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

SPO-SD-v1-5_4k-p_10ep — модель генерации изображений по текстовому описанию, разработанная авторами метода Step-by-Step Preference Optimization (SPO). Она дообучена на базе runwayml/stable-diffusion-v1-5 и представляет собой объединённый чекпойнт базовой модели и LoRA-адаптера. Обучение проводилось на 4 000 промптах в течение 10 эпох с использованием данных предпочтений изображений. Модель предназначена для создания изображений по англоязычным текстовым запросам с улучшенным визуальным качеством и эстетикой при сохранении соответствия изображения запросу. Подход SPO оптимизирует детали на каждом шаге денойзинга; для запуска авторы показывают StableDiffusionPipeline из библиотеки diffusers с вычислениями в float16. Модель распространяется по лицензии Apache-2.0.

Stable Audio Open Small — модель Stability AI для генерации аудио по текстовому описанию. Она создаёт стереозвук с частотой 44,1 кГц длительностью до 11 секунд. Модель состоит из автокодировщика, который сжимает аудиосигнал, текстового кодировщика на базе T5 и трансформерной модели диффузии, работающей в латентном пространстве. Для запуска предназначена библиотека stable-audio-tools. Модель подходит для создания звуковых эффектов, полевых записей и музыкальных фрагментов по англоязычным промптам, а также для экспериментов с генерацией аудио. Лучше справляется со звуковыми эффектами и полевыми записями, чем с музыкой; реалистичный вокал генерировать не умеет. Качество может различаться в зависимости от музыкального стиля и культурного контекста, а для подходящего результата может потребоваться настройка промпта. Модель обучалась на аудиозаписях Freesound и Free Music Archive; для текстового кондиционирования используется предварительно обученная T5-base. Лицензия — Stability AI Community License; коммерческое использование требует отдельной проверки условий лицензии.

Stable Diffusion v1.5 — модель генерации изображений по текстовому описанию, разработанная Robin Rombach и Patrick Esser. Она предназначена для создания и редактирования изображений по текстовым запросам, в том числе для иллюстраций, дизайна и творческих инструментов. Это латентная диффузионная модель с текстовым энкодером CLIP ViT-L/14. Чекпойнт создан на основе Stable Diffusion v1.2 и дообучен на 595 тысячах шагов при разрешении 512×512 на данных LAION-Aesthetics v2 5+; при обучении также применялось отключение текстового условия в 10% случаев для улучшения classifier-free guidance. Модель рассчитана прежде всего на английские запросы; качество генерации по другим языкам ниже. Модель не всегда создаёт фотореалистичные изображения, плохо справляется с точным расположением нескольких объектов и генерацией читаемого текста; лица и люди могут выглядеть некорректно. Обучающие данные содержат материалы для взрослых, а модель может воспроизводить смещения и запоминать дублирующиеся изображения. Для использования предусмотрен Safety Checker в Diffusers. Лицензия — CreativeML OpenRAIL-M с ограничениями на допустимое использование.

Stable Diffusion v1.5 — модель генерации изображений по тексту, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с текстовым энкодером CLIP ViT-L/14; версия 1.5 основана на весах Stable Diffusion v1.2 и дополнительно обучена на 595 тысячах шагов с разрешением 512×512 на данных LAION-Aesthetics v2 5+. Репозиторий содержит веса в формате Diffusers, PyTorch и Safetensors. Модель предназначена для создания и редактирования изображений по текстовым запросам, например для иллюстраций, дизайна и творческих инструментов. Лучше всего она работает с английскими подсказками. Лицензия CreativeML OpenRAIL-M задаёт ограничения на использование. Модель может ошибаться в деталях и фотореализме, плохо отображает читаемый текст и сложные пространственные отношения, а лица и люди могут получаться некорректно. Результаты по неанглоязычным запросам слабее; обучающие данные содержат материалы для взрослых, а также возможна меморизация дублированных изображений. В карточке рекомендуется использовать Safety Checker из Diffusers и дополнительные меры безопасности для развёртывания.

amd/stable-diffusion-1.5_io16_amdgpu — вариант Stable Diffusion 1.5, опубликованный AMD для генерации изображений по текстовым запросам. Модель предназначена для запуска через Diffusers и ONNX; суффикс io16 означает, что она принимает входные данные в fp16, выполняет операции в fp16 и выдаёт результат в fp16. Карточка также описывает вариант io32 для приложения Amuse, но он не является этим репозиторием. Модель подходит для создания изображений по текстовым описаниям. Она основана на stable-diffusion-v1-5/stable-diffusion-v1-5; лицензия — CreativeML Open RAIL-M. Сведения о размере модели, контекстном окне и поддерживаемых естественных языках в предоставленных данных отсутствуют.

Manojb/stable-diffusion-2-1-base — модель генерации изображений по тексту, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель, использующая предварительно обученный текстовый энкодер OpenCLIP-ViT/H. Версия 2.1 дообучена на Stable Diffusion 2-base ещё на 220 тысячах шагов; модель распространяется в форматах Diffusers, PyTorch и Safetensors и работает с библиотекой Diffusers. Модель предназначена для создания и изменения изображений по текстовым запросам, в том числе для художественных и дизайнерских задач и творческих инструментов. В первую очередь она рассчитана на английские запросы; качество генерации по запросам на других языках ниже. Лицензия — CreativeML Open RAIL++-M. Модель не гарантирует фотореализм, плохо передаёт читаемый текст и сложные пространственные композиции, а лица и люди могут получаться некорректно. Обучающие данные содержали изображения для взрослых, насилие и сексуальный контент, частично отфильтрованные NSFW-детектором; возможны социальные предубеждения, включая смещение в сторону западных культур. Модель не предназначена для достоверного изображения реальных людей или событий.

alwold/stable-diffusion-2-inpainting — репозиторий модели Stable Diffusion 2 для дорисовки и редактирования изображений по текстовому запросу и маске. Разработчики исходной модели — Robin Rombach и Patrick Esser. Это латентная диффузионная модель, использующая предварительно обученный текстовый энкодер OpenCLIP-ViT/H; веса продолжили обучать от stable-diffusion-2-base ещё 200 тысяч шагов. Репозиторий содержит модель в форматах Diffusers, PyTorch и safetensors. Модель предназначена для заполнения выбранных областей изображения и творческого редактирования с помощью текстового описания. При обработке используются стратегия генерации масок LAMA и латентные представления изображения с замаскированной областью. Основной язык запросов — английский; качество подсказок на других языках ниже. Лицензия — CreativeML Open RAIL++-M. Ограничения исходной карточки Stable Diffusion 2 применимы и здесь: модель может ошибаться в композиционно сложных сценах и изображении людей, не гарантирует фотореализм и не умеет надёжно создавать читаемый текст. Данные обучения включали отфильтрованные подмножества LAION-5B, но модель может воспроизводить смещения и нежелательное содержание; её не следует использовать для фактических изображений людей и событий или вредоносных целей.

Это форк модели stabilityai/stable-diffusion-2-inpainting, подготовленный Phil Schmid для запуска в Hugging Face Inference Endpoints. Репозиторий содержит обработчик для задачи текстового редактирования изображений по маске на основе Stable Diffusion 2 и Diffusers. Модель принимает текстовый запрос, исходное изображение и маску области для изменения, а затем генерирует отредактированное изображение, сохраняя содержимое за пределами маски. Она предназначена для заполнения или замены выбранных частей изображения по текстовому описанию. Для запуска используется StableDiffusionInpaintPipeline из библиотеки Diffusers; веса хранятся в форматах Diffusers и PyTorch. Лицензия — OpenRAIL++. Подробные ограничения и условия использования унаследованы от исходной карточки stabilityai/stable-diffusion-2-inpainting; этот репозиторий отсылает к ней за сведениями о модели и ограничениях.

Stable Diffusion 3.5 Large — модель генерации изображений по текстовому описанию, разработанная Stability AI. Она предназначена для создания иллюстраций и других художественных изображений, работы в дизайнерских процессах, творческих и образовательных инструментах, а также исследований генеративных моделей. Модель использует архитектуру Multimodal Diffusion Transformer (MMDiT), три предварительно обученных текстовых энкодера — OpenCLIP-ViT/G, CLIP-ViT/L и T5-XXL — и нормализацию QK. В README отмечены улучшения качества изображений, работы с типографикой, понимания сложных запросов и эффективности использования ресурсов. Модель ориентирована на английские запросы; для энкодеров указаны контексты 77 и 256 токенов на разных этапах обучения. Модель распространяется по Stability Community License; для коммерческого использования Stability AI предлагает уточнить условия лицензирования. Она не предназначена для достоверного изображения реальных людей или событий. Защитные меры не гарантируют устранения всего потенциально вредного контента, поэтому разработчикам следует проверять результаты и применять подходящие ограничения.

Это перезагрузка Stable Diffusion 3.5 Large Turbo от Stability AI в формате Diffusers, заявленная автором как версия без ограничения доступа. Модель семейства MMDiT генерирует изображения по текстовым запросам; в ней применена дистилляция Adversarial Diffusion Distillation (ADD), рассчитанная на качественную генерацию за небольшое число шагов. Архитектура использует три предварительно обученных текстовых энкодера: OpenCLIP-ViT/G, CLIP-ViT/L и T5-xxl; указана длина контекста энкодеров 77 токенов для CLIP и 77/256 для T5 на разных этапах обучения. Модель подходит для создания иллюстраций, художественных изображений и материалов для дизайна, а также для творческих и образовательных инструментов. README отмечает улучшения в качестве изображений, типографике и понимании сложных запросов. Репозиторий содержит веса Diffusers в формате safetensors. Указана лицензия Stability Community License; для коммерческого лицензирования README предлагает обратиться к Stability AI и требует соблюдать Acceptable Use Policy. Модель не предназначена для получения фактически достоверных изображений людей или событий. Защитные меры не гарантируют удаления всего потенциально вредного контента; оценка безопасности проводилась преимущественно на английском языке, поэтому разработчикам следует проверять модель и применять подходящие меры безопасности.

Это перезагрузка Stable Diffusion 3.5 Large от Stability AI, опубликованная adamo1139 без ограничения доступа gated-модели. Модель типа MMDiT преобразует текстовые запросы в изображения; в архитектуре используются три фиксированных предварительно обученных текстовых энкодера — OpenCLIP-ViT/G, CLIP-ViT/L и T5-XXL — и нормализация QK. Репозиторий содержит веса в формате Diffusers и Safetensors. Модель предназначена для создания иллюстраций и дизайн-материалов, творческих и образовательных инструментов, а также исследований генеративных моделей. В README отмечены улучшения качества изображений, работы с типографикой, понимания сложных запросов и эффективности использования ресурсов. Она не предназначена для достоверного изображения реальных людей и событий; меры безопасности не исключают генерацию вредоносного контента, поэтому для приложений нужны собственные проверки и ограничения. Указана лицензия Stability Community License; коммерческое использование требует проверки её условий и, согласно README, может потребовать отдельного коммерческого лицензирования у Stability AI. Метаданные и README не подтверждают отдельного дообучения или изменения весов оригинальной модели: автор описывает репозиторий как перезагрузку без gating.

Stable Diffusion 3 Medium — модель Stability AI для генерации изображений по текстовым запросам. Она построена на архитектуре Multimodal Diffusion Transformer (MMDiT) и использует три предварительно обученных текстовых энкодера: OpenCLIP-ViT/G, CLIP-ViT/L и T5-XXL. В карточке заявлены улучшенное качество изображений, работа с типографикой и сложными запросами, а также эффективность использования ресурсов. Модель подходит для создания иллюстраций и художественных работ, дизайнерских процессов и творческих или образовательных инструментов. Репозиторий содержит веса в формате safetensors и несколько вариантов комплектации текстовыми энкодерами; для полного набора компонентов требуется больше ресурсов, а варианты без T5-XXL могут давать другие результаты. Модель принимает текстовые запросы и генерирует изображения; в README также упоминается поддержка image-to-image через Diffusers. Модель не предназначена для достоверного изображения реальных людей или событий. Она может создавать предвзятый, токсичный или иной нежелательный контент, поэтому для приложений нужны собственные меры безопасности. Лицензия — Stability Non-Commercial Research Community License; коммерческое использование требует соответствующей коммерческой лицензии Stability AI.

Stable Diffusion 3 Medium — модель генерации изображений по текстовому описанию, разработанная Stability AI и повторно размещённая в репозитории v2ray. Это мультимодальный диффузионный трансформер MMDiT с тремя предобученными текстовыми энкодерами: OpenCLIP-ViT/G, CLIP-ViT/L и T5-xxl. Репозиторий содержит веса в формате Diffusers и Safetensors. Модель предназначена для создания иллюстраций и других изображений по текстовым запросам, включая творческие и дизайнерские сценарии, а также образовательные инструменты и исследования генеративных моделей. В карточке заявлены улучшения качества изображения, обработки типографики, понимания сложных запросов и эффективности использования ресурсов. Модель не предназначена для создания фактически достоверных изображений людей или событий; генерация может быть предвзятой, токсичной или иным образом нежелательной, поэтому для приложений нужны собственные меры модерации. Англоязычные оценки безопасности не охватывают все возможные риски. Лицензия — Stability Non-Commercial Research Community License; коммерческое использование требует подходящей коммерческой лицензии Stability AI.

Карточка модели 20061119dd/stable-diffusion-v1-5 на Hugging Face совпадает с карточкой stable-diffusion-v1-5/stable-diffusion-v1-5, поэтому описание составлено по ней. Stable Diffusion v1.5 — модель генерации и редактирования изображений по текстовому описанию, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с предварительно обученным текстовым энкодером CLIP ViT-L/14. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors; модель можно запускать через Diffusers и совместимые интерфейсы, например ComfyUI и AUTOMATIC1111. Модель подходит для создания иллюстраций и концептов, художественных и дизайнерских материалов, а также для изучения генеративных моделей. Она лучше работает с английскими запросами. Модель может ошибаться в фотореализме, композиции, изображении лиц и людей, а также обычно не создаёт разборчивый текст внутри изображений. Обучающие данные содержали взрослый контент, поэтому для безопасного применения важны фильтрация и дополнительные меры защиты; возможны смещения и запоминание дублированных изображений. Лицензия — CreativeML OpenRAIL-M. Карточка ограничивает применение исследованиями и описывает недопустимые сценарии использования, включая создание вредоносных или дискриминационных изображений. Репозиторий является зеркалом устаревшей карточки RunwayML и не связан с RunwayML.

Карточка модели alpacaml/stable-diffusion-v1-5 на Hugging Face совпадает с карточкой botp/stable-diffusion-v1-5, поэтому описание составлено по ней. Stable Diffusion v1.5 — модель генерации и редактирования изображений по текстовому запросу, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с фиксированным текстовым энкодером CLIP ViT-L/14. Чекпойнт основан на Stable Diffusion v1.2 и дообучен на 595 тысячах шагов при разрешении 512×512 на данных LAION-Aesthetics v2 5+; в 10% случаев текстовое условие отключалось для улучшения classifier-free guidance. Модель доступна в форматах Diffusers, PyTorch и safetensors. Модель подходит для создания иллюстраций, концепт-арта и изображений для творческих и образовательных инструментов по англоязычным промптам. Она хуже работает с другими языками, может ошибаться в композиционно сложных сценах, не обеспечивает надёжный фотореализм и обычно не создаёт читаемый текст. Разработчики указывают, что обучающие данные содержат материалы для взрослых, а модель может воспроизводить предвзятости и запоминать дубли изображений; для использования рекомендуется применять Safety Checker. Лицензия — CreativeML OpenRAIL-M.

Stable Diffusion v1-5 — латентная диффузионная модель генерации и изменения изображений по текстовым запросам, разработанная Робином Ромбахом и Патриком Эссером. Репозиторий содержит переопубликованные веса модели в форматах Diffusers, PyTorch и safetensors; модель предназначена для использования с библиотекой Diffusers и распространяется по лицензии CreativeML OpenRAIL-M. Чекпойнт основан на весах Stable Diffusion v1-2 и дообучен на 595 тысячах шагов на разрешении 512×512 с использованием LAION-Aesthetics v2 5+; в 10% примеров текстовое условие отключалось для улучшения classifier-free guidance. Модель использует предварительно обученный текстовый энкодер CLIP ViT-L/14 и принимает преимущественно английские текстовые запросы, выдавая изображения. Модель подходит для создания иллюстраций, концептов и изображений для творческих и образовательных инструментов. Она не гарантирует фотореализм, плохо справляется с точным размещением нескольких объектов и отображением читаемого текста; лица могут получаться некорректно, а запросы на других языках работают хуже английских. Обучающие данные содержат материалы для взрослых и социальные предубеждения, а также возможны запоминание дублированных изображений. Для применения рекомендуется использовать Safety Checker из Diffusers.

crynux-network/stable-diffusion-v1-5 — модель для генерации изображений по текстовому описанию, опубликованная на Hugging Face в формате библиотеки Diffusers. По идентификатору репозитория она относится к семейству Stable Diffusion версии 1.5, однако разработчик, архитектурные характеристики и параметры модели в доступной карточке не описаны. Модель предназначена для сценариев text-to-image: создания изображений по промптам, прототипирования визуальных идей и использования в приложениях на базе StableDiffusionPipeline. Метаданные указывают на совместимость с Diffusers и форматом safetensors. Лицензия и сведения о языках, размере, длине контекста, обучающих данных и результатах оценки в предоставленных источниках отсутствуют.

Карточка модели Jinstudio/stable-diffusion-v1-5 на Hugging Face совпадает с карточкой stable-diffusion-v1-5/stable-diffusion-v1-5, поэтому описание составлено по ней. Stable Diffusion v1.5 — модель генерации и редактирования изображений по текстовому описанию, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с предварительно обученным текстовым энкодером CLIP ViT-L/14. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors; модель можно запускать через Diffusers и совместимые интерфейсы, например ComfyUI и AUTOMATIC1111. Модель подходит для создания иллюстраций и концептов, художественных и дизайнерских материалов, а также для изучения генеративных моделей. Она лучше работает с английскими запросами. Модель может ошибаться в фотореализме, композиции, изображении лиц и людей, а также обычно не создаёт разборчивый текст внутри изображений. Обучающие данные содержали взрослый контент, поэтому для безопасного применения важны фильтрация и дополнительные меры защиты; возможны смещения и запоминание дублированных изображений. Лицензия — CreativeML OpenRAIL-M. Карточка ограничивает применение исследованиями и описывает недопустимые сценарии использования, включая создание вредоносных или дискриминационных изображений. Репозиторий является зеркалом устаревшей карточки RunwayML и не связан с RunwayML.

Карточка модели Lank1906/stable-diffusion-v1-5 на Hugging Face совпадает с карточкой stable-diffusion-v1-5/stable-diffusion-v1-5, поэтому описание составлено по ней. Stable Diffusion v1.5 — модель генерации и редактирования изображений по текстовому описанию, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с предварительно обученным текстовым энкодером CLIP ViT-L/14. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors; модель можно запускать через Diffusers и совместимые интерфейсы, например ComfyUI и AUTOMATIC1111. Модель подходит для создания иллюстраций и концептов, художественных и дизайнерских материалов, а также для изучения генеративных моделей. Она лучше работает с английскими запросами. Модель может ошибаться в фотореализме, композиции, изображении лиц и людей, а также обычно не создаёт разборчивый текст внутри изображений. Обучающие данные содержали взрослый контент, поэтому для безопасного применения важны фильтрация и дополнительные меры защиты; возможны смещения и запоминание дублированных изображений. Лицензия — CreativeML OpenRAIL-M. Карточка ограничивает применение исследованиями и описывает недопустимые сценарии использования, включая создание вредоносных или дискриминационных изображений. Репозиторий является зеркалом устаревшей карточки RunwayML и не связан с RunwayML.

Карточка модели sd-research/stable-diffusion-v1-5 на Hugging Face совпадает с карточкой stable-diffusion-v1-5/stable-diffusion-v1-5, поэтому описание составлено по ней. Stable Diffusion v1.5 — модель генерации и редактирования изображений по текстовому описанию, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с предварительно обученным текстовым энкодером CLIP ViT-L/14. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors; модель можно запускать через Diffusers и совместимые интерфейсы, например ComfyUI и AUTOMATIC1111. Модель подходит для создания иллюстраций и концептов, художественных и дизайнерских материалов, а также для изучения генеративных моделей. Она лучше работает с английскими запросами. Модель может ошибаться в фотореализме, композиции, изображении лиц и людей, а также обычно не создаёт разборчивый текст внутри изображений. Обучающие данные содержали взрослый контент, поэтому для безопасного применения важны фильтрация и дополнительные меры защиты; возможны смещения и запоминание дублированных изображений. Лицензия — CreativeML OpenRAIL-M. Карточка ограничивает применение исследованиями и описывает недопустимые сценарии использования, включая создание вредоносных или дискриминационных изображений. Репозиторий является зеркалом устаревшей карточки RunwayML и не связан с RunwayML.

Stable Diffusion v1.5 — модель генерации и редактирования изображений по текстовому описанию, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с предварительно обученным текстовым энкодером CLIP ViT-L/14. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors; модель можно запускать через Diffusers и совместимые интерфейсы, например ComfyUI и AUTOMATIC1111. Модель подходит для создания иллюстраций и концептов, художественных и дизайнерских материалов, а также для изучения генеративных моделей. Она лучше работает с английскими запросами. Модель может ошибаться в фотореализме, композиции, изображении лиц и людей, а также обычно не создаёт разборчивый текст внутри изображений. Обучающие данные содержали взрослый контент, поэтому для безопасного применения важны фильтрация и дополнительные меры защиты; возможны смещения и запоминание дублированных изображений. Лицензия — CreativeML OpenRAIL-M. Карточка ограничивает применение исследованиями и описывает недопустимые сценарии использования, включая создание вредоносных или дискриминационных изображений. Репозиторий является зеркалом устаревшей карточки RunwayML и не связан с RunwayML.

Карточка модели xyn-ai/stable-diffusion-v1-5 на Hugging Face совпадает с карточкой botp/stable-diffusion-v1-5, поэтому описание составлено по ней. Stable Diffusion v1.5 — модель генерации и редактирования изображений по текстовому запросу, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с фиксированным текстовым энкодером CLIP ViT-L/14. Чекпойнт основан на Stable Diffusion v1.2 и дообучен на 595 тысячах шагов при разрешении 512×512 на данных LAION-Aesthetics v2 5+; в 10% случаев текстовое условие отключалось для улучшения classifier-free guidance. Модель доступна в форматах Diffusers, PyTorch и safetensors. Модель подходит для создания иллюстраций, концепт-арта и изображений для творческих и образовательных инструментов по англоязычным промптам. Она хуже работает с другими языками, может ошибаться в композиционно сложных сценах, не обеспечивает надёжный фотореализм и обычно не создаёт читаемый текст. Разработчики указывают, что обучающие данные содержат материалы для взрослых, а модель может воспроизводить предвзятости и запоминать дубли изображений; для использования рекомендуется применять Safety Checker. Лицензия — CreativeML OpenRAIL-M.

Карточка модели ysh0708/stable-diffusion-v1-5 на Hugging Face совпадает с карточкой stable-diffusion-v1-5/stable-diffusion-v1-5, поэтому описание составлено по ней. Stable Diffusion v1.5 — модель генерации и редактирования изображений по текстовому описанию, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с предварительно обученным текстовым энкодером CLIP ViT-L/14. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors; модель можно запускать через Diffusers и совместимые интерфейсы, например ComfyUI и AUTOMATIC1111. Модель подходит для создания иллюстраций и концептов, художественных и дизайнерских материалов, а также для изучения генеративных моделей. Она лучше работает с английскими запросами. Модель может ошибаться в фотореализме, композиции, изображении лиц и людей, а также обычно не создаёт разборчивый текст внутри изображений. Обучающие данные содержали взрослый контент, поэтому для безопасного применения важны фильтрация и дополнительные меры защиты; возможны смещения и запоминание дублированных изображений. Лицензия — CreativeML OpenRAIL-M. Карточка ограничивает применение исследованиями и описывает недопустимые сценарии использования, включая создание вредоносных или дискриминационных изображений. Репозиторий является зеркалом устаревшей карточки RunwayML и не связан с RunwayML.

Карточка модели tdvipp/stable-diffusion-v1-5-inpainting на Hugging Face совпадает с карточкой benjamin-paine/stable-diffusion-v1-5-inpainting, поэтому описание составлено по ней. Stable Diffusion v1.5 Inpainting — латентная диффузионная модель генерации и редактирования изображений по текстовым запросам и маске. Репозиторий — повторная публикация весов модели, разработанной Робином Ромбахом и Патриком Эссером; модель основана на Stable Diffusion v1.2 и дообучена для восстановления замаскированных областей изображения. Вариант для inpainting добавляет к входу UNet пять каналов для закодированного изображения с маской и самой маски. Модель использует текстовый энкодер CLIP ViT-L/14 и рассчитана прежде всего на английские запросы. Подходит для заполнения выделенных областей, удаления или замены объектов и творческого редактирования изображений с помощью текстового описания. Модель работает с изображениями разрешения 512×512. Она может ошибаться в деталях, лицах и сложной композиции, плохо воспроизводит читаемый текст, а результаты по неанглийским запросам обычно хуже. Обучающие данные содержали взрослый контент, а модель может усиливать социальные предубеждения и запоминать дубликаты изображений. Лицензия — CreativeML OpenRAIL-M с ограничениями на использование и распространение; условия лицензии следует соблюдать при применении модели.

Карточка модели svjack/stable-diffusion-v1-5-inpainting-f16 на Hugging Face совпадает с карточкой benjamin-paine/stable-diffusion-v1-5-inpainting, поэтому описание составлено по ней. Stable Diffusion v1.5 Inpainting — латентная диффузионная модель генерации и редактирования изображений по текстовым запросам и маске. Репозиторий — повторная публикация весов модели, разработанной Робином Ромбахом и Патриком Эссером; модель основана на Stable Diffusion v1.2 и дообучена для восстановления замаскированных областей изображения. Вариант для inpainting добавляет к входу UNet пять каналов для закодированного изображения с маской и самой маски. Модель использует текстовый энкодер CLIP ViT-L/14 и рассчитана прежде всего на английские запросы. Подходит для заполнения выделенных областей, удаления или замены объектов и творческого редактирования изображений с помощью текстового описания. Модель работает с изображениями разрешения 512×512. Она может ошибаться в деталях, лицах и сложной композиции, плохо воспроизводит читаемый текст, а результаты по неанглийским запросам обычно хуже. Обучающие данные содержали взрослый контент, а модель может усиливать социальные предубеждения и запоминать дубликаты изображений. Лицензия — CreativeML OpenRAIL-M с ограничениями на использование и распространение; условия лицензии следует соблюдать при применении модели.

SD-XL Inpainting 0.1 — модель генерации и редактирования изображений, разработанная командой Diffusers и дообученная на весах Stable Diffusion XL Base 1.0. Это латентная диффузионная модель с двумя предобученными текстовыми энкодерами OpenCLIP-ViT/G и CLIP-ViT/L. Для inpainting в UNet добавлены входные каналы для закодированного изображения с маской и самой маски; обучение проводилось 40 тыс. шагов при разрешении 1024×1024. Модель создаёт изображения по текстовому описанию и изменяет области изображения, заданные маской. Она подходит для художественной генерации, дизайна и творческих инструментов. Лицензия — CreativeML Open RAIL++-M License. Модель не гарантирует фотореализм, плохо создаёт читаемый текст и может ошибаться в сложной композиции, лицах и изображении людей. При полной маске качество результата может снижаться; модель также наследует риски смещения, присущие генеративным моделям.

Это форк модели Stable Diffusion XL Base 1.0, который поддерживает mainbrains; исходная модель разработана Stability AI. Это латентная диффузионная модель для генерации и редактирования изображений по текстовым запросам. Она использует два предварительно обученных текстовых энкодера — OpenCLIP-ViT/G и CLIP-ViT/L — и может работать самостоятельно или как первый этап конвейера с отдельной моделью-refiner для финального денойзинга. Репозиторий также описывает интеграцию с ComfyUI для создания VFX-референсов и пакетной генерации. Модель подходит для создания иллюстраций, дизайн-материалов и визуальных референсов, а также для творческих и образовательных инструментов. README указывает, что она уступает в фотореализме, плохо отображает читаемый текст и сложные пространственные отношения; лица и люди могут получаться некорректно, а декодирование изображений является lossy. Возможны усиление социальных предубеждений и генерация изображений, не соответствующих фактам. В README указана лицензия CreativeML Open RAIL++-M, а метаданные обозначают её как openrail++.

stable-diffusion-xl-base-1.0-GGUF — GGUF-квантизированная версия базовой модели Stable Diffusion XL 1.0, разработанной Stability AI. Модель предназначена для генерации и изменения изображений по текстовым запросам и относится к моделям латентной диффузии. Базовую модель можно использовать самостоятельно, а для финального улучшения изображения — совместно с отдельной моделью SDXL Refiner 1.0. Архитектура использует ансамбль экспертов и два фиксированных предварительно обученных текстовых энкодера: OpenCLIP ViT-G/14 и CLIP ViT-L/14. Доступны варианты квантования основной модели FP16, Q8_0, Q4_1 и Q4_0; текстовые энкодеры и VAE представлены в FP16. В сборке используется VAE из sdxl-vae-fp16-fix. Модель поддерживает текстовую генерацию изображений и сценарии img2img через двухэтапный процесс с повышением разрешения. Данные о размере модели, максимальной длине контекста и поддерживаемых языках в README не указаны. Сильные стороны модели — более высокое качество по сравнению с предыдущими версиями Stable Diffusion, возможность самостоятельного применения базовой модели и снижение требований к памяти благодаря квантованным вариантам. Ограничение данной сборки состоит в экспериментальной поддержке только через gpustack/llama-box версии v0.0.75 или новее. Модель распространяется по лицензии CreativeML Open RAIL++-M License.

Это квантованные версии модели Stable Diffusion XL Base 1.0, разработанной Stability AI и преобразованные в формат GGUF для работы с runtime stable-diffusion.cpp. Модель предназначена для генерации изображений по текстовому описанию (text-to-image), включая создание изображений размером 1024×1024. Доступны варианты BF16, Q8_0, Q4_K и Q4_0: BF16 обеспечивает наиболее высокое качество при максимальном размере, Q8_0 предлагает сбалансированное соотношение качества и размера, а Q4_K и Q4_0 требуют меньше места за счёт более сильного квантования. Для работы рекомендуется CUDA-совместимая GPU, однако декодирование VAE можно перенести на CPU; это снижает требования к видеопамяти, поскольку декодер может использовать до 10 ГБ VRAM. Модель рассчитана на использование через stable-diffusion.cpp и поддерживает серверный API для генерации изображений. В README не указаны отдельные сведения о языках, точной архитектуре и размере параметров. Модель наследует лицензию CreativeML Open RAIL++-M исходной модели.

Карточка модели 004T/StableXlL на Hugging Face совпадает с карточкой kandinsky-community/kandinsky-2-1, поэтому описание составлено по ней. Kandinsky 2.1 — модель генерации изображений по тексту, разработанная Арсением Шахматовым, Антоном Разжигаевым, Александром Николичем, Игорем Павловым, Андреем Кузнецовым и Денисом Димитровым. Она предназначена для создания изображений по запросам, а также для редактирования и преобразования изображений под текстовым управлением и интерполяции между изображениями. Модель сочетает подходы unCLIP и латентной диффузии: включает трансформерный image prior, диффузионную UNet и декодер MoVQGAN. CLIP-кодировщик преобразует текст и изображения в эмбеддинги; image prior связывает эти пространства, а диффузионная часть формирует изображение. Для обучения использовались данные LAION и дополнительные высококачественные изображения с описаниями. Модель доступна в формате Diffusers и поддерживает работу через библиотеку diffusers. Репозиторий распространяется по лицензии Apache-2.0. Это генеративная модель, поэтому результат зависит от формулировки запроса и может не соответствовать ему точно; описание не приводит отдельных гарантий качества для конкретных сценариев.