/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Wan2.1-T2V-1.3B
Библиотека
diffusers
Опубликована
16 дек 2025

T3-Video

Генерация видеоТекст → видео

T3-Video — дообученная модель для генерации видео разрешением до 4K по текстовым запросам.

797скачиваний за 30 дней27лайковвеса обновлены5 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

T3-Video — дообученная модель генерации видео, разработанная командой APRIL-AIGC. Она предназначена для создания видео в разрешении до 4K по текстовым запросам; в README также заявлены веса для вариантов на базе Wan2.1-T2V-1.3B и Wan2.2-T2V-5B. Репозиторий предоставляет веса в формате safetensors и код для инференса на базе Diffusers; код обучения пока не опубликован.

Модель ориентирована на генерацию видео высокого разрешения. В качестве базовой модели этого репозитория указана Wan-AI/Wan2.1-T2V-1.3B, а в метаданных указан датасет APRIL-AIGC/UltraVideo. Лицензия — Apache-2.0. В README не описаны поддерживаемые языки запросов и конкретные ограничения по длительности или качеству генерации.

Сценарии применения

  • создание коротких видеороликов по текстовому описанию
  • генерация видео высокого разрешения для концепт-арта и превизуализации
  • создание визуальных демонстраций и роликов для презентаций

Ограничения

Код обучения в README ещё не опубликован. Поддерживаемые языки текстовых запросов, длительность генерации и количественные ограничения качества в доступных данных не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

T3-Video



Transform Trained Transformer for Accelerating Native 4K Video Generation

🎋 Click ↓ to watch 4K World Vision demo by native 4K video generation model T3-Video-Wan2.1-T2V-1.3B

TODO

  • Release T2V weights: T3-Video-Wan2.1-T2V-1.3B and T3-Video-Wan2.2-T2V-5B.
  • Release 4K-VBench
  • Release 4K-World-Vision for the presented demo.
  • Release inference code.
  • Release training code.

Quickstart

  1. Refer to DiffSynth-Studio/examples/wanvideo for environment preparation.
  2. Download Wan2.1-T2V-1.3B model using huggingface-cli:
pip install "huggingface_hub[cli]"
huggingface-cli download --repo-type model Wan-AI/Wan2.1-T2V-1.3B --local-dir weights/Wan2.1-T2V-1.3B --resume-download
huggingface-cli download --repo-type model Wan-AI/Wan2.2-TI2V-5B --local-dir weights/Wan2.2-TI2V-5B --resume-download
  1. Download T3-Video models using huggingface-cli:
huggingface-cli download --repo-type model APRIL-AIGC/T3-Video --local-dir weights/T3-Video --resume-download
  1. Infer native 4K videos with T3-Video-Wan2.1-T2V-1.3.
python infer_multi_gpu.py --model_id Wan-AI/Wan2.1-T2V-1.3B --text_path models/Wan2.1-T2V-1.3B/models_t5_umt5-xxl-enc-bf16.pth --dit_path "models/Wan2.1-T2V-1.3B/diffusion_pytorch_model*.safetensors" --vae_path models/Wan2.1-T2V-1.3B/Wan2.1_VAE.pth --dit_path_full_pretrained models/T3-Video/T3-Video-Wan2.1-T2V-1.3B.safetensors --height 2176 --width 3840 --num_frames 81 --out_dir output/T3-Video-Wan2.1-T2V-1.3B-4K-World-Vision-seed0-step50 --json_file 4K-World-Vision/4K-World-Vision.json --data_root 4K-World-Vision --start_id=0 --end_id=-1 --tiled true --seed 0 --num_groups 8 --num_inference_steps 50

5.Infer native 4K videos with T3-Video-Wan2.2-T2V-5B.

Change the mode to wan2.2_2176_3840 in Line-180 of the file diffsynth/models/wan_video_dit.py.

python infer_multi_gpu.py --model_id Wan-AI/Wan2.2-TI2V-5B --text_path models/Wan2.2-TI2V-5B/models_t5_umt5-xxl-enc-bf16.pth --dit_path "models/Wan2.2-TI2V-5B/diffusion_pytorch_model*.safetensors" --vae_path models/Wan2.2-TI2V-5B/Wan2.2_VAE.pth --dit_path_full_pretrained models/T3-Video/T3-Video-Wan2.2-T2V-5B.safetensors --height 2176 --width 3840 --num_frames 81 --out_dir output/T3-Video-Wan2.2-T2V-5B-4K-World-Vision-seed0-step50 --json_file 4K-World-Vision/4K-World-Vision.json --data_root 4K-World-Vision --start_id=0 --end_id=-1 --tiled true --seed 0 --num_groups 8 --num_inference_steps 50

License Agreement

Copyright (c) 2025 T3-Video

Licensed under the Apache License, Version 2.0 (the "License"); you may not use this file except in compliance with the License. You may obtain a copy of the License at

http://www.apache.org/licenses/LICENSE-2.0

Unless required by applicable law or agreed to in writing, software distributed under the License is distributed on an "AS IS" BASIS, WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. See the License for the specific language governing permissions and limitations under the License.

Also, users must follow Wan-Video/Wan2.1/LICENSE.txt to use Wan-related models.

Acknowledgements

We would like to thank the contributors to the Wan2.1, Wan2.2, Qwen, umt5-xxl, diffusers and HuggingFace repositories, for their open researches.

Citation

If you find our work helpful, please cite us.

@inproceedings{t3video,
    title={Transform Trained Transformer for Accelerating Native 4K Video Generation},
    author={Jiangning Zhang and Junwei Zhu and Teng Hu and Yabiao Wang and Donghao Luo and Weijian Cao and Zhenye Gan and Xiaobin Hu and Zhucun Xue and Xiangtai Li and Chengjie Wang and Yong Liu},
    booktitle={Forty-third International Conference on Machine Learning},
    year={2026},
    url={https://openreview.net/forum?id=5dabjiOBpS}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Базовая модель Wan-AI/Wan2.1-T2V-1.3B выложена не в формате diffusers, адаптер не к чему подключить.

Ревизия весов
b38f51b

0 моделей