/ Модель

Характеристики

Опубликована
25 сен 2026

DistillAlign

Генерация видеоТекст → видео

DistillAlign — экспериментальный генератор видео Wan2.1-T2V-1.3B, дистиллированный для создания видео по текстовому описанию.

0скачиваний за 30 дней0лайковвеса обновлены25 сен 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

DistillAlign — экспериментальная модель генерации видео по тексту, представленная анонимной командой для подачи статьи на ICLR 2027. В репозитории опубликованы генераторы-студенты Wan2.1-T2V-1.3B: предварительные инициализаторы и итоговый генератор после совместной дистилляции. Название некоторых чекпойнтов указывает на размер использованной модели-учителя, а не генератора.

Метод согласует цели mode-covering и mode-seeking в многоэтапной дистилляции авторегрессионного видеогенератора. По заявлению авторов, вариант с учителем DMD 1.3B превосходит базовые модели, доработанные с учителем DMD 14B. Чекпойнты содержат веса генератора PyTorch; README указывает на загрузку через код инференса и оценки из дополнительных материалов. Лицензия в доступных данных не указана.

Сценарии применения

  • генерация коротких видео по текстовым промптам
  • оценка методов дистилляции авторегрессионных видеогенераторов
  • сравнение mode-covering и mode-seeking подходов в видеогенерации

Ограничения

Анонимный исследовательский релиз для подачи на ICLR 2027; заявленные сравнительные результаты приведены в README и не подтверждены независимой оценкой в доступных данных. Для запуска требуются код инференса и оценки из дополнительных материалов; лицензия не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DistillAlign aligns and balances the mode-covering and mode-seeking objectives of the multi-stage video distillation pipeline — using only a 1.3B DMD teacher, it already surpasses baselines refined with a 14B DMD teacher.

Checkpoints

All released generators are Wan2.1-1.3B students; the size in each name refers to the teacher used during training.

ModelCheckpointDescription
Initializer (1.3B teacher)distillalign_init_1p3b_teacher.ptPre-DMD initializer, trained toward a Wan2.1-T2V-1.3B teacher
Initializer (14B teacher)distillalign_init_14b_teacher.ptPre-DMD initializer, trained toward a Wan2.1-T2V-14B teacher
Distilled (1.3B teacher)distillalign_distill_1p3b_teacher.ptFinal joint-distilled generator, Wan2.1-T2V-1.3B DMD teacher
Distilled (14B teacher)distillalign_distill_14b_teacher.ptFinal joint-distilled generator, Wan2.1-T2V-14B DMD teacher

Each checkpoint stores a plain {"generator": state_dict} and loads directly with the inference and evaluation code in the supplementary material.

Teacher Reference Caches

Ready-made teacher reference features for the teacher-normalized distribution evaluation. Pass the .npz file to --teacher-features and only the student side needs to be generated.

CacheDownloadDescription
Wan2.1-1.3B teacher reference featureswan2.1_t2v_1.3b_reference_vjepa2.npz256 x 2560 V-JEPA2 features, ready for --teacher-features
Wan2.1-14B teacher reference featureswan2.1_t2v_14b_reference_vjepa2.npz256 x 2560 V-JEPA2 features, ready for --teacher-features

See teacher_caches/README.md for the exact sampling and extraction protocol.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Генеративная модель выложена не в формате diffusers.

Ревизия весов
334175b

0 моделей