Характеристики

Лицензия: Apache 2.0
Базовая модель: Wan2.2-Distill-Models
Опубликована: 14 апр 2026

Ссылки

Wan2.2-LightX2V-260412-4STEP-GGUF

Видео из изображенияИзображение, текст → видео3 профессии

Abiray/Wan2.2-LightX2V-260412-4STEP-GGUF — набор GGUF-квантизированных вариантов дистиллированной модели Wan2.2 14B Image-to-Video, основанной на LightX2V/Wan2.2-Distill-Models.

10 236скачиваний за 30 дней7лайковвеса обновлены14 апр 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

Репозиторий разработан пользователем или организацией Abiray; исходный разработчик базовой модели в README не указан.

Модель предназначена для генерации видео из изображений и ориентирована на быстрый запуск, включая сценарии на пользовательском оборудовании. Дистилляция LightX2V сокращает генерацию до 4 шагов вместо традиционных 50 и более. Доступны варианты для 720p, а также конфигурации High Noise и Low Noise. Модель имеет около 14 миллиардов параметров и работает в формате GGUF, предназначенном для снижения требований к VRAM и оперативной памяти.

Предлагаются уровни квантования от Q3_K_M до Q8_0: размеры файлов составляют примерно от 7,19 до 15,4 ГБ. Более сильное сжатие уменьшает требования к памяти, но может снижать качество, тогда как Q8_0 обеспечивает качество, близкое к исходному, при наличии достаточного объёма VRAM. README не содержит сведений о поддерживаемых языках, точном максимальном контексте, конкретных требованиях к оборудованию и известных ограничениях качества. Лицензия — Apache 2.0.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🎬 Wan2.2 14B I2V Distill LightX2V 4-Step (GGUF)

This repository contains GGUF-quantized versions of the LightX2V Distilled Wan2.2 14B Image-to-Video Model.

By quantizing the ultra-fast 4-step distilled models into the GGUF format, this repository allows for drastically reduced VRAM/RAM requirements while maintaining near real-time, high-performance video generation.

🌟 What's Special About This Version?

⚡ Ultra-Fast 4-Step Generation: Distillation-accelerated version of Wan2.2 requires only 4 steps instead of the traditional 50+ steps.
💾 VRAM & Memory Efficient: Utilizing GGUF quantizations (from Q3 up to Q8), you can run full 14B parameter models on consumer-grade hardware.

📦 Available GGUF Models

We provide quantizations ranging from heavily compressed (Q3) to near-lossless (Q8) to fit your specific memory and quality requirements. Both High Noise and Low Noise versions are available.

🎨 High Noise Models (`/high_noise_260412/`)

Filename	Size	Quality Level
`wan2.2_i2v_A14b_high_noise_lightx2v_4step_720p_260412-Q3_K_M.gguf`	7.19 GB	High Compression, Lowest VRAM
`wan2.2_i2v_A14b_high_noise_lightx2v_4step_720p_260412-Q4_K_M.gguf`	9.66 GB	Good Balance
`wan2.2_i2v_A14b_high_noise_lightx2v_4step_720p_260412-Q5_K_M.gguf`	10.8 GB	High Quality, Moderate VRAM
`wan2.2_i2v_A14b_high_noise_lightx2v_4step_720p_260412-Q6_K.gguf`	12.0 GB	Very High Quality
`wan2.2_i2v_A14b_high_noise_lightx2v_4step_720p_260412-Q8_0.gguf`	15.4 GB	Near-Lossless (Recommended if VRAM permits)

🎯 Low Noise Models (`/low_noise_260412/`)

Filename	Size	Quality Level
`wan2.2_i2v_A14b_low_noise_lightx2v_4step_720p_260412-Q3_K_M.gguf`	7.19 GB	High Compression, Lowest VRAM
`wan2.2_i2v_A14b_low_noise_lightx2v_4step_720p_260412-Q4_K_M.gguf`	9.66 GB	Good Balance
`wan2.2_i2v_A14b_low_noise_lightx2v_4step_720p_260412-Q5_K_M.gguf`	10.8 GB	High Quality, Moderate VRAM
`wan2.2_i2v_A14b_low_noise_lightx2v_4step_720p_260412-Q6_K.gguf`	12.0 GB	Very High Quality
`wan2.2_i2v_A14b_low_noise_lightx2v_4step_720p_260412-Q8_0.gguf`	15.4 GB	Near-Lossless (Recommended if VRAM permits)

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → видео» пока не запускаются: нужен ввод изображения для diffusion.

Ревизия весов: 907bf4a