/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
fastvideo
Опубликована
25 июл 2026

Track-v0

Видео из изображенияИзображение, текст → видео

Причинный чекпойнт WanTrack на 1,3 млрд параметров для генерации видео из изображения с FastVideo.

0скачиваний за 30 дней0лайковвеса обновлены25 июл 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

Track-v0 — причинный чекпойнт WanTrack для генерации видео из изображения, разработанный на базе FastVideo. Модель содержит 1,3 млрд параметров и обучена с разреженными траекториями точек: после инициализации чекпойнтом WanTrack bidirectional stage-2 она прошла этапы teacher forcing, causal distillation и self forcing. Опубликованы веса student EMA; параметры замороженного TrackEncoder сохранены из исходного чекпойнта.

Модель предназначена для преобразования исходного изображения в видео с использованием интеграции причинной модели WanTrack в FastVideo. В конфигурации внимания используются блоки по три латентных кадра, локальное внимание с окном 6, sink-размер 1 и relativistic RoPE. Обучение проводилось на разрешении 832 × 480 с 121 пиксельным кадром и 31 латентным кадром. Репозиторий содержит полный комплект модели и EMA-трансформер. Лицензия — Apache-2.0.

Сценарии применения

  • генерация видео из исходного изображения
  • создание видео с движением по разреженным траекториям точек
  • причинная генерация последовательности видеокадров

Ограничения

Для запуска требуется интеграция причинной модели WanTrack в FastVideo. Обучение описано для разрешения 832 × 480; качество на других разрешениях и сценариях в карточке не охарактеризовано.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Track-v0

Track-v0 is a 1.3B causal WanTrack image-to-video checkpoint trained with sparse point trajectories.

Training recipe

  • Initialization: WanTrack bidirectional stage-2 checkpoint 600
  • Teacher Forcing: 3,000 steps
  • Causal Distillation: 2,000 steps
  • Self Forcing: 1,000 steps
  • Published weights: Self Forcing checkpoint-1000 student_ema
  • Attention: 3 latent frames per block, local attention 6, sink size 1, relativistic RoPE
  • Training resolution: 832 x 480, 121 pixel frames / 31 latent frames

This repository contains the complete model bundle plus the full EMA transformer. The frozen TrackEncoder parameters are preserved from the initialization checkpoint; the remaining transformer parameters come from the final SF EMA.

Use this checkpoint with the FastVideo WanTrack causal model integration. See training_config.yaml for the exact model and pipeline configuration and export_receipt.json for provenance hashes.

Integrity

  • SF EMA SHA256: fcc60e509917996af05e598ca1c58b4ef6368318b55eaf2f9879d9b031a9befd
  • Full transformer SHA256: 3daa8dfa39ea4623415f6c128830058c8ae84c4a01c2144d3631d81244a4c959
  • FastVideo source commit: 3a398a2bbd90ce511aabbb39996f1d898862192f

Как запустить

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

GPU в ailist

Универсальный рантайм · fastvideo

Нельзя запустить

Модели «картинка → видео» пока не запускаются.

Ревизия весов
45cab8f

0 моделей