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))
Подробнее
Общий 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.










Комментарии