/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Wan2.1-I2V-14B-720P
Опубликована
24 сен 2026

SparkWan2.1-I2V-14B-720P-0.97Sparsity

Видео из изображенияИзображение, текст → видео

Чекпойнт SparkDiffusion на базе Wan2.1 для ускоренной генерации видео 720p по изображению и текстовому запросу.

0скачиваний за 30 дней5лайковвеса обновлены24 сен 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

SparkWan2.1-I2V-14B-720P-0.97Sparsity — чекпойнт SparkDiffusion от Alibaba Group, основанный на Wan2.1 I2V 14B. Модель предназначена для создания видео разрешением 720p по входному изображению и текстовому запросу.

В чекпойнте применены RoLA для обучаемого разреженного внимания и CrossDistill для дистилляции диффузии с малым числом шагов. Заявлена поддержка разреженности внимания от 90% до 97% и инференса за 4 шага; задача и архитектура исходной модели Wan сохранены.

Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Карточка не приводит оценки качества или ограничений сверх указанных режимов разреженности и числа шагов.

Сценарии применения

  • создание короткого видео по исходному изображению и текстовому описанию
  • анимация статичного изображения
  • генерация видео 720p за малое число шагов диффузии

Ограничения

Заявленные режимы разреженности внимания составляют 90–97%, а инференс рассчитан на 4 шага. В карточке не приведены оценки качества или сведения о других ограничениях.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SparkWan2.1-I2V-14B-720P-0.97Sparsity

This repository contains the released SparkDiffusion checkpoint for Wan2.1 I2V 14B at 720P. It supports attention sparsity from 90% to 97% (topk=0.1 to topk=0.03).

SparkDiffusion uses RoLA for learned sparse attention and CrossDistill for few-step diffusion distillation, reducing video generation latency while retaining the original Wan image-to-video task and model architecture.

Checkpoint

  • SparkWan2.1-I2V-14B-720P-0.97Sparsity.pth
  • Base model: Wan-AI/Wan2.1-I2V-14B-720P
  • Task: image-to-video
  • Resolution: 720P
  • Inference steps: 4
  • Supported attention sparsity: 90%–97%

Project

Citation

@misc{liu2026sparkdiffusionmitigatinghighsparsitytrap,
  title={SparkDiffusion: Mitigating the High-Sparsity Trap --- A Unified Framework for up to $265\times$ Single-GPU Acceleration of Visual Generation},
  author={Yuxi Liu and Haoyu Li and Zekun Zhang and Tengxu Sun and Yixiang Cai and Jiayong Li and Yifei Xia and Tianle Liu and Baole Ai and Ang Wang and Jiamang Wang and Lin Qu and Kai Zhang and Kun Yuan and Bin Cui},
  year={2026},
  eprint={2609.23153},
  archivePrefix={arXiv},
  primaryClass={cs.CV},
  url={https://arxiv.org/abs/2609.23153},
}

@misc{zhang2026rolarotarypositionedlowranklinear,
  title={RoLA: Rotary-Positioned Low-Rank Linear Attention for Efficient Diffusion Transformers},
  author={Zekun Zhang and Yixiang Cai and Yuxi Liu and Tengxu Sun and Tianle Liu and Zhoutong Wu and Haoyu Li and Baole Ai and Ang Wang and Jiamang Wang and Lin Qu and Kun Yuan},
  year={2026},
  eprint={2609.06712},
  archivePrefix={arXiv},
  primaryClass={cs.CV},
  url={https://arxiv.org/abs/2609.06712},
}

@misc{liu2026crossdistillbalancingqualitydiversity,
  title={CrossDistill: Balancing Quality and Diversity via Trajectory-Level Hybrid Few-Step Distillation},
  author={Yuxi Liu and Haoyu Li and Yixiang Cai and Tengxu Sun and Zekun Zhang and Baole Ai and Ang Wang and Jiamang Wang and Lin Qu and Kun Yuan and Kai Zhang},
  year={2026},
  eprint={2609.14725},
  archivePrefix={arXiv},
  primaryClass={cs.CV},
  url={https://arxiv.org/abs/2609.14725},
}

@misc{liu2026ropeslr3dropedrivensparselowrank,
  title={RoPeSLR: 3D RoPE-driven Sparse-LowRank Attention for Efficient Diffusion Transformers},
  author={Yuxi Liu and Zekun Zhang and Yixiang Cai and Renjia Deng and Yutong He and Kun Yuan},
  year={2026},
  eprint={2605.20659},
  archivePrefix={arXiv},
  primaryClass={cs.CV},
  url={https://arxiv.org/abs/2605.20659},
}

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
eb224f5

0 моделей