К содержимому
Другое

SVG-Motion-Qwen3.5-0.8B-LoRA

адаптер для анимации SVG

2 мин чтенияобновлено

Этот небольшой PEFT-адаптер (небольшая надстройка над базовой моделью для точной настройки) добавляет нативный код анимации в существующие SVG-рисунки на основе текстовых инструкций. Модель на базе Qwen/Qwen3.5-0.8B принимает на вход исходный код векторного изображения и текстовую задачу, а на выходе возвращает готовый анимированный SVG с тегами animate или animateTransform. Решение работает на уровне текста без генерации пикселей или видео, сохраняя исходные элементы и структуру оригинального файла. Модель пригодится разработчикам и дизайнерам, которым нужно автоматизировать добавление простых движений в векторную графику.

Ключевые особенности

  • Текст-в-код: генерирует валидные теги анимации прямо внутри структуры SVG-файла.
  • Широкий охват движений: поддерживает перенос, вращение, масштабирование и изменение прозрачности.
  • Сохранение структуры: исходные теги, идентификаторы и атрибуты рисунка остаются неизменными.
  • Точечное обучение: задействует ранг LoRA 16 и обучает около 10,8 млн параметров.

Что можно сделать

  • Автоматизировать добавление анимации переворотов, масштабирования или вращения в векторные иконки и иллюстрации.
  • Интегрировать адаптер в конвейер обработки графики для пакетной генерации анимированных SVG-элементов интерфейса.
  • Тестировать генерацию анимации для веб-проектов и динамических иконок через скрипты Python.

Пример

import json
import torch
from huggingface_hub import hf_hub_download
from peft import PeftModel
from transformers import AutoTokenizer, Qwen3_5ForConditionalGeneration

adapter_id = "lxyuan/SVG-Motion-Qwen3.5-0.8B-LoRA"
base = Qwen3_5ForConditionalGeneration.from_pretrained(
    "Qwen/Qwen3.5-0.8B", revision="2fc06364715b967f1860aea9cf38778875588b17",
    dtype=torch.float32, attn_implementation="sdpa",
).to("cuda")
model = PeftModel.from_pretrained(base, adapter_id).eval()
tokenizer = AutoTokenizer.from_pretrained(adapter_id)
ПодробнееБенчмарки: 100/100 успешно пройденных синтетических тестов против 0/100 у базовой модели.
Требования к железу: обучение проводилось на GPU Tesla T4 с пиковым потреблением VRAM 5.00 GiB.
Детали обучения: 100 шагов оптимизации, размер батча 1 с накоплением 4, скорость обучения 1e-4, AdamW.
Ограничения: синтетические задачи с фиксированной формулировкой правил, сгенерированный код требует валидации в песочнице.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.7 GB · готовые файлы2.3 GB
  • FP8 / INT8рекомендуемвеса 0.9 GB1.4 GB
  • 4-bitвеса 0.5 GB1.0 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью Qwen3.5-0.8B.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # lxyuan/SVG-Motion-Qwen3.5-0.8B-LoRA
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Qwen/Qwen3.5-0.8B --local-dir ~/models/Qwen3.5-0.8B
    hf download lxyuan/SVG-Motion-Qwen3.5-0.8B-LoRA --local-dir ~/models/SVG-Motion-Qwen3.5-0.8B-LoRA
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3.5-0.8B
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Нужна базовая модель

Qwen/Qwen3.5-0.8B

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

  1. Qwen3.5-0.8B-Baseоснова семьи
  2. Qwen3.5-0.8B
  3. SVG-Motion-Qwen3.5-0.8B-LoRA

Новые посты про версии Qwen3.5-0.8B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 9Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

lxyuan/SVG-Motion-Qwen3.5-0.8B-LoRA
Автор
lxyuan
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии