обучения. Использование ограничено задачей классификации, описанной в карточке; устойчивость к другим ракурсам, фонам и условиям съёмки не подтверждена. Распространяется по лицензии Apache-2.0.

JaesungHuh разработал классификатор пола по человеческому голосу. Модель принимает аудио и относит голос к категориям пола; для запуска доступны предварительно обученные веса и демонстрация на Hugging Face. В метаданных указаны задача audio-classification, формат safetensors и обучающий датасет VoxCeleb. Модель подходит для автоматической классификации голосовых записей в приложениях и исследовательских прототипах. Она выпущена по лицензии MIT. Представленность VoxCeleb может не соответствовать населению мира, поэтому предсказания могут быть смещены для отдельных групп и условий записи.

VoxelModel v1 — небольшая модель генерации 3D-форм из текста, разработанная Bench Labs. Она создаёт сетку занятости размером 32×32×32; модель содержит около 40,05 млн обученных параметров и использует архитектуру VoxelDiT с 3D-разбиением на патчи и диффузионным методом rectified flow. Текстовое условие поступает из замороженного CLIP ViT-B/32. Модель обучена на описаниях и вокселизированных сетках объектов Objaverse. Модель подходит для быстрого создания грубых объёмных форм по коротким англоязычным описаниям, например мебели, деревьев, грибов, автомобилей и лодок. Она непосредственно генерирует геометрию без VAE и не создаёт цвет или материалы. Разрешения 32³ недостаточно для тонких деталей: мечи и ключи воспроизводятся плохо. README также отмечает переобучение к концу обучения и отсутствие убедительной метрики качества генерации. Лицензия — MIT.

m3hrdadfi/wav2vec2-xlsr-greek-speech-emotion-recognition — модель распознавания эмоций в греческой речи, построенная на архитектуре wav2vec2. В метаданных указано 402,7 млн параметров; доступны версии для PyTorch и Flax. Карточка приводит результаты оценки по классам эмоций, включая точность, полноту и F1 для гнева, отвращения и страха. Модель принимает аудио и классифицирует эмоциональную окраску речи. Она предназначена для анализа греческих аудиозаписей, например для изучения эмоциональных реакций или разметки речи по эмоциям. В качестве датасета указан AESDD; язык карточки — греческий. Метаданные помечают модель задачей automatic-speech-recognition, однако архитектура и описание указывают на классификацию речи по эмоциям. Модель распространяется по лицензии Apache-2.0. Результаты в README не описывают полноту оценки по всем классам, а качество за пределами указанного набора данных не подтверждено.

MIbrahimAI/Wav2Vec-SER — модель классификации аудио, дообученная на основе elgeish/wav2vec2-large-xlsr-53-arabic. Она использует архитектуру Wav2Vec2ForSequenceClassification и содержит 402,7 млн параметров; веса опубликованы в формате safetensors. Название SER указывает на распознавание эмоций в речи, однако README не подтверждает перечень классов или набор данных. Модель предназначена для классификации аудиозаписей речи. В README приведены результаты оценки: accuracy 0,5745 и loss 1,0637; они получены на неизвестном наборе данных и потому не позволяют судить о качестве в других условиях. Базовая модель ориентирована на арабскую речь. Лицензия — Apache-2.0.

XLM-R-ParlaSent — модель регрессии тональности предложений парламентских выступлений, разработанная Peter Rupnik, Nikola Ljubešić и Michal Mochtak в рамках проекта ParlaMint. Она построена на xlm-r-parla — XLM-R-large, дополнительно обученной на стенограммах парламентских заседаний, и дообучена на вручную размеченном наборе ParlaSent. Модель возвращает числовую оценку тональности; при необходимости её можно преобразовать в исходные категории или свести к трём классам. Модель предназначена для анализа тональности предложений из парламентских дебатов на боснийском, хорватском, чешском, сербском, словацком, словенском и английском языках. Архитектура — XLM-RoBERTa для классификации последовательностей, используемая здесь как регрессор; размер — 658,7 млн параметров, контекст — до 514 токенов. В опубликованных результатах на тестовых данных R² составил 0,6146 для боснийского, хорватского и сербского языков и 0,6722 для английского. Модель распространяется по лицензии Apache-2.0.

AgniVedhA — это квантованное представление модели zenlm/zen-voyager в формате GGUF, подготовленное пользователем mradermacher. В метаданных указаны библиотека Transformers, английский язык и лицензия Apache-2.0; исходная модель связана с проектом ZenLM. README описывает набор imatrix-квантов и готовых вариантов GGUF, но не раскрывает точную архитектуру, число параметров или автора базовой модели подробнее. Модель позиционируется для задач text-to-video, генерации видео, диффузионного моделирования и построения world model. Однако в README нет подробностей о поддерживаемых входных модальностях, формате запросов, максимальном контексте, разрешении или длительности генерируемого видео, поэтому практические сценарии использования и требования к запуску определить нельзя. Основное преимущество — широкий выбор уровней квантования размером примерно от 7,4 до 27 ГБ, что позволяет выбирать компромисс между размером, скоростью и качеством. Рекомендуемыми названы варианты i1-Q4_K_M и i1-Q4_K_S, а IQ-кванты в README часто считаются предпочтительными среди сопоставимых по размеру вариантов. Ограничения включают возможное заметное снижение качества у низкобитных квантов, отсутствие результатов тестирования и неполное описание возможностей модели. Указанная лицензия — Apache-2.0.

Jihuai/bert-ancient-chinese — это модель BERT для работы с классическим китайским языком, разработанная Pengyu Wang и Zhichen Ren. Она создана для автоматической обработки древнекитайских текстов в задачах цифровой гуманитаристики и дообучена на основе bert-base-chinese с использованием крупного корпуса древнекитайских текстов. Модель имеет архитектуру BERT с 142,6 млн параметров и контекстом до 512 токенов. Её словарь расширен до 38 208 токенов, включая редкие иероглифы традиционного китайского письма. Основная задача — предсказание пропущенных токенов; модель также применялась как основа для дообучения на сегментацию слов и разметку частей речи. Доступна в формате PyTorch. Модель рассчитана на классический китайский язык и может быть полезна для анализа исторических текстов, филологических исследований и обучения традиционной культуре. Результаты в downstream-задачах зависят от набора данных и параметров дообучения. Лицензия — Apache-2.0.

f-BERT — модель семейства BERT, представленная авторами работы «Knowledge Enhance Masked Language Model for Stance Detection» на NAACL 2021. Она дообучена для классификации позиции в сообщениях Twitter по отношению к Дональду Трампу и предназначена для анализа политических высказываний, в частности о выборах президента США 2020 года. Модель основана на BERT-base и содержит 136,8 млн параметров; максимальная длина контекста — 512 токенов. Доступны веса PyTorch и Flax. Для предварительного обучения использовалось более пяти миллионов англоязычных твитов о выборах 2020 года, после чего модель дообучили на данных с разметкой позиции относительно Трампа. Лицензия — GPL-3.0. Модель специализирована на этой теме и англоязычном Twitter-контексте; перенос результатов на другие темы, платформы и языки может быть ограничен.

Это дообученная модель YOLOv11n-pose, созданная для обнаружения площадки для бадминтона и локализации её 30 ключевых точек на кадре. Она основана на yolo11n-pose.pt, использует библиотеку Ultralytics и выдаёт координаты одной площадки как одного объекта с классом item. Модель предназначена для анализа одиночных broadcast-кадров: найденные точки можно сопоставить с координатами площадки и вычислить перспективную гомографию между изображением и реальной плоскостью корта. Это позволяет переводить пиксельные координаты игроков и волана в координаты площадки для последующего тактического анализа. Модель не рассчитана на произвольные ракурсы, разметку площадки для парной игры или обнаружение ключевых точек вне контекста бадминтона. Приведённые метрики получены на небольшой валидационной выборке и не гарантируют качество на других камерах и площадках. Лицензия — AGPL-3.0.

Dart v1 — предобученная авторегрессионная языковая модель семейства OPT, разработанная Plat для генерации тегов Danbooru. Модель содержит 165,5 млн параметров, принимает текстовый промпт в специализированном формате и генерирует упорядоченную последовательность тегов; контекст — до 2048 токенов. Доступны веса Safetensors и ONNX, включая квантованный вариант ONNX. Лицензия — Apache-2.0. Модель предназначена для дополнения набора тегов публикации тегами категорий рейтинга, авторских прав, персонажей и общих тегов. Она обучалась на датасете isek-ai/danbooru-tags-2023, собранном из тегов Danbooru за 2005–2023 годы. Естественные языковые инструкции не поддерживаются: требуется специальная структура промпта, а теги располагаются в алфавитном порядке. Это базовая предобученная версия; автор рекомендует конечным пользователям дообученный вариант p1atdev/dart-v1-sft. Обучение только на алфавитном порядке ухудшает генерацию, если в начале промпта стоят теги, расположенные позднее по алфавиту. Оценка качества не проводилась, а модель не умеет гибко учитывать произвольные пожелания.

LiheYoung/depth_anything_vitb14 — базовая модель Depth Anything, представленная в работе «Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data». Она предназначена для оценки глубины по изображению и относится к семейству Depth Anything; веса опубликованы в формате PyTorch. Модель принимает изображение и предсказывает карту глубины, что подходит для анализа сцены и получения приблизительной пространственной структуры объектов. Карточка ссылается на демонстрацию и страницу проекта, но не приводит подробностей об архитектуре, размере, языках или условиях лицензии. Карточка не описывает известные ограничения точности и условий применения. Перед использованием следует проверить лицензию репозитория и учитывать, что оценка глубины по одному изображению является предсказанием модели.

EVA-Fusion 2.22 — модель генерации изображений по текстовому описанию, созданная автором для собственного арт-проекта. Она основана на Stable Diffusion 1.4 и объединяет предыдущие версии EVA-Fusion с исходной моделью CompVis 1.4 и WD 1.3 в разных пропорциях; автор указывает, что обучались U-Net и что ранние версии настраивались на изображениях с тематикой Evangelion. Модель предназначена для создания изображений в стиле Evangelion; автор рекомендует включать эту формулировку в запрос. В README указано, что модель может неожиданно склоняться к чёрно-белым изображениям, хотя почти не обучалась на оттенках серого. Репозиторий распространяется в формате Diffusers и PyTorch. Лицензия — BigScience BLOOM RAIL 1.0.

Модель dima806/facial_emotions_image_detection — дообученная версия Vision Transformer ViT-Base-Patch16-224, созданная для классификации эмоций по изображению человеческого лица. Она принимает изображение и предсказывает эмоциональную категорию; в карточке заявлена точность около 91%, но подробности оценки и набор тестовых данных не приведены. Модель содержит 113,2 млн параметров и распространяется в форматах PyTorch и Safetensors. Модель предназначена для распознавания выражений лица в приложениях компьютерного зрения и анализа изображений. Она выпущена под лицензией Apache-2.0. Результаты могут зависеть от качества изображения и условий оценки; предсказанные эмоции не следует считать достоверным определением внутреннего состояния человека.

Fast3R ViT Large 512 — модель для восстановления 3D-сцены по изображениям, опубликованная под именем jedyang97. Карточка относит её к проекту Fast3R, посвящённому реконструкции 3D по более чем тысяче изображений за один прямой проход; модель можно использовать в проектах на PyTorch через класс Fast3R. Модель предназначена для задачи image-to-3d. В названии указаны ViT Large и размер 512, однако README не уточняет значение 512 и конкретные выходные данные реконструкции. Репозиторий содержит веса в формате safetensors. Языковые возможности не заявлены. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с лицензией репозитория.