/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
diffusers
Опубликована
22 июн 2026

IT2V_model

Видео из изображенияИзображение, текст → видео3 профессии

Дообученная на базе Wan 2.2 модель для создания коротких видео из изображений.

9скачиваний за 30 дней1лайквеса обновлены22 июн 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

Realfencer IT2V Model — модель преобразования изображения в видео, разработанная на основе Wan 2.2 Image-to-Video для подсети Leoma в Bittensor. Это дообученная методом LoRA модель ранга 64, объединённая с полными весами базового чекпойнта Leoma leader Wan I2V; указан шаг обучения 500 и профиль challenge на наборе из 2 тысяч видеоклипов.

Модель предназначена для генерации видео по входному изображению. В конфигурации развертывания заявлены разрешение 832×480, 81 кадр при 16 кадрах в секунду, guidance scale 5.0 и 30 шагов инференса. Для инференса в полной точности при этом разрешении обычно требуется около 80 ГБ видеопамяти; квантование или выгрузка части вычислений могут позволить локальную проверку на менее мощных GPU. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • Создание короткого видео из статичного изображения
  • Анимация изображения для публикаций в социальных сетях
  • Генерация видеоклипов по визуальному референсу
  • Проверка image-to-video генерации в подсети Leoma

Ограничения

Для инференса в полной точности при заявленном разрешении обычно требуется около 80 ГБ видеопамяти. Параметры обучения указывают на чекпойнт шага 500, поэтому качество может уступать более длительно обученным версиям.

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

Realfencer IT2V Model (Leoma fine-tuned Wan 2.2 I2V)

Fine-tuned Wan 2.2 Image-to-Video pipeline for the Leoma Bittensor subnet (TI2V @ 832×480, 81 frames).

  • Base: Leoma leader Wan I2V checkpoint
  • Method: LoRA fine-tune (rank 64), merged into full weights
  • Training checkpoint: step 500 (challenge profile, 2k clips)
  • Deploy spec: 832×480, 81 frames @ 16 fps, guidance scale 5.0, 30 inference steps

Load with Diffusers

import torch
from diffusers import WanImageToVideoPipeline
from diffusers.utils import export_to_video
from PIL import Image

pipe = WanImageToVideoPipeline.from_pretrained(
    "Realfencer/IT2V_model",
    torch_dtype=torch.bfloat16,
)
pipe.to("cuda")

image = Image.open("first_frame.png").convert("RGB").resize((832, 480))
prompt = "your motion prompt"

out = pipe(
    image=image,
    prompt=prompt,
    negative_prompt="low quality, blurry, distorted, flicker, temporal jump, identity drift",
    width=832,
    height=480,
    num_frames=81,
    guidance_scale=5.0,
    num_inference_steps=30,
    generator=torch.Generator(device="cuda").manual_seed(42),
)
export_to_video(out.frames[0], "out.mp4", fps=16)

Training metadata

See training_metadata.json for LoRA hyperparameters and deploy settings.

Bundled project code

The leoma_project/ folder contains the Leoma subnet tooling and fine-tuning scripts used to produce this model (no datasets or secrets).

VRAM

Full-precision inference at deploy resolution typically needs ~80 GB VRAM (production miner parity). Quantized/offload paths may work on smaller GPUs for local testing.

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Модели «картинка → видео» пока не запускаются.

Ревизия весов
f4d3ef6

0 моделей