সূক্ষ্ম রেখা ও কোমল রঙে একরকম মিষ্টি ধরন। উদাহরণে গোধূলির বিনোদন পার্ক। Basic, নরম রঙের Soft ও অ্যানিমে রঙের Anime আছে। ধরন শক্তভাবে নির্দিষ্ট, প্রম্পটে বড় বদলের জন্য নয়।
Basic / Soft / Anime—3টি ধরন। উদাহরণ Basic-এর।
Anima সমর্থিত ComfyUI / Forge Neo-এর জন্য। 2.9B সমর্থন করে এমন সর্বশেষ সংস্করণ ব্যবহার করুন। মিড-রেঞ্জ শ্রেণি আকার ও ফরম্যাটভিত্তিক অনুমান, VRAM-এর বাস্তব পরিমাপ নয়।
নরম অ্যানিমে রং, পোশাকের ভাঁজ ও ঘরের আলো। বিড়াল আদর করা maid-এর উদাহরণে পরিষ্কার রেখা ও শান্ত ছায়া। শরীরের অনুপাত রেখে অতিরিক্ত গোল মুখের প্রবণতা ঠিক করেছে v5.1।
তৈরি ছবির বাণিজ্যিক ব্যবহারের অনুমতি নিশ্চিত করা যায়নি। লেখকের শর্ত দেখুন।
Anima সমর্থিত ComfyUI / Forge Neo-এর জন্য। মিড-রেঞ্জ শ্রেণি আকার ও ফরম্যাটভিত্তিক অনুমান, VRAM-এর বাস্তব পরিমাপ নয়।
উজ্জ্বল আলো ও গভীর রং, অ্যানিমে ও 2.5D-এর মাঝামাঝি। উদাহরণে বেগুনি-গোলাপি আলো। লেখকের মতে v7.0 অতিরিক্ত খুঁটিনাটি কমিয়ে নির্দেশ মানা ও বিবরণের গোছানো ভাব উন্নত করেছে।
লেখক অসম্পাদিত আউটপুটের বাণিজ্যিক ব্যবহার নিষিদ্ধ করেছেন। শর্ত যাচাই করুন।
Anima সমর্থিত ComfyUI / Forge Neo-এর জন্য। 2.9B সমর্থন করে এমন সর্বশেষ সংস্করণ ব্যবহার করুন। মিড-রেঞ্জ শ্রেণি আকার ও ফরম্যাটভিত্তিক অনুমান, VRAM-এর বাস্তব পরিমাপ নয়।
সূক্ষ্ম রেখা ও নরম ছায়ায় শান্ত অ্যানিমে দৃশ্য। উদাহরণটি আগের লোকাল আউটপুট: বেগুনি সন্ন্যাসিনীর পোশাকের সঙ্গে সকালের উষ্ণ আলো। চরিত্র, জিনিসপত্র ও পটভূমির নির্দেশ একসঙ্গে কথায় দেওয়া যায়।
ছবির ছোট অক্ষর বিকৃত হতে পারে। দেখানো উদাহরণ INT8 সংস্করণের।
হালকা সংস্করণে মিড-রেঞ্জ, সাধারণ প্রিসিশনে হাই-এন্ডের অনুমান। ComfyUI-এর ফরম্যাট আছে।
প্রকাশকের উদাহরণরিসোগ্রাফ, ক্রেয়ন, 1960s-এর ছবি ও 1970s-এর সিনেমার ধরন
ত্বকের সূক্ষ্ম টেক্সচারসহ পোর্ট্রেট ও পুরোনো রঙিন ফিল্মের মতো ফটোর জন্য। রিসোগ্রাফ ও ক্রেয়নও সম্ভব; অতিরিক্ত চমকদার শব্দ দিলে চকচকে ভাব ও গাঢ় রং বেড়ে যেতে পারে।
ছোট মুখ, হাত ও দীর্ঘ লেখা বিকৃত হতে পারে।
লেখকের হিসাবে Comfy 4bit-এ প্রায় 21GB VRAM; সাধারণ Diffusers-এ প্রায় 83–101GB। ঠিক ফরম্যাট বেছে নিন।
নরম আলোয় মানুষ ও লেখাযুক্ত পটভূমি একই ছবিতে। SFT অতিরিক্ত ফাইন-টিউন করা সংস্করণ; অফিসিয়াল তুলনায় হোয়াইটবোর্ডের শিরোনাম ও অনুচ্ছেদ Base-এর চেয়ে গোছানো। পোস্টার ও ব্যাখ্যামূলক ছবিতেও কাজে লাগে।
তৈরির পর লেখার শুদ্ধতা যাচাই করুন, বিশেষ করে সূক্ষ্ম জাপানি পাঠ।
শ্রেণি সাধারণ প্রিসিশনভিত্তিক। ComfyUI-এর জন্য অতিরিক্ত সহায়ক সুবিধা প্রকাশিত আছে।
সূক্ষ্ম রেখা, স্বচ্ছ-স্বচ্ছ চুল ও ঝিলমিলে আলো। লেখকের উদাহরণে রুপালি চুলের জাদুকর, নীল-বেগুনি আলো ও রংধনু প্রতিফলন। quality tags-এর ওপর নির্ভর না করে রেখা-রং ঠিক করতে চান যাঁরা।
বিতরণ পৃষ্ঠায় LoRA-এর সামঞ্জস্য ও ব্যবহারের শর্ত যাচাই করুন।
Anima সমর্থিত ComfyUI / Forge Neo-এর জন্য। মিড-রেঞ্জ শ্রেণি আকার ও ফরম্যাটভিত্তিক অনুমান, VRAM-এর বাস্তব পরিমাপ নয়।
মানুষের টেক্সচার রেখে পটভূমি ও লেখার বিন্যাস ঠিক করার base মডেল। বাক্য, ট্যাগ ও JSON layout নেওয়া যায়। অফিসিয়াল তুলনায় হোয়াইটবোর্ডের অনুচ্ছেদ SFT-এর চেয়ে কম গোছানো।
লেখা গোছানো বেশি জরুরি হলে একই বিন্যাসের SFT উদাহরণও তুলনা করুন।
5B পরিবার। ComfyUI-তে MOSS extension লাগে। শ্রেণি সাধারণ প্রিসিশনভিত্তিক; ন্যূনতম VRAM-এর বাস্তব পরিমাপ নেই।
প্রকাশকের উদাহরণঅফিসিয়াল সংগ্রহ (base/distilled আলাদা করে উল্লেখ নেই)
প্রাকৃতিক আলোর পোর্ট্রেট থেকে ভিন্ন টেক্সচারের অলংকরণ। একাধিক রেফারেন্স মিলিয়ে নির্দিষ্ট অংশ বদলাতে পারে। অফিসিয়াল সংগ্রহে ফটোগ্রাফি, অ্যানিমে ও লেখা-ডিজাইনের পরিসর দেখুন।
অফিসিয়াল সংগ্রহে কোনটি base বা distilled তা আলাদা করে বলা হয়নি।
হালকা সংস্করণে মিড-রেঞ্জ, সাধারণ প্রিসিশনে হাই-এন্ডের অনুমান। ComfyUI সমর্থিত।
নরম ছায়া ও গোছানো অ্যানিমে মুখে একই ধরনের ছবি। উদাহরণে সোনালি চুল ও ধাতব পোশাক। style LoRA মিশিয়ে ধরন স্থির করা, তাই অনেক রকম বদলের চেয়ে একরূপতার জন্য।
বিতরণ পৃষ্ঠায় LoRA-এর সামঞ্জস্য ও ব্যবহারের শর্ত যাচাই করুন।
Anima সমর্থিত ComfyUI / Forge Neo-এর জন্য। 2.9B সমর্থন করে এমন সর্বশেষ সংস্করণ ব্যবহার করুন। মিড-রেঞ্জ শ্রেণি আকার ও ফরম্যাটভিত্তিক অনুমান, VRAM-এর বাস্তব পরিমাপ নয়।
স্পষ্ট রেখা ও উজ্জ্বল রঙে চরিত্রকে সামনে আনে। সাদা চুলের উদাহরণে পরিষ্কার রঙের সীমা ও বিস্তারিত পোশাক। লেখক Illustrious-ধাঁচের রং ও চেনা যায় এমন চরিত্রের খুঁটিনাটির কথা বলেছেন।
বিতরণ পৃষ্ঠায় LoRA-এর সামঞ্জস্য ও ব্যবহারের শর্ত যাচাই করুন।
Anima সমর্থিত ComfyUI / Forge Neo-এর জন্য। 2.9B সমর্থন করে এমন সর্বশেষ সংস্করণ ব্যবহার করুন। মিড-রেঞ্জ শ্রেণি আকার ও ফরম্যাটভিত্তিক অনুমান, VRAM-এর বাস্তব পরিমাপ নয়।
স্পষ্ট চোখ ও উজ্জ্বল রং, বাক্যে দৃশ্য তৈরির জন্য। ছায়ায় বসা মানুষের উদাহরণে সবুজ পরিবেশ ও পোশাকের খুঁটিনাটি আছে। v1.1 সাধারণ ভাষার নির্দেশে আঁকার ধরনের স্থিরতায় জোর দেয়।
বিতরণ পৃষ্ঠায় LoRA-এর সামঞ্জস্য ও ব্যবহারের শর্ত যাচাই করুন।
Anima সমর্থিত ComfyUI / Forge Neo-এর জন্য। মিড-রেঞ্জ শ্রেণি আকার ও ফরম্যাটভিত্তিক অনুমান, VRAM-এর বাস্তব পরিমাপ নয়।
সম্পূর্ণ অ্যাপের স্ক্রিন-ধারণা বা লেখাকেন্দ্রিক পোস্টার তৈরির 6B মডেল। ফাঁকা জায়গা, শিরোনাম ও তথ্যের স্তরবিন্যাসে জোর; স্বচ্ছ RGBA-ও সমর্থিত। বাস্তব মানুষের ছবির চেয়ে ডিজাইন উপকরণের জন্য।
লেখার বানান পরীক্ষা করুন। ব্যক্তিগত GPU-এর হালকা সংস্করণ যাচাই করা হয়নি।
সার্ভার-শ্রেণি: লেখকের সাধারণ BF16 পরীক্ষায় 80GiB VRAM। শুধু 6B নাম দেখে হালকা ভাববেন না।
হালকা রং ও সূক্ষ্ম রেখার ওপর ট্যাগ দিয়ে আবহ বদলান। সাদা পটভূমির উদাহরণে সংযত ছায়া। লেখকের মতে নিরপেক্ষ ধরন, স্থিতিশীল হাত ও বহু চরিত্রের দৃশ্য লক্ষ্য করে অতিরিক্ত প্রশিক্ষণ হয়েছে।
বিতরণ পৃষ্ঠায় LoRA-এর সামঞ্জস্য ও ব্যবহারের শর্ত যাচাই করুন।
Anima সমর্থিত ComfyUI / Forge Neo-এর জন্য। 2.9B সমর্থন করে এমন সর্বশেষ সংস্করণ ব্যবহার করুন। মিড-রেঞ্জ শ্রেণি আকার ও ফরম্যাটভিত্তিক অনুমান, VRAM-এর বাস্তব পরিমাপ নয়।
সূক্ষ্ম চুল, চোখ ও বিস্তারিত পটভূমির অ্যানিমে অলংকরণের জন্য। উদাহরণে নীল ফুল ও চাঁদের আলো। এক ধরনের আঁকায় অতিরিক্ত আটকে না থেকে একাধিক LoRA যোগ করার ভিত্তি হিসেবেও পরিকল্পিত।
বিতরণ পৃষ্ঠায় LoRA-এর সামঞ্জস্য ও ব্যবহারের শর্ত যাচাই করুন।
Anima সমর্থিত ComfyUI / Forge Neo-এর জন্য। 2.9B সমর্থন করে এমন সর্বশেষ সংস্করণ ব্যবহার করুন। মিড-রেঞ্জ শ্রেণি আকার ও ফরম্যাটভিত্তিক অনুমান, VRAM-এর বাস্তব পরিমাপ নয়।
অল্প steps-এ চরিত্রকেন্দ্রিক অ্যানিমে চেষ্টা করার distilled সংস্করণ। ট্যাগ ও বাক্য মিলিয়ে পোশাক, বিন্যাস ও আলো ঠিক করুন। একাধিক খসড়া থেকে ছবির ধরন বেছে নিতে সুবিধা।
কম steps-এ রং বা লেখা বদলাতে পারে। সঠিক সংস্করণের উদাহরণ তুলনামূলক নিবন্ধে দেখুন।
প্রকাশকের উদাহরণঅফিসিয়াল SenseNova: U1.5 তৈরি ও সম্পাদনার উদাহরণ
ফটোর প্রাকৃতিক আলো ও উপকরণের টেক্সচারের পাশাপাশি ডায়াগ্রাম ও পোস্টারের লেখা সামলায়। রেফারেন্সের মানুষ বা বিন্যাস রেখে অংশ বদলানো যায়। অতিরিক্ত খুঁটিনাটি বা গাঢ় রং হলে সেটিংস ঠিক করুন।
দীর্ঘ লেখা ও জটিল সম্পাদনায় অক্ষর এবং খুঁটিনাটি পরীক্ষা করুন।
লেখকের নির্দেশনা: 24GB VRAM ও 64GB RAM, অফলোডিংসহ। নামের 8B মেমরির চাহিদা নয়।
পোস্টারের শিরোনাম, লেখার অবস্থান, রং বা আঁকার ধরন পাল্টানোর ইনফোগ্রাফিক মডেল। V2 মূলত ছবি তৈরি করে; V3 একই মডেলে নতুন ইনফোগ্রাফিক তৈরি ও আগেরটি সংশোধন করতে পারে।
সব কাজে V3 যে V2-এর চেয়ে ভালো, এমন নয়।
মোট আকার প্রায় 18B। তৈরি ও সম্পাদনা সমর্থিত। V2-এর একই base থেকে আলাদাভাবে প্রশিক্ষিত।
চরিত্র ও পোশাকের রং-ছায়া সামলে অ্যানিমে ছবি সাজানোর সংস্করণ। বাক্য ও ট্যাগে দৃশ্য দিন; LoRA দিয়ে চরিত্র বা ধরন যোগ করা যায়। Turbo-এর মতো ফল হওয়া নিশ্চিত নয়।
LoRA-এর প্রশিক্ষণ-ভিত্তি ও কাঠামোর সামঞ্জস্য দেখুন। তুলনামূলক নিবন্ধে একই সংস্করণের উদাহরণ দেখুন।
আলাদা রেফারেন্সের মানুষ ও জিনিসপত্রকে এক দৃশ্যে আনার সম্পাদনা মডেল। অফিসিয়াল উদাহরণে রেফারেন্সের নারীকে কুকুরছানা কোলে নিতে দেখানো হয়েছে—শুধু রং বদলানোর চেয়ে বেশি কিছু।
সম্পাদনার পরে ব্যক্তির পরিচয় ও ছোট আঙুলের আকার মিলিয়ে দেখুন।
ছবি সম্পাদনার জন্য। Plus ওয়েট প্রকাশের তারিখ ব্যবহার করা হয়েছে; Diffusers conversion-কে নতুন মডেল প্রকাশ ধরা হয়নি।
সব ছবিতে একই চকচকে ভাবের বদলে প্রিন্টের হাফটোন, ঝাপসা ভাব বা ফিল্ম গ্রেইনের টেক্সচার খুঁজতে উপযোগী। 8-step generation checkpoint, ফটো থেকে পেইন্টিংয়ের ধরন পরীক্ষা করা যায়।
HF-এ ব্যবহারের শর্তে সম্মতি দিতে হয়। মডেল কার্ডে অতিরিক্ত নিরাপত্তা প্রশিক্ষণের বিবরণ আছে।
12B। সাধারণ প্রিসিশনে শুধু মডেল প্রায় 24GB, অন্য অংশ অতিরিক্ত। কোয়ান্টাইজেশন ও অফলোডিং যাচাই করুন। ComfyUI সমর্থিত।
নিজস্ব ধরনের LoRA প্রশিক্ষণের ভিত্তি। Turbo-এর তৈরি রুচির তুলনায় বেশি বদলানোর সুযোগ রাখা non-distilled সংস্করণ। সাধারণ ছবি তৈরির চেয়ে ফাইন-টিউনিং ও গবেষণায় বেশি জোর।
ফাইন-টিউনিং ও গবেষণার জন্য। সহজে ছবি তৈরি শুরু করতে আগে Turbo বেছে নিন।
এই তালিকায় 2026-05-19 থেকে 2026-11-19-এর মধ্যে প্রকাশিত মডেল ও নতুন সংস্করণ রয়েছে। তারিখ নেওয়া হয়েছে প্রকাশকের ঘোষণা বা সংশ্লিষ্ট ওয়েট ফাইলের ইতিহাস থেকে, README সম্পাদনা থেকে নয়। উৎস দেখতে প্রকাশের তারিখ বেছে নিন। সাধারণত প্রকাশকের UTC তারিখ ব্যবহার করা হয়েছে।
মিড-রেঞ্জ ও হাই-এন্ড হলো মডেলের আকার এবং উপলব্ধ ফরম্যাটভিত্তিক অনুমান; মানের র্যাঙ্কিং বা নিশ্চয়তা নয়। কোয়ান্টাইজেশন, রেজোলিউশন ও অফলোডিংয়ের সঙ্গে মেমরির চাহিদা বদলায়। সার্ভার-শ্রেণির জন্য বিশেষ বড় সেটআপ দরকার; সংশ্লিষ্ট নোট পড়ুন।
বর্ণনা প্রকাশকের তথ্য ও উদাহরণভিত্তিক। সব ছবি একই সেটিংসে তৈরি নয় এবং আমরা অভিন্ন গতি বা VRAM বেঞ্চমার্ক করিনি। প্রকাশকের উদাহরণ ও আগের লোকাল আউটপুট আলাদা চিহ্নিত। মডেলের লাইসেন্স ও ছবির অধিকার আলাদা; বাণিজ্যিক ব্যবহারের আগে দুটিই যাচাই করুন।
প্রকাশক স্পষ্টভাবে বললেই সেন্সরহীন চিহ্ন ব্যবহার করা হয়। সব প্রম্পট কাজ করবে, এমন নিশ্চয়তা নেই। ব্যবহারের শর্ত বিতরণ পৃষ্ঠায় দেখুন।
সম্পাদনাগত সূত্র: hirorohi ও lilting channel-এর জাপানি মডেল গাইড। দৃশ্যমান বৈশিষ্ট্য ও ব্যবহারের নির্দিষ্ট বর্ণনা থেকে বিন্যাসের ধারণা নেওয়া হয়েছে; তাঁদের লেখা বা র্যাঙ্কিং কপি করা হয়নি।