सभी 26 लोकल AI इमेज मॉडल | खूबियाँ, सॉफ्टवेयर और डाउनलोड
एनीमे, फोटोग्राफी, डिज़ाइन और इमेज एडिटिंग के लिए खूबियाँ, उदाहरण, समर्थित सॉफ्टवेयर और डाउनलोड पेज देखें।
शामिल रिलीज़: 2026-05-19 से 2026-11-19
हार्डवेयर श्रेणियाँ अनुमान हैं। यह स्वतंत्र स्पीड या VRAM बेंचमार्क नहीं है।
AN
HotaruBreedAnima 2.9B v2.0
JujoHotaru
मिड-रेंजएनीमे
प्रकाशक का उदाहरणशाम के मनोरंजन पार्क में नीले बालों वाला व्यक्ति (Basic) / 2.9B v2.0 Basic / Soft / Anime
पतली रेखाओं और कोमल रंगों की एक जैसी प्यारी शैली। उदाहरण में शाम का मनोरंजन पार्क है। Basic, मुलायम Soft और एनीमे शेडिंग वाला Anime उपलब्ध। शैली मज़बूती से तय है; प्रॉम्प्ट से बड़े बदलाव के लिए नहीं।
Basic / Soft / Anime, 3 प्रकार। उदाहरण Basic का है।
Anima समर्थित ComfyUI / Forge Neo के लिए। 2.9B के लिए समर्थन वाला नवीनतम संस्करण इस्तेमाल करें। मिड-रेंज श्रेणी आकार और फ़ॉर्मैट का अनुमान है, VRAM का वास्तविक माप नहीं।
मुलायम एनीमे रंग, कपड़ों की सिलवटें और कमरे की रोशनी। बिल्ली सहलाती maid के उदाहरण में साफ रूपरेखा और हल्की छाया है। v5.1 शरीर का अनुपात रखते हुए अत्यधिक गोल चेहरे की प्रवृत्ति सुधारता है।
तैयार चित्रों के व्यावसायिक उपयोग की अनुमति की पुष्टि नहीं है। लेखक की शर्तें जाँचें।
Anima समर्थित ComfyUI / Forge Neo के लिए। मिड-रेंज श्रेणी आकार और फ़ॉर्मैट का अनुमान है, VRAM का वास्तविक माप नहीं।
प्रकाशक का उदाहरणचाँदनी में छत, पुरुष का पार्श्व चेहरा और पानी के पास फ्लेमिंगो
बड़े चित्रों में कपड़े, बाल, पानी की बारीकी और शाम की रोशनी का माहौल दिखाने के लिए। फोटो के अलावा वॉटरकलर और बैकग्राउंड कॉन्सेप्ट भी; कई संदर्भों से कमरा और सामान जोड़ सकता है।
6 steps का मतलब अपने GPU पर कुछ सेकंड में चलना नहीं है।
सर्वर श्रेणी: मॉडल आदि लगभग 68.65GB और टेक्स्ट एनकोडर लगभग 66.7GB। सामान्य सेटअप अकेले 5090 पर लोड करने के लिए नहीं।
चमकीली रोशनी और गहराई वाला रंग, एनीमे व 2.5D के बीच। उदाहरण में बैंगनी-गुलाबी रोशनी है। लेखक के अनुसार v7.0 अनावश्यक बारीकी कम करके निर्देश पालन और विवरण का संयोजन सुधारता है।
लेखक बिना संपादित किए गए आउटपुट का व्यावसायिक उपयोग प्रतिबंधित करता है। शर्तें जाँचें।
Anima समर्थित ComfyUI / Forge Neo के लिए। 2.9B के लिए समर्थन वाला नवीनतम संस्करण इस्तेमाल करें। मिड-रेंज श्रेणी आकार और फ़ॉर्मैट का अनुमान है, VRAM का वास्तविक माप नहीं।
पतली रूपरेखा और मुलायम छाया वाली शांत एनीमे शैली। उदाहरण पुराने लोकल आउटपुट का है: बैंगनी नन-पोशाक और सुबह की गर्म रोशनी। पात्र, सामान और पृष्ठभूमि को एक साथ शब्दों में निर्देश दे सकते हैं।
चित्र के छोटे अक्षर बिगड़ सकते हैं। दिखाया गया उदाहरण INT8 संस्करण का है।
हल्के संस्करण के लिए मिड-रेंज और सामान्य प्रिसीज़न के लिए हाई-एंड का अनुमान। ComfyUI के लिए फ़ॉर्मैट उपलब्ध हैं।
प्रकाशक का उदाहरणरिसोग्राफ, क्रेयॉन, 1960s की फोटो और 1970s की फिल्म शैली
त्वचा की बारीक बनावट वाले पोर्ट्रेट और पुरानी कलर फिल्म जैसी फोटो के लिए। रिसोग्राफ और क्रेयॉन शैली भी संभव; बहुत अधिक आकर्षक प्रभाव वाले शब्द देने से चमक और गहरे रंग बढ़ सकते हैं।
छोटे चेहरे, हाथ और लंबे पाठ में गड़बड़ी रह सकती है।
लेखक के अनुसार Comfy 4bit को लगभग 21GB VRAM; सामान्य Diffusers को लगभग 83–101GB। सही फ़ॉर्मैट चुनें।
मुलायम रोशनी में व्यक्ति और टेक्स्ट वाली पृष्ठभूमि एक ही चित्र में। SFT अतिरिक्त फाइन-ट्यून किया गया संस्करण है; आधिकारिक तुलना में व्हाइटबोर्ड के शीर्षक और अनुच्छेद Base से अधिक व्यवस्थित हैं। पोस्टर और समझाने वाले चित्रों के लिए भी।
बनने के बाद अक्षरों की शुद्धता जाँचें, खासकर बारीक जापानी पाठ की।
श्रेणी सामान्य प्रिसीज़न पर आधारित है। ComfyUI के लिए अतिरिक्त सहायता उपलब्ध है।
प्रकाशक का उदाहरणचाँदी जैसे बालों वाला जादूगर और नीली-बैंगनी रोशनी / v1.2.0
महीन रेखाएँ, पारदर्शी-से बाल और चमकती रोशनी। लेखक के उदाहरण में चाँदी जैसे बालों वाला जादूगर, नीली-बैंगनी रोशनी और इंद्रधनुषी प्रतिबिंब हैं। quality tags पर निर्भर हुए बिना रेखा और रंग तय करने के लिए।
वितरण पेज पर LoRA की अनुकूलता और उपयोग की शर्तें जाँचें।
Anima समर्थित ComfyUI / Forge Neo के लिए। मिड-रेंज श्रेणी आकार और फ़ॉर्मैट का अनुमान है, VRAM का वास्तविक माप नहीं।
व्यक्ति की बनावट रखते हुए पृष्ठभूमि और टेक्स्ट का स्थान तय करने वाला base मॉडल। वाक्य, टैग और JSON layout लेता है। आधिकारिक तुलना में व्हाइटबोर्ड के अनुच्छेद SFT से कम व्यवस्थित हैं।
व्यवस्थित टेक्स्ट ज़रूरी हो तो उसी रचना का SFT उदाहरण भी मिलाएँ।
5B परिवार। ComfyUI में MOSS extension चाहिए। श्रेणी सामान्य प्रिसीज़न पर है; न्यूनतम VRAM का वास्तविक माप उपलब्ध नहीं।
प्रकाशक का उदाहरणआधिकारिक संग्रह (base/distilled का विभाजन नहीं दिया गया)
प्राकृतिक रोशनी वाले पोर्ट्रेट से अलग-अलग बनावट की इलस्ट्रेशन तक। कई संदर्भ चित्र मिला सकता है और तय हिस्से बदल सकता है। आधिकारिक संग्रह में फोटो, एनीमे और टेक्स्ट डिज़ाइन की विविधता देखें।
आधिकारिक संग्रह में base और distilled आउटपुट का अलग विवरण नहीं दिया गया है।
हल्के संस्करण के लिए मिड-रेंज और सामान्य प्रिसीज़न के लिए हाई-एंड का अनुमान। ComfyUI समर्थित है।
मुलायम छाया और सुघड़ एनीमे चेहरे से एक जैसी शैली। उदाहरण में सुनहरे बाल और धातु की पोशाक है। style LoRA मिलाकर रूप तय किया गया है; शैली बहुत बदलने के बजाय एकरूपता के लिए।
वितरण पेज पर LoRA की अनुकूलता और उपयोग की शर्तें जाँचें।
Anima समर्थित ComfyUI / Forge Neo के लिए। 2.9B के लिए समर्थन वाला नवीनतम संस्करण इस्तेमाल करें। मिड-रेंज श्रेणी आकार और फ़ॉर्मैट का अनुमान है, VRAM का वास्तविक माप नहीं।
साफ रूपरेखा और चमकीले रंगों से पात्र पर ध्यान। सफेद बालों के उदाहरण में स्पष्ट रंग-सीमाएँ और पोशाक की बारीकी हैं। लेखक Illustrious जैसे रंग और पहचान योग्य पात्र-विवरण बताता है।
वितरण पेज पर LoRA की अनुकूलता और उपयोग की शर्तें जाँचें।
Anima समर्थित ComfyUI / Forge Neo के लिए। 2.9B के लिए समर्थन वाला नवीनतम संस्करण इस्तेमाल करें। मिड-रेंज श्रेणी आकार और फ़ॉर्मैट का अनुमान है, VRAM का वास्तविक माप नहीं।
स्पष्ट आँखें और चमकीले रंग; वाक्यों से दृश्य बनाने के लिए। छाँव में बैठे व्यक्ति के उदाहरण में हरी घास और बारीक पोशाक दिखती है। v1.1 प्राकृतिक भाषा के निर्देशों में शैली की स्थिरता पर केंद्रित है।
वितरण पेज पर LoRA की अनुकूलता और उपयोग की शर्तें जाँचें।
Anima समर्थित ComfyUI / Forge Neo के लिए। मिड-रेंज श्रेणी आकार और फ़ॉर्मैट का अनुमान है, VRAM का वास्तविक माप नहीं।
प्रकाशक का उदाहरणपारदर्शी पृष्ठभूमि वाला मैस्कॉट (सफेद पर दिखाया गया)
चमकीले रंग और स्पष्ट रूपरेखा। उदाहरण में गोल चेहरा, बड़ी आँखों वाला मैस्कॉट और पारदर्शी पृष्ठभूमि है। व्यक्ति की फोटो के अलावा टेक्स्ट वाले चित्र और कटआउट सामग्री भी बना सकता है।
पारदर्शिता और टेक्स्ट का परिणाम प्रॉम्प्ट व सेटिंग पर निर्भर है।
श्रेणी सामान्य प्रिसीज़न पर आधारित है। चित्र बनाने और संपादित करने के लिए।
पूरी ऐप स्क्रीन की रूपरेखा या टेक्स्ट-केंद्रित पोस्टर बनाने वाला 6B मॉडल। खाली जगह, शीर्षक और सूचना की श्रेणी पर ध्यान; पारदर्शी RGBA भी। वास्तविक व्यक्ति की फोटो से अधिक डिज़ाइन सामग्री के लिए।
डिज़ाइन में वर्तनी जाँचें। व्यक्तिगत GPU के हल्के संस्करण का परीक्षण नहीं हुआ है।
सर्वर श्रेणी: लेखक का सामान्य BF16 परीक्षण 80GiB VRAM पर। केवल 6B नाम देखकर हल्का न मानें।
प्रकाशक का उदाहरणआधिकारिक Layer: इनपुट डिज़ाइन, 6 पारदर्शी परतें और दोबारा जोड़ा गया परिणाम
एक तैयार कार्ड या पोस्टर को पृष्ठभूमि, टेक्स्ट और सजावट जैसी पारदर्शी परतों में बाँटता है। नई शैली चुनने से अधिक, सपाट चित्र को बाद में बदलने योग्य सामग्री बनाने के लिए।
यह मूल editable फ़ाइल वापस नहीं लाता; AI परतों का अनुमान लगाता है।
सर्वर श्रेणी: आधिकारिक BF16 परीक्षण में 80GiB VRAM। इनपुट में चित्र और चाही गई परतों की योजना दें।
हल्के रंग और महीन रेखाओं के साथ टैग से माहौल बदलें। सफेद पृष्ठभूमि के उदाहरण में हल्की छाया है। लेखक के अनुसार अतिरिक्त प्रशिक्षण का लक्ष्य तटस्थ शैली, स्थिर हाथ और कई पात्र वाले दृश्य हैं।
वितरण पेज पर LoRA की अनुकूलता और उपयोग की शर्तें जाँचें।
Anima समर्थित ComfyUI / Forge Neo के लिए। 2.9B के लिए समर्थन वाला नवीनतम संस्करण इस्तेमाल करें। मिड-रेंज श्रेणी आकार और फ़ॉर्मैट का अनुमान है, VRAM का वास्तविक माप नहीं।
बारीक बाल, आँखें और भरी हुई पृष्ठभूमि वाली एनीमे इलस्ट्रेशन के लिए। उदाहरण में नीले फूल और चाँदनी हैं। किसी एक शैली में अधिक बँधे बिना, कई LoRA जोड़ने के आधार के रूप में भी बनाया गया है।
वितरण पेज पर LoRA की अनुकूलता और उपयोग की शर्तें जाँचें।
Anima समर्थित ComfyUI / Forge Neo के लिए। 2.9B के लिए समर्थन वाला नवीनतम संस्करण इस्तेमाल करें। मिड-रेंज श्रेणी आकार और फ़ॉर्मैट का अनुमान है, VRAM का वास्तविक माप नहीं।
कम steps में पात्र-केंद्रित एनीमे आज़माने वाला distilled संस्करण। टैग और सामान्य वाक्य साथ देकर पोशाक, रचना और रोशनी तय करें। कई विकल्प बनाकर शैली की दिशा चुनने के लिए उपयोगी।
कम steps पर रंग या अक्षर बदल सकते हैं। सही संस्करण के उदाहरण तुलनात्मक लेख में देखें।
ComfyUI समर्थित। डाउनलोड पेज पर Turbo v1.1 फ़ाइल चुनें।
प्रकाशक का उदाहरणआधिकारिक SenseNova: U1.5 generation और editing उदाहरण
प्राकृतिक रोशनी और सामग्री की बनावट के साथ आरेख व पोस्टर का टेक्स्ट सँभालने वाला सामान्य मॉडल। संदर्भ के व्यक्ति या रचना को रखते हुए हिस्से बदल सकता है। अत्यधिक विवरण या गहरे रंग हों तो सेटिंग समायोजित करें।
लंबे पाठ या जटिल संपादन के बाद अक्षर और बारीक विवरण जाँचें।
लेखक का मार्गदर्शन: 24GB VRAM और 64GB RAM, ऑफलोडिंग सहित। नाम का 8B मेमोरी की ज़रूरत नहीं बताता।
पोस्टर के शीर्षक, टेक्स्ट की जगह, रंग या शैली को सुधारने वाला इन्फोग्राफिक मॉडल। V2 मुख्यतः generation के लिए है; V3 एक ही मॉडल में नया चित्र और मौजूदा इन्फोग्राफिक का संशोधन सँभालता है।
हर काम में V3, V2 से बेहतर हो, यह ज़रूरी नहीं।
कुल आकार लगभग 18B। generation और editing दोनों। V2 वाले उसी base से अलग प्रशिक्षण दिया गया है।
पात्र और पोशाक को रंग और छाया के साथ सँवारने वाला एनीमे संस्करण। वाक्य और टैग से दृश्य दें; LoRA से पात्र या शैली जोड़ सकते हैं। नतीजा Turbo जैसा होना ज़रूरी नहीं।
LoRA का प्रशिक्षण आधार और संरचना मेल खाते हैं या नहीं, जाँचें। उसी संस्करण के उदाहरण तुलनात्मक लेख में देखें।
ComfyUI समर्थित। डाउनलोड पेज पर Aesthetic v1.1 फ़ाइल चुनें।
शीर्षक, अनुच्छेद, तीर और छोटे चित्रों वाले व्याख्यात्मक पोस्टर के लिए। फोटो का माहौल बनाने से अधिक, बहुत-सी जानकारी को खंडों में बाँटकर पढ़ने योग्य बनाने पर ध्यान।
छोटे अक्षर हमेशा सही या पढ़ने योग्य नहीं होंगे।
कुल आकार लगभग 18B। क्वांटाइज़ेशन और ऑफलोडिंग जाँचें। V2 मुख्यतः इन्फोग्राफिक generation के लिए।
प्रकाशक का उदाहरणआधिकारिक Plus: संदर्भ की महिला को पिल्ला पकड़ते हुए संपादित किया गया
अलग तस्वीरों के व्यक्ति और सामान को एक दृश्य में लाने के लिए editing मॉडल। आधिकारिक उदाहरण में संदर्भों की महिला को पिल्ला पकड़ते दिखाया गया है—सिर्फ पूरे चित्र का रंग बदलने से आगे का संपादन।
संपादन के बाद व्यक्ति की पहचान और छोटी उँगलियों का आकार जाँचें।
चित्र संपादन के लिए। Plus वेट्स की रिलीज़ की तारीख ली गई है; Diffusers conversion को नई मॉडल रिलीज़ नहीं माना गया।
हर फोटो में एक-सी चमक के बजाय प्रिंट के हाफटोन, धुंधलापन या फिल्म ग्रेन जैसी मनचाही बनावट के लिए। 8-step generation checkpoint; फोटो से पेंटिंग तक शैली तलाशने में उपयोगी।
HF पर उपयोग की शर्तें स्वीकार करनी होती हैं। मॉडल कार्ड में अतिरिक्त सेफ्टी ट्रेनिंग का विवरण है।
12B। सामान्य प्रिसीज़न में सिर्फ मॉडल लगभग 24GB है; अन्य हिस्से अलग। क्वांटाइज़ेशन और ऑफलोडिंग जाँचें। ComfyUI समर्थित।
अपनी शैली की LoRA सिखाने के लिए आधार। Turbo की तैयार शैली के मुकाबले अधिक समायोजन की गुंजाइश वाला गैर-distilled संस्करण। साधारण चित्र निर्माण से अधिक फाइन-ट्यूनिंग और शोध पर केंद्रित।
फाइन-ट्यूनिंग और शोध के लिए। आसानी से चित्र बनाना शुरू करना हो तो पहले Turbo चुनें।
12B का गैर-distilled संस्करण। लेखक का सुझाया क्रम: Raw पर LoRA प्रशिक्षण, Turbo पर generation।
इस सूची में 2026-05-19 से 2026-11-19 के बीच जारी मॉडल और नए संस्करण हैं। तारीख प्रकाशक की घोषणा या संबंधित वेट फ़ाइल के इतिहास से ली गई है, README में बदलाव से नहीं। स्रोत देखने के लिए रिलीज़ की तारीख चुनें। सामान्यतः प्रकाशक की UTC तारीख अपनाई गई है।
मिड-रेंज और हाई-एंड, मॉडल के आकार और उपलब्ध फ़ॉर्मैट पर आधारित अनुमान हैं; गुणवत्ता की रैंकिंग या गारंटी नहीं। क्वांटाइज़ेशन, रिज़ॉल्यूशन और ऑफलोडिंग से मेमोरी की ज़रूरत बदलती है। सर्वर श्रेणी को बहुत बड़े सेटअप चाहिए; संबंधित नोट पढ़ें।
विवरण प्रकाशक की जानकारी और उदाहरणों पर आधारित हैं। इन चित्रों की सेटिंग एक जैसी नहीं है और हमने साझा स्पीड या VRAM बेंचमार्क नहीं किया है। प्रकाशक के उदाहरण और पुराने लोकल आउटपुट अलग चिह्नित हैं। मॉडल का लाइसेंस और चित्र के अधिकार अलग हैं; व्यावसायिक उपयोग से पहले दोनों जाँचें।
बिना सेंसरशिप का चिह्न तभी दिया जाता है जब प्रकाशक स्पष्ट रूप से ऐसा कहता है। हर प्रॉम्प्ट के काम करने की गारंटी नहीं है। उपयोग की शर्तें वितरण पेज पर देखें।
संपादकीय संदर्भ: hirorohi और lilting channel के जापानी मॉडल गाइड। रूप और उपयोग के उनके ठोस विवरण से संरचना की प्रेरणा ली गई है; उनका पाठ या रैंकिंग नहीं अपनाई गई।