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

Это дообученная языковая модель GPT-2, разработанная на основе austindavis/gpt2-lichess-uci-2016-01_11. По названию репозитория и базовой модели она предназначена для генерации шахматных ходов в формате UCI на доске 8×8; метаданные указывают задачу text-generation и контекст 512 токенов. Модель сохранена в формате safetensors. В карточке приведён результат оценки: loss 0,8839. Данные обучения и подробности об оценке не описаны, поэтому этот показатель не позволяет судить о качестве партий или легальности генерируемых ходов. Лицензия в предоставленных сведениях не указана.

ChuckleNet-Genki — экспериментальная модель обнаружения смеха в аудиозаписях, разработанная Hayasuki. Это первое поколение семейства ChuckleNet и доказательство концепции для обучения классификатора на признаках WavLM. Архитектура использует замороженный WavLM с вектором признаков размерности 768 и линейную голову 768→2 для классификации аудио. Модель предназначена для экспериментов с обнаружением смеха, учебных демонстраций линейного пробинга и анализа записей стендап-выступлений. Она дообучена на базе microsoft/wavlm-base с использованием слабых меток [laughter] из VTT-транскриптов. Указанные результаты приблизительны: F1 около 0,27, а IoU-F1 около 0,23; метрики получены на разных разбиениях. Слабые метки отражают маркеры транскрипции, а не проверенные человеком события смеха, поэтому модель может реагировать на акустические признаки, коррелирующие с такими маркерами, и не предназначена для надёжного производственного распознавания смеха. Лицензия — MIT.

Claudius Purus 110M-G — авторская генеративная языковая модель, созданная с нуля на архитектуре GPT-2. Она обучена на 27,92 млн токенов из 996 произведений, написанных до нашей эры, на семи древних языках: древнегреческом, латинском, аккадском, шумерском, библейском иврите, классическом китайском и ведийском санскрите. Модель содержит 110,9 млн параметров, использует корпусный байтовый BPE-токенизатор на 32 тыс. элементов и принимает контекст длиной до 1024 токенов. Модель предназначена для продолжения древних текстов и исследования влияния сохранившихся источников на лексику и стиль. Она воспроизводит отдельные исторические регистры и грамматические особенности, но не предназначена для диалога, фактических ответов или рассуждений. Обучающие данные отражают преимущественно элитарную письменную традицию; иврит представлен непунктированным согласным текстом, а санскрит может слабо реагировать на подсказки вне ритуальной прозы. Модель распространяется в формате Safetensors по лицензии CC BY-NC-SA 4.0. Из-за условий лицензии она предназначена для исследовательского и игрового использования, не для коммерческого применения.

Dewa/dog_emotion_v2 — модель компьютерного зрения для классификации эмоций собаки по изображению. Разработчик дообучил её на наборе kaggle-dog-emotion-dataset; архитектура ViTForImageClassification, около 113,2 млн параметров. Модель относит изображение к одному из четырёх классов: грусть, радость, злость или спокойствие. Модель предназначена для классификации фотографий собак и может использоваться в демонстрационных приложениях, которые определяют предполагаемую эмоцию питомца. Репозиторий содержит веса PyTorch и Safetensors. Лицензия в доступных сведениях не указана.

evex-ft-1 — tako080614 разработала дообучением Qwen3-0.6B-Base на 10,09 млн токенов из истории переписки Discord-сервера. Модель предназначена для генерации коротких реплик, воспроизводящих стиль общения и сетевой сленг участников; в весах закреплены 147 реальных отображаемых имён и особенности речи их владельцев. Для продолжения диалога задают канал и реплики в формате «имя: текст», а затем добавляют имя говорящего, чью реплику нужно продолжить. Используются исходные токены токенизатора Qwen, контекст — до 32 768 токенов; автор рекомендует чекпойнт epoch-2 с наименьшей валидационной потерей. Модель лучше подходит для имитации разговорного стиля, чем для объяснений и выполнения инструкций. Она может воспроизводить манеру конкретных людей, но генерируемый текст нельзя считать их высказыванием или использовать как достоверную цитату. Факты, вычисления, перевод и согласованность длинных ответов модель надёжно не обеспечивает. Базовая модель распространяется по Apache-2.0, однако README не предполагает повторное распространение или коммерческое использование этой производной из-за закрытых частных данных обучения; метаданные указывают лицензию `other`.

Dima806/fairface_age_image_detection — модель компьютерного зрения на базе Vision Transformer, дообученная для классификации изображений по возрастным группам. Она принимает изображение и предсказывает возрастную категорию; в README указана точность около 59%. Модель содержит 113,2 млн параметров, использует библиотеку Transformers и веса Safetensors, а при обучении применялся датасет nateraw/fairface. Модель подходит для экспериментальной оценки возрастных групп на изображениях. Возраст по фотографии определяется с ограниченной точностью, поэтому результат не следует считать точной оценкой возраста. Лицензия — Apache-2.0.

BlueSunflower/gpt2-medium-chess — языковая модель на архитектуре GPT-2 medium, дообученная на 8 миллионах шахматных партий в краткой алгебраической нотации. В контекст подаются счёт партий, рейтинги игроков и последовательность ходов; модель продолжает текст, генерируя следующие шахматные ходы. Репозиторий содержит веса в форматах PyTorch и safetensors, а длина контекста составляет 1024 токена. Модель предназначена для генерации продолжений шахматных партий и простого анализа позиций через предлагаемые ходы. В карточке указаны около 98,5% легальных ходов и результат примерно 1340 ELO при сравнении со Stockfish; в тесте BigBench на поиск мата в один ход результат составил 46,5%. Это специализированная модель для шахматных последовательностей, а не универсальный чат-бот. Лицензия — AGPL-3.0.

Gregg Vision v0.2.1 — модель Grascii, которая преобразует изображение отдельной формы стенографии Грегга в её текстовое представление Grascii. Она предназначена для распознавания рукописной стенографической формы; вместе с Grascii Search результат можно использовать для поиска возможных интерпретаций на английском языке. Модель построена на архитектуре vision encoder-decoder: ViT-энкодер обрабатывает одноканальное изображение, а декодер на основе RoBERTa генерирует текст. Энкодер был инициализирован из vit-small-patch16-224-single-channel, декодер — случайно; модель обучена на наборе gregg-preanniversary-words. Лицензия — MIT. Модель рассчитана на изображения отдельных форм, поэтому карточка не подтверждает распознавание длинных записей или произвольного текста. Она генерирует Grascii, а не готовую английскую расшифровку; для получения возможных английских интерпретаций требуется Grascii Search.

Kurtis-EON1-Hybrid-0.7B-v0.1.1 — экспериментальная разговорная языковая модель от mrs83, дообученная на базе ethicalabs/Echo-DSRN-Qwen2.5-0.5B-Hybrid. Она предназначена для диалогов с устойчивой готической персоной, эмпатичных атмосферных ответов и многошагового общения. По метаданным модель содержит 494 млн параметров и поддерживает контекст до 32 768 токенов; карточка описывает гибридную архитектуру, сочетающую слои внимания с рекуррентным компонентом DSRN. README приводит и другие оценки размера — 672,19 млн параметров, поэтому сведения о размере в источниках расходятся. Модель принимает текст и генерирует текст, поддерживает английский язык. В README приведены результаты тестов на бенчмарках, включая HellaSwag, PIQA и SciQ, но они не гарантируют качества в прикладных сценариях. Лицензия — Apache-2.0. Карточка позиционирует модель как исследовательскую и предупреждает против производственного и коммерческого применения.

LOGION-base — модель семейства BERT, разработанная Чарли Коуэн-Брином, Крестоном Бруксом, Йоханнесом Хаубольдом и Барбарой Грациози. Она предназначена для восстановления пропущенных токенов в текстах на древнегреческом и других вариантах премодерного греческого языка. Модель содержит 140,1 млн параметров, использует архитектуру BertForMaskedLM и обрабатывает контекст длиной до 512 токенов. Она продолжает предварительное обучение на корпусе свыше 70 млн слов премодерного греческого, исходно опираясь на веса и токенизатор Ancient Greek BERT Прана́йдипа Сингха, обученного на материалах First1KGreek, Perseus Digital Library, PROIEL Treebank и Gorman's Treebank. LOGION-base подходит для заполнения масок и связанных с этим исследовательских сценариев обработки исторических греческих текстов; README также упоминает поиск последовательностей для нескольких маскированных токенов. Качество зависит от периода, жанра и токенизации текста. Лицензия в предоставленных данных не указана.

Logion base model — модель на архитектуре BERT, разработанная Princeton Logion и предварительно обученная на корпусе древнегреческих текстов. Она предназначена для восстановления скрытых слов в тексте и других сценариев с задачей fill-mask. Модель содержит 151,6 млн параметров, использует WordPiece-токенизатор со словарём из 50 000 единиц и поддерживает контекст до 512 токенов. Корпус для обучения включает более 70 млн слов и свыше 95 млн токенов древнегреческого языка. Токенизатор игнорирует регистр и диакритические знаки. Модель распространяется в формате PyTorch по лицензии MIT.

rockerBOO/ltx2.3-10eros-nvfp4 — квантованная версия LTX2.3-10Eros v1.5, созданная rockerBOO на основе модели TenStrip/LTX2.3-10Eros. Исходная модель представляет собой fine-tune и layer-scaled merge на базе SulphurAI/Sulphur-2-base, которая, в свою очередь, основана на Lightricks/LTX-2.3. Модель предназначена для генерации видео из изображений и настроена на генерацию откровенного движения и анатомии; такой контент подходит не для любой аудитории. Для расширения разнообразия движений рекомендуется использовать гибридную DMD/distill LoRA. Модель использует архитектуру LTX-2.3 со смешанной аудио-видеомодальностью и включает transformer, video VAE и audio VAE. Веса сохранены в одном файле SafeTensors размером около 22 ГБ и сжаты методом NVFP4 — блочным квантованием FP4 E2M1. Часть блоков transformer сохранена в более высокой точности, а VAE и vocoder исключены из квантования. Для инференса требуется видеокарта Blackwell с SM не ниже 10.0/12.0, например RTX 50-й серии, B100 или B200; загрузка предусмотрена через ComfyUI либо другой совместимый загрузчик формата Comfy-quant. Главное преимущество версии — существенное уменьшение размера по сравнению с исходным bf16-файлом на 46 ГБ при сохранении совместимости с архитектурой LTX-2.3. Ограничения включают зависимость от нового поколения GPU, отсутствие информации о размере контекста, поддерживаемых языках и точных характеристиках качества, а также специализированную направленность на откровенную генерацию. Модель распространяется по LTX-2 Community License Agreement с дополнительными условиями TenStrip: разрешены только входные данные с вымышленными или нереальными персонажами; использование реальных людей, знаменитостей, публичных фигур и идентифицируемых лиц запрещено. Дополнительно пользователь принимает риски использования модели и отказ от гарантий.

kenzytran/my_awesome_mind_model — дообученная Kenzy Tran модель классификации аудио на базе facebook/wav2vec2-base. Она предназначена для отнесения аудиовхода к классам; конкретный набор классов и сценарии применения в карточке не раскрыты. Модель построена на архитектуре Wav2Vec2ForSequenceClassification, содержит 113,3 млн параметров и распространяется в формате Safetensors через Transformers. На оценочном наборе указаны accuracy 0,0708 и loss 2,6616, что свидетельствует о слабом результате в этой оценке. Датасет, поддерживаемые языки и ограничения использования не описаны. Лицензия — Apache-2.0.

My Pet Cat — дообученная модель Stable Diffusion для генерации изображений конкретной домашней кошки по текстовым запросам. Она использует архитектуру Stable Diffusion с компонентами U-Net, текстовым энкодером CLIP и VAE; веса доступны в форматах Diffusers и PyTorch. В README базовая модель указана как Stable Diffusion v1.5, причём эта связь обозначена как предполагаемая. Модель предназначена для создания портретов и изображений кошки в разных позах по английским промптам. Лучше всего она работает при разрешении 512×512 пикселей, но из-за переобучения на внешность конкретной кошки результаты для других кошек могут быть непредсказуемыми. Лицензия — CreativeML OpenRAIL-M.

NoAI-Diffusion v1.2 — модель генерации изображений по текстовому запросу на базе Stable Diffusion, опубликованная под именем yasakoko. Она предназначена прежде всего для создания изображений логотипа AntiAI; в README отмечено, что в версии 1.2 запрос «antiai logo» даёт более чёткие буквы. Для запуска используется StableDiffusionPipeline из библиотеки Diffusers; репозиторий содержит форматы Diffusers и PyTorch. Модель распространяется по лицензии CreativeML Open RAIL-M. README указывает на варианты v1.0, v1.1 и v1.2, но не сообщает размер модели, поддерживаемые языки или дополнительные сценарии применения.

Модель Google Reformer — языковая модель с архитектурой Reformer и 15,8 млн параметров, дообученная на английском переводе романа Фёдора Достоевского «Преступление и наказание». Она генерирует текст из небольших субсловных единиц и рассчитана на продолжение текста в стиле и тематике обучающего произведения. Для обучения использовалось около 0,5 млн токенов; длина контекста составляет до 524 288 токенов. Модель обучена во Flax, а затем преобразована в формат PyTorch для Hugging Face. Лицензия в предоставленных данных не указана.

Koichi Yasuoka разработал RoBERTa-base-coptic — модель RoBERTa с 115,6 млн параметров, предварительно обученную на корпусах Coptic Scriptorium. Она предсказывает пропущенные токены в коптском тексте и может дообучаться для последующих задач анализа языка, включая разметку частей речи и синтаксический анализ зависимостей. Модель принимает текст, имеет контекст до 512 токенов и распространяется в формате PyTorch по лицензии CC BY-SA 4.0. Она предназначена для работы с коптским языком; качество на других языках не заявлено.

chorcat/rukh-small — небольшая GPT-модель с декодером ходов, разработанная автором курса Rukh с нуля для предсказания следующего шахматного хода по истории партии в нотации UCI. Модель содержит 51,4 млн параметров по метаданным Hugging Face; в README указана версия с 38 971 392 параметрами. Она обучена на партиях игроков рейтинга 1800+ с Lichess и использует фиксированный словарь из 2030 токенов. Контекст составляет 200 ходов, а карточка указывает английский язык. Модель предназначена для продолжения шахматных партий и игры против пользователя; опубликованы веса Safetensors и варианты ONNX, включая FP16 для WebGPU и INT8 для WASM. В оценке авторов точность предсказания следующего хода составила 52,4%, а доля легальных ходов без маски — 99,1%; демо применяет маску легальности. Это языковая модель ходов, а не шахматный движок: у неё нет поиска, собственной оценки позиции или состояния доски, поэтому она может пропускать тактику и заметно слабее играет, если дать только позицию без истории. Лицензия — Apache-2.0.

SanskritGPT-Itihasa — авторская модель Dhruvil8, обученная с нуля на текстах «Махабхараты» и «Рамаяны». Это декодерный трансформер архитектуры GPT-2 примерно с 42 млн параметров; он генерирует санскритские стихи письмом деванагари и позволяет задавать стилистический регистр одной из двух эпических поэм. Модель предназначена для вычислительной лингвистики, цифровых гуманитарных исследований, учебных демонстраций и создания черновых стихов с последующей проверкой специалистом. Обучение на корпусе классического санскрита помогает воспроизводить эпическую лексику, метр Ануштубх и некоторые закономерности сандхи. Контекст ограничен 512 токенами. Модель имитирует статистические особенности текстов, но не понимает их смысл; возможны ошибки сандхи и воспроизведение отдельных фрагментов обучающего корпуса. Сгенерированный текст не является подлинным писанием и не подходит для религиозного использования, авторитетного толкования или научного перевода. Лицензия — MIT.

hs0817/sd-class-butterflies-64 — диффузионная модель, опубликованная как работа для первого блока курса по диффузионным моделям. Она предназначена для безусловной генерации изображений милых бабочек: модель создаёт изображение без текстового запроса. Для запуска автор предлагает библиотеку Diffusers и конвейер DDPMPipeline. Модель хранится в формате Diffusers с весами Safetensors и распространяется по лицензии MIT. Карточка не сообщает размер модели, разрешение выходных изображений или ограничения по применению; название репозитория указывает на разрешение 64 пикселя, но README это не подтверждает.

xey/sldr_flux_nsfw_v2-studio — это адаптер LoRA для генерации изображений по текстовому описанию. Модель предназначена для использования с базовой моделью black-forest-labs/FLUX.1-dev и экосистемой Diffusers; в метаданных она также обозначена как diffusion LoRA и Flux-модель. Автор или разработчик адаптера в README явно не указан, однако идентификатор модели содержит имя xey. Адаптер ориентирован на фотореалистичную генерацию изображений, включая сценарии с контентом для взрослых, что следует из идентификатора модели и ссылки на исходную публикацию с пометкой photorealistic-nsfw. Данных о размере адаптера, поддерживаемых языках, длине контекста, точных настройках применения и конкретных улучшениях качества в README нет. Поэтому нельзя достоверно оценить его сильные стороны по сравнению с базовой моделью или ограничения при различных типах промптов. Условия лицензирования в предоставленном README не указаны. Для использования потребуется совместимая с FLUX.1-dev среда и соблюдение условий лицензии базовой модели, а также правил площадки-источника и применимого законодательства, особенно при создании контента для взрослых.

SniffyOtter-7B — японская языковая модель, представленная в репозитории Elizezen и настроенная на генерацию эротических романов. Она предназначена для создания художественного текста с сохранением темы и контекста; автор отмечает, что для других задач модель может подходить хуже. В README приведены сравнительные результаты авторского тестирования, однако описание метрик указывает на возможную предвзятость, а детали теста раскрыты не полностью. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она принимает и генерирует текст на японском языке, поддерживает контекст до 8192 токенов и распространяется в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Stoicheia-doc_clean — это 405-миллионная символьная модель-энкодер с маскированной диффузией для древнегреческого языка, выпущенная анонимной командой вместе с научной статьёй, находящейся на рецензировании. Она предназначена для восстановления замаскированных символов и анализа древнегреческих текстов, включая тексты без пробелов, с редакторской разметкой и лакунами неизвестной длины. Вход модели разделён на пять синхронизированных слоёв: буквы, границы слов и предложений, диакритические знаки, регистр и пунктуация; каждый слой можно маскировать независимо. Архитектура использует 32 слоя, размерность 1024 и чередует локальное внимание в окне 256 символов с глобальным вниманием. Чекпойнт обучен без надписей и папирусов, что позволяет использовать его для исследований документальных текстов без прямого загрязнения предобучающими примерами из этих источников. Модель распространяется по лицензии Apache-2.0. README не сообщает языки помимо древнегреческого и не приводит явных ограничений качества или применимости.

Stoicheia-fold-6 — анонимно выпущенный чекпойнт character-level masked-diffusion encoder на 405 млн параметров для древнегреческого языка. Архитектура использует 32 блока и чередует локальное внимание в окне 256 символов с глобальным: три блока из четырёх работают локально, каждый четвёртый — глобально. Вход разделён на пять выровненных слоёв: буквы, границы слов и предложений, диакритические знаки, регистр и пунктуация; каждый слой можно независимо маскировать, задавая неизвестные символы или признаки. Модель предназначена для восстановления пропусков и анализа древнегреческого текста в разных формах, включая редакторский текст, scriptio continua и лакуны неизвестной длины. Чекпойнт обучен без десятой части литературного корпуса, выделенной в тестовую зону fold 6; авторы описывают многоэтапную проверку на пересечения с дубликатами и близкими копиями. Это анонимный исследовательский выпуск, сопровождающий статью на рецензировании; лицензия — Apache-2.0. README указывает лучший результат на отложенных данных на шаге 78 001, но не приводит оценок качества для прикладных сценариев.

Stoicheia-fold-9 — анонимно выпущенный чекпойнт модели Stoicheia, представленный вместе со статьёй на рецензировании. Это символьный masked-diffusion encoder на 405 млн параметров для древнегреческого языка: архитектура CharBERT с 32 блоками, размерностью 1024 и полосовым вниманием, где три из четырёх блоков используют окно в 256 символов, а четвёртый — глобальное внимание. Вход разделён на пять синхронизированных плоскостей: буквы, границы слов и предложений, диакритика, регистр и пунктуация; каждую можно независимо маскировать, обозначая неизвестные элементы явно. Модель предназначена для заполнения пропусков и анализа древнегреческих текстов в разных видах записи, в том числе без пробелов и с лакунами неизвестной длины. Чекпойнт fold 9 обучен без десятой части литературного корпуса, выделенной в тестовую зону этого фолда; README описывает процедуру контроля пересечений с тестовыми текстами. Весы доступны в формате safetensors, библиотека — Transformers. Лицензия Apache-2.0. Это анонимный выпуск, сопровождающий статью на рецензировании.

Stoicheia-restoration-test2 — исследовательская модель для восстановления повреждённых текстов на древнегреческом языке, включая надписи и папирусы. Это символьный masked-diffusion encoder на 405 млн параметров от анонимного разработчика, дообученный от Stoicheia-doc_clean. Вход разделён на пять выровненных слоёв: буквы, границы слов и предложений, диакритические знаки, регистр и пунктуация; каждый слой можно независимо маскировать. Архитектура char-level с размерностью 1024 и 32 блоками: три блока из четырёх используют локальное внимание в окне 256 символов, четвёртый — глобальное. Модель предназначена для восстановления лакун известной длины, обозначенных дефисами, и лакун неопределённой длины, заданных диапазоном [N±M]. Поддерживает ввод как отредактированного текста, так и текста без пробелов между словами. Версия с суффиксом 2 обучена на всех документах, кроме тех, чьи идентификаторы PHI/TM оканчиваются на 2; это позволяет проверять предложения модели на отложенных документах. Модель выпущена вместе со статьёй, находящейся на рецензировании. Лицензия — Apache-2.0.

Toronto-Mans-4B — текстовая разговорная модель, созданная Devon7y на базе Qwen/Qwen3.5-4B. Это плотная причинная языковая модель примерно на 3,4 млрд параметров, дообученная методом LoRA на диалогах с персонажем и объединённая с базовыми весами. Она имитирует преувеличенный вариант мультикультурного английского Торонто, поддерживает контекст до 262 144 токенов и рассчитана на общение с настраиваемой интенсивностью сленга от 1 до 5. Модель подходит для развлекательных диалогов о повседневной жизни Торонто и ответов в заданном местном стиле. В серьёзных темах, связанных с горем, медициной, безопасностью, самоповреждением или травлей, она должна отвечать нейтрально и без сленга. Лицензия — Apache-2.0. Это стилизованная имитация, а не достоверное представление речи жителей Торонто и не источник фактов. По README, вопросы о значении сленга модель успешно обрабатывала примерно в 6 случаях из 10; часть словарных толкований размечена языковой моделью и проверена людьми лишь частично. Разработчики также отмечают, что в части ответов встречаются общие или британские слова, а саму модель не следует использовать для имитации конкретного человека.

jeanmidev/trackmania-tmnf-gpt2-movevocab — модель генерации текста на архитектуре GPT-2, дообученная на неизвестном наборе данных. В карточке приведено значение loss 1,3897 на оценочном наборе, но описание модели и сведения о данных отсутствуют. Модель основана на openai-community/gpt2, использует библиотеку Transformers и формат safetensors. Длина контекста — 1024 токена. По названию репозитория модель связана с Trackmania и словарём игровых движений, однако README не подтверждает её конкретное назначение или качество в игровых сценариях. Лицензия — MIT.

turkishReview-ds-mini — модель генерации текста на базе GPT-2, дообученная автором styraist на неизвестном наборе данных. Карточка не раскрывает детали обучения и оценки, поэтому назначение модели можно лишь предположить по названию: она может быть ориентирована на генерацию текста, связанного с отзывами на турецком языке. Модель использует плотную архитектуру GPT-2 и формат TensorFlow. Контекст ограничен 1024 токенами. Репозиторий распространяется по лицензии MIT. Специализированные сценарии, качество и ограничения, кроме нераскрытых данных обучения, в карточке не описаны.

Это модель классификации изображений из серии экспериментов timm: ViT-Large с патчами 14×14, CLIP-предобучением и входным разрешением 336 пикселей, дообученная на iNaturalist 2021. Она предназначена для распознавания видов живых организмов по фотографиям: модель различает 10 000 классов видов и может помочь определить растение или животное по снимку, например сделанному во дворе или на природе. В README указаны результаты на iNaturalist 2021: точность Top-1 91,98% и Top-5 98,03%. Веса доступны в форматах PyTorch и safetensors; для использования предусмотрена библиотека timm. Модель обучалась без дополнительных метаданных. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.