/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
bernini · dense
Базовая модель
Bernini-Diffusers-v2
Библиотека
diffusion-single-file
Опубликована
12 окт 2026

Bernini-v2-ComfyUI

Видео по тексту и кадрамИзображение, текст → видео

Производная модели rzgar/Bernini-v2-ComfyUI. Bernini v2 — модель для создания и редактирования видео по текстовым запросам, изображениям и исходным видеоматериалам в ComfyUI.

0скачиваний за 30 дней0лайковвеса обновлены12 окт 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

Карточка модели chfm/Bernini-v2-ComfyUI на Hugging Face совпадает с карточкой rzgar/Bernini-v2-ComfyUI, поэтому описание составлено по ней.

Bernini v2 ComfyUI — модель ByteDance для редактирования и создания видео по текстовым запросам и визуальным исходникам. Репозиторий содержит веса в формате safetensors и предназначен для использования как пользовательский узел ComfyUI. Архитектура Bernini включает два совместно обученных диффузионных трансформера Wan 2.2 для этапа рендеринга и отдельный этап семантического планирования на дообученной Qwen2.5-VL с коннектором и декодером ViT.

Модель поддерживает генерацию видео по тексту и изображениям, преобразование исходного видео и работу с референсными изображениями и видео. Исходные визуальные материалы используются как входы планирования и кодируются в контекстные латенты для рендеринга. В README рекомендуются CFG 3 и 16, 23 или 50 шагов с сэмплерами UniPC, DPMPP_2M или EULER. Репозиторий указывает лицензию Apache-2.0. Языковые возможности и длина контекста в доступных данных не описаны.

Сценарии применения

  • создание видео по текстовому описанию
  • генерация видео на основе референсного изображения
  • редактирование исходного видео по текстовому запросу
  • преобразование видео с учётом референсных изображений
  • создание видео с использованием исходного видео и референса

Ограничения

Для работы требуется ComfyUI с пользовательским узлом и набором компонентов модели; README рекомендует конкретные настройки CFG, числа шагов и сэмплеры. Поддерживаемые языки и длина контекста не описаны в доступных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Bernini v2 is a video editor: t2v / i2v / v2v / r2v / rv2v / ads2v. The source media (reference images / source video) are first-class inputs. The pipeline has two stages:

  1. Semantic planning: a fine-tuned Qwen2.5-VL (mllm) + connector + vit_decoder (MaskGIT-style loop) turn the text + source visual tokens into diff_mllm_contexts (the novel part Bernini-R lacks).
  2. Rendering: two co-trained Wan2.2 DiTs (high-noise / low-noise, switched at 0.875) with the Bernini vae_txt_vit_wapg guidance (4-way CFG with APG projection), VAE-encoded source media as context_latents, Wan2.1 VAE decode.

ComfyUI Custom node

Extract the ZIP file in ComfyUI/custom_nodes

Task is inferred from which media inputs are connected: (none) = t2v, source_video = v2v, source_video + reference_images = rv2v, reference_images only = r2v, source_video + reference_video = ads2v.

Recommended settings

  • CFG: 3
  • Steps: 16, 23 or 50
  • Sampler: UniPC / DPMPP_2M / EULER

Model files

ComponentFile
high-noise DiTwan2.2_bernini_v2_high_noise_nvfp4.safetensors
low-noise DiTwan2.2_bernini_v2_low_noise_nvfp4.safetensors
T5 (UMT5-XXL)umt5_xxl_fp8_e4m3fn_scaled.safetensors
VAE (Wan2.1)Wan2_1_VAE_fp32.safetensors

Place the planner files anywhere under models/text_encoders/ - folder names don't matters:

ComponentFileWhere
planner MLLMbernini_mllm_fp8_scaled.safetensorstext_encoders/Bernini/
connectorconnector.safetensorstext_encoders/Bernini/
vit_decodervit_decoder_bf16.safetensorstext_encoders/Bernini/
mask_tokensmask_tokens.safetensorstext_encoders/Bernini/
planner tokenizer + processor configsmllm foldertext_encoders/Bernini/mllm

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusion-single-file

Нельзя запустить

Задача «image-text-to-video» пока не поддерживается рантаймом.

Класс архитектуры
BerniniModel
Ревизия весов
089fe65

0 моделей