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

Sao10K разработал MN-BackyardAI-Party-12B-v1 — языковую модель для групповых ролевых чатов с несколькими персонажами. Это плотная causal language model семейства Mistral на 12,1 млрд параметров, обученная как 8-битный LoRA-адаптер на базе 12B-Lyra-v4a2, варианта Lyra-v4. Обучение опиралось на 4 000 примеров человеческих форумных и интернет-ролевых игр с двумя–семью персонажами; для карточек персонажей применялась ограниченная LLM-аугментация. Модель использует текстовый ввод и генерирует текст, поддерживает английский язык, чат и контекст до 1 024 000 токенов. Модель предназначена прежде всего для многопользовательских ролевых сценариев, но может применяться и для ролевой игры один на один. Автор описывает формат общения на основе блоков [INST] и отмечает, что для одиночной игры лучше использовать ChatML. Для настройки в SillyTavern и других интерфейсах может потребоваться дополнительная работа; рекомендуются эксперименты с температурой и min_p. К известным ограничениям относятся возможное присвоение моделью действий пользователя, неоднородное качество ответов, редкие путаница в деталях персонажей и выходы из повествования. Небольшой набор данных преимущественно содержит фэнтези-сценарии, поэтому возможен перекос в эту тематику. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование.

Muse-525M — языковая модель BytesTalk для ролевого общения и диалогов с персонажами, обученная с нуля, а не дообученная на другой модели. Это плотная причинная модель архитектуры Llama на 525,8 млн параметров с контекстом 2048 токенов. Метаданные указывают PyTorch и формат safetensors; репозиторий содержит собственные определение модели и токенизатор, а чекпойнт представляет собой state_dict с конфигурацией, а не готовую модель Transformers. Модель предназначена для ролевых сцен и разговоров-компаньонов. Первый токен последовательности выбирает регистр ответа: безопасный, с напряжением и намёками или откровенный взрослый контент. Для диалогов используется специальный формат с карточкой персонажа и маркерами сообщений; краткие карточки с фактами работают лучше длинных литературных описаний. Поддерживаются английский, японский, словацкий и чешский языки, но английский заметно сильнее, а чешский — наиболее слабый. Модель может уверенно сообщать неверные факты, ненадёжно извлекает сведения из карточки персонажа и теряет согласованность в длинных сценах. Контекст ограничен 2048 токенами, а реализация без KV-cache генерирует медленно. Отказ от сексуального контента с участием несовершеннолетних обучен в модели, но отдельного фильтра нет, и защита не проходила adversarial-тестирование. Лицензия — MIT.

NSFW-GEN-ANIME — модель UnfilteredAI для генерации аниме-изображений по текстовому описанию. Она предназначена для создания разнообразных иллюстраций, включая откровенный контент; в карточке указано 3,47 млрд параметров и использование FP16. Модель построена на Stable Diffusion XL и работает в библиотеке Diffusers. Модель объединяет OEvortex/PixelGen и UnfilteredAI/NSFW-gen. Она ориентирована на англоязычные запросы и генерацию изображений в аниме-стиле. Репозиторий распространяется под лицензией other; конкретные условия лицензии следует проверять в материалах модели. Карточка рекомендует ограничить использование совершеннолетними и избегать создания вредоносных или оскорбительных изображений.

FreeFlow-L · spring — модель для оценки плотного оптического потока между двумя RGB-изображениями одинакового размера. В README указано 230 721 029 параметров; репозиторий использует PyTorch и формат safetensors. Модель принимает пару изображений в тензоре формы [B,2,3,H,W] со значениями пикселей от 0 до 255 и вычисляет соответствие движения между ними. Это дообученная версия a-yakovenko/optical-flow-FreeFlow-L-TaTSKH-HQ, разработанная автором репозитория. Она предназначена для задач анализа движения между кадрами, например для оценки перемещения объектов и пикселей в последовательностях изображений. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространяет производные работы на тех же условиях и запрещает коммерческое использование.

orb-human-typeahead-1b-v2.1 — компактная языковая модель на 1,6 млрд параметров, разработанная chartreuse-verte путём полного дообучения IBM Granite 4.0 1B Base. Она предсказывает следующие слова в черновике пользователя в ролевом чате: учитывает недавний контекст сцен и реплик, чтобы предлагать продолжение в том же стиле, а не отвечать от имени персонажа. Модель предназначена для подсказок при наборе текста в виде «призрачного текста»; поддерживает английский язык и ролевой регистр с описаниями действий и диалогами. Заявленная длина контекста — 131 072 токена. Модель принимает обычный текст без специального шаблона чата: контекст ролевой сцены, при необходимости краткое описание персонажа и черновик реплики пользователя, заканчивающийся на границе слова. Она генерирует короткое продолжение черновика; для подсказки рекомендуется остановка на первой новой строке. В карточке приведены результаты оценки на 120 отложенных примерах, однако точность угадывания продолжения остаётся ограниченной из-за высокой вариативности ролевого письма. Опубликованы веса Safetensors и варианты GGUF Q4_0 и Q8_0; для версии в репозитории заявлена эквивалентность plain granite архитектуре. Модель лицензирована по Apache-2.0. Она не является исполнителем инструкций или универсальным чат-ассистентом: обучение ориентировано на английские ролевые диалоги, подсказки работают на границах слов, а не внутри слова. Данные обучения включают взрослые темы, поэтому предложения могут их отражать.

ParlBERT-v2 — немецкоязычная модель семейства BERT для работы с политическими текстами. Она основана на deepset/gbert-base и дообучена методом masked language modeling на корпусе GerParCor с парламентскими протоколами федерального и земельного уровней Германии. В README описаны версия, обученная примерно на 5 миллионах предложений, и финальная версия, обученная примерно на 30 миллионах предложений; метаданные указывают размер 137,1 млн параметров, лимит контекста 512 токенов и формат PyTorch. Модель предназначена для заполнения пропусков и адаптации языковых представлений к немецкой политической лексике, например при анализе парламентских документов. Она лучше ориентирована на политические тексты, чем базовая GBERT, но обучение на специализированном корпусе ограничивает перенос на другие жанры и области. Корпус может отражать перекосы в представленности партий и точек зрения. Лицензия в предоставленных источниках не указана.

pingu-nootnoot-diffusion-v2-1 — модель генерации изображений по текстовому описанию, созданная parinzee методом DreamBooth на основе Stable Diffusion. Она предназначена для генерации изображений с персонажем или концепцией Noot Noot при задании текстового запроса. Модель использует Diffusers и PyTorch; в README упоминается запуск через fast-Colab-A1111. Лицензия — CreativeML OpenRAIL-M.

AUTOMATIC дообучила DistilGPT-2 на 1654 промптах, собранных с majinai.art, в течение 40 эпох. Из промптов удалены веса и выделение акцентов; набор включает отрицательные промпты. Модель предназначена для генерации текста по промпту и может применяться для создания или продолжения промптов, в том числе с отрицательными формулировками. Это плотная авторегрессионная модель семейства GPT-2, работающая через Transformers и PyTorch; контекст составляет 1024 токена. В метаданных указан английский язык. Модель распространяется по лицензии MIT. Её обучение на небольшом наборе промптов ограничивает разнообразие и надёжность результатов; README не сообщает оценок качества или более подробных рекомендаций по применению.

Elfrino/PsyMedLewd_v3 — объединённая модель для генерации текста, созданная методом SLERP с помощью mergekit из Undi95/PsyMedRP-v1-20B и Undi95/MXLewd-L2-20B. Модель построена на архитектуре Llama и содержит 19,8 млрд параметров; заявленная длина контекста — до 4096 токенов. Она предназначена для диалоговой генерации в ролевых сценариях, включая темы психологии и взрослого контента. Модель принимает текст и генерирует текст. Она опубликована в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

PsyMedRP-v1-13B — слитая модель для генерации текста, созданная Undi95 на основе нескольких 13B-моделей, включая Airoboros, Samantha, Xwin-LM и MedLLaMA. В финальной сборке к промежуточному слиянию применён Undi95/LimaRP-v3-120-Days с весом 0,3. Модель построена на архитектуре Llama с плотной причинно-языковой моделью и содержит 12,9 млрд параметров; нативный контекст — 4096 токенов. Модель предназначена для ролевого общения и сценариев, связанных с психологической и медицинской тематикой, с генерацией текста. Автор отмечает, что модель находится на тестировании. Доступна по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

DavidAU/Qwen3.5-9B-Star-Trek-TNG-DS9-Heretic-Uncensored-Thinking — плотная мультимодальная модель семейства Qwen3.5 с 9 млрд параметров, дообученная автором на собственных наборах данных по Star Trek: The Next Generation и Deep Space Nine. Она предназначена для диалога, понимания изображений, творческого письма и ролевых сценариев с тематическими знаниями по Star Trek. По заявлению автора, дообучение изменило стиль прозы и диалогов, сократило рассуждения и ослабило отказы. Модель принимает текст и изображения, поддерживает режим рассуждений и имеет нативный контекст 262 144 токена; карточка также сообщает о расширении контекста до 1 010 000 токенов. README указывает, что видео не тестировалось. Модель основана на trohrbaugh/Qwen3.5-9B-heretic-v2, использует архитектуру Qwen3.5 с визуальным энкодером и распространяется в формате safetensors. Лицензия — Apache-2.0. README приводит результаты отдельных бенчмарков и проверки ослабления отказов, но это заявления автора; модель всё ещё может требовать более точных инструкций для желаемого стиля или уровня откровенности.

Aratako/Qwen3-8B-ERP-v0.1 — модель генерации текста, дообученная Aratako на базе Aratako/Qwen3-8B-NSFW-JP для ролевых диалогов. Чтобы задать персонажа и ситуацию, их описание помещают в system prompt, после чего модель продолжает диалог в формате чата. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит 7,6 млрд параметров; поддерживает контекст до 40 960 токенов и рассчитана на японский язык. Для загрузки доступны веса в формате safetensors; README также указывает на отдельную версию GGUF. Модель опубликована по лицензии MIT. Базовая модель предназначена для тем для взрослых, поэтому ответы могут включать откровенный контент.

Rawi — модель-энкодер ModernBERT для классического арабского языка, разработанная Абдеррахманом Айнушем и Риадом Мулахсеном из ENSIA в рамках проекта SILA. Это masked language model с 149 млн параметров и контекстом до 8 192 токенов, дообученная на корпусе OpenITI с произведениями по истории и биографиям; тексты исламского Запада представлены с повышенным весом. Модель предназначена для заполнения пропусков и как основа для извлечения имён, нисб, географических названий, должностей, связей и поиска по историческим текстам. На отложенных западных биографических текстах Rawi снизила псевдоперплексию базовой модели и показала результат, сопоставимый с CAMeLBERT-CA при более длинном контексте. Однако качество для западных текстов остаётся ниже, чем для восточных; некоторые западные нисбы предсказываются слабо. Модель обучалась преимущественно на печатных критических изданиях без огласовок, поэтому тексты с полной диакритикой, современный литературный арабский, диалекты и рукописные транскрипции не входят в подтверждённую область применения. Для downstream-задач результаты дообучения ещё не представлены. Лицензия CC BY-NC-SA 4.0 запрещает коммерческое использование.

jonathang/sbhouse-house — модель Stable Diffusion, дообученная автором jonathang методом DreamBooth на изображениях домов для создания пейзажей. Она генерирует изображения по текстовому запросу; для вызова изученного концепта используйте формулировку «a photo of sbhouse house». Модель предназначена для создания изображений домов и пейзажных сцен с этим концептом. Модель распространяется в формате Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M. Карточка не сообщает размер модели, длину контекста или поддерживаемые естественные языки. Результат зависит от формулировки текстового запроса, а обучение на конкретном концепте ограничивает универсальность модели.

klentree/segformer-b0-scene-parse-150 — дообученная модель семантической сегментации изображений на архитектуре SegFormer, основанная на DiTo97/binarization-segformer-b3. По названию репозитория она предназначена для разбора сцен на 150 классов, однако README не описывает метки и набор данных, поэтому это назначение нельзя подтвердить. Для оценки приведены Loss 0,1587, Mean IoU 0,5023, Mean Accuracy 0,5190 и Overall Accuracy 0,9675; IoU по двум категориям составляет около 0,037 и 0,967, что указывает на сильно различающиеся результаты между категориями. Модель принимает изображения и выдаёт карту семантических классов. Лицензия — OpenRAIL.

Aphophis420 разработал модель stargate как DreamBooth-дообучение Stable Diffusion для создания изображений по текстовым запросам. Она предназначена для генерации изображений в концепции «звёздных врат»: в примерах показан большой синий портал с инопланетными технологиями в научно-фантастическом стиле, в том числе обои и симметричные композиции. В карточке приведены примеры промптов и настройки генерации для A1111 и Diffusers. Модель принимает текст и выдаёт изображения. Для использования указана лицензия CreativeML OpenRAIL-M. Карточка не описывает широкий круг задач; показанные примеры сосредоточены на порталах и визуальной тематике Stargate.

Stellar Diffusion v0.2 — модель text-to-image, созданная Rex Wang путём дообучения Stable Diffusion 1.5 на отобранных изображениях космоса. Она предназначена для генерации астрономических сцен по текстовому запросу: особенно хорошо модель создаёт туманности и галактики, а также может изображать чёрные дыры, пульсары, кометы и планеты. Поддерживаются некоторые обозначения объектов из каталогов NGC, Messier и UGC, а также запросы по космическим аппаратам и телескопам, цвету и типу небесного тела. Модель использует Stable Diffusion Pipeline и рассчитана на изображения 512×512 пикселей. Для обучения использовались изображения ESA/Hubble, ESA/Webb и NASA; версия 0.2 обучена на наборе из 264 изображений. Примеры тегов для генерации приведены в отдельном файле tags.txt. Модель распространяется по лицензии MIT. Карточка не приводит результатов формальной оценки качества; поддержка некоторых астрономических обозначений и классов описана как частичная.

TabCNN — модель оценки гитарной табулатуры, представленная в формате GGUF для использования в CrispASR. Исходная архитектура разработана Wiggins и Kim, а описанный вариант обучен с расширением GuitarProFX и связан с работой Pedroza, Abreu, Corey и Roman о повышении устойчивости транскрипции электрогитары к различным тембрам и эффектам. Эталонная реализация относится к проекту amt-tools. Модель предназначена для преобразования аудиосигнала электрогитары в оценки табулатуры. Для каждого временного кадра она формирует шесть независимых распределений по 21 классу ладов — по одному на каждую струну. Модель не содержит декодера, временной модели или учёта взаимосвязей между струнами, поэтому её выход представляет собой оценки эмиссии, а не готовую исполнимую аппликатуру. Для получения табулатуры необходим внешний декодер, учитывающий диапазон ладов, каподастр, растяжку руки, допустимое количество нот и другие ограничения. Модель содержит 833 982 параметра. Входные признаки строятся на основе CQT с частотой дискретизации 22050 Гц, шагом 512, 192 частотными полосами, 24 полосами на октаву и нижней частотой C1 (32,70 Гц), после чего используется центрированное окно из девяти кадров и нормализация по максимуму всего аудиоклипа. Это двухпроходная схема, не предназначенная для потоковой или независимой фрагментной обработки без изменения нормализации. Доступны варианты GGUF f32, f16, q8_0 и q4_k; последний фактически использует Q4_0. Сохранение выходного слоя в полной точности существенно для качества, особенно в варианте Q4_0. Модель ориентирована на задачи автоматической транскрипции гитары и музыкального информационного поиска. Для неё указана лицензия CC BY 4.0; при использовании требуется соблюдать условия лицензии и привести цитирование работы Pedroza и соавторов, опубликованной на конференции DAFx 2024.

Tara the Android — дообученная модель генерации изображений от webdelic на базе runwayml/stable-diffusion-v1-5. Она предназначена для создания изображений по текстовым запросам с использованием образа Tara the Android; карточка рекомендует включать это имя в запрос для активации образа. Модель создана для использования с Diffusers, а веса доступны в формате Safetensors. Лицензия — OpenRAIL++. Модель принимает текст и выдаёт изображения. В README не приведены сведения о размере модели, длине контекста или языках запросов. Возможности ограничены тематикой обученного персонажа; результаты могут зависеть от формулировки запроса и использования триггерного имени.

Это пользовательская DreamBooth-модель для Stable Diffusion 1.5, созданная taytay4eva с помощью блокнота fast-DreamBooth от TheLastBen. Она дообучает базовую модель для генерации изображений, связанных с Тейлор Свифт; ключевое слово для вызова образа — taySwift. Репозиторий содержит веса в форматах Diffusers и PyTorch. Модель предназначена для создания портретов и сцен с этим образом по текстовым запросам, в том числе фотореалистичных и фантазийных иллюстраций. В README также описан вариант Taylor Berry — сочетание исходной модели с Berry_mix в пропорции 7:3, которое автор считает более плавным. Указана лицензия CreativeML Open RAIL-M; README не приводит отдельных гарантий качества или подробных условий использования.

TuneLM — дообученная модель на базе Gemma 4 E4B Instruct, разработанная для генерации музыкальных паттернов в Strudel. Этот чекпойнт получен дообучением модели tensorfiend/tunelm-gemma4-4b-sft-quality-20260927-86-best; в README указаны шаг обучения 60 и метка final. Модель использует архитектуру Gemma4 и предназначена для диалоговой генерации текста с паттернами Strudel. Модель принимает текстовые запросы и выдаёт текст, включая музыкальные паттерны Strudel. Репозиторий содержит веса в формате safetensors и использует Transformers. Лицензия — Apache-2.0; README также отсылает к LICENSE и NOTICE базовой модели и уведомлению об изменениях.

TuneLM — дообученная модель на основе мультимодальной Gemma 4 E4B Instruct от Google DeepMind. Её обучали методом supervised fine-tuning генерировать музыку в нотации Strudel; в карточке указаны шаг обучения 440 и финальный чекпойнт. Модель предназначена для генерации текстовых музыкальных паттернов в Strudel. Веса сохранены в формате safetensors, для работы используется Transformers. Лицензия — Apache 2.0; README также отсылает к лицензии и уведомлению об изменениях базовой модели.

T-Virus Epsilon Arklay 3.2 1B — языковая модель UmbrellaInc для генерации текста и ролевого общения. Это плотная авторегрессионная модель семейства Llama с 1,2 млрд параметров и контекстом до 131 072 токенов; карточка указывает английский и испанский языки. Модель создана слиянием нескольких моделей на базе UmbrellaInc/T-Virus_Delta.Strain-3.2-1B. Она ориентирована на ролевые сценарии и намеренно снижает отказы и самоцензуру; заявлены последовательность персонажей в длинном диалоге и устойчивый уклон к откровенным и жестоким темам. Модель принимает текст и генерирует текст. Лицензия указана как other, поэтому условия использования следует уточнить в репозитории модели. Заявления о поведении и качестве приведены в карточке разработчика и не сопровождаются независимыми оценками.

thang101020/upernet-segmenthomeai — модель семантической сегментации изображений на базе архитектуры UperNet с backbone ConvNeXt Small. Она присваивает семантическую метку каждому пикселю, что позволяет выделять и классифицировать области сцены на изображении. UperNet объединяет backbone с Feature Pyramid Network и Pyramid Pooling Module; реализация использует PyTorch. Модель предназначена для задач семантической сегментации изображений и анализа сцен. Карточка не описывает специальную предметную область или конкретный набор классов. Репозиторий распространяется по лицензии MIT.

Migga/ViT_Chess_V1 — модель компьютерного зрения на архитектуре Vision Transformer (ViT), опубликованная пользователем или организацией Migga на Hugging Face. Она предназначена для классификации изображений, связанных с шахматной тематикой, и может использоваться для распознавания визуальных классов на шахматных изображениях. Модель содержит около 325,3 млн параметров и рассчитана на работу через библиотеку Transformers с задачей image-classification. Данные о поддерживаемых естественных языках, размере входного контекста и лицензии в доступных источниках не установлены. Ограничения включают зависимость качества от обучающих данных и классов, представленных при обучении; пригодность для иных изображений или задач не подтверждена.

Модель michaelgathara/vit-face-raf-db — Vision Transformer для классификации выражений лица на изображениях. Её разработчик дообучил trpakov/vit-face-expression на подмножестве RAF-DB с семью базовыми эмоциями: гневом, отвращением, страхом, радостью, нейтральным выражением, грустью и удивлением. Модель предназначена для распознавания эмоциональных выражений на фотографиях лиц и выдаёт класс эмоции. Архитектура — ViTForImageClassification, размер — 113,2 млн параметров; веса опубликованы в формате Safetensors. Карточка не сообщает об иных модальностях или поддержке конкретных естественных языков. Лицензия в предоставленных данных не указана. Классификация выражения лица не устанавливает внутреннее эмоциональное состояние человека; качество на изображениях вне обучающего набора может отличаться.

Это версия V-JEPA 2 ViT-g с разрешением 384 и головой классификации видео, дообученная FAIR (Meta) на наборе Diving48. Модель предназначена для классификации действий в видеороликах о прыжках в воду и относится к семейству видеомоделей V-JEPA 2. Она содержит около 1,3 млрд параметров и рассчитана на обработку видео; для запуска используется библиотека Transformers. Модель может служить для распознавания категорий действий в видео Diving48 и для экспериментов с классификацией спортивных роликов. В карточке не приведены подробности о точности, длине входного видео или перечне классов. Лицензия — MIT.

John6666/wai-nsfw-illustrious-sdxl-v140-sdxl — модель генерации изображений по текстовому описанию, опубликованная John6666. Репозиторий содержит пайплайн Stable Diffusion XL в формате Diffusers; карточка указывает, что исходная модель создана WAI0731 и основана на OnomaAIResearch/Illustrious-XL-v1.0. Модель предназначена для создания изображений в стилистике аниме, включая контент для взрослых. Для работы принимает текстовый промпт и выдаёт изображение. В конфигурации указана архитектура StableDiffusionXLPipeline с UNet, VAE, двумя текстовыми энкодерами CLIP и планировщиком Euler Ancestral. Репозиторий помечен как содержащий чувствительный контент и не предназначенный для всех аудиторий. Указана лицензия faipl-1.0-sd; следует учитывать её условия при использовании.

lsb/wav2vec2-base-it-latin — модель автоматического распознавания речи на архитектуре Wav2Vec2, дообученная на базе wav2vec2-base-it-voxpopuli. Она предназначена для распознавания латинской речи, в частности декламации текстов Вергилия и отдельных латинских слов с разметкой стихотворного размера из набора Poeta Ex Machina. Модель содержит 113,3 млн параметров и использует CTC-архитектуру Wav2Vec2ForCTC. На оценочном наборе указаны Loss 0,1943 и WER 0,398. Модель принимает аудио и выдаёт текст; заявленная лицензия — AGPL-3.0. Результаты оценки относятся к указанному набору и не гарантируют такое же качество на других записях или вариантах произношения.

Модель XXXTENTACION создана Алексеем Коршуком в рамках проекта HuggingArtists на базе архитектуры GPT-2. Это авторски ориентированная языковая модель для генерации текста, обученная на текстах песен XXXTENTACION; её можно использовать для создания бота в стиле артиста и генерации похожих текстов. Модель принимает текстовый запрос и продолжает его, поддерживает английский язык и имеет контекст длиной 1024 токена. Модель предназначена для творческих экспериментов и генерации текстов, стилизованных под корпус обучения. Она наследует ограничения и смещения GPT-2, а результаты также могут отражать содержание и предвзятость исходных текстов. Лицензия в предоставленных данных не указана.