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

ControlNet Union SDXL 1.0 — модель, разработанная командой xinsir для управляемой генерации и редактирования изображений на базе Stable Diffusion XL и архитектуры ControlNet. Она предназначена для text-to-image и image-to-image сценариев, в которых нужно задавать структуру, позу, глубину, контуры, линейный рисунок и другие визуальные условия, а также комбинировать несколько условий в одном запросе. В версии ProMax заявлена поддержка более 10 типов управления и пяти расширенных функций редактирования, включая устранение размытия по тайлам, вариативность, тайловое суперразрешение, inpainting и outpainting. Модель использует модифицированную архитектуру оригинального ControlNet с общими параметрами и единым энкодером условий для разных типов входных изображений. По заявлению авторов, она обучалась на более чем 10 миллионах изображений с применением bucket training, многоразмерного обучения, аугментаций и переформулированных описаний. Это позволяет работать с изображениями высокого разрешения и различными соотношениями сторон, поддерживать одновременное использование нескольких условий без заметного увеличения вычислительных затрат и сохранять совместимость с другими SDXL- и LoRA-моделями. Точный размер модели, список поддерживаемых языков, максимальная длина контекста и полный перечень условий в README не указаны. Сильные стороны модели — универсальность, управление композицией и структурой изображения, поддержка объединения нескольких условий, а также применение к задачам детального редактирования и увеличения разрешения. Ограничения связаны с отсутствием в README подробных инструкций по инференсу, точных требований к оборудованию и количественных результатов оценки; заявленные характеристики производительности и качества не подтверждены приведёнными метриками. Модель распространяется по лицензии Apache-2.0.

ControlNet v1.1 instruct pix2pix — модель для управляемой генерации и редактирования изображений на основе диффузионных моделей. Она разработана Lvmin Zhang и Maneesh Agrawala, а данный репозиторий содержит конвертацию исходного checkpoint в формат diffusers. Модель предназначена для работы совместно с Stable Diffusion, прежде всего runwayml/stable-diffusion-v1-5. Архитектура ControlNet добавляет к предварительно обученной диффузионной модели дополнительные условия управления. Эта версия обучена для сценариев instruct pix2pix, то есть редактирования исходного изображения по текстовой инструкции: например, изменения внешнего вида или добавления объектов. Заявлены текстовая и визуальная модальности, английский язык и тип задачи text-to-image, адаптированный для image-to-image редактирования. Размер модели и максимальная длина контекста в README не указаны. Сильная сторона модели — возможность сохранять и использовать структуру исходного изображения, одновременно управляя результатом текстовым описанием. Checkpoint рекомендуется применять со Stable Diffusion v1-5; совместимость с другими диффузионными моделями возможна, но не гарантируется. Ограничения, показатели качества и требования к вычислительным ресурсам не приведены. Модель распространяется по лицензии CreativeML OpenRAIL M, адаптированной на основе Open RAIL M.

bigshanedogg/CSD — неофициальная версия модели CSD в формате Transformers, подготовленная bigshanedogg на основе опубликованных весов CSD. Модель использует визуальную основу CLIP ViT-L/14 без проекционного слоя: извлечённые признаки размерности 1024 преобразуются отдельными обученными головами стиля и содержания в L2-нормализованные дескрипторы размерности 768. Для обработки изображений применяется масштабирование короткой стороны до 224 пикселей, центральное кадрирование до 224×224 и нормализация CLIP. Модель предназначена для извлечения признаков изображений и сравнения их стилистического сходства: сходство двух изображений оценивается косинусом между их стилевыми эмбеддингами. Также доступны эмбеддинги содержания. Для загрузки используется trust_remote_code; во время выполнения не требуются clip или open_clip. Репозиторий содержит веса safetensors. Порт лицензирован по MIT, исходный код CSD — по MIT, а веса — по CC-BY-4.0 с требованием атрибуции Somepalli и соавторам / University of Maryland. Это неофициальный порт.

DazzlingXeno создал Cydonian-Gutenberg — языковую модель Mistral на 22 млрд параметров, полученную слиянием Cydonia-22B-v1 и Mistral-Small-Gutenberg-Doppel-22B методом SLERP с помощью mergekit. Модель предназначена для генерации текста и диалогов, с особым акцентом на художественное повествование и рассказы. Она принимает текстовые запросы и выдаёт текст; доступны шаблоны общения Mistral и ChatML. Модель использует архитектуру MistralForCausalLM, веса хранятся в формате safetensors, а контекст составляет до 32 768 токенов. Карточка описывает цель улучшить качество рассказов, но не приводит результатов оценки. Лицензия в предоставленных данных не указана.

EVA Qwen2.5-72B v0.1 — плотная языковая модель на 71,5 млрд параметров, созданная Kearm, Auri и Cahvay как полнопараметрическое дообучение Qwen/Qwen2.5-72B. Она предназначена прежде всего для ролевого общения и написания историй, а также для следования инструкциям и работы с длинным контекстом. Модель обучена на смеси синтетических и естественных данных, включая наборы для прозы, структурированного письма и ролевых персонажей; формат запросов — ChatML. Модель использует архитектуру Qwen2 и библиотеку Transformers, хранится в формате safetensors и поддерживает контекст до 131 072 токенов. В карточке указана лицензия other; конкретные условия лицензии следует проверять в репозитории модели. Модель ориентирована на генерацию текста, а качество и связность ответов могут зависеть от промпта и настроек сэмплирования.

Карточка модели 1c1/fg_hg на Hugging Face совпадает с карточкой stabilityai/stable-video-diffusion-img2vid-xt, поэтому описание составлено по ней. Stable Video Diffusion Image-to-Video XT — модель генерации видео Stability AI на основе латентной диффузии. Она принимает статичное изображение-кадр размером 576×1024 и создаёт короткий видеоклип из 25 кадров. XT дообучена на базе версии Stable Video Diffusion Image-to-Video для 14 кадров; для временной согласованности также дообучен декодер f8. Репозиторий предоставляет веса в форматах Diffusers и safetensors. Модель предназначена для превращения изображений в короткие видеоролики: например, для творческих проектов, дизайна и образовательных инструментов. В README отмечено, что генерация может занимать около 180 секунд на A100 с 80 ГБ памяти при настройках на момент выпуска; возможны компромиссы между скоростью, качеством и потреблением памяти. Модель не предназначена для достоверного воспроизведения людей и событий. Условия использования определяются лицензией Stability AI; README описывает исследовательское и некоммерческое применение, а для коммерческого использования отсылает к отдельным условиям.

Gemma 4 E4B Musica v1 — дообученная AuriAetherwiing при участии ArliAI компактная мультимодальная модель на базе google/gemma-4-E4B-it. Она настроена на ролевые диалоги, создание историй и прозы, написание текстов и общение; также заявлены хорошее следование инструкциям и разнообразие вариантов ответа. Модель использует архитектуру Gemma 4 для условной генерации и распространяется в формате safetensors. В README описаны варианты работы с рассуждениями и без них; автор рекомендует включать рассуждения. Модель выпущена под лицензией Apache-2.0. README также ссылается на отдельный LoRA-адаптер, однако данная модель указана в метаданных как полное дообучение базовой модели.

Vortex5/G4-Moonlight-Dusk-26B-A4B-heretic — производная версия модели Vortex5/G4-Moonlight-Dusk-26B-A4B от Vortex5. Это мультимодальная модель семейства Gemma 4 с архитектурой условной генерации; репозиторий содержит веса safetensors и предназначен для работы через Transformers. Модель принимает текст и изображения и выдаёт текст, поддерживая диалоговые сценарии с визуальными входными данными. Вариант heretic создан с помощью abliteration: в слоях 3–22 применена настройка, изменяющая склонность к отказам. В описанной проверке модель отказала в 14 из 100 случаев, тогда как исходная — в 100 из 100; KL-дивергенция относительно исходной модели составила 0,0389. В основе лежит модель, собранная слиянием нескольких Gemma 4 вариантов для ролевых диалогов, повествования и творческого письма. Лицензия — Apache-2.0. Данные о размере параметров и длине контекста не предоставлены.

ifable/gemma-2-Ifable-9B — языковая модель семейства Gemma 2, разработанная Ifable и предназначенная для генерации текста, особенно творческого письма. По данным карточки, 10 сентября 2024 года модель заняла первое место в Creative Writing Benchmark. Модель имеет плотную архитектуру Gemma2ForCausalLM и содержит 9 млрд параметров. Она принимает текст и генерирует текст; максимальная длина контекста составляет 8192 токена. В обучении использовались данные Gutenberg и тщательно отобранный проприетарный датасет для творческого письма. Лицензия — Gemma. Карточка не сообщает о поддерживаемых языках и подробно не описывает ограничения качества или применения.

Gemma 4 Ortenzya The Creative Wordsmith 31B IT — дообученная модель llmfan46 на базе llmfan46/gemma-4-31B-it-uncensored-heretic. Это мультимодальная плотная модель семейства Gemma 4 с архитектурой Gemma4ForConditionalGeneration, предназначенная для творческого письма, диалогов, ролевых сценариев и перевода. Она принимает текст и изображения и поддерживает анализ визуального содержимого; базовая Gemma 4 также описана как пригодная для работы с длинным контекстом до 256 тысяч токенов, однако отдельная длина контекста этой версии в предоставленных данных не подтверждена. Модель ориентирована на генерацию художественных текстов и интерактивные сценарии, а также на мультимодальное общение. Указаны английский и японский языки. В метаданных отмечены чат, интерфейс вызова инструментов и зрение; формат весов — Safetensors, библиотека — Transformers. Основа Gemma 4 поддерживает широкий спектр языков и задач, но README не подтверждает отдельно качество этой дообученной версии на всех перечисленных возможностях. Ответы могут содержать фактические ошибки, а качество зависит от формулировки запроса и обучающих данных. Модель распространяется по лицензии Apache-2.0. Название и теги указывают на uncensored/abliterated настройку; соблюдение защитных ограничений нельзя предполагать без собственной проверки.

CodyNeo/glass_fine_tuned_deepfake_detection — модель компьютерного зрения для классификации изображений, дообученная на базе dima806/deepfake_vs_real_image_detection. Модель использует архитектуру Vision Transformer (ViT), содержит около 113,2 млн параметров и обучалась на датасете glassona/Deepfake-190kf. Модель предназначена для определения того, является ли изображение подлинным или сгенерированным либо изменённым с помощью технологий deepfake. Её можно применять для предварительной проверки изображений, модерации медиаконтента и исследовательского анализа синтетических изображений. Поддерживаемые языки для этой задачи не применяются. В README и метаданных лицензия не указана, поэтому условия использования необходимо уточнить отдельно.

GodSlayer-12B-ABYSS — объединённая модель для генерации текста, созданная автором репозитория с помощью mergekit на основе нескольких моделей семейства Mistral Nemo. Модель использует плотную архитектуру MistralForCausalLM, содержит 12,1 млрд параметров и работает с шаблоном диалога ChatML; в метаданных указан контекст до 1 024 000 токенов. Модель предназначена для чат-общения, ролевых диалогов и творческого письма. Автор стремился сохранить связность ответов, уменьшить позитивный уклон и повысить реалистичность и разнообразие откликов. В слияние вошли модели для ролевого общения, письма и текстового ассистирования. Репозиторий распространяет веса в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Goetia 26B A4B v1.6 — объединённая модель на основе семейства Gemma 4, собранная автором карточки с помощью mergekit-exp и метода moe_della. В состав вошли языковые модели и адаптеры, ориентированные на диалоги, рассуждения, художественный стиль и генерацию историй; базой для слияния указана google/gemma-4-26B-A4B-it. Архитектура Gemma4ForConditionalGeneration, формат весов safetensors, библиотека Transformers; каталог определяет поддержку изображений и текста. Модель предназначена для диалогов и творческого письма: продолжения сцен, генерации сюжетов и подсюжетов, ролевых игр, художественных текстов в жанрах фэнтези, ужасов, романтики и научной фантастики. Карточка описывает версию 1.6 как обновление с более новыми Orion и Pantheon, улучшенной lm_head и заменой Dark Goetia на Boulesis v1. Основной язык по тегам — английский. Автор отмечает, что у модели сохраняются отказы и стандартная устойчивость к попыткам обхода ограничений. Лицензия — Apache-2.0.

facebook/hiera-huge-224-in1k-hf — модель компьютерного зрения на архитектуре Hiera, разработанной исследовательской командой, представившей работу «Hiera: A Hierarchical Vision Transformer without the Bells-and-Whistles». Чекпойнт содержит 234,9 млн параметров и дообучен для классификации изображений ImageNet-1K; он предназначен для присвоения изображению метки класса. Hiera использует иерархический Vision Transformer, который постепенно сокращает пространственное разрешение и увеличивает число признаков; в карточке архитектура описана как простая и эффективная. Модель принимает изображения и выдаёт классы. Карточка также описывает семейство Hiera как применимое к извлечению признаков и masked image modeling, однако этот чекпойнт предназначен именно для классификации изображений. Поддерживается английский язык меток ImageNet-1K. Лицензия — CC BY-NC 4.0, допускающая использование с атрибуцией и ограничением на коммерческое применение.

JoyAI-Echo x LTX-2.5 (echoVid) — это объединённая и квантованная GGUF-модель для генерации видео и звука по текстовому описанию. Её основа — официальный LTX-2.5 от Lightricks, дополненная видеодельтой из JoyAI-Echo от JD (jdopensource); объединение, квантование и рабочие процессы подготовил joeygambino. Модель предназначена для использования в ComfyUI и совместима с экосистемой LTX-2.5. Модель генерирует изображение и звук за один проход, поддерживает сценарии text-to-video и audio-video, включая синхронизацию губ, выразительную мимику, устойчивый голос, многокадровые сцены и продолжение видео с объединением фрагментов. Указаны варианты с разной интенсивностью переноса характеристик JoyAI-Echo: 070T30 рассчитан на более естественную цветопередачу и кожу, а 100T50 — на более яркую и комедийную актёрскую подачу. Доступны GGUF-квантизации от Q3_K_M до Q8_0 объёмом примерно 10,6–22,7 ГБ; заявлена работа на видеокартах RTX 30/40, а для RTX 5090 рекомендуются версии comfy-native. В README также упоминаются разрешения 1280×736 и 960×544 с последующим увеличением до 1920×1088, а также генерация роликов длительностью 8–10 секунд и многосюжетных последовательностей. Сильные стороны модели — генерация видео и звука в одном процессе, естественная синхронизация речи с движением губ, выразительные лица, сохранение голоса и относительно быстрый дистиллированный режим: обычно 8 шагов для первого прохода и 3 для второго. Ограничения включают значительные требования к видеопамяти, зависимость от ComfyUI, дополнительных VAE и текстового энкодера, а также компромиссы квантования между размером, качеством и скоростью. Модель распространяется по LTX-2.x Community License; README не приводит полный текст условий лицензии.

grimjim выпустил koboldai-erebus-extended-32k-7B — объединённую с помощью mergekit модель Mistral для генерации текста. В основу взята grimjim/Mistral-7B-Instruct-demi-merge-v0.2-7B, объединённая с KoboldAI/Mistral-7B-Erebus-v3 методом task arithmetic; эффективная длина контекста расширена до 32 768 токенов. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и формат safetensors, работает через Transformers. Модель предназначена для диалоговой генерации текста и продолжения историй, в том числе взрослой прозы. Карточка не приводит отдельные оценки качества или подробные сведения о языках. Лицензия — Apache-2.0. Метка репозитория предупреждает, что содержимое подходит не для всех аудиторий.

L3.2-Rogue-Creative-Instruct-Uncensored-7B-GGUF — текстовая генеративная модель, разработанная DavidAU на основе Llama 3.2 3B Instruct uncensored. Автор применил метод Brainstorm 40x, изменивший характер генерации прозы и расширивший модель до 67 слоёв и примерно 7,54 млрд параметров. Модель распространяется в формате GGUF и предназначена для запуска в совместимых локальных приложениях. Основные сценарии использования — художественное письмо, создание рассказов, сцен, сюжетов и подсюжетов, продолжение текста, ролевые игры, мозговой штурм и генерация прозы различных жанров, включая научную фантастику, романтику и хоррор. Модель работает с текстом, ориентирована прежде всего на английский язык и поддерживает контекст до 131 072 токенов. Для работы рекомендуется шаблон Llama 3 или Command-R. Сильные стороны модели — высокая детализация описаний сцен, окружения, предметов и персонажей, развитая образность прозы, более длинные и насыщенные ответы, а также возможность управлять стилем и уровнем допустимого содержания через промпт. Она допускает широкий диапазон температур, но чувствительна к настройкам генерации. Среди ограничений указаны возможные опечатки, отсутствие заглавных букв, повторение абзацев, чрезмерно длинные ответы и отклонения от инструкций при неподходящих значениях temperature или repetition penalty. Часть ограничений исходной модели Llama 3.2 всё ещё сохраняется. Модель лицензирована по Apache 2.0. README не указывает точные характеристики отдельных GGUF-квантов; при этом отмечается, что более высокие квантизации обычно обеспечивают больше деталей и нюансов, а низкие могут заметно ухудшать качество и требовать дополнительной настройки параметров.

L3-DARKEST-PLANET-16.5B — языковая модель для генерации текста на архитектуре Llama, опубликованная DavidAU. Она создана слиянием L3-Dark-Planet-8B, нескольких других моделей Llama 3 и 40x Brainstorm Adapter; в репозитории представлены полноточные веса safetensors, пригодные для прямого использования или конвертации в другие форматы. Модель предназначена прежде всего для творческого письма: создания рассказов, сцен и сюжетов, продолжения историй, ролевых диалогов и генерации прозы в разных жанрах, включая фантастику, романтику и хоррор. Размер модели — около 16 млрд параметров, заявленный контекст — 8192 токена. Модель принимает текст и генерирует текст; карточка указывает поддержку чата, а метаданные связывают её с английским языком. README предупреждает, что для качественной работы важен подбор параметров и сэмплеров. Лицензия в предоставленных данных не указана.

Карточка модели dprrwt/Lightricks_LTX-2 на Hugging Face совпадает с карточкой Aga16/LTX-2, поэтому описание составлено по ней. LTX-2 — разработанная Lightricks диффузионная модель на основе DiT для совместной генерации видео и синхронизированного с ним аудио. Репозиторий описывает семейство чекпойнтов, включая полную обучаемую версию ltx-2-19b-dev и варианты с квантованием FP8 и NVFP4; модель доступна через Diffusers и ориентирована на локальный запуск. В метаданных указаны форматы Diffusers и safetensors, а основная задача репозитория — генерация видео по изображению. Модель предназначена для создания видео на основе изображения и текстового описания. В карточке также заявлена генерация аудио вместе с видео, однако метаданные каталога подтверждают только задачу image-to-video. Указан английский язык; карточка не сообщает размер контекста. Для размеров кадра требуется кратность 32, а число кадров должно соответствовать формуле 8n+1. Модель не предназначена для выдачи фактической информации, может не точно следовать запросу и воспроизводить социальные смещения или неподходящий контент; качество аудио без речи может быть ниже. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты.

LilithCore-v1-12B — слитая разговорная модель семейства Mistral от DoppelReflEx, созданная методом dare_ties на основе Delta-Vector/Francois-PE-V2-Huali-12B, DoppelReflEx/MN-12B-Mimicore-GreenSnake и yamatazen/EtherealAurora-12B-v2. Модель содержит 12,1 млрд параметров и предназначена для генерации текста, ролевых диалогов и художественной прозы. Автор рекомендует формат ChatML для ролевых сценариев, отмечая, что он может давать более творческие ответы; шаблон Mistral Tekken может лучше подходить, когда важнее интеллектуальная составляющая. В README также упоминается вариант GGUF с IMatrix, а метаданные указывают на файлы safetensors и контекст до 1 024 000 токенов. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Infinirc/Llama-3.1-Infinirc-8B-Instruct — это дообученная разговорная языковая модель, разработанная Чэнь Чжаожу из Infinirc.com на базе Llama 3.1 8B. Её обучали на материалах, связанных с культурой Тайваня, включая тайваньские новости, литературу и публикации в интернете, чтобы лучше понимать местную тематику и языковые особенности. Модель предназначена для генерации текста и автоматических ответов, в том числе в диалоговых сценариях. Это плотная архитектура Llama с 7,5 млрд параметров; метаданные указывают контекст до 65 536 токенов, библиотеку Transformers и формат safetensors. Карточка заявляет сильные результаты в генерации и семантическом понимании, но не приводит конкретных чисел метрик. Модель принимает и генерирует текст. В карточке указаны китайский и английский языки; акцент на тайваньском культурном контексте не означает отдельной заявленной поддержки тайваньского хоккиена. Лицензия — Llama 3.1; перед использованием необходимо соблюдать её условия. Следует проверять ответы на фактические ошибки и вредное или дискриминационное содержание.

Карточка модели Nidhal998/LTX-2 на Hugging Face совпадает с карточкой Aga16/LTX-2, поэтому описание составлено по ней. LTX-2 — разработанная Lightricks диффузионная модель на основе DiT для совместной генерации видео и синхронизированного с ним аудио. Репозиторий описывает семейство чекпойнтов, включая полную обучаемую версию ltx-2-19b-dev и варианты с квантованием FP8 и NVFP4; модель доступна через Diffusers и ориентирована на локальный запуск. В метаданных указаны форматы Diffusers и safetensors, а основная задача репозитория — генерация видео по изображению. Модель предназначена для создания видео на основе изображения и текстового описания. В карточке также заявлена генерация аудио вместе с видео, однако метаданные каталога подтверждают только задачу image-to-video. Указан английский язык; карточка не сообщает размер контекста. Для размеров кадра требуется кратность 32, а число кадров должно соответствовать формуле 8n+1. Модель не предназначена для выдачи фактической информации, может не точно следовать запросу и воспроизводить социальные смещения или неподходящий контент; качество аудио без речи может быть ниже. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты.

Карточка модели Sinisterlupi/LTX-2 на Hugging Face совпадает с карточкой Aga16/LTX-2, поэтому описание составлено по ней. LTX-2 — разработанная Lightricks диффузионная модель на основе DiT для совместной генерации видео и синхронизированного с ним аудио. Репозиторий описывает семейство чекпойнтов, включая полную обучаемую версию ltx-2-19b-dev и варианты с квантованием FP8 и NVFP4; модель доступна через Diffusers и ориентирована на локальный запуск. В метаданных указаны форматы Diffusers и safetensors, а основная задача репозитория — генерация видео по изображению. Модель предназначена для создания видео на основе изображения и текстового описания. В карточке также заявлена генерация аудио вместе с видео, однако метаданные каталога подтверждают только задачу image-to-video. Указан английский язык; карточка не сообщает размер контекста. Для размеров кадра требуется кратность 32, а число кадров должно соответствовать формуле 8n+1. Модель не предназначена для выдачи фактической информации, может не точно следовать запросу и воспроизводить социальные смещения или неподходящий контент; качество аудио без речи может быть ниже. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты.

Terrygmx/LTX-2.3-uncensored-v1.4-FP8 — модель генерации видео на основе LTX Video 2.3, собранная в формате GGUF с квантованием FP8. Она объединяет базовые модели Lightricks/LTX-2.3 и производные компоненты TenStrip, включая Eros10 NSFW LoRA, DMD Distilled LoRA для ускоренной генерации и улучшенного следования инструкциям, а также LTX Video ICLoRA Detailer для повышения соответствия референсным изображениям. Веса предварительно объединены. Модель предназначена для text-to-video, image-to-video, video-to-video и audio-to-video сценариев, включая режимы FL2VA, T2VA, I2VA, REF2VA и T2VA. Она ориентирована на создание обычных и NSFW-видеосцен, может сохранять идентичность персонажа при преобразовании изображения в видео и поддерживает генерацию видео продолжительностью до 960 кадров, что заявлено как примерно 40 секунд. Также заявлена генерация с аудио, включая диалоги, звуковые эффекты и атмосферный фон. Ключевые характеристики включают архитектуру DiT, форматы GGUF и FP8, ускоренную генерацию за 4 шага и рекомендуемый режим на 8–9 шагах для более высокого качества. В примерах используются разрешение 1280×736, 121 кадр и CFG 3.5; конкретные языки и максимальный контекст не указаны. Сильными сторонами являются высокая скорость, улучшенное сохранение лиц и соответствие референсам, а также поддержка длинных роликов и нескольких типов входных данных. Ограничения включают зависимость качества от числа шагов и CFG, наличие ограничений на незаконный контент и потенциальную нестабильность генерации сложных сцен. Лицензия указана как unknown, поэтому условия коммерческого и иного использования необходимо уточнять отдельно.

LTXV-13B-0.9.8-distilled-GGUF — это квантизированная версия модели LTXV-13B-0.9.8-distilled, разработанной Lightricks и преобразованной в формат GGUF пользователем YarvixPA. Модель предназначена для генерации видео по текстовому описанию и преобразования изображения в видео. В README указана поддержка английского языка. Модель имеет размер 13 млрд параметров и использует архитектуру исходной LTX-Video. Для работы требуются отдельные компоненты: текстовый энкодер T5-V1.1-XXL и VAE LTXV-13B-0.9.8-distilled. Основной сценарий использования — запуск в ComfyUI с поддержкой GGUF; также доступны примеры рабочих процессов. Квантизация может снизить требования к ресурсам, однако конкретный тип квантизации и требования к памяти не указаны. Модель сохраняет ограничения и условия исходной версии LTX-Video, поскольку является конвертацией, а не дообученной моделью. Поддерживаются LoRA, но для них требуется специальная настройка рабочего процесса, а использование torchcompile не рекомендуется. Teacache может приводить к заметному снижению качества. Лицензия обозначена как other; подробные условия приведены в файле LICENSE.md.

city96/LTX-Video-0.9.5-gguf — это квантованная в формате GGUF версия модели Lightricks/LTX-Video, подготовленная пользователем city96. Модель предназначена для генерации видео по текстовому описанию и преобразования изображения в видео. В карточке указана поддержка английского языка. Размер модели и точные сведения об архитектуре и длине контекста не приведены. Модель является прямой конвертацией исходной Lightricks/LTX-Video, а не дообученной версией. Квантование может снизить требования к ресурсам по сравнению с полноразмерной моделью, однако конкретный тип квантования и его влияние на качество зависят от выбранного файла. Для работы предусмотрена интеграция с пользовательским узлом ComfyUI-GGUF; файлы модели следует размещать в каталоге ComfyUI/models/unet. В карточке отмечено, что VAE отличается от версии 0.9. Поскольку это квантованная версия, на неё распространяются те же ограничения и условия исходной модели. Лицензия обозначена как other, а подробные условия должны быть уточнены в файле LICENSE.md исходного репозитория.

city96/LTX-Video-gguf — это квантованная версия модели LTX-Video, разработанной Lightricks, преобразованная в формат GGUF пользователем city96. Модель предназначена для генерации видео по текстовому описанию и преобразования изображений в видео; заявленный язык — английский. Это прямое преобразование исходной модели без дополнительного дообучения, поэтому архитектура, количество параметров, поддерживаемые модальности помимо text-to-video и image-to-video, максимальная длина контекста и другие характеристики в предоставленных данных не указаны. Ключевое свойство версии — использование квантованных GGUF-файлов, что может снизить требования к ресурсам, однако конкретные типы квантования зависят от выбранного файла. Модель можно использовать с пользовательским узлом ComfyUI-GGUF; файлы предназначены для размещения в каталоге ComfyUI/models/unet. Ограничения и условия использования исходной модели Lightricks/LTX-Video распространяются и на эту квантованную версию. Лицензия обозначена как other, подробные условия приведены в файле LICENSE.md.

Lucida — дообученная на базе ZhengPeng7/BiRefNet_HR модель BiRefNet для удаления фона и мягкого выделения объектов с сохранением полупрозрачных краёв. Автор модели заявляет об улучшенной обработке замаскированных объектов, стекла и других прозрачных материалов, текста и логотипов, свечений для визуальных эффектов и иллюстраций. Опубликованный выпуск v7 предназначен для общего удаления фона; модель принимает изображения и формирует маску сегментации, пригодную для получения изображения с прозрачностью. В репозитории также есть экспериментальная ветка m35 для печатного дизайна, рассчитанная на работу в конвейере ComfyUI с дополнительными компонентами. В карточке приведены результаты внутреннего теста на 203 изображениях в девяти категориях: Lucida показала сильные результаты на камуфляже, иллюстрациях, логотипах и печатной графике. Это заявление автора, а не независимая оценка. Для стандартного файла требуется загрузка через Transformers с предварительной обработкой Normalize; m35 использует другую схему. Модель распространяется по лицензии MIT, однако некоторые обучающие наборы данных имеют исследовательские ограничения, которые следует учитывать при выборе сценария использования.

Lunar-Abyss-12B — слитая языковая модель на архитектуре Mistral, созданная Vortex5 методом DELLA на основе Vortex5/LunaMaid-12B, Vortex5/Abyssal-Seraph-12B и Vortex5/MegaMoon-Karcher-12B. Модель содержит 12,1 млрд параметров, работает через Transformers и использует формат safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для художественного письма и ролевых сценариев: она сочетает связность и стабильность LunaMaid с образным стилем и выразительной тональностью Abyssal-Seraph. Подходит для повествовательных историй, погружённых диалогов и эмоционально окрашенного текста. Данных о лицензии в предоставленных источниках нет.

Lunar-Twilight-12B — слитая модель Vortex5 на архитектуре Mistral с 12,1 млрд параметров. Она объединяет Starlit-Shadow-12B, Red-Synthesis-12B, Tlacuilo-12B и Mystic-Matron-12B с помощью пользовательского метода слияния HPQ; в README также указаны шаблон чата и формат весов bfloat16. Модель предназначена для генерации текста в диалогах, ролевых сценариях, написании историй и творческих текстов. В метаданных заявлено контекстное окно до 1 024 000 токенов и поддержка чата. README не уточняет языки, поэтому оценить их поддержку по имеющимся сведениям нельзя. Условия лицензии в предоставленных данных не приведены.