/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
30 мая 2025

wan2.1-t2v-1.3b-controlnet-depth-v1

Генерация изображенийВидео, текст → видео3 профессии

Модуль Dilated ControlNet для Wan2.1 1.3B управляет генерацией и преобразованием видео с помощью карты глубины.

277скачиваний за 30 дней6лайковвеса обновлены30 мая 2025

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

Это модуль Dilated ControlNet для Wan2.1, разработанный авторами репозитория TheDenk/wan2.1-t2v-1.3b-controlnet-depth-v1. Он предназначен для генерации и преобразования видео с управлением по карте глубины: контрольная сеть задаёт пространственную структуру кадров для модели Wan2.1 версии 1.3B. Вариант для Wan 1.3B использует 8 блоков ControlNet и параметр stride, равный 3; в сравнении с базовой конструкцией модуль содержит меньше основных блоков.

Репозиторий предоставляет веса в формате safetensors и связан с библиотекой Diffusers. Для использования требуется совместимая модель Wan2.1 и код из указанного проекта; README не содержит подробной инструкции по запуску или оценки качества. Лицензия — Apache-2.0.

Сценарии применения

  • генерация видео с управлением по карте глубины
  • преобразование видео с сохранением структуры глубины
  • управление содержимым кадров в Wan2.1 через depth-контроль

Ограничения

Модуль рассчитан на совместное использование с Wan2.1 и сам по себе не является полной моделью генерации видео. README не приводит оценки качества и подробных параметров запуска.

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

Dilated Controlnet for Wan2.1 (depth)

This repo contains the code for dilated controlnet module for Wan2.1 model.
Dilated controlnet has less basic blocks and also has stride parameter. For Wan1.3B model controlnet blocks count = 8 and stride = 3.
See Github code.

How to

Clone repo

git clone https://github.com/TheDenk/wan2.1-dilated-controlnet.git
cd wan2.1-dilated-controlnet

Create venv

python -m venv venv
source venv/bin/activate

Install requirements

pip install -r requirements.txt

Inference examples

Inference with cli

python -m inference.cli_demo \
    --video_path "resources/physical-4.mp4" \
    --prompt "A balloon filled with water was thrown to the ground, exploding and splashing water in all directions. There were graffiti on the wall, studio lighting, and commercial movie shooting." \
    --controlnet_type "depth" \
    --controlnet_stride 3 \
    --base_model_path Wan-AI/Wan2.1-T2V-1.3B-Diffusers \
    --controlnet_model_path TheDenk/wan2.1-t2v-1.3b-controlnet-depth-v1

Inference with Gradio

python -m inference.gradio_web_demo \
    --controlnet_type "depth" \
    --base_model_path Wan-AI/Wan2.1-T2V-1.3B-Diffusers \
    --controlnet_model_path TheDenk/wan2.1-t2v-1.3b-controlnet-depth-v1

Detailed Inference

python -m inference.cli_demo \
    --video_path "resources/physical-4.mp4" \
    --prompt "A balloon filled with water was thrown to the ground, exploding and splashing water in all directions. There were graffiti on the wall, studio lighting, and commercial movie shooting." \
    --controlnet_type "depth" \
    --base_model_path Wan-AI/Wan2.1-T2V-1.3B-Diffusers \
    --controlnet_model_path TheDenk/wan2.1-t2v-1.3b-controlnet-depth-v1 \
    --controlnet_weight 0.8 \
    --controlnet_guidance_start 0.0 \
    --controlnet_guidance_end 0.8 \
    --controlnet_stride 3 \
    --num_inference_steps 50 \
    --guidance_scale 5.0 \
    --video_height 480 \
    --video_width 832 \
    --num_frames 81 \
    --negative_prompt "Bright tones, overexposed, static, blurred details, subtitles, style, works, paintings, images, static, overall gray, worst quality, low quality, JPEG compression residue, ugly, incomplete, extra fingers, poorly drawn hands, poorly drawn faces, deformed, disfigured, misshapen limbs, fused fingers, still picture, messy background, three legs, many people in the background, walking backwards" \
    --seed 42 \
    --out_fps 16 \
    --output_path "result.mp4"

Acknowledgements

Original code and models Wan2.1.

Citations

@misc{TheDenk,
    title={Dilated Controlnet},
    author={Karachev Denis},
    url={https://github.com/TheDenk/wan2.1-dilated-controlnet},
    publisher={Github},
    year={2025}
}

Contacts

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «видео → видео» пока не запускаются.

Ревизия весов
3335942

0 моделей