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

Stable Diffusion 2.1 Base — модель генерации и редактирования изображений по текстовым запросам, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с фиксированным предварительно обученным текстовым энкодером OpenCLIP-ViT/H; она дообучена на базе Stable Diffusion 2 Base ещё на 220 тысячах шагов. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors. Модель предназначена для создания иллюстраций, художественных изображений и визуальных материалов для дизайна, а также для творческих и образовательных инструментов. Лучше всего работает с запросами на английском языке. Лицензия CreativeML Open RAIL++-M (OpenRAIL++); карточка описывает модель как предназначенную для исследований и перечисляет ограничения на использование. Модель не гарантирует фотореализм, плохо отображает читаемый текст и сложные пространственные композиции; лица и люди могут получаться некорректно. Результаты для запросов не на английском языке обычно хуже. Обучающие данные содержали изображения для взрослых, насилие и сексуальный контент, частично отфильтрованные детектором NSFW; модель может воспроизводить социальные предубеждения.

Карточка модели yangjiwoong1/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 glowforge-prod/stable-diffusion-2-1-custom на Hugging Face совпадает с карточкой glowforge-dev/stable-diffusion-2-1-base-custom, поэтому описание составлено по ней. Это пользовательская реализация базовой модели Stable Diffusion 2.1 для Glowforge, созданная на основе модели Stable Diffusion 2.1 Робина Ромбаха и Патрика Эссера. Модель принимает текстовые описания и генерирует изображения; в метаданных указана задача text-to-image и форматы Diffusers, PyTorch и safetensors. Карточка не сообщает о дополнительных настройках реализации, поддерживаемых языках, размере модели, длине контекста или лицензии, поэтому эти характеристики нельзя уточнить. Условия использования следует сверять с лицензией базовой модели и репозитория; конкретная лицензия в доступных данных не указана.

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.

Карточка модели Zlhugface1/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.

Stable Diffusion 3.5 Large Alchemist — текстово-изобразительная модель, созданная дообучением Stable Diffusion 3.5 Large на наборе данных Alchemist. Она предназначена для генерации изображений по текстовым запросам; авторы сообщают об улучшении эстетики и сложности создаваемых изображений. Модель использует архитектуру MMDiT и доступна в формате Diffusers с весами Safetensors. В метаданных указан английский язык карточки модели, а базовая модель рассчитана на создание изображений для дизайна и художественных проектов. Лицензия — Apache-2.0.

stable-diffusion-3.5-medium-GGUF — квантизированная версия модели Stable Diffusion 3.5 Medium, разработанной Stability AI. Модель предназначена для генерации изображений по текстовому описанию и относится к классу text-to-image; указанный pipeline — text-to-image. В README также отмечена совместимость с экосистемой Diffusers и форматом GGUF. Модель ориентирована на сценарии синтеза изображений по англоязычным текстовым запросам: в метаданных указан язык en. Размер модели, точная архитектура, поддерживаемые модальности помимо текста и изображения, длина контекста и параметры квантизации не раскрыты. Квантизация выполнена компанией Second State Inc. с использованием stable-diffusion.cpp, версия master-c3eeb669, что может быть полезно для запуска в соответствующей инфраструктуре, однако конкретные требования к ресурсам не указаны. Модель распространяется по лицензии stabilityai-ai-community; в README приведена ссылка на файл LICENSE.md. Ограничения, связанные с применением модели, производительностью и качеством генерации, отдельно не описаны.

Карточка модели embedingHF/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 GGUF — это квантизированная версия латентной диффузионной text-to-image модели Stable Diffusion v1.5. Исходная модель разработана Robin Rombach и Patrick Esser, а карточка указывает Runway ML как создателя исходного варианта; данный репозиторий содержит GGUF-представление. Модель генерирует и изменяет изображения по текстовым запросам, поддерживает сценарии художественного создания, дизайна, образовательных и исследовательских инструментов. Она рассчитана на работу через Diffusers, ComfyUI, Automatic1111, SD.Next и InvokeAI. Архитектурно это Latent Diffusion Model с фиксированным текстовым энкодером OpenAI CLIP ViT-L/14. Модель обучалась при разрешении 512×512, использует английский язык и предназначена для генерации фотореалистичных изображений по тексту. Доступны варианты квантизации FP16, Q8_0, Q4_1 и Q4_0; для всех указанных вариантов CLIP и VAE имеют квантизацию FP16. Сильными сторонами являются широкая поддержка инструментов и возможность локального запуска, а ограничениями — зависимость качества от текстового запроса, унаследованные ограничения и смещения генеративной модели, а также устаревание некоторых исходных средств запуска. В README модель обозначена как предназначенная только для исследовательских целей и распространяемая по лицензии CreativeML OpenRAIL M.

Карточка модели radames/stable-diffusion-v1-5-img2img 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 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.

gpustack/stable-diffusion-v2-1-turbo-GGUF — это быстрая генеративная text-to-image-модель, разработанная Stability AI и представленная в формате GGUF. Она является дистиллированной версией Stable Diffusion 2.1 и предназначена для синтеза изображений по текстовому описанию, включая сценарии генерации в реальном времени, исследование генеративных моделей, создание иллюстраций, дизайн и образовательные или творческие инструменты. Модель также поддерживает image-to-image-сценарии. В основе лежит метод Adversarial Diffusion Distillation (ADD), позволяющий получать изображения высокого качества за 1–4 шага, причём для text-to-image обычно достаточно одного шага. Предпочтительный размер изображения — 512×512, но возможны и более высокие разрешения. В репозитории указаны варианты квантования FP16, Q8_0, Q4_1 и Q4_0; OpenCLIP ViT-H/14 и VAE доступны в FP16. Модель работает с текстом и изображениями, однако язык текстовых запросов и максимальный размер контекста в предоставленных данных не указаны. Сильные стороны модели — высокая скорость генерации, пригодность для приложений реального времени и хорошее качество при малом числе шагов. Ограничения включают более низкое качество и соответствие запросу по сравнению с SDXL-Turbo; модель не предназначена для получения фактически достоверных изображений людей или событий, а также может наследовать ограничения и предвзятость исходной модели. Для использования необходимо соблюдать лицензионные условия и Acceptable Use Policy Stability AI; детали коммерческого лицензирования вынесены в документы Stability AI.

Yntec/Stuff — модель генерации изображений по тексту на базе Stable Diffusion, опубликованная Yntec. Она предназначена для создания изображений по коротким запросам, в том числе названиям предметов и еды, а также по развёрнутым описаниям сцен. Репозиторий использует библиотеку Diffusers и формат Safetensors. В карточке приведены примеры генерации портрета красной панды, гамбургера, пиццы и колы с картофелем фри. Модель распространяется по лицензии CreativeML OpenRAIL-M. Данные о размере модели, длине контекста и поддерживаемых языках не приведены.

StuPASE — генеративная модель улучшения речи, разработанная Cisco Systems. Она подавляет шум и реверберацию в монофонических аудиозаписях с частотой 16 кГц, стремясь сохранить разборчивость речи, её содержание и особенности голоса говорящего. Модель состоит из компонентов DeWavLM-R для фонетического улучшения, CFM для акустического улучшения и вокодера Mel для восстановления звукового сигнала; всего около 561 млн параметров. Модель предназначена для очистки шумных или реверберирующих записей речи и повышения их воспринимаемого качества. Она обучалась преимущественно на английской речи; при работе с другими языками качество может снижаться. Сильный шум или условия реверберации, отличающиеся от обучающих, могут вызвать артефакты, а сохранение характеристик голоса не гарантируется полностью. Модель не предназначена для неречевого аудио, преобразования голоса или критически важных медицинских, юридических и безопасностных решений. Лицензия — Apache 2.0.

Sudachi_diffusers — модель для генерации изображений по текстовому описанию в формате Diffusers. Репозиторий помечен как Stable Diffusion и содержит веса Safetensors. README содержит только упоминание демонстрационных изображений автора оригинальной модели; других сведений о разработчике, архитектуре или характеристиках нет. Модель предназначена для создания изображений по текстовым запросам. Лицензия указана как other, поэтому конкретные условия использования по имеющимся данным определить нельзя.

swin-gpt-NWPU-captioning — модель для создания текстовых описаний изображений, опубликованная пользователем swadhindas324 на Hugging Face. Она построена на архитектуре VisionEncoderDecoderModel и дообучена для задачи image-text-to-text; репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель принимает изображение и генерирует текстовое описание. В README приведены результаты оценки: Loss 0,5339, Accuracy 85,19, BLEU-1 0,8630, BLEU-4 0,6472, METEOR 0,7734, ROUGE-L 0,7624 и CIDEr 1,8392. Карточка не раскрывает базовую модель, обучающий набор данных, поддерживаемые языки, контекст или условия лицензии, поэтому область применения и качество за пределами указанной оценки определить нельзя.

Synth-2 — дообученная модель LucidityAI на базе Qwen/Qwen3-4b-thinking-2507, обученная на творческих данных. Это плотная языковая модель семейства Qwen3 с 3,7 млрд параметров, предназначенная для генерации диалоговых ответов и творческого текста, в том числе от лица заданных персонажей. В README приведены примеры ролевых ответов и сравнений с другими моделями; заявленное окно контекста — 262 144 токена. Модель принимает текст и выдаёт текст. В карточке не указаны поддерживаемые естественные языки. Распространяется в формате Safetensors по лицензии Apache-2.0. README предупреждает, что модель может генерировать материалы NSFW, поэтому для использования в продуктах рекомендуется применять защитные фильтры.

Kaousheik/tempo-ablation-projector — экспериментальный чекпойнт проекта TEMPO, построенный на базе аудиоязыковой модели NVIDIA Audio Flamingo 3. Это вариант абляции с временным мультимодальным проектором; в README для него указаны результаты Table 3, а файл time_proj.pt необходим для загрузки. Базовая архитектура Audio Flamingo 3 объединяет замороженный аудиоэнкодер Whisper-large примерно на 0,6 млрд параметров и Qwen2-7B через двухслойный MLP-проектор. Модель принимает аудио и по запросу формирует текст с временными метками для речи, звуков и музыки. Модель предназначена для распознавания речи с временной привязкой, определения говорящих и границ их реплик, поиска аудиофрагментов по текстовому запросу, сегментации записи с описанием событий и анализа музыкальных фрагментов. Проект TEMPO использует специальные токены временных меток с разрешением 0,1 секунды и временные кодировки в проекторе. Карточка описывает английский язык; метаданные указывают задачу audio-text-to-text и датасет Kaousheik/tempo. Это исследовательская абляция, а не лучший вариант TEMPO: README сообщает метрики конкретного чекпойнта и отмечает, что распознавание речи при нескольких говорящих остаётся трудным, а результаты анализа аккордов приблизительны. Метки говорящих согласованы внутри записи, но произвольны между записями; временные метки ограничены 60 секундами, поэтому длинные аудио нужно делить на фрагменты. Лицензия в метаданных обозначена как other; конкретные условия использования здесь не приведены.

Tess-M-Creative-v1.0 — экспериментальная модель серии Tess от migtissera для творческих задач: написания текстов, ролевых сценариев, проектирования идей и исследования новых концепций. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 33,9 млрд параметров, обученная на базе Yi-34B-200K; заявленная длина контекста составляет 200 000 токенов. Модель принимает текст и генерирует текст.

Модель droplychee/test-model разработана droplychee и дообучена на базе unsloth/gemma-4-e4b-it-unsloth-bnb-4bit. Это плотная модель семейства Gemma 4 для диалоговых задач с изображениями: она принимает текст и изображения и формирует текстовые ответы. В метаданных также отмечен интерфейс для вызова инструментов. Модель подходит для вопросов по изображениям и диалоговых сценариев, где нужно совместно использовать текст и визуальные данные. Она опубликована в формате safetensors и распространяется по лицензии Apache-2.0. README сообщает, что обучение проводилось с Unsloth и библиотекой TRL; сведения о размере модели и длине контекста не приведены в доступных данных.

NYTK разработала эту небольшую GPT-2 модель для генерации текста на венгерском языке в новостном стиле. Модель предварительно обучена на венгерской Википедии, затем дообучена на корпусе новостных текстов с сайтов hvg.hu, index.hu и nol.hu. Она предназначена для продолжения текста и создания черновиков, похожих на венгерские новости. Модель использует архитектуру GPT-2 с плотными весами и доступна в формате PyTorch. Контекст составляет 1024 токена. В README приведено значение perplexity 22,06 для новостной модели; это результат оценки, а не гарантия качества для произвольных запросов. Лицензия — MIT.

The Truality Engine PRO — модель генерации изображений по текстовому описанию, опубликованная пользователем sam749. Она основана на Stable Diffusion и распространяется в формате Diffusers с весами Safetensors; для запуска в README приведён пример с библиотекой Diffusers и StableDiffusionPipeline. Автор рекомендует генерировать изображения размером 512 × 768, использовать 35 шагов и сэмплер DPM++ 2M SDE Karras. Для повышения разрешения описаны отдельные настройки Hires Fix и апскейлеров. Модель предназначена для создания детализированных иллюстраций и фотореалистичных изображений по промпту. README описывает управление CFG: значения выше 7 сильнее усиливают детали промпта, а при использовании textual inversion и LoRA рекомендуется не превышать 4,5. Модель распространяется по лицензии CreativeML Open RAIL-M. Карточка не приводит сведений о размере модели, контекстном окне или языках; для текстовых промптов указан пример на английском.

TheWonderMix V2 — модель для генерации изображений по текстовому описанию, опубликованная Yntec. Она основана на Stable Diffusion и распространяется в форматах Diffusers и Safetensors. Веса содержат встроенный VAE kl-f8-anime2, предназначенный для более насыщенных цветов и детализированных изображений. Модель ориентирована на стилизованные иллюстрации, особенно изображения персонажей в аниме- и игровом духе, а также может создавать изображения с ретро-фотографической эстетикой. В карточке приведены примеры промптов с портретами, детскими книжными иллюстрациями и сценами по мотивам видеоигр. Лицензия — CreativeML OpenRAIL-M; её условия следует учитывать при использовании и распространении результатов.

segmind/tiny-sd-mxfinetune — модель генерации изображений по текстовому описанию, созданная Segmind на основе SG161222/Realistic_Vision_V4.0. Модель представляет собой дистиллированную и дообученную версию Stable Diffusion, распространяемую для библиотеки Diffusers в форматах PyTorch и Diffusers. Модель предназначена для создания изображений по текстовым запросам. Обучение проводилось на подмножестве recastai/LAION-art-EN-improved-captions; в карточке также приведены параметры обучения и сравнение скорости с базовыми моделями SD 1.5. В README заявлено ускорение до 80% относительно базовых SD 1.5 на A100 80 ГБ. Лицензия — CreativeML OpenRAIL-M. В описании нет подробных сведений о поддерживаемых языках запросов и систематической оценке качества. Результаты генерации могут отличаться от базовой модели, а качество и скорость зависят от оборудования и настроек инференса.

Titan Art Engine v1.0 — модель генерации изображений по текстовому описанию, разработанная Aljokar (Mahmoud Hassan) для визуальной основы экосистемы Titan Connect. Она предназначена для быстрого создания окружений, фонов и концепт-арта для интерактивных историй и RPG, включая нуар 1940-х годов, неоновый киберпанк и тёмное средневековое фэнтези. Модель основана на Stable Diffusion 1.5 и использует дистилляцию Latent Consistency Model (LCM); в карточке указано около 860 млн параметров. Для генерации рекомендуется 4–8 шагов и CFG 1,5–2,0; заявлена поддержка FP32 и FP16, а запуск предусмотрен через Diffusers. Модель рассчитана на быстрый вывод, в том числе на стандартном CPU и GPU, однако фактическое время зависит от оборудования и настроек. Репозиторий распространяется в форматах Diffusers и safetensors. Лицензия — OpenRAIL.

ToonYou — модель Stable Diffusion для генерации изображений по текстовому описанию. Репозиторий stablediffusionapi/toonyou содержит веса в форматах Diffusers и PyTorch и предоставляет пример вызова через API ModelsLab. В примере можно задавать текстовый запрос, негативный запрос, размер изображения, число шагов генерации и другие параметры. Модель предназначена для создания изображений по промптам; пример демонстрирует портретную сцену с кинематографическим освещением, но карточка не подтверждает специализацию только на портретах или конкретном художественном стиле. Лицензия — CreativeML Open RAIL-M.

toooajk-yagurumagiku-v3-dreambooth — модель генерации изображений по текстовому описанию, размещённая пользователем swl-models на Hugging Face. По названию и карточке каталога это версия Stable Diffusion, обученная методом DreamBooth; точная базовая модель и конкретная специализация обучения в доступных источниках не подтверждены. Модель работает с библиотекой Diffusers и распространяется в форматах Diffusers, PyTorch и safetensors. Она принимает текст на английском языке и генерирует изображения. Для репозитория указана лицензия CreativeML OpenRAIL-M. Данных о размере, контекстном окне и иных характеристиках обучения в просмотренных источниках нет.

Hukyl разработал TrOCR-Large-rukopys-hw — модель распознавания текста в изображениях, основанная на архитектуре VisionEncoderDecoderModel: ViT-L/16 в качестве визуального энкодера и декодер TrOCR, около 558 млн параметров. Модель дообучена на размеченных фрагментах датасета Rukopys и предназначена прежде всего для чтения рукописных украинских документов. Она принимает обрезанные изображения строк или областей документа, обычно после обнаружения их расположения отдельной моделью, и выдаёт нормализованный текст. На проверочной выборке из 1 223 фрагментов общий CER составил 0,0890; для рукописного класса CER — 0,0750. Данные по печатному тексту, аннотациям и таблицам представлены небольшим числом примеров, поэтому результаты для этих типов фрагментов ненадёжны; особенно слабо модель справляется с таблицами. Точность может снижаться на других языках и письменностях, современных цифровых документах и при отличиях от архивных материалов обучения. Выход нормализуется под метрики OCR и может не совпадать с буквальной транскрипцией. Модель распространяется по лицензии Apache-2.0.

Copax TrueSight v1 — модель генерации изображений по текстовому описанию, опубликованная Yntec. Карточка содержит примеры запросов для создания фотореалистичных сцен и портретов: фестиваль, рыцарь в доспехах, Лондон времён промышленной революции и стилизованный кадр из фильма 1986 года. Модель распространяется в форматах Diffusers и safetensors; метаданные относят её к семейству Stable Diffusion. Лицензия указана как other, поэтому перед использованием следует проверить условия на исходной странице модели. README не сообщает размер модели, длину контекста или конкретные ограничения качества.

U-2-Netp — облегчённая модель сегментации изображений семейства U2Net, опубликованная BritishWerewolf. Она предназначена для генерации масок, в том числе для удаления фона и обработки портретов. Архитектура использует остаточные блоки RSU и пути понижения и повышения разрешения; облегчённая конструкция рассчитана на более быстрый вывод и меньший расход памяти. В репозитории доступны веса ONNX, а для запуска предлагается библиотека Transformers. Модель принимает изображения и выдаёт маски сегментации. Карточка связывает ONNX-модель с проектом rembg и указывает авторство оригинальной U-2-Net. Репозиторий распространяется по лицензии Apache-2.0. Число параметров и конкретные показатели качества не приведены.