/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Wan2.1-T2V-14B
Опубликована
24 сен 2026

SparkWan2.1-T2V-14B-720P-0.97Sparsity

Генерация видеоТекст → видео

Производная Wan2.1 T2V 14B с разреженным вниманием и дистилляцией для ускоренной генерации видео 720p по тексту.

0скачиваний за 30 дней4лайкавеса 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-T2V-14B-720P-0.97Sparsity — производная модель SparkDiffusion на базе Wan2.1 T2V 14B для генерации видео 720p по текстовому описанию. Репозиторий содержит чекпойнт для задачи text-to-video; модель сохраняет задачу и архитектуру исходной Wan.

SparkDiffusion сочетает разреженное внимание RoLA с дистилляцией CrossDistill для генерации за четыре шага диффузии. Поддерживается разреженность внимания от 90% до 97%, что рассчитано на снижение задержки генерации. Модель распространяется под лицензией Apache-2.0.

В README не перечислены поддерживаемые языки, поэтому языки описаний не уточняются. Практическое использование требует совместимого окружения для инференса Wan2.1 и соответствующих весов базовой модели.

Сценарии применения

  • генерация видео 720p по текстовому описанию
  • быстрое создание видеороликов из промптов
  • сравнение скорости генерации при разреженности внимания 90–97%

Ограничения

Чекпойнт ориентирован на разрешение 720p, а README указывает инференс за четыре шага и диапазон разреженности внимания 90–97%. Для инференса требуется совместимость с базовой моделью Wan2.1; языки текстовых промптов не перечислены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SparkWan2.1-T2V-14B-720P-0.97Sparsity

This repository contains the released SparkDiffusion checkpoint for Wan2.1 T2V 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 text-to-video task and model architecture.

Checkpoint

  • SparkWan2.1-T2V-14B-720P-0.97Sparsity.pth
  • Base model: Wan-AI/Wan2.1-T2V-14B
  • Task: text-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

Базовая модель Wan-AI/Wan2.1-T2V-14B выложена не в формате diffusers, адаптер не к чему подключить.

Ревизия весов
1f0a675

0 моделей