/ Модель

Характеристики

Архитектура
t5 · dense
Базовая модель
Wan2.2-T2V-A14B-Diffusers
Опубликована
1 авг 2025

Wan2.2-T2V-A14B-2-DF11

Генерация видеоТекст → видео3 профессии

DFloat11/Wan2.2-T2V-A14B-2-DF11 — это квантованная и без потерь сжатая версия второй части модели Wan2.2-T2V-A14B от Wan-AI, опубликованная в формате DFloat11.

1 945скачиваний за 30 дней4лайкавеса обновлены1 авг 2025

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Видео» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

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

Модель предназначена для генерации видео по текстовому описанию с использованием pipeline_tag text-to-video и интеграции с Diffusers.

Ключевая особенность модели — сжатие весов BFloat16 с помощью Huffman-кодирования экспонент и аппаратно-ориентированной распаковки непосредственно на GPU. По данным README, сжатие сохраняет побитово идентичные результаты исходной модели и уменьшает размер примерно на 32%. Полная конфигурация архитектуры, число параметров и перечень поддерживаемых языков в README не указаны. В составе Wan2.2 модель может использоваться для создания 5-секундных видео в разрешении 720p; пример конфигурации предусматривает 81 кадр и 16 кадров в секунду.

Основное преимущество — возможность запуска генерации на одной GPU с 24 ГБ видеопамяти при использовании CPU offloading, а также сохранение качества исходной модели благодаря заявленной потере без потерь. Без offloading требуется около 40 ГБ VRAM; с offloading пиковое потребление составляет около 22,49 ГБ, а без него — около 41,06 ГБ. На A100 генерация 5-секундного видео занимает примерно 42–44 минуты, поэтому модель ориентирована прежде всего на локальный GPU-инференс, а не на высокопроизводительную генерацию в реальном времени.

Для работы необходимы CUDA-совместимая GPU, PyTorch, пакет DFloat11 и актуальная версия Diffusers. Лицензия в представленном README не указана.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DFloat11 Compressed Model: Wan-AI/Wan2.2-T2V-A14B

This is a DFloat11 losslessly compressed version of the original Wan-AI/Wan2.2-T2V-A14B model. It reduces model size by 32% compared to the original BFloat16 model, while maintaining bit-identical outputs and supporting efficient GPU inference.

🔥🔥🔥 Thanks to DFloat11 compression, Wan-AI/Wan2.2-T2V-A14B can now generate a 5-second 720P video on a single 24GB GPU, while maintaining full model quality. 🔥🔥🔥

📊 Performance Comparison

ModelModel SizePeak GPU Memory (5-second 720P generation)Generation Time (A100 GPU)
Wan-AI/Wan2.2-T2V-A14B (BFloat16)~56 GBO.O.M.-
Wan-AI/Wan2.2-T2V-A14B (DFloat11)19.46 + 19.39 GB41.06 GB42 minutes
Wan-AI/Wan2.2-T2V-A14B (DFloat11 + CPU Offloading)19.46 + 19.39 GB22.49 GB44 minutes

🔍 How It Works

We apply Huffman coding to the exponent bits of BFloat16 model weights, which are highly compressible. We leverage hardware-aware algorithmic designs to enable highly efficient, on-the-fly weight decompression directly on the GPU. Find out more in our research paper.

🔧 How to Use

  1. Install or upgrade the DFloat11 pip package (installs the CUDA kernel automatically; requires a CUDA-compatible GPU and PyTorch installed):

    pip install -U dfloat11[cuda12]
    
  2. Install the latest diffusers package from source:

    pip install git+https://github.com/huggingface/diffusers
    
  3. Save the following code to a Python file t2v.py:

    import time
    import torch
    import argparse
    from diffusers import WanPipeline, AutoencoderKLWan
    from diffusers.utils import export_to_video
    from dfloat11 import DFloat11Model
    
    # Set up argument parser
    parser = argparse.ArgumentParser(description='Run Wan2.2 T2V model with custom parameters')
    parser.add_argument('--prompt', type=str, default="A serene koi pond at night, with glowing lanterns reflecting on the rippling water. Ethereal fireflies dance above as cherry blossoms gently fall, creating a dreamlike atmosphere.",
                        help='Text prompt for video generation')
    parser.add_argument('--negative_prompt', type=str, default="色调艳丽,过曝,静态,细节模糊不清,字幕,风格,作品,画作,画面,静止,整体发灰,最差质量,低质量,JPEG压缩残留,丑陋的,残缺的,多余的手指,画得不好的手部,画得不好的脸部,畸形的,毁容的,形态畸形的肢体,手指融合,静止不动的画面,杂乱的背景,三条腿,背景人很多,倒着走",
                        help='Negative prompt for video generation')
    parser.add_argument('--width', type=int, default=1280, help='Width of output video')
    parser.add_argument('--height', type=int, default=720, help='Height of output video')
    parser.add_argument('--num_frames', type=int, default=81, help='Number of frames to generate')
    parser.add_argument('--guidance_scale', type=float, default=4.0, help='Guidance scale for first stage')
    parser.add_argument('--guidance_scale_2', type=float, default=3.0, help='Guidance scale for second stage')
    parser.add_argument('--num_inference_steps', type=int, default=40, help='Number of inference steps')
    parser.add_argument('--cpu_offload', action='store_true', help='Enable CPU offloading')
    parser.add_argument('--output', type=str, default='t2v_out.mp4', help='Output video file path')
    parser.add_argument('--fps', type=int, default=16, help='FPS of output video')
    
    args = parser.parse_args()
    
    # Initialize models
    vae = AutoencoderKLWan.from_pretrained("Wan-AI/Wan2.2-T2V-A14B-Diffusers", subfolder="vae", torch_dtype=torch.float32)
    pipe = WanPipeline.from_pretrained("Wan-AI/Wan2.2-T2V-A14B-Diffusers", vae=vae, torch_dtype=torch.bfloat16)
    
    # Load DFloat11 models
    DFloat11Model.from_pretrained(
        "DFloat11/Wan2.2-T2V-A14B-DF11",
        device="cpu",
        cpu_offload=args.cpu_offload,
        bfloat16_model=pipe.transformer,
    )
    DFloat11Model.from_pretrained(
        "DFloat11/Wan2.2-T2V-A14B-2-DF11",
        device="cpu",
        cpu_offload=args.cpu_offload,
        bfloat16_model=pipe.transformer_2,
    )
    
    pipe.enable_model_cpu_offload()
    
    start_time = time.time()
    # Generate video
    output = pipe(
        prompt=args.prompt,
        negative_prompt=args.negative_prompt,
        height=args.height,
        width=args.width,
        num_frames=args.num_frames,
        guidance_scale=args.guidance_scale,
        guidance_scale_2=args.guidance_scale_2,
        num_inference_steps=args.num_inference_steps,
    ).frames[0]
    print(f"Time taken: {time.time() - start_time:.2f} seconds")
    
    export_to_video(output, args.output, fps=args.fps)
    
    # Print memory usage
    max_memory = torch.cuda.max_memory_allocated()
    print(f"Max memory: {max_memory / (1000 ** 3):.2f} GB")
    
  4. To run without CPU offloading (40GB VRAM required):

    PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True python t2v.py
    

    To run with CPU offloading (22.5GB VRAM required):

    PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True python t2v.py --cpu_offload
    

    Setting PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True is strongly recommended to prevent out-of-memory errors caused by GPU memory fragmentation.

📄 Learn More

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
7ef8745

0 моделей