/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Wan2.2-TI2V-5B-Diffusers
Библиотека
fastvideo
Опубликована
10 авг 2026

FastMetal-5B-QAD

Генерация видеоТекст → видео

Дистиллированная FastVideo модель на базе Wan 2.2 TI2V 5B для генерации видео по текстовым описаниям с ускоренным трёхшаговым выводом на Apple Silicon.

0скачиваний за 30 дней8лайковвеса обновлены19 авг 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

FastMetal-5B-QAD — модель генерации видео по тексту, разработанная FastVideo на основе Wan 2.2 TI2V 5B. Это дистиллированная методом DMD2 модель с тремя шагами денойзинга и квантованным до INT8 диффузионным трансформером; веса подготовлены для запуска на Apple Silicon без квантования при старте. Модель ориентирована на создание видео с нативным разрешением 720p и самостоятельный запуск со встроенными текстовым энкодером, VAE, токенизатором и планировщиком.

Модель предназначена для генерации коротких видео по текстовым описаниям на компьютерах Mac с Apple Silicon. Для обучения использовались синтетические данные FastVideo/Wan2.2-Syn-121x704x1280_32k. Репозиторий содержит форматы Diffusers и safetensors, а лицензия — Apache-2.0. В README заявлены требования macOS, Apple Silicon и Python 3.11 или новее; качество и ограничения выходных видео зависят от базовой модели и ускоренного трёхшагового процесса генерации.

Сценарии применения

  • создание видео по текстовому сценарию
  • быстрое прототипирование видеокадров и сцен
  • генерация 720p-видео на Mac с Apple Silicon

Ограничения

Для запуска требуется macOS с Apple Silicon; README указывает класс устройств с не менее чем 16 ГБ памяти. Генерация выполняется за три шага денойзинга, что может ограничивать качество по сравнению с более длительным выводом.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

FastMetal-5B-QAD

3-step text-to-video, INT8 pre-quantized for Apple Silicon.

The mid-tier FastMetal model — a DMD2-distilled Wan2.2 TI2V 5B with a quantization-aware-trained INT8 DiT. 720p-native, pre-quantized: no startup quantization.

What's inside

PathContents
mlx_dit.safetensors / mlx_dit.jsonINT8 (affine, group-64) DiT
text_encoder/, vae/, tokenizer/, scheduler/everything needed to run standalone

Quickstart

Requires macOS with Apple silicon (MPS) and Python 3.11+:

pip install torch transformers mlx safetensors av imageio imageio-ffmpeg
git clone https://github.com/FastVideo/FastVideo.git
cd FastVideo

python examples/inference/basic/mlx_wan22_generate.py \
  --text-encoder-root ./FastMetal-5B-QAD \
  --mlx-checkpoint ./FastMetal-5B-QAD \
  --vae-root ./FastMetal-5B-QAD/vae \
  --prompt "a river winding through a fantasy valley at golden hour" \
  --fast

Model details

Base modelWan 2.2 TI2V 5B
DistillationDMD2, 3 denoising steps
Quantizationaffine INT8, group size 64, QAT-trained
Resolution704×1280 (720p), 121 frames
Flow shift5.0
DiT weights~5 GB (INT8)

Training

DMD2 distillation of the Wan 2.2 TI2V 5B teacher onto an INT8 student on NVIDIA GB200 clusters, with quantization-aware training (affine INT8, group 64). Training corpus: FastVideo/Wan2.2-Syn-121x704x1280_32k.

FastMetal family

ModelTier
FastMetal-1.3B-QADEntry — 16 GB+ class Macs
FastMetal-5B-QADMid — 720p
FastMetal-14B-QADQuality — 24 GB+/ Ideally 36 Macs

Как запустить

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

GPU в ailist

Универсальный рантайм · fastvideo

Нельзя запустить

Пайплайн WanDMDPipeline не входит в diffusers 0.41.0.dev0: нужен custom_pipeline.

Ревизия весов
5e4819e

0 моделей