/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Wan2.2-S2V-14B
Опубликована
6 авг 2026

Wan2.2-S2V-14B-Diffusers

Видео из изображенияИзображение, текст → видео3 профессии

Производная модели FastVideo/Wan2.2-S2V-14B-Diffusers. Модель создаёт видео с говорящим персонажем, синхронизируя изображение человека с аудиозаписью речи.

31скачиваний за 30 дней0лайковвеса обновлены6 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

Карточка модели SuhaanCoding/Wan2.2-S2V-14B-Diffusers на Hugging Face совпадает с карточкой FastVideo/Wan2.2-S2V-14B-Diffusers, поэтому описание составлено по ней.

Wan2.2-S2V-14B-Diffusers — это версия модели Wan-AI/Wan2.2-S2V-14B, упакованная в структуру каталогов FastVideo. Она анимирует изображение человека, синхронизируя движения с голосовой записью, и предназначена для создания видео говорящего персонажа по изображению, аудио и текстовому запросу. Для генерации используются веса видеомодели Wan2.2-S2V-14B; текстовый энкодер, VAE, токенизатор и scheduler взяты из Diffusers-релиза Wan2.1, а аудиоэнкодер wav2vec2 — из официального репозитория S2V.

Это конверсия формата и структуры файлов для совместимости с FastVideo: README сообщает, что веса модели не менялись, а тензоры видеомодели побайтно совпадают с официальным релизом. В README проверена загрузка 1260 тензоров с корректными именами и формами, но сквозная генерация видео на GPU ещё не проверена. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • анимация портрета по записи речи
  • создание видео говорящего аватара
  • синхронизация движений персонажа с голосом
  • генерация ролика по изображению, аудио и текстовому запросу

Ограничения

Сквозная генерация видео на GPU в README ещё не проверена; подтверждена только загрузка тензоров видеомодели в FastVideo. Для запуска требуется поддержка этой структуры со стороны FastVideo.

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

Wan2.2-S2V-14B (Diffusers layout)

This is Wan-AI/Wan2.2-S2V-14B — a model that animates a picture of a person in sync with a voice recording — repacked into the folder layout that FastVideo loads.

No weights were changed. The video model tensors are byte-identical copies of the official release. The text encoder, VAE, tokenizer and scheduler come from Wan-AI's own Diffusers release of Wan2.1 (the same weights S2V uses), and the wav2vec2 speech encoder is the one bundled inside the official S2V repo.

Made with scripts/checkpoint_conversion/wan_s2v_to_diffusers.py from FastVideo PR #1683.

Verification status

  • Checked: all 1260 video-model tensors load into FastVideo's model with the correct names and shapes (the conversion script verifies this automatically and refuses to produce output otherwise).
  • Not yet checked: end-to-end video generation on a GPU. If you run it and find problems, please comment on the PR above.

Usage (with FastVideo, once PR #1683 is merged)

from fastvideo import VideoGenerator

gen = VideoGenerator.from_pretrained("SuhaanCoding/Wan2.2-S2V-14B-Diffusers")
gen.generate_video(
    prompt="...",
    image_path="face.jpg",
    audio_path="speech.wav",
    output_path="out.mp4",
    save_video=True,
)

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → видео» пока не запускаются.

Ревизия весов
32e8111

0 моделей