К содержимому
Видео

Wan2.1

передовая линейка открытых моделей генерации видео

2 мин чтенияобновлено

Wan2.1 — это комплексная и мощная линейка открытых моделей для генерации видео от Wan-Team, которая задает новые стандарты в области синтеза контента. В репозитории представлена версия T2V-1.3B (Text-to-Video), созданная на базе архитектуры Flow Matching (модификация диффузионных моделей) и способная работать на потребительских видеокартах. Модель превосходит многие существующие открытые и коммерческие аналоги, поддерживая генерацию качественного видео по текстовому описанию. Она станет отличным инструментом для творческих команд, видеомейкеров и исследователей с ограниченными вычислительными ресурсами.

Ключевые особенности

  • SOTA производительность: Демонстрирует результаты лучше многих открытых аналогов и коммерческих решений.
  • Поддержка потребительских GPU: Версия T2V-1.3B требует всего 8.19 ГБ VRAM и запускается на RTX 4090.
  • Генерация текста на видео: Первая модель для видео, уверенно генерирующая текст на китайском и английском языках.
  • Эффективный Wan-VAE: Фирменный 3D вариационный автоэнкодер кодирует и декодирует 1080P видео любой длины без потери временной информации.

Что можно сделать

  • Сгенерировать 5-секундное видео в разрешении 480P по текстовому промпту с помощью Python-скрипта или интеграции с Diffusers.
  • Подключить расширение промптов через API Dashscope или локальные модели Qwen для детальной проработки сцены.
  • Запустить интерактивный веб-интерфейс Gradio локально для экспериментов с генерацией видео.

Пример

import torch
from diffusers import AutoencoderKLWan, WanPipeline
from diffusers.utils import export_to_video

model_id = "Wan-AI/Wan2.1-T2V-1.3B-Diffusers"
vae = AutoencoderKLWan.from_pretrained(model_id, subfolder="vae", torch_dtype=torch.float32)
pipe = WanPipeline.from_pretrained(model_id, vae=vae, torch_dtype=torch.bfloat16)
pipe.to("cuda")

output = pipe(
    prompt="A cat walks on the grass, realistic",
    height=480,
    width=832,
    num_frames=81,
    guidance_scale=5.0
).frames[0]
export_to_video(output, "output.mp4", fps=15)
ПодробнееТребования к VRAM: от 8.19 ГБ для версии 1.3B (на RTX 4090 генерация занимает около 4 минут без квантования).
Архитектура: Diffusion Transformer (DiT) на базе фреймворка Flow Matching с текстовым энкодером T5.
Особенности: рекомендуется использовать разрешение 480P для модели 1.3B из-за стабильности результатов.
Примеры
Обсудить Telegram 0 19

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 5.3 GB · готовые файлы9.1 GB
  • BF16веса 2.6 GB6.0 GB
  • FP8 / INT8рекомендуемвеса 1.3 GB4.5 GB
  • 4-bitвеса 0.7 GB3.9 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 · F32 — от RTX 3080

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.

    # SadikNawazAI/SADIK-VIDEO-AI
    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 SadikNawazAI/SADIK-VIDEO-AI --local-dir ~/models/SADIK-VIDEO-AI
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к SADIK-VIDEO-AI
  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.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • 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 (3)
    • 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.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • LightX2V step distill0.6.1от 9 ноября 2026новая версия

    5–10× меньше шагов

    Дистиллированные LoRA и движок: видео за 4–8 шагов вместо 30–50.

    Как включить: Подключите их step-distill LoRA к модели, CFG 1.0, 4–8 шагов.

  • 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

Новые посты про версии SADIK-VIDEO-AI — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

SadikNawazAI/SADIK-VIDEO-AI
Автор
SadikNawazAI
Категория
Видео
Дата выхода
На сайте

На сайте

Hugging Face

190

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

Video LAM

Video LAM