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

NabuOCR — модель оптического распознавания, созданная разработчиком boatbomber для транскрибирования изображений древних клинописных табличек в Unicode. Она дообучена на PaddleOCR-VL и принимает изображения одной или нескольких сторон таблички, формируя текстовую транскрипцию с маркерами сторон, например @obverse и @reverse. Модель предназначена для помощи в оцифровке клинописных источников на шумерском и аккадском языках; результат может служить основой для дальнейшей проверки специалистом, но не заменяет научную транслитерацию ATF. В README указана база PaddleOCR-VL размером 0,9 млрд параметров, расширенный токенизатор с клинописными знаками и обучение на изображениях CDLI с последующей SFT и GRPO-настройкой. Метаданные указывают архитектуру PaddleOCR-VL, 316,8 млн параметров и контекст до 131 072 токенов. Рекомендуются фотографии высокого разрешения и хорошего контраста; качество снижается на повреждённых или стёртых табличках и при редких вариантах знаков. Лицензия — Apache-2.0.

ouatlm — небольшая языковая модель разработчика ybc-lw на архитектуре GPT-2, предназначенная для продолжения фразы «once upon a time» и генерации сказочного текста. Она поддерживает текстовую генерацию и описана как чат-модель; размер не указан. Нативная длина контекста составляет 32 токена, модель работает через Transformers и представлена в формате safetensors. Модель подходит для коротких творческих продолжений и экспериментов с генерацией сказок. Выпущена под лицензией MIT. README рекомендует для более удобного использования репозиторий ybc-lw/ouatlm-GGUF.

P.A.W.F.E.C.T-Alpha — диффузионная модель для генерации изображений по текстовым тегам, обученная Lodestone Rock на 500 тысячах пар изображений и тегов из Furaffinity. Исходную концепцию и данные подготовил amogus__enjoyer. Модель рассчитана на создание furry-изображений, в том числе нишевых сюжетов и персонажей; в обучающие теги входят категории рейтинга general, mature и adult, а также теги художников, если они часто встречались в наборе данных. Модель находится на ранней стадии обучения: автор характеризует её как Alpha и ожидает улучшений после дополнительных эпох и расширения данных. Теги Furaffinity дают широкий охват редких сюжетов, но могут быть менее точными, чем теги e621; автор рекомендует объединять модель с FluffyRock для большего контроля над запросами. README описывает использование в Automatic1111 с файлами safetensors и YAML, а метаданные указывают форматы Diffusers, Flax, PyTorch и safetensors. Лицензия — WTFPL.

Pepe Diffuser — модель генерации изображений по текстовому описанию, созданная дообучением Stable Diffusion 2 на изображениях лягушонка Пепе. Автор использовал библиотеку diffusers и набор данных Dipl0/pepe_image_stable_diff; модель доступна в формате Diffusers/PyTorch. Модель предназначена для создания изображений с Pepe the Frog по текстовым запросам. Автор отмечает, что результаты обычно лучше, если начинать запрос с фразы «pepe the frog». В README приведён пример генерации с StableDiffusionPipeline и планировщиком DPMSolverMultistepScheduler. Это личный экспериментальный проект. Обучающие изображения взяты из интернет-мемов, поэтому результаты могут воспроизводить их юмор и стереотипы. Сведения о лицензии в предоставленных данных отсутствуют.

PicoSatirik — небольшая авторская языковая модель на базе архитектуры Llama, предварительно обученная на наборе русских анекдотов igorktech/anekdots. Она предназначена для генерации коротких текстов в стиле анекдотов по текстовой подсказке. Модель содержит 22,8 млн параметров, принимает текст и выдаёт текст; длина контекста — 512 токенов. В README проект назван вдохновлённым TinyStories. Модель опубликована в формате Safetensors и рассчитана на использование с Transformers. Карточка указывает лицензию MIT. Из-за малого размера и узкой обучающей выборки генерация может быть шаблонной, несвязной или некорректной; качество за пределами русскоязычных анекдотов не подтверждено.

Undi95/PsyMedRP-v1-20B — текстовая генеративная модель семейства Llama с плотной архитектурой LlamaForCausalLM и 19,8 млрд параметров. Она предназначена для генерации текста; название указывает на сценарии психологического и медицинского ролевого общения, однако README не описывает её назначение или подтверждённые возможности. Модель опубликована в safetensors и имеет контекстное окно 4096 токенов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. В README модель обозначена как находящаяся на тестировании; метаданные также помечают её как неподходящую для всех аудиторий и NSFW.

Модель pablo-moreira/puzzle-piece-detection разработана для проекта PuzzleMap и предназначена для обнаружения отдельных деталей пазла на фотографиях или изображениях с одной или несколькими деталями. Она основана на DETR с ResNet-50 и дообучена от facebook/detr-resnet-50 на наборе PuzzleMap. Модель распознаёт один целевой класс — деталь пазла — и возвращает ограничивающие рамки и оценки уверенности для найденных объектов. Детектор служит этапом локализации в конвейере анализа пазлов: его результаты можно использовать, чтобы вырезать отдельные детали и передать их последующим компонентам для дальнейшего анализа. Модель принимает RGB-изображения; для обработки применяется стандартный процессор Transformers, а специальный удалённый код для загрузки не требуется. Качество может снижаться при сильном перекрытии, малом размере или повреждении деталей, размытии, плохом освещении, выраженной перспективе и наличии объектов, не похожих на детали пазла. Репозиторий распространяется по лицензии CC BY 4.0.

Qwen3.5-2B Playpen Agent — текстовая диалоговая модель команды playornotplay для интерактивных игр из задания LM Playschool Challenge / Playpen. Модель разработана дообучением Qwen/Qwen3.5-2B с помощью LoRA на игровых диалогах из набора colab-potsdam/playpen-data; репозиторий содержит объединённые веса fp32. Архитектура — плотная причинная языковая модель Qwen3.5 с примерно 1,7 млрд параметров и контекстом до 262 144 токенов. Модель предназначена для пошагового взаимодействия с игровыми средами через текст. В официальной оценке она заметно превзошла исходную Qwen3.5-2B по Clemscore на публичном и закрытом внутридоменном наборах, сохранив примерно тот же Statscore. На вне-доменном наборе Clemscore остался низким, а улучшение статических тестов не гарантирует роста качества на каждом из них. Это специализированный игровой агент, а не универсальная модель для любых диалогов. Указанная лицензия — Apache-2.0.

Rukh Medium — авторская GPT-декодерная модель, разработанная с нуля в рамках учебного курса по созданию шахматной языковой модели. Она предсказывает следующий ход в партии по истории ходов, записанных в UCI; вход также содержит рейтинговые категории игроков. Модель предназначена для игры в шахматы и может использоваться в браузерной демонстрации. Это плотная архитектура Rukh Move Decoder с 152,6 млн параметров, словарём из 2030 фиксированных токенов и контекстом до 200 ходов. Доступны веса Safetensors и варианты ONNX, в том числе FP16 и INT8. Карточка сообщает о точности предсказания следующего хода 54,4% и оценке силы около 1535 Elo; это результаты конкретных тестов, а не гарантированный рейтинг. Модель училась на партиях игроков рейтинга 1800 и выше с Lichess и воспроизводит их стиль игры, включая ошибки. Это языковая модель ходов, а не шахматный движок: у неё нет поиска вариантов и собственной оценки позиции, поэтому она может пропускать тактические угрозы. Без истории ходов, например при подаче одной позиции FEN, работает заметно слабее. Без маски допустимых ходов иногда предлагает нелегальные ходы, поэтому приложение должно фильтровать их. Лицензия — Apache-2.0.

Rukh Medium DPO — это созданный с нуля автором проекта chorcat декодер GPT для игры в шахматы. Модель предсказывает следующий ход по последовательности ходов в формате UCI и двум начальным токенам с рейтингами игроков. Она насчитывает около 152,6 млн параметров, использует фиксированный словарь из 2030 токенов и контекст до 200 ходов. Доступны веса Safetensors и варианты ONNX, включая FP16 и INT8. Модель предназначена для ходов в шахматной партии и игры с человеком в браузерном демо. В оценке проекта точность предсказания следующего хода составила 52,3%, а доля легальных ходов без маски — 99,2%; Elo 1632 является оценкой по ограниченному набору партий, а не официальным рейтингом. Модель обучена на партиях игроков Lichess с рейтингом 1800 и выше и воспроизводит их стиль игры. Это языковая модель последовательностей ходов, а не шахматный движок: у неё нет поиска по вариантам и собственной функции оценки позиции. Для исключения нелегальных ходов приложению нужна маска допустимых ходов. Лицензия — Apache-2.0.

kambleaa007/sanskrit-gpt-finetuned — генеративная языковая модель на базе архитектуры GPT-2, опубликованная пользователем kambleaa007 на Hugging Face. По названию репозитория модель предназначена для генерации текста на санскрите и, вероятно, была дообучена для этой задачи с использованием supervised fine-tuning; README не содержит подробностей о разработчике, датасете и процедуре обучения. Модель используется через библиотеку Transformers и решает задачу text-generation: продолжение санскритского текста, создание фрагментов текста по подсказке и экспериментальная генерация. Нативная длина контекста составляет 512 токенов. Метаданные не содержат сведений о лицензии, числе параметров, точной языковой поддержке, результатах оценки или безопасных сценариях применения.

Модель akaneko29/sd-class-butterflies-32 — диффузионная модель, созданная в рамках курса Diffusion Models Class. Она предназначена для безусловной генерации изображений милых бабочек: модель создаёт изображение без текстового описания на входе. Репозиторий содержит модель в формате Diffusers и веса Safetensors; для запуска в README показан DDPMPipeline. Лицензия — MIT. Модель подходит для создания декоративных изображений бабочек и демонстрации безусловной генерации изображений. Карточка не сообщает размер модели, разрешение генерации или ограничения качества.

kenpack6/sd-class-butterflies-32 — диффузионная модель из учебного курса Diffusion Models Class, предназначенная для безусловной генерации изображений милых бабочек. Она использует библиотеку Diffusers и запускается через DDPMPipeline: модель создаёт изображение без текстового запроса. Модель распространяется в форматах Diffusers и Safetensors. Лицензия — MIT. Карточка не сообщает размер модели, разрешение изображений или дополнительные ограничения; по назначению модель ориентирована на изображения бабочек.

metythorn/sd-class-butterflies-32 — диффузионная модель, созданная как работа для первого модуля курса Diffusion Models Class. Она генерирует изображения бабочек без текстового запроса; пример использования в карточке загружает модель через DDPMPipeline из библиотеки Diffusers. Модель предназначена для создания изображений милых бабочек. В репозитории указаны форматы Diffusers и safetensors, а лицензия — MIT. Размер модели и длина контекста не указаны в доступных данных; текстовый ввод не требуется.

Модель tanGGwa012/sd-class-butterflies-32 разработана как учебный проект курса Diffusion Models Class. Это диффузионная модель на базе DDPMPipeline из библиотеки Diffusers, предназначенная для безусловной генерации изображений милых бабочек. Её можно использовать для получения отдельных изображений без текстового запроса. Модель распространяется в формате Diffusers с весами Safetensors и лицензией MIT. Размер модели и поддерживаемые языки в карточке не указаны; поскольку модель создаёт изображения без текстового ввода, языковая поддержка к её назначению не относится.

therealcyberlord/stanford-car-vit-patch16 — модель классификации изображений на базе Vision Transformer (ViT), дообученная на наборе Stanford Cars. Она распознаёт 196 классов автомобилей, обычно различающихся маркой, моделью и годом выпуска, например Tesla Model S 2012 года или BMW M3 Coupe 2012 года. В карточке заявлена точность около 86% на тестовой выборке. Модель предназначена для определения модели автомобиля по изображению и может служить базовым решением для экспериментов или последующего дообучения. Доступны веса в форматах PyTorch и Safetensors; для загрузки README показывает библиотеку Transformers. Набор данных не содержит новых моделей автомобилей, поэтому распознавание актуальных выпусков может быть ненадёжным. Лицензия — Apache-2.0.

stanfordnlp/stanza-cu — модель проекта Stanza для автоматической лингвистической разметки старославянского языка. Stanza разработан группой Stanford NLP и предоставляет инструменты для анализа текста: эта модель относится к задаче классификации токенов, а её файлы опубликованы в формате PyTorch. Репозиторий автоматически подготовлен из моделей Stanza. Модель предназначена для анализа текстов на старославянском языке в конвейерах NLP. Она распространяется по лицензии Apache 2.0. Карточка не уточняет размер модели, состав конкретных меток и точность.

Stanza — набор инструментов для лингвистического анализа естественных языков, разработанный Stanford NLP. Этот репозиторий содержит модель Stanza для древнегреческого языка (grc), предназначенную для разметки текста на уровне токенов в рамках лингвистического анализа. Модель распространяется в формате PyTorch и доступна по лицензии Apache-2.0. Карточка описывает её как часть набора инструментов Stanza для анализа текста от исходного текста до синтаксического разбора и распознавания сущностей, однако конкретные параметры и дополнительные возможности этого чекпойнта не приведены.

jeanmidev/trackmania-tmnf-distilgpt2-v2 — дообученная модель генерации текста на базе DistilGPT-2, опубликованная пользователем jeanmidev. По названию она связана с Trackmania и Trackmania Nations Forever, однако карточка не описывает конкретный набор данных или сценарий применения, поэтому специализацию можно определить только предположительно. Модель использует архитектуру GPT-2 и библиотеку Transformers, принимает текст и генерирует продолжение. В метаданных указан контекст до 1024 токенов; веса опубликованы в формате Safetensors. Карточка сообщает значение loss 1,2489 на оценочном наборе, но не приводит подробностей протокола оценки. Лицензия — Apache-2.0. Из-за отсутствия описания обучающих данных и intended use качество и пригодность генерации для конкретных задач Trackmania оценить по карточке нельзя.

TrumpLM — экспериментальная языковая модель Waleed Ahmad, обученная воспроизводить узнаваемую манеру речи Дональда Трампа. Это плотная causal language model семейства LFM2 с 221,2 млн параметров и контекстом до 128 000 токенов. В карточке указана LiquidAI/LFM2.5-230M как базовая модель. Обучение проходило в два этапа: продолжение предобучения на текстах Трампа и дообучение на синтетических парах «вопрос — ответ». Модель предназначена для генерации ответов и речей в стилизованной манере; автор приводит внутренние оценки сходства стиля, но они основаны на небольшом наборе вопросов и оценках другой модели. Доступны веса в формате safetensors. Лицензия — MIT. Модель имитирует публичную персону и может выдавать вымышленные высказывания от её лица; её результаты не следует считать реальными цитатами или достоверной политической информацией.

Vanessa (VerityHE) — специализированная чат-модель для персонажа-компаньона NPC из мода VerityHE для Hytale. Разработчик настроил её на базе Qwen2.5-3B-Instruct с помощью LoRA, объединил адаптер с базовой моделью и экспортировал веса в GGUF с квантизацией Q4_K_M; размер файла — около 1,93 ГБ. Модель предназначена для коротких реплик в игровом диалоге и голосовом цикле в реальном времени: распознавание речи выполняется до обращения к модели, а озвучивание текста — после неё. Ответы рассчитаны на произнесение вслух и обычно ограничиваются одним-двумя предложениями. Модель настроена сохранять образ Ванессы и не выдумывать сведения, которых ей не сообщали; в моде предусмотрена отдельная, более сердитая персона при механике пренебрежения. Для установки используется Ollama: мод импортирует модель автоматически. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества диалога.

huggingtweets/vox_akuma — текстовая генеративная модель на базе GPT-2, созданная Борисом Даймой с помощью проекта huggingtweets. Она обучена на публикациях Vox Akuma из NIJISANJI EN и предназначена для генерации коротких текстов, имитирующих стиль и тематику этих публикаций; запускать её можно через text-generation pipeline библиотеки Transformers. Модель использует архитектуру GPT2LMHeadModel, хранится в формате PyTorch и рассчитана на контекст до 1024 токенов. В обучающей выборке было 3149 твитов, включая ретвиты. В метаданных указан английский язык; модель может подойти для творческих экспериментов и развлекательной генерации текста по короткой подсказке. Карточка указывает на ограничения и смещения, присущие GPT-2, а также на влияние содержания исходных твитов. Лицензия в предоставленных данных не указана.

Модель LincolnD/wav2vec2-base-finetuned-ravdess-personalization — классификатор эмоций в речи на базе Wav2Vec2, разработанный для экспериментов по адаптации модели во время тестирования. Она дообучена на RAVDESS и относит аудиозапись к одному из восьми классов: нейтральное состояние, спокойствие, радость, грусть, гнев, страх, отвращение или удивление. Модель предназначена для исследований персонализации распознавания эмоций между говорящими и доменами; опубликована как часть работы об адаптации моделей распознавания эмоций в речи. Архитектура — Wav2Vec2ForSequenceClassification, размер — 113,3 млн параметров. Модель принимает аудио с частотой дискретизации 16 кГц и выдаёт метку класса эмоции. В метаданных указан английский язык. Лицензия — MIT. Результаты оценки и сравнение с методами адаптации приведены в статье авторов; применимость за пределами экспериментального сценария RAVDESS отдельно не подтверждена.

wt-neko-instruct — созданная автором Trina-QwQ разговорная модель для творческого общения и ролевых игр в образе кошкодевушки. Она основана на Qwen3-4B-Instruct-2507: автор описывает многоэтапное обучение с LoRA, слиянием адаптеров, SFT, RLHF и дистилляцией; метаданные указывают производную связь finetune и формат GGUF. Модель ориентирована прежде всего на китайский язык и диалог, а карточка также отмечает возможность чата. По README, для запуска требуется около 1 ГБ видеопамяти; приведена оценка скорости около 20 токенов в секунду на RTX 3070 с llama.cpp и CUDA. Модель рассчитана на ролевые диалоги, творческое письмо и эмоциональное общение, с литературной манерой и устойчивой ролевой персоной. В README указано, что качество ответов на других языках, математические рассуждения, фактические вопросы, программирование и технические запросы намеренно снижены; для этих задач модель не рекомендуется. В карточке заявлен контент R-18. Лицензия — MIT.

Карточка модели XiaomiRobotics/Xiaomi-Robotics-U0 на Hugging Face совпадает с карточкой XiaomiRobotics/Xiaomi-Robotics-U0-FlashAR, поэтому описание составлено по ней. Xiaomi-Robotics-U0-FlashAR — авторегрессионная мультимодальная модель Xiaomi Robotics для генерации изображений и синтеза сцен с роботизированными наблюдениями. Она использует архитектуру UNIS с плотной моделью на 30,4 млрд параметров и инициализирована на основе EMU3.5. Общий дискретный визуальный токенизатор и единая цель предсказания следующего токена позволяют обрабатывать текстовые и визуальные последовательности в общей токеновой системе. Модель принимает текстовые запросы и изображения с инструкциями, а также условия и наблюдения сцены; генерирует изображения, многовидовые RGB-сцены и, согласно описанию семейства, видео с роботизированным сценарием. Публичные веса FlashAR поддерживают генерацию сцен, перенос сцены, генерацию изображений по тексту и редактирование изображения по инструкции. FlashAR группирует визуальные токены при декодировании и поддерживает пакетный вывод через vLLM; заявлены контекст 32 768 токенов и ускорение генерации изображений высокого разрешения. Видео-чекпойнт в README обозначен как ожидающий выпуска, поэтому генерацию видео этими весами считать доступной нельзя. Модель предназначена для генерации и преобразования изображений и для создания роботизированных многовидовых сцен. Репозиторий предоставляет код вывода и демо. Лицензия — Apache-2.0. В README приведено заявленное авторами время вывода для конкретной конфигурации H20; фактическая скорость и требования к оборудованию зависят от используемого движка и конфигурации.

keremberke/yolov8m-plane-detection — модель компьютерного зрения на базе YOLOv8m, предназначенная для обнаружения самолётов на изображениях. Она выдаёт рамки объектов с меткой planes и предназначена для сценариев, где нужно находить самолёты на снимках. Репозиторий использует библиотеку Ultralytics и содержит веса PyTorch; обучающий датасет указан как keremberke/plane-detection. Модель решает задачу object detection и распознаёт один класс объектов — самолёты. Карточка не сообщает размер входного изображения, показатели качества или условия лицензии, поэтому эти характеристики нельзя оценить по доступным сведениям.

gary109 выпустил модель автоматического распознавания речи на базе wav2vec2. Это плотная модель Wav2Vec2ForCTC размером 113,3 млн параметров в формате PyTorch, дообученная на наборе GARY109/AI_LIGHT_DANCE - ONSET-IDMT-SMT-DRUMS-V2+MDBDRUMS. Несмотря на обозначение задачи в карточке как распознавания речи, указанное обучающее множество посвящено ударным инструментам; применение модели к распознаванию речи или транскрибированию музыкальных событий README подробно не поясняет. На оценочном наборе указаны loss 0,5550 и WER 0,3147. Модель принимает аудио и предназначена для автоматического распознавания аудиосигнала. README не описывает языки, сценарии использования и ограничения, поэтому оценить её пригодность для конкретных типов аудио нельзя. Условия лицензии в предоставленных данных не указаны.

Bella-Bartender-Heretic-3B — диалоговая языковая модель, созданная автором Bella на базе unsloth/Llama-3.2-3B-Instruct. Модель дообучена в Unsloth на разговорных примерах, написанных в одном узнаваемом голосе; перед этим к базовым весам применили abliteration, чтобы ослабить усвоенные шаблоны отказа. Архитектура — плотная LlamaForCausalLM, размер — 3,2 млрд параметров, заявленная длина контекста в метаданных — 131 072 токена. Модель работает с текстом и ориентирована на английский язык. Она предназначена для коротких разговорных ответов, ролевого общения, творческих сцен и сохранения заданного персонажа. Карточка отмечает её лаконичность, юмор и склонность поддерживать абсурдные предпосылки; автор также описывает локальный запуск на ноутбуке. Модель намеренно не ориентирована на программирование и точные справочные ответы. Возможны чрезмерно короткие ответы и повторы. Лицензия указана как llama3.2; модель описана как лишённая стандартных шаблонов отказа, поэтому её ответы могут быть резкими или содержать нежелательный контент.

CelineGPT-12B-v0.1 — экспериментальная диалоговая модель, разработанная krogoldAI на базе Mistral-Nemo-Instruct-2407. Она дообучена имитировать манеру и голос французского писателя Луи-Фердинанда Селина и поддерживает общение в формате чата. Модель содержит 12,1 млрд параметров, построена на плотной архитектуре Mistral и работает с текстом; заявленная длина контекста — 1 024 000 токенов. Модель предназначена для литературных энтузиастов, исследователей и авторов, которые хотят обсуждать жизнь, взгляды и творчество Селина или экспериментировать с подражанием его стилю. Обучающий корпус на французском языке состоит из 1518 пар вопрос–ответ в 415 диалогах, собранных из интервью, переписки и послевоенных произведений писателя. Из-за небольшого объёма данных ответы могут содержать фактические ошибки или быть неоптимальными. У модели нет механизма модерации, поэтому она может генерировать вредный контент. Коммерческое использование запрещено; модель предназначена для развлечения и экспериментов.

CroPond-7B — мультимодальная модель зрения и языка, разработанная на основе Qwen2.5-VL-7B-Instruct и дообученная главным образом на наборе CrossPoint-378K. Она предназначена для поиска соответствий между точками на изображениях разных ракурсов: модель принимает изображения и формулировки на естественном языке, чтобы сопоставлять одни и те же объекты или места при изменении точки обзора. Модель построена на архитектуре Qwen2.5-VL, содержит 7,1 млрд параметров и поддерживает контекст до 128 000 токенов. В карточке заявлено качество уровня state of the art для задач cross-view correspondence, однако конкретные результаты и подробности оценки в README не приведены. Метаданные указывают английский язык. Модель опубликована в формате safetensors под лицензией MIT. Ее основная специализация — визуальное сопоставление между ракурсами; данные не подтверждают пригодность для более широкого набора задач обработки изображений.