/ Модель

Характеристики

Лицензия
Gemma
Архитектура
gemma4 · dense
Базовая модель
gemma-4-E2B-it
Библиотека
transformers
Опубликована
21 сен 2026

gemma-4-e2b-ltx-2-5-prompt

Генерация текстаТекст → текст3 профессии

Дообученная Gemma 4 E2B IT преобразует рассказы в подробные кинематографические промпты для генерации видео LTX 2.5.

254скачиваний за 30 дней0лайковвеса обновлены21 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Модель autopostflow/gemma-4-e2b-ltx-2-5-prompt — полноразмерный дообученный в bf16 чекпойнт Gemma 4 E2B IT, созданный на базе google/gemma-4-E2B-it. Она преобразует рассказ в один подробный кинематографический промпт для генератора видео LTX 2.5: выбирает наиболее эмоционально насыщенную сцену и описывает кадры, движение камеры, освещение, объектив и атмосферу. Модель предназначена для подготовки текстовых запросов по сюжетам, чтобы затем передавать их в генератор видео LTX 2.5.

Архитектура — Gemma4ForConditionalGeneration; при дообучении использовался только текстовый декодер, а компоненты обработки изображений и аудио были заморожены. Это текстовая модель генерации. Для вывода требуется сохранять формат запроса с разделителем ### CONTEXT, на котором модель обучалась. В обучении использовались 8958 примеров и 497 примеров для проверки. Модель опубликована под лицензией Gemma.

Сценарии применения

  • создание промпта для видео LTX 2.5 по рассказу
  • выбор наиболее эмоционально насыщенной сцены сюжета для визуализации
  • описание движения камеры, освещения и атмосферы по повествовательному тексту

Ограничения

Для корректного вывода следует сохранять формат запроса с разделителем ### CONTEXT, использованный при обучении. Модель генерирует текстовые промпты и сама видео не создаёт.

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

gemma-4-e2b-ltx-2-5-prompt

Full bf16 fine-tune of google/gemma-4-E2B-it that converts a story into a single highly detailed LTX 2.5 cinematic video prompt — the most emotionally intense, visually compelling scene of the story, rendered as a shot-by-shot prompt (camera, lighting, motion, lens, atmosphere).

Model description

  • Base model: google/gemma-4-E2B-it (Gemma 4 E2B IT).
  • Fine-tuning method: full bf16 fine-tune (no quantization, no adapter). The base model loads as Gemma4ForConditionalGeneration (multimodal); the vision/audio towers are frozen and only the text decoder (language_model + lm_head) is trained — this is a text-only model despite the multimodal checkpoint.
  • Compute dtype: bf16.
  • Task: text generation — story → LTX 2.5 prompt.

Training data

Chat-formatted examples (data/dataset.jsonl), one conversation per example: a leading instruction + the story as the user turn, and the target LTX 2.5 prompt as the final assistant turn. The prompt (instruction + story, joined as {instruction}\n\n### CONTEXT\n{story}) is masked to -100, so the loss is computed only on the assistant completion. Examples are pre-tokenized by prepare_dataset.py; the assistant turn is located by its start marker (a special token derived from the generation-prompt diff), which sidesteps TRL's fragile prompt/completion prefix check.

  • Train examples: 8958
  • Validation examples: 497

Training hyperparameters

ParameterValue
Epochs1.0
Max length4096
Micro batch16
Gradient accumulation1
Effective batch16
Learning rate0.0001
LR schedulecosine (~3% warmup)
Weight decay0.01
Max grad norm0.3
Optimizeradamw_torch_fused
Gradient checkpointingTrue
Precisionbf16

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "autopostflow/gemma-4-e2b-ltx-2-5-prompt"

tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(
    repo,
    dtype=torch.bfloat16,
    device_map="auto",
    attn_implementation="sdpa",
).eval()

instruction = "<your system instruction — You are an expert cinematographer…>"
story = "<the story>"

user_content = f"{instruction}\n\n### CONTEXT\n{story}"
messages = [{"role": "user", "content": user_content}]

inputs = tokenizer.apply_chat_template(
    messages,
    tokenize=True,
    add_generation_prompt=True,
    return_tensors="pt",
    return_dict=True,
)
inputs = {k: v.to("cuda") for k, v in inputs.items()}

with torch.inference_mode():
    out = model.generate(
        **inputs,
        max_new_tokens=4096,
        do_sample=True,
        temperature=0.9,
        top_p=0.95,
        top_k=64,
        repetition_penalty=1.05,
        pad_token_id=tokenizer.pad_token_id,
    )

prompt = tokenizer.decode(
    out[0, inputs["input_ids"].shape[1]:],
    skip_special_tokens=True,
).strip()
print(prompt)

The prompt layout (### CONTEXT separator) must match what the model was trained on — keep it consistent at inference.

Intended use

Generate LTX 2.5 video prompts from narrative text. Feed the model's output to an LTX 2.5 video generator as the text prompt.

License

Derivative of google/gemma-4-E2B-it, distributed under the Gemma Terms of Use. See the Gemma license for terms and acceptable use policies.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma4ForConditionalGeneration
Ревизия весов
fa6fff4

0 моделей