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

Dreamshaper 8 — модель генерации изображений по текстовому описанию, опубликованная Yntec и связанная с Lykon. Карточка содержит примеры промптов с персонажами и художественными сценами; метаданные указывают на применение для общего, аниме- и фотореалистичного изображения, а также пейзажей и иллюстраций. Модель распространяется в форматах Diffusers, PyTorch и safetensors и использует библиотеку Diffusers. Лицензия — CreativeML Open RAIL-M. Подробности об архитектуре, размере и контексте в предоставленных данных отсутствуют.

DreamShaper 8 Inpainting — модель генерации и редактирования изображений семейства Stable Diffusion, опубликованная Lykon. Она дообучена на runwayml/stable-diffusion-inpainting и предназначена для заполнения маскированных областей изображения по текстовому запросу, например для замены или добавления объектов и изменения фрагментов сцены. Модель распространяется в формате Diffusers с весами Safetensors и рассчитана на работу через StableDiffusionInpaintPipeline. Версия 8 сочетает художественные стили, включая аниме и фотореалистичные изображения, но, по словам автора, уступает специализированным моделям в каждом из этих направлений; результат зависит от навыка составления запросов. Лицензия — CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении результатов.

Uminosachi/dreamshaper_8Inpainting — модель для дорисовки и изменения изображений по текстовому описанию. Согласно карточке, это конвертированная версия dreamshaper_8Inpainting, предназначенная для сценариев inpainting: пользователь задаёт область изображения для изменения и описывает желаемый результат текстом. Модель относится к семейству Stable Diffusion и распространяется в форматах Diffusers, PyTorch и Safetensors. Лицензия — CreativeML OpenRAIL-M. Данные карточки не уточняют размер модели, поддерживаемые языки, длину контекста и конкретные ограничения качества.

Dreamshaper-8-lcm — модель Stable Diffusion для генерации изображений по текстовому описанию. Её разработал Lykon, дообучив runwayml/stable-diffusion-v1-5; версия LCM предназначена для ускоренной генерации с использованием подхода Latent Consistency Models. Модель распространяется в форматах Diffusers и safetensors и рассчитана на работу с библиотекой Diffusers. Модель подходит для создания художественных изображений, в том числе иллюстраций в аниме-стиле и изображений с реалистичными чертами. Карточка отмечает, что для достижения хороших результатов в фотореализме и аниме может потребоваться точная настройка описаний. Лицензия — CreativeML OpenRAIL-M.

Yntec/DreamShaperRemix — слитая модель для генерации изображений по текстовым описаниям, созданная автором как ремикс семейства DreamShaper. По README, модель собрана из нескольких версий DreamShaper, включая DreamShaper 6.2 и DreamShaper 8; в метаданных также указаны связи с Yntec/DreamShaper и Yntec/Dreamshaper8. Примеры демонстрируют иллюстрации, аниме, мультфильм и фотореалистичные портреты. Модель предназначена для создания художественных и фотореалистичных изображений по промптам. Она распространяется в форматах Diffusers, PyTorch и SafeTensors, а для запуска указан Diffusers. Лицензия — CreativeML OpenRAIL-M; перед использованием следует учитывать её условия. README сообщает, что модель переименована в DreamShaperRemixAlpha, поэтому название репозитория и актуальное имя могут различаться.

DreamShaper v6 — модель генерации изображений по текстовому описанию, опубликованная под аккаунтом stablediffusionapi и доступная через ModelsLab. Для генерации задают prompt и negative prompt, а также параметры изображения и процесса, включая ширину и высоту, число шагов и guidance scale. В примере используется размер 512×512 и 30 шагов; API также предлагает параметры улучшения запроса и upscale. Карточка указывает интерфейс StableDiffusionPipeline и форматы Diffusers и PyTorch. Модель предназначена для создания изображений по текстовым запросам; в примере показан фотореалистичный киберпанк-портрет, но также приведён отрицательный запрос с исключением нежелательных деталей. Пример API отключает safety checker, поэтому перед использованием следует учитывать требования к контролю генерируемого контента. Лицензия — CreativeML OpenRAIL-M.

Dreamshaper SDXL-1-0 — модель генерации изображений по текстовому описанию, разработанная Lykon. Это дообученная версия Stable Diffusion XL Base 1.0 от Stability AI; модель рассчитана на создание художественных изображений и поддерживает запуск через Diffusers. Репозиторий содержит веса в форматах Diffusers и safetensors. Модель подходит для генерации иллюстраций и других изображений по текстовым запросам. В карточке отмечены художественный стиль и anime. Указана лицензия OpenRAIL++; применяйте модель с учётом её условий использования.

Dreamshaper XL v2 Turbo — модель генерации изображений по текстовому описанию от Lykon, созданная на основе Stable Diffusion XL Base 1.0. Это дообученная версия семейства Stable Diffusion XL, рассчитанная на работу через Diffusers и представленная в форматах Diffusers и safetensors. Модель подходит для создания художественных изображений и иллюстраций по запросу. В карточке отмечены художественный и аниме-стили, а также режим Turbo и связь с LCM; для запуска в Diffusers требуется соответствующий программный стек. Модель принимает текст и выдаёт изображение, основной язык карточки — английский. Модель распространяется по лицензии OpenRAIL++. Карточка не содержит конкретных ограничений качества или безопасности; результаты зависят от формулировки запроса и настроек генерации.

Это версия DreamShaper-XL-V2-Turbo, подготовленная HelloSun для запуска через OpenVINO на CPU. Она основана на Lykon/dreamshaper-xl-v2-turbo — модели Stable Diffusion XL, дистиллированной для быстрой генерации изображений примерно за 6 шагов. Модель принимает текстовые описания и создаёт изображения; в README показана генерация в разрешении до 1024×1024. Веса преобразованы в формат OpenVINO IR и подвергнуты весовой INT4-квантизации. Размер основных файлов весов составляет около 2,06 ГБ против примерно 6,5 ГБ у исходной FP16-версии. Репозиторий рассчитан на CPU и использует Diffusers с StableDiffusionXLPipeline; тесты автора проведены на сервере с 192 виртуальными CPU. Загрузка и компиляция при первом запуске занимают около 12 секунд. Модель подходит для создания художественных изображений, иллюстраций и визуальных концепций по текстовым запросам. README рекомендует 6 шагов и guidance_scale 2.0: увеличение числа шагов может ухудшить результат. INT4 может давать небольшие отличия от FP16, а скорость на обычном настольном CPU будет ниже опубликованных серверных результатов. Указанная лицензия — OpenRAIL++; следует соблюдать также условия лицензии и политики использования исходной модели.

Dreamviewer SDXL 1.0 — модель генерации изображений по текстовому описанию на базе Stable Diffusion XL. В карточке описан конвейер латентной диффузии с ансамблем экспертных моделей: базовая модель создаёт латентное представление изображения, которое можно дополнительно уточнить моделью для финальных шагов денойзинга. Базовую модель также можно использовать самостоятельно. Для получения изображений высокого разрешения карточка описывает двухэтапный сценарий: сначала генерируются латенты, затем к ним применяется специализированная модель высокого разрешения методом SDEdit (img2img) с тем же запросом. Такой подход требует больше вычислений. Модель распространяется в формате Diffusers/PyTorch с весами safetensors и лицензией CreativeML OpenRAIL-M.

EpicRealism XL — модель преобразования текста в изображение, опубликованная stablediffusionapi и предназначенная для генерации фотореалистичных изображений по текстовым запросам. Пример в карточке показывает создание детализированного портрета с настройками размера, числа шагов генерации и guidance scale; также предусмотрены отрицательный запрос и параметры для подключения LoRA и эмбеддингов. Модель распространяется в форматах Diffusers и PyTorch и предназначена для использования через ModelsLab API. В карточке приведена лицензия CreativeML OpenRAIL-M. Пример API позволяет отключить safety checker, поэтому при развёртывании следует учитывать настройки фильтрации контента.

EpicRealism XL VXVII Crystal Clear Realism SDXL — модель генерации изображений по текстовому описанию, созданная пользователем epinikion. Модель распространяется через Hugging Face и предназначена для работы с библиотекой Diffusers и StableDiffusionXLPipeline. Модель ориентирована на реалистичные и фотореалистичные изображения, включая фотографии, портреты и сцены с лицами и руками. Она принимает текстовые запросы на английском языке и преобразует их в изображения, поддерживая следование содержанию промпта. Модель относится к семейству Stable Diffusion XL; формат весов — SafeTensors. К сильным сторонам относятся фотореалистичная стилистика, генерация лиц и рук, а также ориентированность на соответствие текстовому описанию. Как и другие модели text-to-image, она может создавать визуальные артефакты или неточно интерпретировать сложные промпты. Условия использования определяются лицензией CreativeML OpenRAIL-M.

ERNIE-Image-Turbo — модель генерации изображений по текстовому описанию, разработанная командой ERNIE-Image компании Baidu. Это дистиллированная версия ERNIE-Image на основе одно-поточной архитектуры Diffusion Transformer (DiT), распространяемая в формате Diffusers с весами Safetensors и лицензией Apache 2.0. Модель предназначена для быстрого создания изображений по сложным запросам: она генерирует результат за 8 шагов и рассчитана на сценарии, где важны точное следование инструкции и композиция. Среди заявленных сильных сторон — отрисовка длинного текста, постеры, инфографика, комиксы, раскадровки и многопанельные макеты; также поддерживаются фотореалистичные и стилизованные изображения. Авторы сообщают, что модель может запускаться на потребительских GPU с 24 ГБ видеопамяти. Модель принимает текстовые запросы и выдаёт изображения. В карточке показаны результаты тестов на английском и китайском языках, но другие поддерживаемые языки не перечислены. Качество зависит от запроса и сценария; результаты бенчмарков в README относятся к ERNIE-Image, а не отдельно к Turbo, поэтому их нельзя напрямую считать оценкой этой версии.

estonian-large-handwritten — модель распознавания рукописного текста, разработанная в проекте ArchXAI при поддержке Центральнобалтийской программы. Она дообучена на основе microsoft/trocr-large-handwritten для чтения преимущественно эстонских исторических документов. Архитектура Transformer encoder-decoder обрабатывает изображение отдельной строки текста и генерирует её текстовую расшифровку. Модель предназначена для оцифровки архивных документов, исторических рукописей и рукописных заметок. Обучающая и проверочная выборки включают размеченные строки из Национального архива Эстонии; в обучении также использовались пустые строки из коллекций Национального архива Финляндии. На тестовой выборке указаны CER 0,0281 и WER 0,1294. Для загрузки модели требуется Transformers 5.x; веса представлены в формате safetensors. Модель рассчитана прежде всего на эстонский рукописный текст с латинскими символами и эстонскими диакритическими знаками. Она может хуже работать с другими языками, особенно с нелатинскими письменностями, а также на материалах вне обучающего домена. Лицензия — Apache 2.0.

ExpMix — модель генерации изображений по текстовому описанию, опубликованная AIARTCHAN в формате Diffusers для использования с библиотекой Diffusers. README упоминает исходную версию размером 7,7 ГБ и облегченную версию с точностью fp16 размером 2,13 ГБ. Метаданные относят модель к Stable Diffusion; в README также указана ссылка на Civitai. Модель предназначена для создания изображений по текстовым запросам. Лицензия указана как other, поэтому условия использования следует проверять в исходном источнике модели.

fantasticmix — модель преобразования текста в изображение в формате Diffusers, опубликованная пользователем Hugging Face emilianJR. Это чекпойнт Stable Diffusion, который запускается через StableDiffusionPipeline из библиотеки diffusers: пользователь задаёт текстовый запрос, а модель генерирует изображение. Репозиторий содержит веса в форматах Diffusers и PyTorch; лицензия — CreativeML OpenRAIL-M. Карточка не приводит сведений о размере модели или длине контекста.

Fascinatio-PixartAlpha1024-Finetuned — модель генерации изображений по текстовому описанию, созданная автором artificialguybr путём дообучения PixArt-Alpha. Автор описывает её как универсальную модель, способную создавать реалистичные и художественные изображения людей, автомобилей и разнообразных сюжетов. Обучение заняло около 60 тысяч шагов. Модель предназначена для создания изображений по текстовым запросам в сценариях, где нужны реалистичные или стилизованные иллюстрации. Репозиторий использует Diffusers и формат весов Safetensors. В карточке не указаны размер модели, длина контекста и лицензия, поэтому условия использования по имеющимся сведениям определить нельзя.

faster-whisper-bsc-large-v3-cat — конвертированная версия акустической модели whisper-bsc-large-v3-cat, подготовленная для распознавания речи на каталанском языке. Конверсию выполнил Abir Messaoudi в лаборатории языковых технологий Barcelona Supercomputing Center в мае 2025 года с помощью faster-whisper; модель распространяется в формате CTranslate2 и используется через библиотеку CTranslate2. Модель предназначена для преобразования каталанских аудиозаписей в обычный текст без пунктуации. Её можно применять для расшифровки аудиофайлов, в том числе речи из датасетов каталонских акцентов, парламентских выступлений и медиаматериалов. Это конверсия, а не результат нового обучения. Репозиторий указывает лицензию Apache-2.0. В README заявлен вывод без пунктуации; оценок точности и других ограничений не приведено.

FIBO-Edit — модель редактирования изображений от Bria AI на основе семейства FIBO. Она принимает исходное изображение и структурированные инструкции в формате JSON на основе Visual GenAI Language (VGL), а также может использовать маску для точечного изменения области. Модель рассчитана на управляемые и повторяемые правки: например, изменение освещения, композиции, стиля или отдельных объектов с сохранением остальной сцены. Модель имеет 8 млрд параметров и запускается через библиотеку Diffusers. README описывает обновлённые веса с улучшенной согласованностью идентичности и качеством деталей, а также вариант локальной подготовки JSON-инструкций; в локальном режиме редактирование с маской не поддерживается. Репозиторий доступен для некоммерческого использования по лицензии, указанной в карточке; коммерческое применение предлагается через отдельную лицензию Bria AI.

FineLlama-3.2-3B-Instruct-ead — языковая модель Geraldine, дообученная на базе meta-llama/Llama-3.2-3B-Instruct для понимания и генерации XML в формате EAD (Encoded Archival Description). Она предназначена для создания структурированных архивных описаний по инструкциям и примерам. Модель содержит 3,2 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов по метаданным; в карточке указано ограничение длины последовательности 4096 токенов. Для экономии памяти применена 4-битная NF4-квантизация bitsandbytes с двойной квантизацией, а дообучение выполнено методом LoRA. Модель принимает текстовые запросы и генерирует текст, включая EAD/XML. Карточка не сообщает о поддерживаемых естественных языках. Лицензия — llama3.2.

Mousumi/finetuned_bart — модель BART, дообученная на 10 000 примерах датасета CNN/DailyMail. Она предназначена для генерации кратких пересказов новостных статей. Модель содержит 95,2 млн параметров, использует архитектуру BART и принимает текстовый контекст длиной до 1024 токенов. Модель подходит для прототипирования и суммаризации англоязычных новостей. Карточка указывает на дообучение, но не сообщает лицензию или результаты оценки качества; условия использования поэтому следует сверить с лицензией базовой модели и репозитория.

FireRed-Image-Edit-1.1_ComfyUI_Quants — набор квантованных весов FireRedTeam для редактирования изображений по текстовым инструкциям, подготовленный для работы с ComfyUI и библиотекой Diffusers. В репозитории представлены варианты FP8 E4M3FN, scaled FP8 E4M3FN и NVFP4 в формате Safetensors; базовая модель — FireRedTeam/FireRed-Image-Edit-1.1. Модель предназначена для правок изображений с сохранением узнаваемости людей и персонажей, объединения элементов из нескольких изображений, ретуши и макияжа портретов, восстановления старых фотографий и работы с изображениями, содержащими стилизованный текст. README также описывает агентный сценарий обработки нескольких изображений и поддержку пользовательского обучения LoRA базовой модели. Карточка сообщает о поддержке ComfyUI и оптимизированных квантованных вариантов, но не приводит точное число параметров или длину контекста. Репозиторий распространяется по лицензии Apache-2.0. Качество и скорость работы зависят от выбранного варианта квантования и конфигурации оборудования; заявленные результаты производительности в README относятся к описанной там системе и сценарию.

Модель dhansmair/flamingo-mini — модель семейства Flamingo, обученная для создания текстовых описаний изображений. Разработчик карточки указывает обучение на датасете Conceptual Captions 3M; в метаданных архитектура обозначена как FlamingoModel, а формат весов — PyTorch. Модель предназначена для генерации подписи к изображению. Данные подтверждают поддержку английского языка и лицензию Apache-2.0. Размер модели и длина контекста не указаны.

dhansmair/flamingo-tiny — небольшая версия модели Flamingo, предварительно обученная для создания подписей к изображениям на наборе Conceptual Captions (3M). Она предназначена для генерации текстового описания изображения по его визуальному содержимому. Метаданные указывают архитектуру FlamingoModel и формат весов PyTorch; поддерживаемая задача — image-to-text, язык карточки — английский. Модель распространяется по лицензии Apache-2.0. Данных о размере модели и длине контекста нет.

thealper2/flan-t5-small-sentence-compression — дообученная пользователем модель Google Flan-T5-Small для сжатия английских предложений. Она построена на архитектуре T5 encoder-decoder и решает задачу преобразования текста в более короткий текст; по метаданным, модель содержит 45,8 млн параметров, а максимальная длина контекста составляет 512 токенов. README указывает, что модель обучалась на 180 тысячах примеров датасета sentence-transformers/sentence-compression и требует префикс «compress sentence: ». Модель предназначена для создания коротких, похожих на заголовки вариантов новостных предложений. На валидационной выборке автор сообщает ROUGE-1 77,68, ROUGE-2 63,47 и ROUGE-L 77,35; в отдельном сравнении средний коэффициент сжатия составил 0,319. Эти показатели не подтверждают фактическую точность сокращений. Модель рассчитана на английский язык и стиль обучающих примеров; вход длиннее 256 токенов, включая префикс, обрезается. Распространяется по лицензии Apache-2.0.

F Lite — диффузионная модель генерации изображений по тексту, разработанная Freepik и Fal. Модель содержит 10 млрд параметров и обучена на внутреннем наборе Freepik примерно из 80 млн изображений, заявленных как безопасные с точки зрения авторских прав и не содержащие контент для взрослых. Репозиторий распространяет модель в форматах Diffusers и Safetensors. Модель предназначена для создания изображений по текстовым запросам. Для получения более качественного результата разработчики рекомендуют использовать подробные запросы и генерировать изображения размером более одного мегапикселя. Модель может создавать визуальные искажения; её возможности понимания текста ограничены, а результаты могут отражать смещения обучающих данных. Лицензия — CreativeML OpenRAIL-M.

Fluently XL V3 Lightning — модель генерации изображений по текстовому описанию, представленная автором Fluently. По карточке это обученная версия SDXL-Lightning, рассчитанная на быструю генерацию; в метаданных указаны Diffusers и формат SafeTensors, а также базовая модель ByteDance/SDXL-Lightning. Автор рекомендует 4–6 шагов сэмплирования, DPM++ SDE и CFG 1,5–2 для Automatic1111 и ComfyUI. В карточке заявлены генерация реалистичных и художественных изображений, работа с контрастом, природой и лицами. Модель предназначена для создания изображений по текстовым запросам; язык запросов и максимальное разрешение для этой версии в доступных сведениях не определены. Лицензия обозначена как other, поэтому перед использованием следует проверить условия на странице репозитория.

Карточка модели ModelsLab/flux.1-dev на Hugging Face совпадает с карточкой black-forest-labs/FLUX.1-dev, поэтому описание составлено по ней. FLUX.1 [dev] — модель генерации изображений по тексту от Black Forest Labs. Это 12-миллиардный rectified flow transformer, обученный с помощью дистилляции guidance; веса доступны в форматах Diffusers и safetensors. Модель предназначена для создания изображений по текстовым описаниям и локального использования в творческих и исследовательских рабочих процессах. Модель обеспечивает высокое качество изображений и хорошо следует запросам, хотя результат зависит от формулировки промпта и может ему не соответствовать. Она не предназначена для предоставления фактической информации и может усиливать социальные предубеждения. Лицензия FLUX.1 [dev] Non-Commercial License разрешает личное и научное использование; коммерческое использование регулируется условиями лицензии.

FLUX.1 [dev] — модель генерации изображений по тексту от Black Forest Labs. Это 12-миллиардный rectified flow transformer, обученный с помощью дистилляции guidance; веса доступны в форматах Diffusers и safetensors. Модель предназначена для создания изображений по текстовым описаниям и локального использования в творческих и исследовательских рабочих процессах. Модель обеспечивает высокое качество изображений и хорошо следует запросам, хотя результат зависит от формулировки промпта и может ему не соответствовать. Она не предназначена для предоставления фактической информации и может усиливать социальные предубеждения. Лицензия FLUX.1 [dev] Non-Commercial License разрешает личное и научное использование; коммерческое использование регулируется условиями лицензии.

Карточка модели f5aiteam/Flux1Dev на Hugging Face совпадает с карточкой black-forest-labs/FLUX.1-dev, поэтому описание составлено по ней. FLUX.1 [dev] — модель генерации изображений по тексту от Black Forest Labs. Это 12-миллиардный rectified flow transformer, обученный с помощью дистилляции guidance; веса доступны в форматах Diffusers и safetensors. Модель предназначена для создания изображений по текстовым описаниям и локального использования в творческих и исследовательских рабочих процессах. Модель обеспечивает высокое качество изображений и хорошо следует запросам, хотя результат зависит от формулировки промпта и может ему не соответствовать. Она не предназначена для предоставления фактической информации и может усиливать социальные предубеждения. Лицензия FLUX.1 [dev] Non-Commercial License разрешает личное и научное использование; коммерческое использование регулируется условиями лицензии.