/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
27 мая 2025

wan2.1-t2v-14b-controlnet-depth-v1

Генерация изображенийВидео, текст → видео3 профессии

Модуль Dilated ControlNet для Wan2.1 задаёт управление преобразованием видео с помощью глубины.

344скачиваний за 30 дней5лайковвеса обновлены27 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

TheDenk разработал dilated ControlNet для Wan2.1, управляющий генерацией видео по карте глубины. Модуль использует меньше базовых блоков, чем стандартный ControlNet; для варианта Wan14B указаны 6 блоков и stride 4. Репозиторий содержит код модуля для применения с Wan2.1.

Модель предназначена для преобразования видео с управлением по глубине. Файлы опубликованы в формате safetensors, лицензия — Apache-2.0. В карточке нет сведений о требованиях к входным данным, поддерживаемых языках, длине генерируемого видео или качестве результата.

Сценарии применения

  • преобразование видео с контролем по карте глубины
  • сохранение пространственной структуры сцены при генерации видео
  • эксперименты с облегчённым ControlNet для Wan14B

Ограничения

Для применения требуется совместимая модель Wan2.1; карточка не описывает способ подготовки карты глубины и не приводит оценок качества или подробностей 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 Wan14B model controlnet blocks count = 6 and stride = 4.
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 4 \
    --base_model_path Wan-AI/Wan2.1-T2V-14B-Diffusers \
    --controlnet_model_path TheDenk/wan2.1-t2v-14b-controlnet-depth-v1

Inference with Gradio

python -m inference.gradio_web_demo \
    --controlnet_type "depth" \
    --base_model_path Wan-AI/Wan2.1-T2V-14B-Diffusers \
    --controlnet_model_path TheDenk/wan2.1-t2v-14b-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-14B-Diffusers \
    --controlnet_model_path TheDenk/wan2.1-t2v-14b-controlnet-depth-v1 \
    --controlnet_weight 0.8 \
    --controlnet_guidance_start 0.0 \
    --controlnet_guidance_end 0.8 \
    --controlnet_stride 4 \
    --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
6053f46

0 моделей