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

alimama-creative/SD3-Controlnet-Inpainting — дообученная модель ControlNet для редактирования изображений по маске, основанная на Stable Diffusion 3 Medium. Она принимает текстовое описание и изображение с областью для заполнения, чтобы генерировать содержимое в замаскированной части и сохранять детали за её пределами. Модель работает с разрешением 1024×1024 и использует 16-канальный VAE SD3; заявлены генерация текста внутри заполняемой области и хорошие результаты для портретов. Модель обучали 20 тысяч шагов на изображениях LAION-2B и внутренних данных, используя Flow Matching и FP16. Она предназначена для inpainting-сценариев через библиотеку Diffusers. Лучше всего работает при разрешении 1024×1024; на других размерах результаты могут быть хуже. Репозиторий распространяется по лицензии с меткой other, конкретные условия лицензии следует проверять отдельно.

Photoreal Real v2 — модель генерации изображений на базе Stable Diffusion 1.5, дообученная для создания фотореалистичных изображений по текстовому описанию. Её можно использовать для генерации реалистичных иллюстраций и художественных изображений; автор также упоминает возможность тестирования на мобильном устройстве. Модель распространяется в форматах Diffusers и PyTorch и рассчитана на текстовый ввод с изображением на выходе. Поддержка английского языка указана в метаданных. Лицензия — GPL-3.0.

Semireal v2.8 — модель генерации изображений, созданная дообучением Stable Diffusion 1.5. Она предназначена для создания изображений по текстовым описаниям; репозиторий использует библиотеку Diffusers и содержит веса в форматах PyTorch и Safetensors. В тегах модели указаны реалистичная стилистика и английский язык. Модель распространяется по лицензии GPL-3.0. В карточке не приведены сведения о размере модели, длине контекста или конкретных ограничениях качества.

Карточка модели Dxf3316/SeedVR2_comfyUI на Hugging Face совпадает с карточкой numz/SeedVR2_comfyUI, поэтому описание составлено по ней. numz/SeedVR2_comfyUI — выпуск SeedVR2 для ComfyUI и автономного CLI, предназначенный для повышения разрешения видео и изображений. Репозиторий включает интеграцию с ComfyUI и инструменты обработки, а метаданные связывают веса со слитыми моделями ByteDance-Seed/SeedVR2-3B и ByteDance-Seed/SeedVR2-7B. Указанный формат весов — safetensors; библиотека — diffusers. Модель применяет одношаговую диффузионную обработку для улучшения кадров с сохранением временной согласованности между ними. Поддерживаются RGB и RGBA, пакетная обработка, управление перекрытием кадров и запуск на нескольких GPU через CLI. В README также описана интеграция с torch.compile для ускорения на совместимом оборудовании. Ограничение архитектуры: размер пакета кадров должен соответствовать формуле 4n+1, например 1, 5 или 9 кадров; параметры перекрытия помогают смешивать соседние пакеты. Для использования нужны совместимое окружение ComfyUI или CLI и ресурсы оборудования, достаточные для загрузки модели. Лицензия — Apache-2.0.

Seek.art MEGA — модель генерации изображений по текстовому описанию, созданная Coreco для seek.art. Она дообучена на почти 10 тысячах высококачественных цифровых произведений из общественного достояния и предназначена для генерации изображений в разных стилях, с гибким сочетанием предметов, тем и деталей. Модель основана на Stable Diffusion 1.5; для лучшего результата авторы рекомендуют использовать разрешение выше 640 пикселей хотя бы по одной стороне и инструмент вывода с поддержкой весов в промпте и оптимизации высокого разрешения. Модель распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M с дополнительными ограничениями из карточки. Коммерческая генерация контента в размещённом сервисе требует письменного разрешения seek.art; личное использование результатов не ограничено этим условием. Запрещены, среди прочего, незаконное и вредоносное применение, эксплуатация несовершеннолетних, преследование, дискриминация, медицинские консультации и некоторые виды автоматизированных решений, влияющих на права людей.

Модель Puujeeeeeeeeeeee/sft-round4 разработана Puujeeeeeeeeeeee и представляет собой дообученную модель семейства Gemma 4 с архитектурой условной генерации. Она предназначена для преобразования изображений и текстовых запросов в текстовые ответы. Модель обучалась с использованием Unsloth и библиотеки TRL; веса доступны в формате safetensors. Модель поддерживает английский язык и возможности работы с изображениями. Она может применяться для ответов на вопросы по изображениям и создания текстовых описаний на основе визуального ввода. Лицензия — Apache 2.0.

vantagewithai/SkyReels-V3-14B-GGUF — это квантованная версия GGUF мультимодальной модели SkyReels V3, разработанной SkyReels/Skywork; репозиторий также содержит ссылки на исходные варианты SkyReels-V3-R2V-14B, SkyReels-V3-V2V-14B и SkyReels-V3-A2V-19B. Модель предназначена для генерации и преобразования видео в рамках единой multimodal in-context learning архитектуры. Основные сценарии включают генерацию видео по одной или нескольким референсным изображениям, video-to-video преобразование и генерацию видео под управлением аудио. В режиме Reference to Video поддерживается объединение до четырёх изображений персонажей, объектов и фонов с текстовыми инструкциями; модель ориентирована на сохранение идентичности объектов, согласованность композиции и создание динамичных сцен. Заявлены применения в производстве видео, социальных сетях, live-commerce, демонстрации товаров и создании talking avatar. Поддерживаются соотношения сторон 1:1, 3:4, 4:3, 16:9 и 9:16. Известный размер основной модели — 14B параметров; конкретный формат квантования, поддерживаемые языки, максимальная длина контекста, разрешение и системные требования для данной GGUF-сборки в README не указаны. К сильным сторонам относятся мультимодальность, работа с несколькими референсами, согласованность субъектов и фонов, а также поддержка различных сценариев генерации и редактирования видео. Ограничения, включая качество на конкретных входных данных, производительность и требования к оборудованию, не описаны. Модель распространяется по лицензии Skywork License, обозначенной как license: other; точные условия следует уточнять в файле LICENSE.

SloBERTa-Trendi-Topics 1.0 — модель классификации новостных текстов на 13 тематических категорий, разработанная для словенских текстов. Она основана на архитектуре CamemBERT и дообучена на контекстных представлениях SloBERTa 2.0. Для обучения использовано около 36 тысяч текстов словенских новостных источников; разметка категорий частично сформирована автоматически по разделам публикации. Модель подходит для тематической сортировки новостей по таким категориям, как политика, экономика, спорт, здоровье, культура, погода и общество. В README указаны максимальная длина последовательности 512 токенов и macro-F1 0,94 на тестовом наборе из 1 295 текстов; лучшие результаты получены для криминальной хроники, политики, спорта и погоды, наиболее низкие — для досуга. Модель содержит 137,8 млн параметров, опубликована в формате PyTorch и распространяется по лицензии Apache-2.0. Она рассчитана на классификацию словенских новостных текстов; качество за пределами близких источников и тематических категорий в карточке не охарактеризовано.

small-sd — модель генерации изображений по текстовому описанию, опубликованная Segmind. Это дистиллированная дообученная версия SG161222/Realistic_Vision_V4.0, созданная на подмножестве набора recastai/LAION-art-EN-improved-captions и предназначенная для работы с Diffusers. В обучении использовались изображения разрешением 512 пикселей и точность fp16. Модель подходит для создания изображений по текстовым запросам. Веса доступны в форматах Diffusers и PyTorch. Карточка указывает лицензию CreativeML OpenRAIL-M; перед использованием следует учитывать её условия и ограничения. В README не приведены сведения о длине контекста и поддержке языков.

SSD-1B — модель генерации изображений по текстовому описанию, разработанная Segmind. Это диффузионная модель на 1,3 млрд параметров, созданная дистилляцией Stable Diffusion XL: из базовой модели удалили часть слоёв, чтобы сократить размер примерно на 50% и ускорить генерацию до 60% по сравнению с SDXL. В дистилляции использовались знания SDXL, ZavyChromaXL и JuggernautXL; модель обучалась на наборах данных GRIT и очищенных данных Midjourney. Модель предназначена для создания изображений по текстовым промптам в творческих, образовательных и исследовательских сценариях. Работает через библиотеку Diffusers и поддерживает несколько разрешений, включая квадратные и портретные или альбомные форматы вплоть до 1536 пикселей по одной стороне. Основной язык промптов в карточке не указан. Модель может испытывать трудности с фотореалистичными изображениями людей, разборчивым текстом и сложными композициями; результаты могут отражать смещения обучающих данных. Она не подходит для создания точных фактических изображений людей, событий и реального мира. Лицензия — Apache 2.0.

Карточка модели kp-forks/stable-diffusion-1.5 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 2 — модель генерации изображений по текстовому описанию, разработанная Робином Ромбахом и Патриком Эссером. Репозиторий является зеркалом устаревшей модели Stability AI и не связан с этой организацией. Это латентная диффузионная модель с фиксированным текстовым энкодером OpenCLIP-ViT/H; она продолжает обучение Stable Diffusion 2 Base, в том числе на изображениях 768×768. Репозиторий содержит веса в форматах Diffusers, PyTorch и safetensors. Модель подходит для создания иллюстраций, концептов и изображений для творческих и образовательных инструментов. Она лучше работает с английскими запросами; качество генерации зависит от формулировки и не гарантирует точного следования сложным пространственным отношениям. Ограничения включают слабую генерацию читаемого текста, несовершенную фотореалистичность и возможные ошибки в изображении лиц и людей. Обучающие данные содержали отфильтрованные материалы LAION-5B, а модель может воспроизводить социальные и культурные предубеждения. Лицензия — CreativeML Open RAIL++-M License.

Карточка модели LanguageMachines/stable-diffusion-2-1-base на Hugging Face совпадает с карточкой Manojb/stable-diffusion-2-1-base, поэтому описание составлено по ней. 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.

Stable Diffusion 2.1 Base — модель генерации и редактирования изображений по текстовым запросам, разработанная Robin Rombach и Patrick Esser. Это латентная диффузионная модель с фиксированным предварительно обученным текстовым энкодером OpenCLIP-ViT/H. Она дообучена на базе stable-diffusion-2-base дополнительными 220 тысячами шагов; модель распространяется в форматах Diffusers, PyTorch и safetensors. Модель предназначена для создания иллюстраций, художественных изображений и визуальных материалов для дизайна и творческих инструментов. Основной язык запросов — английский; на других языках качество ниже. Лицензия — CreativeML Open RAIL++-M License. Модель может неточно передавать фотореализм, лица и сложные пространственные отношения, а также плохо генерирует читаемый текст. Обучающие данные включали отфильтрованные подмножества LAION-5B, но фильтрация не устраняет полностью риск нежелательного контента; в генерациях могут проявляться социальные и культурные смещения.

Карточка модели tq01963/stable-diffusion-2-1-base на Hugging Face совпадает с карточкой Manojb/stable-diffusion-2-1-base, поэтому описание составлено по ней. 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.

Карточка модели jiangjiangjiangjiang11/stable-diffusion-2-inpainting на Hugging Face совпадает с карточкой sd2-community/stable-diffusion-2-inpainting, поэтому описание составлено по ней. Stable Diffusion 2 Inpainting — модель латентной диффузии для редактирования изображений по текстовому запросу и маске. Этот репозиторий является зеркалом устаревшей модели stabilityai/stable-diffusion-2-inpainting; авторы модели — Робин Ромбах и Патрик Эссер, зеркало не связано со Stability AI. Модель создана на основе stable-diffusion-2-base и дополнительно обучена на 200 тысячах шагов. Для задания текста использует фиксированный предварительно обученный энкодер OpenCLIP-ViT/H, а маска и латентное представление изображения служат дополнительными условиями генерации. Модель предназначена для заполнения или изменения выбранных областей изображения, а также творческого дизайна и исследовательской работы с генеративными моделями. Карточка описывает применение через Diffusers; метаданные указывают форматы Diffusers, PyTorch и safetensors. Основной язык запросов — английский: модель обучалась преимущественно на английских подписях, поэтому запросы на других языках могут работать хуже. Лицензия — CreativeML Open RAIL++-M License.

Это версия Stable Diffusion 3.5 Large, оптимизированная для инференса с помощью TensorRT в совместной работе Stability AI и NVIDIA. Модель представляет собой мультимодальный диффузионный трансформер MMDiT для генерации изображений по текстовому описанию. В репозитории размещены ONNX-экспорты компонентов T5, MMDiT и VAE в точности BF16, а также MMDiT в FP8, полученный квантизацией с помощью NVIDIA TensorRT Model Optimizer. Модель предназначена для генерации изображений высокого качества, включая сцены со сложными описаниями и текстом внутри изображения. Оптимизация TensorRT рассчитана на ускоренный инференс и производственное развертывание на графических ускорителях NVIDIA; приведены замеры для H100 при генерации 1024×1024 за 30 шагов. В качестве входа используется текст, результатом является изображение. Основной язык карточки — английский. Для использования нужны совместимое оборудование NVIDIA и окружение TensorRT; README показывает запуск в контейнере NVIDIA и приводит пример с загрузкой ONNX-моделей. Лицензия указана как `other`, поэтому условия использования следует сверить с лицензией исходной модели и репозитория перед развертыванием.

Stable Diffusion 3.5 Medium — модель генерации изображений по тексту от Stability AI на архитектуре Multimodal Diffusion Transformer MMDiT-X. Она использует три предварительно обученных текстовых энкодера: OpenCLIP-ViT/G, CLIP-ViT/L и T5-XXL. В README описаны механизмы QK-нормализации и блоки внимания, рассчитанные на повышение устойчивости обучения и согласованности изображений. Репозиторий содержит веса в форматах Diffusers и safetensors. Модель предназначена для создания иллюстраций, дизайна, творческих и образовательных инструментов, а также исследований генеративных моделей. Обучение на смешанных разрешениях поддерживает генерацию с разными размерами и соотношениями сторон; среди заявленных сильных сторон — качество изображений, типографика и понимание сложных запросов. Модель не предназначена для достоверного изображения реальных людей и событий. В README указаны контекстные пределы текстовых энкодеров: 77 токенов для CLIP и 77/256 для T5 на разных этапах обучения. При превышении 256 токенов T5 у изображений могут появляться артефакты по краям. Модель выпущена по Stability Community License; для коммерческого лицензирования Stability AI предлагает обращаться отдельно. Для применения следует соблюдать Acceptable Use Policy и предусматривать собственные меры безопасности.

Stable Diffusion v1-3 — модель латентной диффузии для генерации и изменения изображений по текстовым запросам, разработанная Робином Ромбахом и Патриком Эссером. Она использует предварительно обученный текстовый энкодер CLIP ViT-L/14 и предназначена для творческих, дизайнерских и образовательных инструментов, а также исследований генеративных моделей. Чекпойнт основан на Stable Diffusion v1-2 и дообучен на 195 тысячах шагов при разрешении 512×512 с данными laion-improved-aesthetics; в репозитории представлены веса Diffusers, PyTorch и Safetensors. Модель лучше работает с английскими запросами. Она не всегда создаёт фотореалистичные изображения, плохо воспроизводит читаемый текст и сложные пространственные отношения; лица и люди могут выглядеть некорректно. Обучающие данные включали взрослый контент, возможны смещения и запоминание изображений, поэтому для прикладного развёртывания важны меры безопасности. Лицензия CreativeML OpenRAIL-M устанавливает ограничения на использование и распространение модели.

Stable Diffusion v1-4 — модель генерации и редактирования изображений по текстовым запросам, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с текстовым энкодером CLIP ViT-L/14; она дообучена на основе Stable Diffusion v1-2 на 225 тысячах шагов при разрешении 512×512 с использованием LAION-Aesthetics v2 5+. Модель подходит для создания иллюстраций и фотореалистичных изображений по англоязычным описаниям, а также для преобразования изображений по текстовым запросам. Репозиторий содержит веса для Diffusers в форматах PyTorch и safetensors. Лицензия CreativeML OpenRAIL-M задаёт условия использования и ограничения на применение. Модель не гарантирует фотореализм, плохо справляется с точным размещением объектов и генерацией читаемого текста; лица и люди могут выглядеть некорректно. Качество запросов не на английском ниже. В обучающих данных встречается контент для взрослых, а без дополнительных мер безопасности модель может генерировать нежелательные изображения; авторы рекомендуют использовать Safety Checker.

Карточка модели bdsqlsz/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 — 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 — модель генерации изображений по текстовому описанию, разработанная Робином Ромбахом и Патриком Эссером. Репозиторий genai-archive/stable-diffusion-v1-5 содержит повторно загруженные веса; README указывает, что они происходят с ModelScope, а контрольные суммы файлов проверены. Модель построена на латентной диффузии и использует фиксированный текстовый энкодер CLIP ViT-L/14. Чекпойнт инициализирован весами Stable-Diffusion-v1-2 и дообучен на 595 тысячах шагов при разрешении 512×512 с данными LAION Aesthetics v2 5+. Модель подходит для создания изображений по текстовым запросам, художественных и дизайнерских работ, а также творческих и образовательных инструментов. Основной язык запросов — английский; результаты на других языках заметно хуже. Модель не всегда создаёт фотореалистичные изображения, плохо справляется со сложной композицией и разборчивым текстом, а лица и люди могут получаться некорректно. Обучающие данные включали взрослый контент и не были дедуплицированы; возможны предвзятость и запоминание изображений, поэтому для использования предусмотрен Safety Checker. Лицензия — CreativeML OpenRAIL-M.

Карточка модели huchen123/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 Ja-kir/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 jdjkdjd/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 — латентная диффузионная модель для создания и редактирования изображений по текстовым запросам, разработанная Робином Ромбахом и Патриком Эссером. Репозиторий содержит повторно загруженные веса в форматах Diffusers, PyTorch и safetensors; для работы поддерживается библиотека Diffusers. Модель основана на Stable Diffusion v1-2 и дообучена в течение 595 тысяч шагов на разрешении 512×512 с использованием набора LAION Aesthetics v2 5+ и отключением текстового условия в 10% случаев для улучшения classifier-free guidance. В текстовом тракте используется предварительно обученный CLIP ViT-L/14. Лицензия — CreativeML OpenRAIL-M. Модель подходит для создания изображений по англоязычным описаниям, художественных работ и материалов для дизайна, а также для творческих и образовательных инструментов. Она также может редактировать изображения по текстовым запросам. Модель не гарантирует фотореализм, плохо воспроизводит читаемый текст и сложные пространственные отношения, а лица и люди могут получаться некорректно. Она обучалась преимущественно на английских описаниях и хуже справляется с другими языками; в обучающих данных присутствует контент для взрослых, поэтому для прикладного использования предусмотрена проверка Safety Checker в Diffusers. Возможны предвзятость и запоминание дублированных изображений из обучающих данных.

Карточка модели yangjiwoong1/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 1.5 Alchemist — модель генерации изображений по текстовому описанию, разработанная Яндексом и дообученная на датасете Alchemist. Она основана на Stable Diffusion v1.5 и предназначена для создания изображений с улучшенной эстетикой и большей сложностью композиции. Модель распространяется в формате Diffusers с весами Safetensors и рассчитана на работу через библиотеку Diffusers. Модель подходит для генерации изображений по текстовым запросам. В карточке указана лицензия Apache-2.0. Из доступных сведений не следуют размер модели, длина контекста или перечень поддерживаемых языков; метаданные отмечают английский язык.

stable-diffusion-v1-5-GGUF — квантизированная версия модели Stable Diffusion v1.5, разработанной runwayml и преобразованной в формат GGUF компанией Second State Inc. Модель предназначена для генерации изображений по текстовому описанию и может использоваться в сценариях text-to-image через LlamaEdge-StableDiffusion, включая запуск как локального сервиса. README не содержит сведений о точной архитектуре, размере исходной модели, поддерживаемых языках и параметрах контекста. Доступны варианты с разной точностью: Q4_0, Q4_1, Q5_0, Q5_1, Q8_0, f16 и f32; их размер составляет примерно от 1,57 до 4,27 ГБ. Выбор варианта влияет на качество результата: более компактные квантизации экономят дисковое пространство, но могут уступать по качеству форматам с большей точностью. Ограничениями являются отсутствие в README подробных характеристик, языковой поддержки и результатов оценки, а также возможное снижение качества при использовании низкобитных вариантов. Модель распространяется по лицензии creativeml-openrail-m.