К содержимому
Другое

Relay-Forcing

чекпоинты для реалтайм-потоковой генерации видео

2 мин чтенияобновлено

Репозиторий содержит веса и чекпоинты для метода Relay Forcing, предназначенного для реалтайм-потоковой генерации видео (Real-Time Streaming Video Generation) за 1.58 NFE. Внутри находятся основные модели, включая варианты для Wan2.2-TI2V-5B и LTX-2.3-22B, а также вспомогательный VAE-декодер и множество моделей для абляционных исследований. Модели опираются на архитектуры Wan2.2 и LTX-2.3, дополненные специальными траекторными головами и EMA-весами (экспоненциальное скользящее среднее). Набор пригодится исследователям и разработчикам, работающим над ускорением генерации видео и потоковыми архитектурами.

Ключевые особенности

  • Поддержка реалтайм-потоковой генерации видео со скоростью 1.58 NFE.
  • Включает основные чекпоинты для Wan2.2-TI2V-5B и LTX-2.3-22B (15-секундные и 60-секундные версии).
  • Наличие полных конфигураций обучения и распределенных чекпоинтов PyTorch.
  • Большой набор моделей для абляционных исследований (варианты DMD, шагов GAN и масштабирования голов).
  • Использование весов EMA (экспоненциальное скользящее среднее) для всех заявленных результатов.

Что можно сделать

  • Запустить и протестировать реалтайм-генерацию видео на базе моделей Wan2.2-TI2V-5B или LTX-2.3-22B.
  • Использовать включенный латентно-каузальный групповой VAE-декодер для работы с LTX-2.3-22B.
  • Изучить конфигурации обучения и результаты абляционных экспериментов из научной работы.
  • Написать собственный инференс-код, загружая веса с помощью предоставленного скрипта на Python.

Пример

import json
from pathlib import Path

from huggingface_hub import snapshot_download
from safetensors.torch import load_file

folder = "wan2.2-ti2v-5b/relay-forcing"
root = Path(snapshot_download("oliveryanzuolu/Relay-Forcing", allow_patterns=[f"{folder}/model*", f"{folder}/config.yaml"])) / folder
index = json.loads((root / "model.safetensors.index.json").read_text())
state_dict = {}
for shard in sorted(set(index["weight_map"].values())):
    state_dict.update(load_file(root / shard))
ПодробнееОбщий объем репозитория составляет 1.79 ТБ.
Базовые модели: Wan2.2-TI2V-5B и LTX-2.3-22B с использованием кодировщиков Gemma 3 12B.
Инференс- и тренировочный код будут опубликованы отдельно.
Обсудить Telegram 0

Запустится ли?

Запустится в 4-bit

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 63 GB · готовые файлы70 GB
  • FP8 / INT8рекомендуемвеса 32 GB35 GB
  • 4-bitвеса 18 GB20 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: В домашние видеокарты не поместится — выгоднее арендовать.

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

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.

    # oliveryanzuolu/Relay-Forcing
    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 oliveryanzuolu/Relay-Forcing --local-dir ~/models/Relay-Forcing
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Relay-Forcing
  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

Дообучение модели

Wan-AI/Wan2.2-TI2V-5B

Новые посты про версии Wan2.2-TI2V-5B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face

О модели

oliveryanzuolu/Relay-Forcing
Автор
oliveryanzuolu
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

Видео

ReentryMem

ReentryMem