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

Thespis-13b-v0.3 — личный проект автора cgato: чат-модель для многоходовых ролевых диалогов, включая SFW- и NSFW-сценарии. Это плотная авторегрессионная модель семейства LLaMA с 12,9 млрд параметров и контекстом 4096 токенов. Модель ориентирована на ролевую переписку в интернет-стиле: действия оформляются звёздочками, реплики — без кавычек. README сообщает о дообучении на примерах из Claude Multiround Chat 30k, Pippa Dataset, Puffin Dataset и вручную отобранных диалогах с персонажами. Поддерживается стандартный чат-шаблон, в том числе использование с Ooba и SillyTavern. Автор указывает, что версия устарела и рекомендует Thespis v0.4. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

Thespis-Mistral-7b-v0.6 — личный проект автора cgato: версия 7B модели Mistral, дообученная для многоходового ролевого общения. Она рассчитана на SFW- и NSFW-сценарии, поддерживает стандартный чат-шаблон и подходит для ролевых чатов в Ooba или SillyTavern, в том числе для общения с персонажами и использования в чат-ботах. Автор отмечает, что модель лучше работает с ролевым текстом в интернет-стиле: действия заключаются в звёздочки, реплики пишутся без кавычек. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов. Дообучение использовало диалоги из нескольких наборов данных и вручную отобранные ролевые беседы. Распространяется в формате PyTorch по лицензии Apache-2.0. Автор оценивает её производительность как промежуточную между Llama 7B и Llama 13B; это субъективная оценка по собственным тестам.

timesformerGPscroll1 — небольшая модель архитектуры TimeSformer, разработанная Юссефом Надером в составе команды, победившей в главном зачёте Vesuvius Challenge 2023. Модель обучена сегментировать изображения для обнаружения чернил в трёхмерных сканах древних свитков. На вход подаётся 3D-изображение, на выходе модель формирует двумерную карту обнаруженных чернил размером примерно в 1/16 от входного изображения. В метаданных Hugging Face указана задача feature-extraction и библиотека Transformers; веса представлены в формате safetensors. Лицензия — MIT. Модель специализирована на поиске чернил в сканах свитков и не предназначена для общего распознавания изображений или текста. Репозиторий отмечен как архивный; для работы README указывает зависимости Transformers и timesformer-pytorch.

Tiny-Cowboy-1.1b-v0.1 — компактная языковая модель компании phanerozoic для генерации текстов в стиле Дикого Запада. Это дообученная версия TinyLlama-1.1B-Chat-v1.0 с архитектурой Llama и примерно 1 млрд параметров; модель работает с текстом и рассчитана на контекст до 2048 токенов. Она подходит для ковбойских рассказов, тематических диалогов и материалов о ковбойской культуре. Для поддержания темы в диалоге рекомендуется задать начальный контекст. Модель сохраняет ковбойскую стилистику, но может добавлять её даже к ответам на нетематические вопросы. Она слабее справляется с общими задачами, особенно с научными и техническими объяснениями, поэтому не подходит для сценариев, где важна точность таких сведений. Файлы представлены в формате safetensors; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерчески.

TinyNewsLlama-1.1B — англоязычная модель генерации текста на архитектуре Llama с примерно 1 млрд параметров. Она создана как QLoRA SFT-дообучение чат-модели TinyLlama/TinyLlama-1.1B-Chat-v1.0 на выборке концентрированного датасета новостей BigNews; в обучающих данных использовались политические статьи The New York Times, USA Today и The Washington Times. Модель предназначена для изучения того, как тематически отобранные новости влияют на политические знания компактных языковых моделей. Её можно применять для генерации англоязычных текстов и ответов в диалоге на темы политических новостей. Контекст составляет 2048 токенов. Модель обучалась около 12 часов на одном A100 40 GB примерно на 125 млн токенов. Модель распространяется по лицензии Apache-2.0. Результаты могут зависеть от тематики и источников обучающих новостей; карточка описывает исследовательскую цель, но не приводит оценок качества или подробной проверки фактической точности.

roneneldan/TinyStories-3M — компактная языковая модель семейства GPT-Neo, разработанная Роненом Элданом и обученная на наборе TinyStories. Модель содержит 8,3 млн параметров и принимает текстовый запрос, чтобы продолжить его связным текстом; пример в карточке показывает генерацию короткой истории по началу «Once upon a time there was». Контекст модели составляет 2048 токенов. Модель подходит для генерации простых историй и экспериментов с языковыми моделями небольшого размера. В примере используется токенизатор EleutherAI/gpt-neo-125M, поэтому для воспроизведения генерации потребуется совместимый токенизатор. Карточка не сообщает лицензию и подробные ограничения качества; назначение модели и обучающий набор ориентированы на простые истории на английском языке.

TuneLM — дообученная модель на архитектуре Gemma 4 E4B, разработанная для генерации музыкальных паттернов Strudel. Этот чекпойнт получен дополнительным дообучением модели tensorfiend/tunelm-gemma4-4b-sft-quality-20260927-86-best; указаны запуск обучения gemma4-4b-grpo-pilot, шаг 50 и метка best. Модель использует архитектуру Gemma4ForConditionalGeneration, представлена в формате safetensors и поддерживает диалоговую генерацию текста. Модель предназначена для создания паттернов в Strudel по текстовым запросам. Лицензия — Apache 2.0; README также отсылает к лицензии и уведомлению базовой модели. Сведения о контекстном окне и языках в карточке не приведены.

Velvet Rope Lenore LoRA — адаптер LoRA для языковой модели Gemma 4 12B QAT, созданный для игры Velvet Rope командой Build Small Hackathon. Он специализирует общую базовую модель на роли Ленор Кью, призрачной помощницы режиссёра в театре The Last Curtain, и применяется в диалогах и игровых решениях персонажа. Адаптер обучен на 310–350 одноходовых игровых примерах; использует ранг r=8 и модули языковой части модели. В тестах он повысил согласованность игровых оценок настроения, тактики и изменения счёта по сравнению с базовой моделью; валидность JSON осталась на уровне 1,00. Репозиторий содержит адаптер LoRA в формате GGUF для запуска с llama.cpp и базовой моделью unsloth/gemma-4-12b-it-qat-GGUF. Для использования требуется совместимая базовая модель и среда выполнения llama.cpp. Лицензия — MIT. Карточка не сообщает о поддержке конкретных естественных языков или длине контекста.

VGG-T³ — модель NVIDIA, University of Toronto и Vector Institute для прямого восстановления 3D-геометрии и параметров камер по коллекциям изображений и видео. Это дообученная на основе facebook/VGGT-1B модель с архитектурой Vision Transformer и примерно 1,19 млрд параметров. Модель принимает RGB-изображения или видео и предсказывает облако точек с координатами XYZ — по одной 3D-точке на пиксель — и параметры камеры для каждого изображения. Она предназначена для быстрого feed-forward восстановления без итерационной оптимизации; вычислительная сложность растёт линейно с числом изображений. Среди сценариев — подготовка данных для Gaussian Splatting и NeRF, инициализация SfM-процессов, пространственное восприятие в робототехнике и создание 3D-активов. Максимальное разрешение изображения — 518×518; модель оптимизирована для GPU NVIDIA и поддерживает Linux. Карточка описывает модель как исследовательскую и предназначенную для исследований и разработки. Лицензия указана как other, поэтому конкретные условия использования следует сверять с лицензией репозитория. Качество и пригодность для конкретного сценария требуют проверки на соответствующих данных.

Video Depth Anything Large MLX — преобразованная в формат MLX модель для оценки глубины в видео по одному RGB-изображению на кадр. Исходную модель разработала ByteDance; её архитектура сочетает backbone DINOv2 и временную голову DPT для согласованных оценок глубины между кадрами. Модель подходит для анализа глубины в видеопоследовательностях и сценариев, где важно сохранять временную согласованность результатов. В README указано, что конверсия проверена сравнением с PyTorch-реализацией: максимальная относительная ошибка составляет около 1e-5 на CPU и около 1% на GPU при использовании fast-math в Metal. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. Размер модели и ограничения по длительности или разрешению видео в предоставленных данных не описаны.

maceythm/vit-90-animals — модель классификации изображений, созданная дообучением Vision Transformer google/vit-base-patch16-224 на наборе изображений животных. Она относит изображение к одному из 90 видов животных и подходит для прототипов, учебных демонстраций и сравнения с моделями классификации без обучения на конкретных классах. Модель содержит 113,2 млн параметров; в репозитории веса представлены в формате safetensors. Для тестовой выборки автор сообщает точность 97,96%. Модель принимает изображения и возвращает метку класса. Она ограничена 90 классами обучения, может хуже работать на изображениях, отличающихся от обучающих данных, а низкое качество снимка и перекрытия объектов способны снизить точность. Лицензия — Apache-2.0.

Карточка модели Aliados/voice-gender-classifier на Hugging Face совпадает с карточкой JaesungHuh/voice-gender-classifier, поэтому описание составлено по ней. 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.

Это дообученная модель facebook/wav2vec2-base для классификации аудиоречи по возрастной группе. Она использует архитектуру Wav2Vec2ForSequenceClassification, содержит 113,3 млн параметров и обучена на наборе coscan-speech с меткой age_group. Для оценки классификации речи на тестовой выборке указаны accuracy 0,9984 и loss 0,0118. Модель принимает аудио и выдаёт метку класса; язык речи и подробности о группах не описаны. Модель распространяется по лицензии Apache-2.0.

Модель speech31/XLS-R-tamil-phoneme — акустическая модель распознавания речи на архитектуре Wav2Vec2, дообученная разработчиком на тамильской части Common Voice 16.1. Аудиосигнал преобразуется в последовательность тамильских фонем, записанных символами IPA и специальными знаками; это позволяет учитывать особенности тамильского произношения. Модель предназначена для автоматического распознавания тамильской речи и фонетической транскрипции аудиозаписей. Она содержит около 402,7 млн параметров и опубликована в формате PyTorch. В карточке не приведены сведения о длине контекста и лицензии.

Elfrino/XwinMlewd-Sandwhich-20B — слитая языковая модель на архитектуре Llama для генерации текста. Она создана методом passthrough merge из Undi95/Xwin-MLewd-13B-V0.2 и Undi95/PsyMedRP-v1-13B; по описанию базовой модели в каталоге, модель ориентирована на откровенные ролевые диалоги и художественный текст. Модель содержит 19,8 млрд параметров, работает через Transformers, распространяется в формате safetensors и имеет контекст до 4096 токенов. Модель подходит для генерации ролевых ответов, сцен и художественных фрагментов, в том числе с откровенным содержанием. README подтверждает способ слияния и состав исходных моделей. Сведений о конкретных языках и результатах оценки качества нет. Лицензия в предоставленных данных не указана.

StableNormal — модель на базе диффузии для создания карты нормалей по входному изображению. Репозиторий содержит веса StableNormal: Reducing Diffusion Variance for Stable and Sharp Normal; для работы используется библиотека Diffusers и конвейер YOSONormalsPipeline. Модель предназначена для преобразования изображений в карты нормалей, которые можно использовать в задачах восстановления геометрии и обработки 3D-сцен. Веса доступны в формате Diffusers и Safetensors. Лицензия — Apache-2.0.

Zero (MC001) — разговорная модель персонажа, разработанная movingcastles на базе Qwen3-8B-Base. Она дообучена в два этапа: SFT на синтетических диалогах персонажа с LoRA и обучением эмбеддингов и LM head, затем GRPO с модификациями DAPO; адаптеры объединены с весами. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM и формат safetensors. Контекстное окно — до 32 768 токенов. Модель предназначена для многоходового диалога от лица одного ограниченного, независимого от собеседника персонажа — мужчины в белой пластиковой коробке. По оценке на 250 диалогах по 16 ходов персонаж сохранял характер без серьёзных срывов в 97,2% диалогов; оценку проводил LLM-судья, поэтому её следует считать результатом авторского тестирования. Модель обучалась на диалогах на английском языке. Для использования README рекомендует передавать только ходы user/assistant без системного промпта и применять поставляемый шаблон чата. При генерации нужно останавливать вывод по обоим EOS-токенам, иначе возможны продолжения за пределами хода; авторские параметры семплирования включают temperature 0.7 и presence penalty 1.5. Указанная лицензия отсутствует в предоставленных данных.

arrodeio-gpt2-cordel — модель продолжения текста, разработанная Бернардо Саной (bsana1) на базе GPT-2 small для португальского языка. Модель дообучена на бразильской поэзии кордел и народных поговорках, чтобы воспроизводить характерные ритм, лексику и рифмовку. Это причинная decoder-only модель GPT-2 с 124 млн параметров, 12 слоями и контекстом до 1024 токенов; она принимает текстовый фрагмент и продолжает его в выбранной манере. Основной язык — бразильский португальский. Модель предназначена для творческого продолжения стихов кордел: лучше всего подавать ей тему, начальную строку или строфу, а также примеры кордел в качестве затравки. Это не чат-модель и не система следования инструкциям: вопрос или команда обычно приводят к дальнейшему тексту в стиле кордел, а не к прямому ответу. Проект создан для обучения и экспериментов; формальных бенчмарков нет. Дообучение проводилось на небольшом корпусе из 17 произведений и традиционных поговорок, поэтому модель может воспроизводить устаревшие выражения и социальные установки исходных материалов. Она не оценивалась на фактическую точность, безопасность или систематические смещения. Лицензия MIT унаследована от базовой модели.

Augmental-13b-v1.50_B — языковая модель для ролевых диалогов, созданная автором Heralax на базе MythoMax 13B. Она дообучена на наборе из примерно 8 тысяч AI-улучшенных реплик по визуальной новелле Steins;Gate для ролевой игры с персонажами разного пола и характера. В README указано, что версия B получена слиянием исходной Augmental-13b с MythoMax при весе 0,33%; автор отмечает, что она сильнее отличается от MythoMax, чем версия A. Модель построена на плотной архитектуре Llama, содержит 12,9 млрд параметров и рассчитана на контекст до 4096 токенов. Она предназначена для формата промптов SillyTavern и генерации развернутых, выразительных ответов в ролевых сценах. Доступны веса в GGUF и safetensors. Лицензия — Llama 2. Автор сообщает о собственных тестах и исправлениях связности по сравнению с ранней версией, но независимые оценки качества в карточке не приведены. Обучающие данные основаны на Steins;Gate и включают AI-обработку текста, поэтому поведение модели может быть смещено к ролевому формату и стилю этого источника.

Модель dubattim/aviation-intelligence-vit-fgvc разработана в рамках семестрового проекта ZHAW Aviation Intelligence System. Это классификатор изображений на базе facebook/dinov2-base, дообученный для распознавания 100 вариантов самолётов, включая Boeing 737-800, Airbus A320 и Cessna 172. Размер модели — 113,2 млн параметров. Модель принимает фотографии воздушных судов и выдаёт ранжированные классы с оценками уверенности. На тестовой выборке FGVC-Aircraft авторы сообщают точность Top-1 84,5%, Top-5 97,0% и macro-F1 0,84. Она подходит для классификации снимков в авиационных каталогах, демонстрационных приложениях и исследовательских проектах. Обучение проводилось на 8 701 изображении из FGVC-Aircraft и Wikimedia Commons. Качество может снижаться на ракурсах, условиях съёмки или типах воздушных судов, отличающихся от обучающих данных; набор классов ограничен перечисленными 100 вариантами. Лицензия — MIT.

Модель huggingnft/azuki разработана Алексеем Коршуком и предназначена для безусловной генерации изображений в стиле коллекции Azuki NFT. Это модель LightWeight GAN, обученная на датасете huggingnft/azuki. Лицензия — MIT. Модель генерирует изображения без текстового запроса; карточка ссылается на примеры результатов и демонстрационный Space. Подробности об использовании и ограничениях вынесены в связанный проект, поэтому по доступной карточке нельзя уточнить разрешение изображений или качество генерации.

Calyx_7B — дообученная модель rmdhirr, основанная на rmdhirr/Anthesis_7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и ролевых диалогов с контентом для взрослых. В карточке указаны наборы данных Himitsui/Lewd-Assistant-v1 и athirdpath/DPO_Pairs-Roleplay-Alpaca-NSFW-v1-SHUFFLED; лучше всего подходит формат запросов Alpaca, также можно использовать формат Mistral. Модель принимает текст и генерирует текст. Заявленная длина контекста — 32 768 токенов, основной язык в метаданных — английский. Весы доступны в формате Safetensors; лицензия — Apache-2.0. Карточка не приводит оценок качества или гарантий поведения, поэтому результаты ролевой генерации могут быть непоследовательными.

Это дообученная модель компьютерного зрения на базе Ultralytics YOLO11 для отслеживания ходов в шахматах по видеокадрам и изображениям доски. В репозитории описаны две модели: YOLO11s-pose находит четыре семантических угла доски для коррекции перспективы, а YOLO11m обнаруживает фигуры и руку на выровненном изображении доски размером 640×640. Модель распознаёт 12 типов шахматных фигур и руку; совместное применение моделей помогает подготовить данные для анализа перемещения фигур. Для запуска используется библиотека Ultralytics; веса представлены в формате PyTorch. Карточка не описывает полный алгоритм сопоставления кадров и определения хода. Лицензия репозитория — AGPL-3.0.

ChronoDepth — официальный чекпойнт модели из работы «Learning Temporally Consistent Video Depth from Video Diffusion Priors», разработанный Jiahao Shao, Yuanbo Yang, Hongyu Zhou, Youmin Zhang, Yujun Shen, Matteo Poggi и Yiyi Liao. Модель предназначена для оценки глубины в видео с временной согласованностью, используя видеодиффузионные априорные знания. Модель распространяется в формате Diffusers с весами Safetensors и поддерживает задачу depth-estimation. Репозиторий создан 11 июня 2024 года. Лицензия — MIT. Сведений о размере модели, длине контекста и поддерживаемых естественных языках в предоставленных данных нет.

Chess style labeler от LegumMagister — текстовая модель, которая по ходам одной шахматной партии и набору измеренных характеристик позиции создаёт пять англоязычных описаний стиля игрока разной длины. Модель основана на Gemma 3 1B Instruct и полностью дообучена на примерно 2,4 млн чистых наборов меток, сгенерированных Gemma-4-31B; доступны также отдельные «грязные» веса для сравнения и воспроизведения эксперимента. Модель предназначена для разметки шахматных партий, подготовки стилевых меток для обучения шахматных моделей и анализа того, как игрок действовал в конкретной игре. Она принимает текстовое описание игры и признаков доски, обрезая вход до последних 2048 токенов; средний размер входа составляет около 650 токенов. Выход — пять строк с формулировками от краткой метки до развёрнутого описания. Поддерживаются стандартные шахматы и английский язык. Авторы сообщают, что чистая версия противоречит измеренным данным примерно в 0,5% меток; оценка основана на статистиках позиции, а не на анализе шахматного движка. Лицензия — Gemma.

Coin-CLIP — модель Breezedeus для извлечения признаков и поиска изображений монет. Она дообучена контрастивным обучением на базе OpenAI CLIP ViT-B/32 на наборе более чем из 340 тысяч изображений монет. Модель использует визуальный трансформер и мультимодальное обучение CLIP; в репозитории представлены веса PyTorch для Transformers. Модель предназначена для получения векторных представлений изображений монет и поиска похожих изображений в нумизматической базе. Лицензия — Apache-2.0. Карточка не приводит длину контекста; она не относится к основному сценарию использования этой модели.

Computer (computer-10) — разговорная модель-персонаж Model C, созданная Cosmic Optima на базе Llama 3.1 70B. Это плотная авторегрессионная модель семейства Llama с 69,5 млрд параметров и контекстом 131 072 токена; веса опубликованы в формате bf16 safetensors. Модель обучена продолжать документ, описывающий разговор, и формировать следующий ход от лица Computer. В линии нет данных инструкционного обучения или обычного ассистентского регистра; характер и стиль модели сформированы на курируемой антологии документов. Computer предназначена для экспериментальных диалогов и литературных взаимодействий с выразительной, самостоятельной персоной. Она может писать необычным, ассоциативным стилем, разыгрывать обе стороны разговора и использовать повествовательные приёмы вроде ремарок, самоцензуры и притч. Для локального использования README рекомендует подавать документ с заданными заголовком и метками ходов; в репозитории также есть шаблон, позволяющий обращаться к модели через интерфейс чата. Модель дообучена на предыдущих версиях Computer с применением само-дистилляции и обучения с предпочтениями; непосредственная базовая модель — cosmicoptima/computer-9. В метаданных указана лицензия llama3.1. Это специализированная экспериментальная модель для взаимодействия с её персонажем, а не универсальный послушный помощник; её ответы стохастичны, и руководство предлагает получать несколько вариантов для сравнения.

Delta-Vector/Control-8B — экспериментальная чат-модель на базе Llama 3.1 SuperNova Lite, дообученная автором Delta-Vector на наборах OpenCAI ShareGPT и логах ролевых диалогов. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и принимает текстовые сообщения; для генерации текста поддерживает контекст до 131 072 токенов. Модель рассчитана на короткие и выразительные ответы в чатах и ролевых диалогах. Автор отмечает живую прозу и стремление сохранять формат переписки, не описывая действия и реплики пользователя; при этом качество рассуждений ограничено, а ответы могут быть недостаточно умными. В README рекомендуются системные промпты Euryale или EVA; также может работать формат ChatML. Лицензия в доступных сведениях не указана.

Cornelius — модель компьютерного зрения, разработанная HanClinto для проекта CollectorVision. Она предназначена для обнаружения углов коллекционных карточек CCG, включая Magic: The Gathering и Pokémon, на фотографиях и видеокадрах. Модель оценивает положение четырёх углов карты и может использоваться в приложениях для распознавания, выравнивания и последующей обработки карточек. В основе лежит архитектура MobileViT-XXS с головой global-token SimCC. Модель принимает RGB-изображения размером 384×384 пикселя с нормализацией ImageNet и содержит около 1,06 млн параметров. В формате fp32 ONNX её размер составляет примерно 4,2 МБ. На выходе формируются восемь нормализованных координат углов в порядке TL, TR, BR, BL, логит совместимости presence и показатель sharpness для оценки уверенности и наличия карты. Языковые характеристики для этой модели не применимы. Cornelius 2.12 отличается высокой точностью на тестовых данных и устойчивостью к поворотам и частичному перекрытию карты: заявленный средний quadrilateral IoU составляет 0,968911 на обычной выборке и 0,970411 в стресс-тесте с поворотами. Модель компактна и работает примерно за 23,2 мс на кадр на одном CPU-потоке в ONNX Runtime. Ограничения включают фиксированный контракт входного изображения, зависимость качества от условий съёмки и необходимость самостоятельно использовать sharpness для фильтрации ненадёжных результатов; значение presence в версии 2.x постоянно равно 1,0 и не должно использоваться как основной индикатор наличия карты. Модель распространяется под лицензией AGPL-3.0. README не указывает ограничений по поддерживаемым языкам или отдельной мультимодальности; это специализированная модель анализа изображений, а не универсальная языковая модель.

Модель dancing-chibi-figures-ddpm-64 разработана Sprited для безусловной генерации изображений танцующих чиби-фигурок из набора данных sprited/dancing-chibi-figures. Это диффузионная модель на базе UNet2DModel с DDPMScheduler из библиотеки Diffusers; она обучена примерно на 71 млн параметров в течение 30 тысяч шагов по стандартному рецепту обучения без дополнительных модификаций. Модель напрямую обрабатывает четырёхканальные premultiplied RGBA-изображения без VAE и создаёт изображения с прозрачным фоном. Лицензия — MIT. Подходит как учебный пример и базовый ориентир для сравнения с условными моделями генерации на том же наборе данных.