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

Sami92/XLM-R-Large-ClaimDetection — дообученная модель XLM-R Large от автора Sami92 для классификации предложений как содержащих фактическое утверждение или не содержащих его. Она предназначена для этапа отбора утверждений в системах автоматической проверки фактов и анализа публикаций в социальных сетях. Модель имеет архитектуру XLM-RoBERTa для классификации последовательностей, содержит 658,7 млн параметров и принимает текст с контекстом до 514 токенов. Обучение проходило в два этапа: сначала на немецкоязычных сообщениях Telegram со слабыми метками, созданными GPT-4o, затем на данных Risch et al. 2021. На тесте из 149 размеченных Telegram-публикаций модель получила точность 0,90; на тестовой части набора Risch et al. 2021, состоящей из комментариев Facebook, — 0,79. Хотя базовая архитектура многоязычная, проверена модель только на немецком языке, поэтому качество для других языков не установлено. Распространяется по лицензии CC BY 4.0.

YOLOS-small — модель обнаружения объектов, разработанная авторами YOLOS и представленная в работе Fang et al. «You Only Look at One Sequence: Rethinking Transformer in Vision through Object Detection». Это Vision Transformer с архитектурой YOLOS, дообученный на COCO 2017 для предсказания классов объектов и их ограничивающих рамок на изображениях. Размер модели — 28,3 млн параметров. Модель принимает изображение и возвращает обнаруженные объекты с классами и рамками. Она предварительно обучалась на ImageNet-1k, затем дообучалась на COCO 2017; заявленный результат на валидации COCO 2017 — 36,1 AP. Подходит для распознавания и локализации объектов на фотографиях, в том числе в прикладных системах компьютерного зрения. Модель распространяется под лицензией Apache-2.0. Результаты зависят от сходства входных изображений с обучающими данными COCO; карточка приводит оценку на COCO, поэтому она сама по себе не гарантирует качество на других наборах изображений.

YOLOS-tiny — компактная модель обнаружения объектов, основанная на Vision Transformer (ViT). Модель семейства YOLOS представлена Fang и соавторами; этот вариант дообучен на COCO 2017 для распознавания объектов на изображениях. Веса доступны в форматах PyTorch и safetensors, лицензия — Apache-2.0. Модель принимает изображение и выдаёт классы объектов с ограничивающими рамками. Она использует подход DETR с 100 запросами объектов и обучалась с сопоставлением предсказаний и разметки алгоритмом Венгера. Вариант tiny содержит 7,1 млн параметров и показал AP 28,7 на валидационной выборке COCO 2017. Подходит для компактных сценариев компьютерного зрения, где нужно находить и локализовать объекты на изображениях. Оценка приведена для COCO; качество на других наборах данных и предметных областях может отличаться, а карточка не описывает специальных ограничений применения.

Xenova/yolos-tiny — модель компьютерного зрения для обнаружения объектов на изображениях, разработанная сообществом Xenova на основе hustvl/yolos-tiny. Она адаптирована для работы с библиотекой Transformers.js и предназначена для веб-приложений и JavaScript-сценариев, где требуется находить объекты, определять их классы и возвращать ограничивающие рамки с оценкой уверенности. Модель использует ONNX-веса, однако в README не указаны точный размер, параметры архитектуры, поддерживаемые языки, модальности и максимальная длина контекста. В качестве примера показано обнаружение кошек и пультов на изображении; порог уверенности можно задавать при инференсе. К сильным сторонам относятся совместимость с Transformers.js и возможность запуска в веб-среде. Ограничения и точные характеристики качества в README не описаны. Лицензия также не указана.

Карточка модели Anyhow5026272/YuE2-3B на Hugging Face совпадает с карточкой Stevroy7/YuE2-3B, поэтому описание составлено по ней. YuE2-3B — открытая модель генерации музыки, построенная на архитектуре YuE2 и представленная в репозитории Stevroy7/YuE2-3B. Модель преобразует текстовое описание стиля и слова песни в полноценную композицию с вокалом и аккомпанементом, а также поддерживает генерацию по музыкальному плану и редактируемой партитуре ABC. В основе — плотная AR–NAR Mixture-of-Transformers с планированием символической партитуры и генерацией акустических латентов методом flow matching; для декодирования используется VAE. Модель рассчитана на создание оригинальных песен, переаранжировку существующих композиций, работу с мелодией и аккордами и итеративное редактирование музыки с помощью агента. README заявляет контекст 24 576 токенов; метаданные указывают 1,8 млрд параметров. Для локального запуска описана конфигурация Linux и NVIDIA GPU с 24 ГБ памяти и поддержкой BF16. Указанные языки — китайский и английский. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но некоммерчески.

ACE-Step v1.5 5Hz LM 0.6B — языковая модель для планирования и управления генерацией музыки в составе системы ACE-Step, разработанной проектом ACE-STEP. Она преобразует запросы пользователя в планы композиции, включая метаданные, тексты песен и описания, которые направляют отдельную диффузионную модель для создания музыки. Модель поддерживает генерацию композиций от коротких фрагментов до 10 минут, а также сценарии редактирования музыки в системе ACE-Step: создание каверов, перерисовку аудио и преобразование вокала в фоновую музыку. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит 574,7 млн параметров. Она принимает текстовые запросы, а в рамках ACE-Step управляет созданием аудио; заявлена поддержка более 50 языков. Контекстное окно составляет 40 960 токенов. В карточке ACE-Step указаны возможности планирования композиции среднего уровня, понимания аудио среднего уровня и слабое копирование мелодии. Для генерации итогового музыкального аудио требуется взаимодействие с соответствующей DiT-моделью системы. Модель опубликована ACE-STEP под лицензией MIT. README заявляет коммерческую применимость сгенерированной музыки и запуск всей системы на потребительском оборудовании, однако скорость и требование менее 4 ГБ видеопамяти относятся к описанию системы ACE-Step в целом и могут зависеть от используемой DiT-модели и конфигурации.

swan07/bert-authorship-verification — модель на основе BERT, дообученная для проверки авторства текстов: она оценивает, написаны ли два текста одним и тем же автором. Модель разработана автором репозитория и обучена на 50 тысячах пар текстов из набора swan07/authorship-verification; базовая модель — sentence-transformers/all-MiniLM-L6-v2. Модель предназначена для сравнения пар текстов и получения оценки их сходства при решении задачи верификации авторства. В README указаны точность 73,9% и AUC 0,821. Архитектура BERT содержит 135,5 млн параметров, принимает текст и рассчитана на контекст до 512 токенов; карточка указывает английский язык. Доступны веса в формате safetensors. Лицензия — MIT.

Chaifighter-20B-v3-GGUF — квантованная версия модели Chaifighter V3 20B, созданной разработчиком matchaaaaa и подготовленной в формате GGUF пользователем brooketh для экосистемы Backyard AI. Модель представляет собой объединённую с помощью mergekit рольплей-ориентированную модель на базе Mistral; в карточке указано около 19,46 млрд параметров. Она предназначена прежде всего для локального текстового общения, ролевых сценариев и генерации художественного текста. К заявленным сильным сторонам относятся следование инструкциям, внимание к деталям, качество письма и высокая скорость по сравнению с моделями сопоставимого размера. Обучение проводилось с контекстом 4096 токенов, при этом модель протестирована как работоспособная с контекстом не менее 12K токенов. Языки и мультимодальные возможности не указаны; модель предназначена для генерации текста. GGUF позволяет запускать её через llama.cpp-совместимые приложения, распределяя нагрузку между CPU и GPU, однако квантование снижает требования к ресурсам ценой возможного ухудшения связности на более низких уровнях квантования. Лицензия — Apache-2.0.

CoAtNet RMLP 2 RW 384 — модель компьютерного зрения для классификации изображений из библиотеки timm, обученная Россом Уайтманом. Она сочетает свёрточные блоки MBConv на ранних этапах обработки с блоками self-attention на последующих; относительное позиционное смещение использует MLP Log-CPB, мотивированный Swin Transformer V2. Модель предварительно обучена на ImageNet-12k и дообучена на ImageNet-1k. Модель содержит 73,9 млн параметров, рассчитана на изображения размером 384 × 384 и может использоваться как классификатор или визуальный backbone для извлечения признаков и эмбеддингов. Она предназначена для распознавания объектов и категорий на изображениях общего назначения. Репозиторий предоставляет веса в форматах PyTorch и safetensors; лицензия — Apache-2.0. Карточка не приводит метрики именно этой конфигурации. Высокое разрешение и вычислительная стоимость (47,7 GMACs) могут ограничивать скорость обработки и применение на маломощном оборудовании.

Conditional DETR с backbone ResNet-50 — модель компьютерного зрения для обнаружения объектов на изображениях. Она основана на архитектуре Transformer encoder-decoder и обучена сквозным образом на COCO 2017. Разработчики метода — Meng и соавторы; модель впервые опубликована в репозитории Microsoft. Модель предсказывает классы объектов и их ограничивающие рамки. Механизм conditional cross-attention формирует пространственные запросы для внимания декодера и помогает быстрее обучать DETR: в работе сообщается о сходимости до 6,7 раза быстрее для backbone R50 и R101. Модель предназначена для обнаружения объектов общего назначения в сценариях, подходящих для категорий COCO. Репозиторий содержит веса в форматах PyTorch и safetensors; число параметров по метаданным — 6,3 млн. Модель обучена на COCO 2017, поэтому её распознавание ограничено представленными в этом наборе категориями и условиями съёмки. Лицензия — Apache-2.0.

facebook/convnextv2-atto-1k-224 — сверточная модель компьютерного зрения семейства ConvNeXt V2, разработанная командой ConvNeXt и опубликованная на Hugging Face. Модель предварительно обучена в рамках FCMAE и дообучена на ImageNet-1K для классификации изображений с разрешением 224×224. Архитектура ConvNeXt V2 использует полностью сверточную схему, masked autoencoder framework FCMAE и слой Global Response Normalization (GRN). Модель предназначена для присвоения изображению одного из 1000 классов ImageNet-1K и может служить основой для дообучения под другие задачи распознавания изображений. Доступны веса PyTorch, Safetensors и TensorFlow. Лицензия — Apache-2.0. Модель ориентирована на классификацию изображений ImageNet-1K; качество для других наборов классов и сценариев может требовать отдельной проверки или дообучения.

DarkSapling-7B-v1.1 — объединённая модель на архитектуре Mistral, опубликованная TeeZee. Она создана слиянием четырёх моделей: cognitivecomputations/dolphin-2.6-mistral-7b-dpo-laser, KoboldAI/Mistral-7B-Holodeck-1, KoboldAI/Mistral-7B-Erebus-v3 и cognitivecomputations/samantha-mistral-7b. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; размер контекста — 32 768 токенов. В карточке указан английский язык. Модель предназначена для диалогов один на один, ролевых сценариев и историй: автор отмечает эмпатичный и романтичный тон, следование карточке персонажа и инструкциям, а также переключение между обычным и откровенным содержанием. Возможны мрачные сценарии; оценки в карточке включают результаты бенчмарков рассуждения и здравого смысла. Модель распространяется по лицензии Apache-2.0. Автор предупреждает, что она может генерировать NSFW-контент; качество результатов зависит от запросов и заданного персонажа.

Hemgg/Deepfake-audio-detection — модель классификации аудио, созданная дообучением facebook/wav2vec2-base на датасете audiofolder. Она предназначена для обнаружения дипфейкового аудио и различения поддельных и подлинных записей речи. Архитектура Wav2Vec2ForSequenceClassification содержит 113,3 млн параметров; модель принимает аудио с частотой дискретизации около 16 кГц. В README приведены точность 0,9545 и loss 0,2288 на оценочном наборе. Обучающие данные описаны как англоязычный набор речи с участниками разных этнических групп. Автор отмечает, что для повышения точности модели требуется расширение датасета. Модель распространяется по лицензии Apache-2.0.

Deepfake Image Detector — модель классификации изображений на основе EfficientNetV2-S из timm, опубликованная Arko007. Она принимает RGB-изображение размером 380 × 380 и выдаёт оценку вероятности для бинарных классов «подделка» и «реальное изображение». Модель предназначена для исследований и проверки методов обнаружения дипфейков, а также для прототипов модерации контента с участием человека. В карточке приведён один результат оценки: AUC 0,9986 на эпохе 6. Данные о наборе и разбиении для оценки, происхождении обучающих данных, коде обучения и остальных метриках отсутствуют. Модель рассчитана на изображения с центрированным лицом или похожим кадрированием; на полноформатных снимках, при смене домена и для ранее не встречавшихся способов манипуляции качество может снизиться. Не следует использовать её выводы как единственное основание для решений с серьёзными последствиями или экспертных заключений. Веса предоставлены в формате PyTorch. Лицензия — Apache-2.0.

Deepseek-R1-Distill-NSFW-RPv1 — языковая модель для диалоговой генерации текста, собранная сообществом mergekit-community методом Model Stock. В основе merge указана stepenZEN/DeepSeek-R1-Distill-Llama-8B-Abliterated; также объединены адаптеры и модели для длинных историй, ролевого общения, описательного текста, биомедицинских и других тематических данных. Модель построена на плотной архитектуре Llama с классом LlamaForCausalLM, содержит 7,5 млрд параметров и заявленный контекст до 131 072 токенов. Принимает текст и генерирует текст; в метаданных отмечены возможности чата и интерфейс вызова инструментов. Карточка и метаданные не подтверждают отдельные мультимодальные входы или поддержку конкретных естественных языков. Модель ориентирована на ролевые диалоги и создание длинных повествовательных текстов, включая контент для взрослой аудитории. Указанные в составе биомедицинские и другие специализированные модели не гарантируют точность ответов в этих областях. Лицензия в предоставленных данных не указана.

Echidna-13b-v0.3 — языковая модель, созданная IkariDev и Undi совместно. Это плотная авторегрессионная модель семейства LLaMA с 12,9 млрд параметров; карточка указывает формат PyTorch FP16 и контекст до 4096 токенов. Модель использует шаблон Alpaca и предназначена для ролевых диалогов, в том числе ERP, а также для задач общего характера. В состав рецепта вошли Xwin-LM-13B-V0.2, Athena-v3, Cat-0.5, PsyMedRP-v1-13B, Thespis-13b-v0.4, LLaMA2-13B-TiefighterLR, Augmental-13b-two-epochs, SthenoWriter2.1-L2-13B, Storytelling-v2.1-13B-lora и LimaRP-Llama2-13B-v3-EXPERIMENT. Модель чувствительна к параметрам генерации, поэтому качество ответа зависит от их настройки. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но некоммерческое.

linoyts/Flux2-Klein-Delight-LoRA — адаптер LoRA, разработанный пользователем linoyts для базовой модели black-forest-labs/FLUX.2-klein-base-9B. Веса обучены методом DreamBooth с использованием Flux2 diffusers trainer и предназначены для генерации изображений на основе текстовых запросов с применением сценария изменения освещения. Модель ориентирована прежде всего на замену исходного освещения на нейтральное и равномерное: мягкий свет без выраженных теней, бликов и сильного контраста при сохранении внешности объектов, позы, композиции и геометрии фона. Для работы используется библиотека diffusers и загрузка файла LoRA в совместимый пайплайн FLUX.2; специальное триггерное слово не требуется. В README указано, что обучение выполнялось в формате FP8. Данные о языках, длине контекста, составе обучающей выборки и количественных оценках качества отсутствуют. Ограничения и возможные смещения также не описаны, поэтому результат зависит от базовой модели, текста запроса и выбранного веса адаптера. Лицензия обозначена как other; использовать модель следует в соответствии с условиями лицензии FLUX.2 от Black Forest Labs.

Ystar124/formtgpt — небольшая авторегрессионная Transformer-модель DocLLM, разработанная как пользовательская архитектура и обученная с нуля на PyTorch для ответов на вопросы по PDF-документам с указанием страниц. Модель содержит около 5 млн параметров, использует 6 слоёв, 8 голов внимания, RoPE, SwiGLU, RMSNorm и KV-кэш; контекст ограничен 256 токенами. Модель предназначена для генерации текстовых ответов по содержимому документов. В карточке заявлены понимание документов и PDF-вопросы и ответы; данные о точности, обучающих датасетах и поддержке других языков не приведены. Модель опубликована в формате PyTorch; лицензия в доступных данных не указана.

Casual-Autopsy/Giftige-Blume-31B-v1-StyleSwap — экспериментальная чат-модель для генерации текста. Согласно метаданным, она основана на Gemma 4 31B и получена слиянием моделей Blazed-Forge/Gemma-4-Giftige-Blume-31B-v1 и Gryphe/Gemma-4-31B-StyleTune. Архитектура — плотная Gemma 4; файлы представлены в формате safetensors, модель рассчитана на работу через Transformers. Модель предназначена для ролевых диалогов и творческого письма со стилем генерации, ориентированным на меньшее число клише. README называет её вторичной экспериментальной моделью относительно G4-MeroMero-31B-StyleSwap. Метаданные указывают английский язык и лицензию Apache-2.0. Сведений о длине контекста и конкретных ограничениях качества в доступных данных нет.

GLaMM-RefSeg — модель MBZUAI для сегментации объектов по текстовому описанию: она связывает выражение на естественном языке с соответствующей областью изображения и выделяет её. В README модель отнесена к семейству GLaMM и предназначена для задач referring expression segmentation. Модель построена на архитектуре LLaVA и имеет 6,6 млрд параметров; для неё указан контекст длиной 4096 токенов и формат весов PyTorch. Метаданные Hugging Face помечают её как text-generation, однако заявленное в README назначение — сегментация по текстовому запросу. Лицензия — Apache-2.0. Подробности о языках запросов и метриках качества в доступных материалах не приведены.

facebook/hiera-small-224-in1k-hf — модель компьютерного зрения семейства Hiera, представленная в статье «Hiera: A Hierarchical Vision Transformer without the Bells-and-Whistles». Это компактный иерархический Vision Transformer с примерно 33 млн параметров, дообученный для классификации изображений на ImageNet-1K. Чекпойнт предназначен прежде всего для классификации изображений; архитектуру также можно использовать для извлечения признаков и masked image modeling. Модель принимает изображения и выдаёт метки классов. В карточке заявлены эффективность и простота архитектуры; размер входа в названии чекпойнта — 224. Для использования доступны веса в формате safetensors и библиотека Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерчески.

Improved-MARBERT-attempt2 — дообученная модель классификации последовательностей на базе Ammar-alhaj-ali/arabic-MARBERT-sentiment, опубликованная пользователем Anwaarma. Она предназначена для классификации арабского текста; исходная модель MARBERT определяет положительную, отрицательную или нейтральную тональность, поэтому этот чекпойнт может применяться для анализа тональности арабских текстов. Архитектура — BERT для классификации последовательностей, размер — около 190 млн параметров, максимальный контекст — 512 токенов. В README приведены результаты оценки: accuracy 0,85 и loss 0,5969. Датасет дообучения обозначен как неизвестный, поэтому результаты не позволяют оценить качество на конкретных жанрах или разновидностях арабского языка. Модель опубликована в формате PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

grimjim выпустил infinite-lemonade-SLERP-7B — слияние двух моделей для ролевых диалогов и творческой генерации текста, выполненное методом SLERP с помощью mergekit. Модель основана на архитектуре Mistral и содержит 7,1 млрд параметров; основная версия распространяется в формате Safetensors. Для работы указаны запросы в формате Alpaca. Хотя заявлено контекстное окно до 32 768 токенов, автор ожидает ухудшения качества после 8–9 тысяч токенов. Модель предназначена для ролевых бесед и создания менее шаблонных текстовых ответов. Автор сообщает, что модель тестировалась ограниченно. Условия лицензии в предоставленных источниках не приведены.

JEJUMA-001 — модель JEJUMA, созданная для работы с диалектом острова Чеджу. Это плотная авторегрессионная языковая модель семейства Llama на 7,5 млрд параметров с контекстом до 131 072 токенов; в карточке указана лицензия MIT. Модель дообучена на основе Llama 3.1 с помощью LoRA на данных пар «чеджу — сеульский корейский»: из примерно 1,05 млн собранных пар отобрали 170 тыс., а для обучения подготовили около 340 тыс. примеров четырёх типов задач. Модель переводит чеджу на стандартный корейский и обратно, распознаёт диалект и может автоматически определить вариант языка и преобразовать текст. Она предназначена для работы с редким региональным диалектом и помогает сохранять и изучать его. README отмечает высокую точность перевода сложных выражений, однако численные результаты оценки не приведены. Качество может зависеть от редких слов и выражений чеджу и от соответствия входа заданному шаблону задачи.

L3-Rhaenys-8B — англоязычная модель генерации текста для ролевых диалогов и историй, созданная объединением нескольких моделей через mergekit методом SLERP. В состав объединения вошли Sao10K/L3-8B-Stheno-v3.2, Sao10K/L3-8B-Niitama-v1 и princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2. Модель основана на плотной архитектуре Llama с 7,5 млрд параметров; максимальная длина контекста — 8192 токена. Модель рассчитана на ролевое общение, продолжение текста и выполнение инструкций в диалоговом формате. Автор README рекомендует настройки генерации с температурой 0,9, top-k 30, top-p 0,75 и repetition penalty 1,1. Для использования требуется учитывать ограничения лицензии CC BY-NC 4.0, которая не разрешает коммерческое применение. Метаданные помечают модель как предназначенную не для всех аудиторий; отдельные ограничения на содержание в README не описаны.

La Dame Blanche v2 95b — языковая модель для генерации текста, созданная MarsupialAI методом слияния трёх моделей на базе Miqu. Она предназначена для диалогов, ролевых сценариев и написания историй; модель описана как менее ограниченная в генерации откровенного и другого нежелательного контента. Архитектура — плотная LlamaForCausalLM из 110 слоёв, около 94,4 млрд параметров; заявлена связная работа с контекстом до 32 764 токенов. Модель ориентирована на английский язык и может использоваться для развлекательных сценариев, включая ролевые диалоги и художественное письмо. Автор сообщает, что модель не склонна самопроизвольно добавлять NSFW-содержание к безопасным запросам, но предупреждает, что ответы могут содержать нежелательные материалы и что фактическим утверждениям модели не следует доверять без проверки. В карточке указана лицензия other без конкретных условий; README позиционирует модель как предназначенную для развлечения. Доступны веса в формате safetensors.

LLama-3.1-128k-Darkest-Planet-Uncensored-16.5B-GGUF — текстовая генеративная модель, разработанная DavidAU. Она предназначена прежде всего для художественного письма, создания рассказов, сцен, сюжетов и подсюжетов, продолжения текста, ролевых сценариев и мозгового штурма. Модель ориентирована на широкий спектр жанров, включая научную фантастику, романтику и хоррор, и допускает создание нецензурированного контента с насилием, яркими телесными описаниями и ненормативной лексикой. Модель основана на Llama 3.1 и расширена методом Brainstorm 40x, разработанным DavidAU. Заявлены 16,5 млрд параметров, 71 слой, 642 тензора и максимальный контекст до 131 072 токенов. Доступна в формате GGUF; README также упоминает варианты исходных данных и GGUF с точностью float32. Поддерживается английский язык. Для работы требуется шаблон Llama 3 и/или Command-R. Модель способна генерировать длинные тексты с высоким уровнем детализации, разнообразной структурой прозы, описаниями сцен и окружения, а также возможным предварительным намёком на будущие события. Сильными сторонами являются выразительная и подробная проза, генерация длинных художественных текстов, вариативность стиля и устойчивость к широкому диапазону значений температуры. К ограничениям относятся смещённость в сторону мрачной и негативной тональности, возможное снижение следования инструкциям при слишком высокой температуре и необходимость подробных инструкций для получения более предсказуемого результата. Модель распространяется по лицензии Apache-2.0.

Lumimaid 0.1 — разговорная модель на архитектуре Llama 3, дообученная NeverSleep на наборах данных для ролевого общения и ERP, а также на обычных диалоговых и инструкционных данных. Она предназначена для генерации ответов в чатах и ролевых сценариях; авторы стремились сохранить баланс между ролевым и обычным общением. Модель использует формат промптов Llama 3 и имеет 69,5 млрд параметров, контекст до 8192 токенов и веса FP16 в формате safetensors. Модель поддерживает генерацию текста на входе из текста. README не указывает конкретные естественные языки обучения, поэтому языковая поддержка не уточняется. Для весов заявлена лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование. Модель рассчитана на взрослые и откровенные ролевые сценарии; её ответы могут быть неуместны для несовершеннолетних или рабочих контекстов.

LTX-2.3 Surface Realism LoRA — это адаптер LoRA для видеоветви модели Lightricks LTX-2.3, разработанный автором joeygambino. Он предназначен для генерации видео с более реалистичными, естественно изношенными поверхностями: потрескавшимся мокрым асфальтом, пористым бетоном со следами ржавчины, потёртыми полами, примятой растительностью и выраженной текстурой древесины. Адаптер работает как постоянный приоритет материалов и не требует trigger word; достаточно подключить его с силой 1.0 и использовать обычные текстовые подсказки. Модель относится к семейству LTX-2.3 и совместима с 22B-вариантами, включая stock distilled 1.1 и указанные JoyAI-Echo surgical merges в форматах bf16, fp8, INT8 и GGUF при fuse-at-load. Это видеоориентированный адаптер ранга 32, содержащий 1 152 LoRA-тензора в модулях внимания и feed-forward видео-ветвей. Аудиоветвь не затрагивается, поэтому диалоги, голоса и акценты должны оставаться без изменений. Обучение выполнено на 1 076 собственных изображениях материалов, сгенерированных специально для этой задачи; использовались ai-toolkit, RTX 3090, 3 000 шагов и learning rate 1e-4. Сильная сторона адаптера — улучшение правдоподобия материалов и устранение чрезмерно гладкого, пластикового вида поверхностей без необходимости запоминать специальное ключевое слово. Ограничение состоит в том, что это не самостоятельная модель, а дополнение к LTX-2.3, ориентированное прежде всего на визуальные свойства поверхностей; README не указывает точные языковые характеристики, размер контекста или результаты независимых бенчмарков. Весы распространяются по LTX-2 Community License базовой модели.

alexander1i/lustify-sdxl-inpaint-endpoint — модель генерации и редактирования изображений на основе Stable Diffusion XL, подготовленная для работы с inpainting через библиотеку Diffusers. По README, для загрузки используется чекпойнт andro-flock/LUSTIFY-SDXL-NSFW-checkpoint-v2-0-INPAINTING; метаданные указывают формат Diffusers и веса Safetensors. Модель принимает текстовые запросы и изображения для генерации или изменения изображения по описанию. Модель подходит для заполнения или замены областей изображения и генерации изображений по тексту. README не описывает обучение, размер, контекст или языковую специализацию модели. Указанная лицензия — CreativeML OpenRAIL-M; модель ориентирована на откровенный контент.