/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
8 авг 2025

wan2.2-t2v-a14b-controlnet-depth-v1

Генерация изображенийВидео, текст → видео3 профессии

Модуль ControlNet для Wan2.2 A14B управляет генерацией видео с помощью карты глубины.

254скачиваний за 30 дней11лайковвеса обновлены30 окт 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/wan2.2-t2v-a14b-controlnet-depth-v1 — модуль ControlNet для Wan2.2 A14B, предназначенный для генерации видео с управлением по карте глубины. Репозиторий содержит веса модуля; для использования автор рекомендует ComfyUI-WanVideoWrapper и актуальную версию diffusers.

Модель рассчитана на сценарии video-to-video: карта глубины служит условием, которое помогает задавать структуру и геометрию генерируемого видео. В карточке указана архитектурная связь с Wan2.2; формат весов — safetensors. Лицензия — Apache-2.0.

Для работы требуются совместимая базовая модель Wan2.2 и подходящий пайплайн ControlNet. Карточка не приводит размер весов, длину контекста или поддерживаемые языки; текстовые инструкции не заявлены.

Сценарии применения

  • генерация видео по карте глубины
  • управление геометрией и структурой кадров в видео
  • преобразование видео с условием глубины
  • видеогенерация через ComfyUI с Wan2.2

Ограничения

Требуются совместимые Wan2.2 и пайплайн ControlNet; автор рекомендует ComfyUI-WanVideoWrapper и актуальную версию diffusers. В README не описаны качество, разрешение, длительность видео или ограничения применения.

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

Controlnet for Wan2.2 A14B (depth)

This repo contains the code for controlnet module for Wan2.2. See Github code.
Same approach as controlnet for Wan2.1.

For ComfyUI

Use the cool ComfyUI-WanVideoWrapper.

The latest version of the diffusers is required.
You can install it like this:

pip install git+https://github.com/huggingface/diffusers.git

Inference examples

Simple inference with cli

python -m inference.cli_demo \
    --video_path "resources/bubble.mp4" \
    --prompt "Close-up shot with soft lighting, focusing sharply on the lower half of a young woman's face. Her lips are slightly parted as she blows an enormous bubblegum bubble. The bubble is semi-transparent, shimmering gently under the light, and surprisingly contains a miniature aquarium inside, where two orange-and-white goldfish slowly swim, their fins delicately fluttering as if in an aquatic universe. The background is a pure light blue color." \
    --controlnet_type "depth" \
    --base_model_path Wan-AI/Wan2.2-T2V-A14B \
    --controlnet_model_path TheDenk/wan2.2-t2v-a14b-controlnet-depth-v1

Minimal code example

import os
os.environ['CUDA_VISIBLE_DEVICES'] = "0"
os.environ["TOKENIZERS_PARALLELISM"] = "false"

import torch
from diffusers.utils import load_video, export_to_video
from diffusers import AutoencoderKLWan, UniPCMultistepScheduler
from controlnet_aux import MidasDetector

from wan_controlnet import WanControlnet
from wan_transformer import CustomWanTransformer3DModel
from wan_t2v_controlnet_pipeline import WanTextToVideoControlnetPipeline

base_model_path = "Wan-AI/Wan2.2-T2V-A14B"
controlnet_model_path = "TheDenk/wan2.2-t2v-a14b-controlnet-depth-v1"
vae = AutoencoderKLWan.from_pretrained(base_model_path, subfolder="vae", torch_dtype=torch.float32)
transformer = CustomWanTransformer3DModel.from_pretrained(base_model_path, subfolder="transformer", torch_dtype=torch.bfloat16)
controlnet = WanControlnet.from_pretrained(controlnet_model_path, torch_dtype=torch.bfloat16)
pipe = WanTextToVideoControlnetPipeline.from_pretrained(
    pretrained_model_name_or_path=base_model_path,
    controlnet=controlnet,
    transformer=transformer,
    vae=vae, 
    torch_dtype=torch.bfloat16
)
pipe.scheduler = UniPCMultistepScheduler.from_config(pipe.scheduler.config, flow_shift=12.0)
pipe.enable_model_cpu_offload()

controlnet_processor = MidasDetector.from_pretrained('lllyasviel/Annotators')
img_h = 704 # 704 480
img_w = 1280 # 1280 832
num_frames = 121  # 121 81 49

video_path = 'bubble.mp4'
video_frames = load_video(video_path)[:num_frames]
video_frames = [x.resize((img_w, img_h)) for x in video_frames]
controlnet_frames = [controlnet_processor(x) for x in video_frames]

prompt = "Close-up shot with soft lighting, focusing sharply on the lower half of a young woman's face. Her lips are slightly parted as she blows an enormous bubblegum bubble. The bubble is semi-transparent, shimmering gently under the light, and surprisingly contains a miniature aquarium inside, where two orange-and-white goldfish slowly swim, their fins delicately fluttering as if in an aquatic universe. The background is a pure light blue color."
negative_prompt = "bad quality, worst quality"

output = pipe(
    prompt=prompt,
    negative_prompt=negative_prompt,
    height=img_h,
    width=img_w,
    num_frames=num_frames,
    guidance_scale=5,
    generator=torch.Generator(device="cuda").manual_seed(42),
    output_type="pil",

    controlnet_frames=controlnet_frames,
    controlnet_guidance_start=0.0,
    controlnet_guidance_end=0.8,
    controlnet_weight=0.8,

    teacache_treshold=0.6,
).frames[0]

export_to_video(output, "output.mp4", fps=16)

Acknowledgements

Original code and models Wan2.2.

Citations

@misc{TheDenk,
    title={Wan2.2 Controlnet},
    author={Karachev Denis},
    url={https://github.com/TheDenk/wan2.2-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
965e913

0 моделей