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

Это компактная авторская языковая модель на архитектуре LLaMA, обученная для генерации коротких историй на китайском языке. Разработчик использовал код и инструменты llama2.c и датасет TinyStoriesZh; модель содержит 93,3 млн параметров, имеет 12 слоёв и контекст длиной 768 токенов. Для неё заново обучен BPE-токенизатор на корпусе из 3000 китайских символов. Модель предназначена для экспериментов с обучением и устройством LLaMA, быстрой отладки приложений и генерации простых связных историй, в том числе в средах с ограниченными ресурсами. В карточке отмечены базовая логическая связность рассказов и три эпохи обучения; это небольшой чекпойнт с ограниченными возможностями, не рассчитанный на сложные задачи. Распространяется по лицензии Apache-2.0.

Triptuner — компактная авторегрессионная языковая модель на основе трансформера, разработанная для генерации маршрутов по местам Центральной провинции Шри-Ланки. Она обучена на данных о местных достопримечательностях и принимает текстовые подсказки, например название места, чтобы продолжить текст маршрута. В README указаны 4 слоя, размер эмбеддинга 64, 4 головы внимания и контекст длиной 32 токена. Модель использует посимвольное представление текста; метаданные относят её к семейству GPT-2 и указывают PyTorch. Для загрузки требуются пользовательская реализация архитектуры и соответствующие таблицы символов, поэтому модель нельзя напрямую запустить через стандартный Inference API Hugging Face. Лицензия — MIT.

waiNSFWIllustrious_v140 — модель генерации изображений по текстовому описанию, опубликованная Ine007. Она основана на Illustrious XL v1.0 и предназначена для создания изображений в эстетике аниме, включая контент для взрослых. Карточка Hugging Face указывает архитектуру Stable Diffusion XL и использование через Diffusers; модель принимает текстовый запрос и генерирует изображение. Для работы доступны веса в формате safetensors. Модель предназначена для генерации изображений, однако сама карточка отмечает её как содержащую чувствительный контент и не подходящую для всех аудиторий. Указана лицензия faipl-1.0-sd.

AnimalMind Breed Classifier — модель компьютерного зрения, разработанная для экосистемы Pawra и дообученная для распознавания пород собак. Она принимает изображение и относит собаку к одному из классов, представленных в датасете Stanford Dogs. Модель построена на архитектуре Vision Transformer (ViT) и содержит 113,2 млн параметров. В карточке указаны точность 91,40%, ECE 2,69% и температура калибровки 1,7221. Модель подходит для определения породы собаки по фотографии в приложении или другом сценарии классификации изображений. Распространяется по лицензии MIT.

syntheticbot/clip-face-expression — модель классификации изображений, дообученная на основе openai/clip-vit-large-patch14 для распознавания выражений лица. Разработчик заморозил визуальный энкодер CLIP и обучил линейную классификационную голову на датасете FER-2013. Модель относит изображение лица к одному из семи классов: злость, отвращение, страх, радость, нейтральное выражение, грусть и удивление. Репозиторий содержит веса safetensors для PyTorch; заявленная точность на тестовой выборке FER-2013 — 72%. Модель предназначена для исследовательских задач и использования как базовый ориентир при разработке систем распознавания выражений, например для анализа изображений в социальных исследованиях или вспомогательных приложениях. Лицензия — Apache-2.0. Качество может различаться между демографическими группами из-за смещений FER-2013; модель обучалась преимущественно на фронтальных изображениях с выраженными эмоциями и может хуже работать на естественных, тонких или непрофильных выражениях. Предсказание по статичному изображению не является объективным определением эмоционального состояния человека. В README не рекомендуется применять модель для наблюдения или автоматических решений, существенно влияющих на людей.

Карточка модели snowood1/ConfliBERT-cont-uncased на Hugging Face совпадает с карточкой snowood1/ConfliBERT-scr-uncased, поэтому описание составлено по ней. ConfliBERT-scr-uncased — предварительно обученная языковая модель семейства BERT для анализа политических конфликтов и насилия. Модель разработана авторами ConfliBERT; эта версия обучена с нуля с использованием собственного словаря без различения регистра. Модель предназначена для языковых задач в тематике политических конфликтов и насилия. Она реализована как BertForMaskedLM с 136,3 млн параметров и контекстом до 512 токенов; доступный формат весов — PyTorch. Основная задача по метаданным — заполнение пропусков в тексте. Модель не является чат-ассистентом и предназначена для предсказания замаскированных токенов, а не для свободной генерации ответов. README не сообщает языки обучающих данных или результаты оценки качества. Лицензия — GPL-3.0.

DA3NESTED-GIANT-LARGE — модель семейства Depth Anything 3 от команды ByteDance Seed для восстановления визуальной геометрии по изображениям. Она объединяет Giant для работы с произвольными ракурсами и Large для оценки глубины в метрическом масштабе. Модель насчитывает 1,40 млрд параметров и использует архитектуру Vision Transformer с унифицированным представлением глубины и лучей.

DA3NESTED-GIANT-LARGE-1.1 — модель визуальной геометрии от команды ByteDance Seed, объединяющая модель Giant для работы с изображениями с разных ракурсов и модель Large для оценки глубины в метрическом масштабе. Она предназначена для восстановления геометрии сцены по изображениям и использует архитектуру Vision Transformer с единой глубинно-лучевой репрезентацией. Размер модели — 1,40 млрд параметров. Модель оценивает относительную и метрическую глубину, позы камер, поддерживает задание позы и сегментацию неба, а также восстановление сцены с помощью 3D Gaussian Splatting. Её можно применять для реконструкции сцен по одному или нескольким изображениям и анализа геометрии окружающей среды. В README заявлено превосходство над Depth Anything 2 в оценке глубины по одному изображению и над VGGT в многовидовой оценке глубины и поз. Модель обучена на открытых академических датасетах. Точность может снижаться на специализированных изображениях и зависеть от качества снимков, освещения и сложности сцены. Лицензия CC BY-NC 4.0 разрешает только некоммерческое использование.

HueyNemud/das22-10-camembert_pretrained — модель CamemBERT, разработанная для воспроизведения экспериментов по распознаванию именованных сущностей в исторических документах. Она дополнительно предобучена на примерно 845 тысячах записей из французских торговых справочников Парижа XIX века, извлечённых с помощью OCR. Такие записи обычно содержат имя человека или компании, род занятий и адрес. Модель предназначена для заполнения маскированных токенов в тексте (fill-mask); её также используют как основу экспериментов по NER. Это плотная архитектура CamemBERT с 137,8 млн параметров и контекстом до 514 токенов. Для специализированного NER в карточке упомянуты отдельные производные модели, дообученные на размеченных записях. Модель ориентирована на исторические французские справочники и воспроизводимость оценки из статьи DAS 2022; качество на современных или других жанрах текста не установлено. Формат весов — PyTorch. Лицензия в предоставленных данных не указана.

Это разговорная модель генерации текста на основе microsoft/DialoGPT-medium, дообученная автором на репликах Джошуа из игры The World Ends With You. Для обучения использован набор игровых сценариев с Kaggle. Модель предназначена для чат-ботов и генерации ответов в стиле персонажа; автор использовал её в Discord-боте. Модель построена на архитектуре GPT-2 и рассчитана на контекст длиной до 1024 токенов. Она принимает текст и генерирует текст. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — MIT. Описание не сообщает о качестве на независимых оценках или о поддержке других языков.

LightWeight GAN — лёгкая генеративно-состязательная модель для безусловной генерации изображений. Её разработал Aleksey Korshuk; модель связана с NFT-коллекцией Dooggies и обучалась на датасете huggingnft/dooggies. Модель предназначена для создания изображений без текстового запроса, в частности для генерации изображений в стиле коллекции Dooggies. Репозиторий содержит веса PyTorch; модель распространяется по лицензии MIT. README не приводит размер модели, параметры запуска и подробности архитектуры.

Модель gerhardien/face-emotion — дообученный Vision Transformer google/vit-base-patch16-224-in21k для классификации изображений лицевых выражений. Она обучена на наборе FER2013 и предназначена для отнесения изображения к одной из четырёх категорий выражений. Модель содержит 113,2 млн параметров и распространяется в формате safetensors по лицензии MIT. В карточке приведены точность 83,27% на обучающей выборке и 76,52% на валидационной. Эти результаты относятся к указанному набору данных и не гарантируют такую же точность на изображениях из других источников. Модель подходит для исследовательских и прикладных сценариев анализа выражений лица по изображениям. Карточка предупреждает о рисках, смещениях и ограничениях, но дополнительных рекомендаций не приводит.

Xenova/facial_emotions_image_detection — модель классификации изображений, подготовленная сообществом Xenova на основе модели dima806/facial_emotions_image_detection. Она предназначена для определения эмоции по изображению лица и рассчитана на использование в приложениях, поддерживающих Transformers.js, включая веб-сценарии с ONNX-весами. Модель работает в режиме image-classification и возвращает метки эмоций с оценками уверенности, например disgust. Архитектура, количество параметров, точный набор поддерживаемых эмоций, языки и размер контекста в README не указаны. Известно, что веса представлены в формате ONNX для совместимости с Transformers.js; это позволяет запускать модель через JavaScript-библиотеку в подходящих средах. Сильной стороной модели является готовность к интеграции в Transformers.js и веб-приложения. Ограничения связаны с отсутствием подробностей о качестве, обучающем наборе данных, поддерживаемых типах изображений и границах применимости; распознавание эмоций по лицу также следует трактовать как вероятностную классификацию, а не как достоверное определение внутреннего состояния человека. Лицензия в README не указана.

FLUX NSFW unlock — адаптер LoRA для генерации изображений по текстовому описанию на базе black-forest-labs/FLUX.1-dev. Модель разработана пользователем или организацией shahtab; README не содержит дополнительных сведений о разработчике, данных обучения и методике создания. Для активации адаптера используется триггерное слово aidmaNSWFunlock. Модель предназначена для сценариев text-to-image, в которых требуется изменить или расширить поведение базовой модели FLUX.1-dev. Веса доступны в формате Safetensors и, судя по карточке, должны использоваться вместе с совместимой базовой моделью и инструментами экосистемы Diffusers. Архитектура, размер, поддерживаемые языки, максимальная длина контекста и конкретные модальности, помимо текстового ввода и изображения на выходе, не указаны. README также не приводит количественных оценок качества и ограничений, поэтому производительность зависит от базовой модели и параметров применения адаптера. Лицензия — Apache-2.0.

Tiemi/FunnyShihTzu-dog — модель Stable Diffusion, которую Tiemi дообучил методом DreamBooth на фотографиях своей собаки породы ши-тцу. Она предназначена для генерации изображений по текстовому описанию с сохранением концепта FunnyShihTzu; тег FunnyShihTzu следует включать в запрос, а остальную часть описания можно менять. Модель работает с библиотекой Diffusers и распространяется в форматах PyTorch и Diffusers. Модель подходит для создания разных изображений FunnyShihTzu, например фотографических сцен, мультяшного арта и стилизованных фигурок. Каждая генерация может отличаться даже при одинаковом запросе. Лицензия — CreativeML OpenRAIL-M; README не приводит дополнительных сведений об ограничениях.

Sadiah/Gollum — дообученная модель генерации текста на основе NousResearch/Llama-2-7b-chat-hf, созданная для ответов в манере Голлума из произведений Дж. Р. Р. Толкина. Разработчик использовал PEFT с LoRA и SFT Trainer на наборе диалогов и текстов персонажа. Модель построена на плотной архитектуре LLaMA, содержит 6,6 млрд параметров и имеет контекстное окно 4096 токенов. Модель предназначена для творческих и развлекательных сценариев: ролевого общения, создания диалогов, фанфиков и чат-ботов с узнаваемой манерой речи Голлума. В метаданных указан английский язык, библиотека Transformers и формат PyTorch. Лицензия — CC BY-NC 4.0, предусматривающая некоммерческое использование. Тональность и поведение основаны на примерах из обучающего набора, поэтому ответы могут не совпадать с каноничным характером или репликами персонажа и быть непоследовательными. Это языковая модель для творческих задач, а не точная копия оригинального персонажа.

zhuimengshaonian/gpt2-ancient-medium — языковая модель генерации текста на основе архитектуры GPT-2 medium, обученная разработчиком на корпусе древнекитайского языка. Она предназначена для продолжения и создания текстов в стиле древнекитайской письменности по заданному фрагменту. Модель работает с текстом и имеет контекст длиной 1024 токена; в карточке указано обучение на четырёх GPU P100 в течение примерно восьми дней. Модель может подойти для экспериментов с генерацией древнекитайского текста и создания стилизованных продолжений. В README приведён пример использования через Transformers с GPT2LMHeadModel и TextGenerationPipeline. Лицензия в предоставленных данных не указана.

itsthenewmeta/gpt2-tiny-stories — небольшая авторская GPT-2-модель, обученная разработчиком с нуля на наборе TinyStories. Это первая модель разработчика; обучение ограничилось предобучением и заняло около семи часов на RX 9070 XT. Модель предназначена для генерации текста и коротких историй на английском языке. Она использует архитектуру GPT2LMHeadModel и принимает текстовый контекст длиной до 512 токенов, выдавая продолжение текста. Обучение на TinyStories ориентирует её на простые повествования. Карточка не сообщает о дополнительной настройке под диалог или другие задачи, а также не приводит лицензию. Масштаб модели не указан; предобучение само по себе не подтверждает качество или пригодность для практического применения.

HapePrime — модель безусловной генерации изображений на основе LightWeight GAN, созданная Алексеем Коршуком. Она предназначена для создания изображений коллекции Hape Prime без текстового запроса; обучающие данные связаны с набором huggingnft/hapeprime. Формат модели — PyTorch. Лицензия — MIT. Подробности о применении и ограничениях автор направляет смотреть в репозиторий проекта.

Janet Leigh by Sacchan — это LoRA-модель для генерации изображений по текстовому описанию, опубликованная пользователем Jonjew. Она предназначена для использования с базовой моделью black-forest-labs/FLUX.1-dev в сценариях text-to-image через экосистему Diffusers. Для активации модели в запросе рекомендуется использовать триггерное слово «sks woman». В README также указано, что веса доступны в формате Safetensors. Модель ориентирована на создание изображений женщины; конкретные параметры размера, контекст, поддерживаемые языки и дополнительные технические характеристики не указаны. В примере использования упоминаются портрет, светлые волосы, яркие цвета и стилистика Flora Borsi, однако README не поясняет, насколько эти особенности являются устойчивыми свойствами модели. Сильной стороной модели является специализация в рамках FLUX.1-dev и наличие явного триггерного слова для вызова изученной концепции. Ограничения, требования к вычислительным ресурсам и совместимость с конкретными версиями программного обеспечения не описаны. Лицензия указана как неизвестная, поэтому условия коммерческого и иного использования необходимо уточнять у автора.

Это небольшая авторская модель GPT-2 для генерации символической музыки. Она обучена на примерно 15 тысячах MIDI-файлов из набора Lakhclean и представлена архитектурой GPT2LMHeadModel с 6 декодерами, 8 головами внимания и размерностью эмбеддингов 512. Контекст составляет 2048 токенов. Модель преобразует музыкальные последовательности в текстовое представление и генерирует музыку как продолжение последовательности. Она рассчитана на фрагменты длиной четыре такта в размере 4/4 с разрешением до шестнадцатых нот; генерацию можно направлять условием плотности нот. README описывает её как демонстрацию генерации музыки средствами Hugging Face и указывает на блокнот для создания и рендеринга символической музыки. Модель сильно переобучается из-за небольшого обучающего корпуса, поэтому качество и разнообразие генераций ограничены. Автор предлагает связываться для получения условий лицензирования; конкретная лицензия в предоставленных данных не указана.

LoGos-7B — специализированная языковая модель для рассуждений и анализа игры го, разработанная авторами проекта LoGos. Модель дообучена на базе Qwen/Qwen2.5-7B-Instruct с использованием смешанного начального обучения и GRPO, чтобы перенести способности к рассуждению по длинным цепочкам мыслей на задачи го. Модель построена на плотной архитектуре Qwen2 и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Для отображения доски в README упоминается отдельный инструмент визуализации, поэтому описание не подтверждает обработку изображений самой моделью. Модель подходит для анализа позиций, объяснения ходов и рассуждений о партиях го. Модель распространяется по лицензии Apache-2.0. В доступной карточке нет результатов оценки качества, поэтому её силу в сравнении с другими моделями го установить нельзя.

Maverick-4B-Unity-XR-Agent-GGUF — модель ErenAta00, дообученная на базе Qwen3-4B методом QLoRA с объединением адаптера с базовыми весами. Это англоязычный агент для управления объектами и сценами Unity 3D в XR-, VR- и других интерактивных приложениях. На текстовую команду и JSON-описание текущей комнаты модель генерирует вызовы инструментов, например для захвата, перемещения или поворота объектов, переключения их состояния, подсветки и перехода между комнатами; неоднозначные запросы она может уточнять. Модель принимает текст и структурированные данные сцены, а не изображение с камеры. Репозиторий содержит квантованный GGUF Q4_K_M для запуска через llama.cpp; лицензия — Apache-2.0. Автор сообщает о проверках на наборах команд для Unity и ALFRED, однако результаты относятся к описанным тестовым сценариям. Ограничения: модель рассчитана только на английский и ограниченный набор из 11 инструментов, иногда нуждается в повторе или уточнении и не предназначена для открытого диалога, роботов или критичных к безопасности задач. Проверяйте вызовы по схеме и текущей сцене перед исполнением; обучение и тестирование не охватывали XR-гарнитуры, Linux и macOS.

Not Your Mary Diffusion — экспериментальная модель генерации изображений на основе Stable Diffusion, обученная автором SenorKaffee на видеороликах с кат-сценами из игры Silent Hill 2. Для вызова усвоенного визуального эффекта в запросе рекомендуется использовать токен notyourmary. Модель предназначена для создания изображений по текстовым описаниям в стиле и с персонажами, связанными с материалами обучения. Обучение выполнено методом DreamBooth с использованием Diffusers, сохранения prior и дообучения текстового энкодера за 1 000 шагов. Репозиторий содержит веса в форматах Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M. Автор характеризует модель как экспериментальную; возможны артефакты и нестабильное воспроизведение образов.

vreabernardo/ode-pessoana — небольшая авторская character-level GPT-модель, обученная с нуля на классической португальской литературе. Она предназначена для генерации португальской прозы и стихов в литературном стиле, продолжения заданного фрагмента и экспериментов с компактными языковыми моделями. Модель представляет собой decoder-only Transformer с 6 слоями, 6 головами внимания и размерностью 384; в ней около 10,7 млн параметров, контекст — 256 символов, словарь токенизатора содержит 162 символа. Она обучена на 84 произведениях португальских и бразильских авторов на корпусе Pessoana с использованием tinygrad и распространяется в формате safetensors. Модель усваивает португальское написание, морфологию, оформление диалогов и литературный ритм, но из-за малого размера и символьной токенизации слабо поддерживает фактическую точность и смысловую связность на длинных отрезках. Генерация использует орфографию до 1990 года. Лицензия — CC BY-SA 4.0.

Oneirogen-1.5B — англоязычная языковая модель для генерации рассказов о сновидениях, разработанная на основе Qwen2 и дообученная автором карточки на корпусе DreamBank из более чем 27 тысяч описаний сновидений с помощью LoRA. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2ForCausalLM и принимает текстовый префикс «Dream:» для генерации продолжения. В метаданных указан контекст до 131 072 токенов. Модель предназначена для создания новых повествований о снах и может служить основой для экспериментов с анализом сновидений, например для предсказания персонажей и эмоций при дополнительном дообучении на соответствующих аннотациях. Она также использовалась при создании англоязычного набора данных из реальных и сгенерированных снов. Модель работает с текстом на английском языке и распространяется по лицензии MIT.

Jack04810/output_14b_phase2_8k — дообученная модель Qwen3-14B, разработанная для понимания и генерации 3D-сеток. Это полное дообучение второй фазы на базе Jack04810/output_14b_phase1_full; в метаданных базовой моделью указана Qwen/Qwen3-14B. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 14,2 млрд параметров и имеет контекстное окно 40 960 токенов. Модель обучалась на парах данных для двух направлений: описание сетки по последовательности mesh-токенов и генерация последовательности mesh-токенов по текстовому описанию формы. Для инференса требуются шаблон чата qwen3_nothink и обёртка SPAC Spatial-PE с параметрами, указанными в README. Репозиторий содержит веса safetensors. Лицензия обозначена как other, поэтому конкретные условия использования следует проверять на странице модели.

PhoneticXeus — многоязычная модель распознавания фонем в речи, разработанная ChangelingLab на основе речевого энкодера XEUS. Она преобразует аудио в последовательность фонетических символов IPA; для пользовательского декодирования модель также возвращает покадровые CTC-логиты по 428 классам. Модель построена на архитектуре PhoneticXeusModel и распространяется в формате safetensors для библиотеки Transformers. Модель обучена на данных IPAPack++ более чем для 70 языков и подходит для получения фонетической транскрипции речи, в том числе для фонетического анализа и создания IPA-разметки. Карточка предоставляет пример использования через метод transcribe и возможность обращаться к выходам модели напрямую. Лицензия — Apache-2.0. Карточка не приводит ограничений точности или конкретного списка поддерживаемых языков.

Pokemon Red Strategic Commander — языковая модель для стратегических консультаций по Pokémon Red, дообученная автором карточки на базе Qwen/Qwen3-Coder-Next с помощью QLoRA и объединёнными с базовыми весами адаптерами LoRA. Это гибридная MoE-архитектура Qwen3-Next: README указывает 80 млрд параметров всего и 3 млрд активных, а метаданные каталога — 2,3 млрд параметров. Модель принимает текстовое описание состояния игры и выдаёт текстовые рекомендации; она не управляет игрой напрямую. Заявленная длина контекста — 262 144 токена. Модель предназначена для советов по боям первого поколения Pokémon, подбору команды, планированию маршрутов, прохождению залов и подготовке к Лиге, а также для вопросов о покемонах, приёмах и механиках игры. Обучение проводилось примерно на тысяче инструкционных примеров, основанных на данных о Pokémon Red/Blue. Карточка указывает лицензию MIT. Ограничения: обучение охватывает только первое поколение, поэтому сведения о более поздних играх могут быть ошибочными; небольшой набор данных может ограничивать разнообразие ответов. Качество рекомендаций зависит от точности описания состояния игры. Полная версия в BF16 требует значительных ресурсов видеопамяти.

pony-diffusion-v4 — это латентная диффузионная модель для генерации изображений по текстовому описанию, созданная AstraliteHeart на основе Stable Diffusion v1.5. Модель дообучена на примерно 3 млн пар изображений и текстовых метаданных с пони, фурри и другими мультяшными изображениями; она предназначена для генеративного искусства и развлечений. Модель лучше ориентирована на стилизованные изображения по теговым запросам и поддерживает широкий спектр фурри и мультяшных стилей. Для генерации изображений пони автор рекомендует добавлять тег derpibooru_p_95, а derpibooru_p_low помещать в негативный запрос. Для стилей аниме автор считает Waifu Diffusion более подходящим вариантом. Модель может создавать контент NSFW, поэтому для подавления нежелательных деталей рекомендуется указывать safe в запросе и использовать негативный запрос. Опубликованы веса в форматах PyTorch и safetensors для использования с Diffusers и интерфейсами Stable Diffusion. Лицензия — BigScience BLOOM RAIL 1.0.