/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Wan2.1-Fun-V1.1-1.3B-InP
Библиотека
diffusers
Опубликована
3 апр 2026

Wan2.1-Fun-V1.1-1.3B-InP-Diffusers

Видео из изображенияИзображение, текст → видео3 профессии

Конвертированная версия Wan2.1-Fun на 1,3 млрд параметров для создания короткого видео по изображению в стандартном конвейере Diffusers.

131скачиваний за 30 дней0лайковвеса обновлены3 апр 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

Это конвертированная в формат Diffusers версия Wan2.1-Fun-V1.1-1.3B-InP от Alibaba PAI. Модель использует архитектуру WanTransformer3DModel с 1,3 млрд параметров и конвейер WanImageToVideoPipeline; веса преобразованы из формата VideoX-Fun с сопоставлением ключей без изменения архитектуры. Для работы указаны Diffusers и файлы safetensors, лицензия — Apache 2.0. Модель предназначена для генерации видео на основе изображения.

Рекомендуемое разрешение — 480 × 832, длина ролика — 49 кадров при 16 кадрах в секунду, около трёх секунд. В составе репозитория также используются VAE и текстовый энкодер UMT5-XXL из Wan2.1-T2V-1.3B-Diffusers. Архитектура рассчитана на обработку шума, маски и латентного представления изображения, что соответствует варианту InP. Карточка не описывает качество генерации или поддерживаемые языки текстовых запросов; характеристики нельзя переносить с базовой модели без подтверждения.

Сценарии применения

  • анимация исходного изображения в короткий видеоролик
  • генерация видео длительностью около трёх секунд
  • создание видео в разрешении 480p на основе изображения

Ограничения

Рекомендуемый режим ограничен разрешением 480 × 832 и 49 кадрами при 16 кадрах в секунду. README не приводит оценок качества и не подтверждает языки текстовых запросов.

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

Wan2.1-Fun-V1.1-1.3B-InP (Diffusers)

This is a diffusers-format conversion of alibaba-pai/Wan2.1-Fun-V1.1-1.3B-InP (Wan-Fun Inpaint V1.1 1.3B) from VideoX-Fun format.

Model Details

  • Architecture: WanTransformer3DModel with in_channels=36 (16 noise + 4 mask + 16 image latent)
  • Parameters: 1.3B
  • Pipeline: WanImageToVideoPipeline (standard diffusers, no patching required)
  • Resolution: 480x832 (480p) recommended
  • Frames: 49 frames at 16fps (~3 seconds)

This model has the same I2V architecture as the official Wan2.1-I2V-14B-480P (in_channels=36), but at 1.3B scale.

Usage

import torch
from diffusers import WanImageToVideoPipeline
from PIL import Image

pipe = WanImageToVideoPipeline.from_pretrained(
    "engineerA314/Wan2.1-Fun-V1.1-1.3B-InP-Diffusers",
    torch_dtype=torch.bfloat16,
)
pipe.enable_sequential_cpu_offload()

image = Image.open("first_frame.png").convert("RGB")

output = pipe(
    image=image,
    prompt="A person is talking naturally",
    negative_prompt="static, blurred, low quality",
    height=480,
    width=832,
    num_frames=49,
    num_inference_steps=50,
    guidance_scale=5.0,
)

from diffusers.utils import export_to_video
export_to_video(output.frames[0], "output.mp4", fps=16)

Conversion Details

Converted from VideoX-Fun format using 1:1 weight key mapping (983 keys). No architectural modifications were needed -- the standard WanImageToVideoPipeline handles in_channels=36 natively.

Components

ComponentSource
TransformerConverted from alibaba-pai/Wan2.1-Fun-V1.1-1.3B-InP
VAEWan-AI/Wan2.1-T2V-1.3B-Diffusers
Text EncoderWan-AI/Wan2.1-T2V-1.3B-Diffusers (UMT5-XXL)
Image EncoderWan-AI/Wan2.1-I2V-14B-480P-Diffusers (CLIP ViT-H-14)
SchedulerUniPCMultistepScheduler (flow_shift=3.0)

Comparison with TI2V variant

This model (InP)TI2V
in_channels36 (noise + mask + image)32 (noise + image)
Pipeline patchesNone neededprepare_latents override required
OriginWan-Fun InpaintWan-Fun Camera Control (adapter removed)

Acknowledgements

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Модели «картинка → видео» пока не запускаются.

Ревизия весов
beb31fe

0 моделей