/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
diffusers
Опубликована
4 мая 2026

Walkyrie-1.3B-v1.0

Генерация изображенийТекст → изображение3 профессии

Диффузионная модель Walkyrie 1.3B создаёт изображения по текстовым промптам и поддерживает запуск через Diffusers и ComfyUI.

80скачиваний за 30 дней25лайковвеса обновлены14 июн 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

Walkyrie 1.3B — диффузионная модель генерации изображений по текстовому описанию, разработанная автором репозитория kpsss34. Она основана на Wan2.1-T2V-1.3B: текстовый энкодер UMT5 сокращён примерно до 1 млрд параметров, а модель переобучена для генерации изображений вместо видео. Модель предназначена для создания изображений по промптам и доступна как pipeline для Diffusers; автор также описывает использование в ComfyUI. Для генерации реалистичных изображений автор рекомендует CFG 2,5–3 и 20 шагов инференса.

В README указаны варианты запуска с bfloat16 при объёме видеопамяти от 16 ГБ и с выгрузкой частей модели в память CPU при 6–8 ГБ. Модель распространяется по лицензии Apache-2.0. Метаданные указывают форматы Diffusers и safetensors.

Сценарии применения

  • создание изображений по текстовому описанию
  • генерация реалистичных изображений с коротким инференсом
  • подключение генерации изображений в ComfyUI
  • эксперименты с переносом архитектуры генерации видео Wan на задачи генерации изображений

Ограничения

Для полного запуска в bfloat16 README указывает не менее 16 ГБ видеопамяти; при 6–8 ГБ требуется выгрузка модели в память CPU. Рекомендуемые настройки генерации — CFG 2,5–3 и 20 шагов инференса.

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

[GITHUB] 

Walkyrie 1.3B — Text-to-Image

Walkyrie is a Text-to-Image diffusion model derived from Wan2.1-T2V-1.3B.
The text encoder (UMT5) was pruned to ~1B parameters and the model was re-trained for image generation, converting the original Text-to-Video architecture into a high-quality Text-to-Image pipeline.

UPDATE

  • MAY 11, 2026 = Re-Training (Reduce the amount of plastic color, lower the CFG to 2.5-3.0 for realism, and reduce the infer_steps to only 20 steps.)

content

grid

Test my Custom_nodes in ComfyUI (incredible quality)

[ComfyUI Custom node] 

USE

git clone https://github.com/kpsss34/walkyrie.git

1.Download merge models to ComfyUI/models/checkpoints NAME: Walkyrie_bf16.safetensors or Walkyrie_fp8.safetensors

2.Make sure re-install diffusers version 0.33.0 Again

3.Open ComfyUI and search for node Walkyrie

1

Install dependencies

pip install git+https://github.com/huggingface/diffusers.git transformers accelerate torch torchvision ftfy
git clone https://github.com/kpsss34/Walkyrie-1.3B.git
cd Walkyrie-1.3B

Basic inference

import torch
from pipeline_walkyrie import pipeline_walkyrie
from diffusers import AutoencoderKLWan
from PIL import Image


device = "cuda" if torch.cuda.is_available() else "cpu"
model_dtype = torch.bfloat16
model_id = "kpsss34/Walkyrie-1.3B-v1.0"

pipe = pipeline_walkyrie.from_pretrained(
    model_id,
    torch_dtype=model_dtype
)
pipe.enable_model_cpu_offload() #pipe.to(device)

prompt = "a portrait of a young woman in a nightclub, cinematic film still, ultra wide aspect ratio, oval bokeh, soft highlight bloom, teal orange grading, film grain, moody lighting"

negative_prompt = ""

height = 1024
width = 1024
num_inference_steps = 20
guidance_scale = 3.0

generator = torch.Generator(device=device).manual_seed(0)
output = pipe(
    prompt=prompt,
    negative_prompt=negative_prompt,
    height=height,
    width=width,
    num_inference_steps=num_inference_steps,
    guidance_scale=guidance_scale,
    generator=generator,
    output_type="pil"
).frames[0]

output.save("output.png")

Memory-efficient inference (CPU offload)

pipe.enable_model_cpu_offload()

Model Details

PropertyValue
Base modelWan2.1-T2V-1.3B
TaskText-to-Image
Text EncoderUMT5 (pruned to ~1B)
VAEAutoencoderKLWan
SchedulerFlowMatchEulerDiscreteScheduler
Precisionbfloat16
Resolution1024×768, 768x1024 (recommended)

What's Different from Wan2.1

  • Text encoder pruned — UMT5 reduced to ~1B parameters for faster inference and lower VRAM usage
  • Re-trained for T2I — fine-tuned specifically for image generation instead of video

Hardware Requirements

VRAMSetting
16 GB+Full precision bfloat16
6–8 GBenable_model_cpu_offload()

License

This model is released under the Apache 2.0 License.
Free to use for both research and commercial purposes.

Citation

If you use this model in your work, please credit:

Walkyrie 1.3B — Text-to-Image model derived from Wan2.1-T2V-1.3B
https://huggingface.co/kpsss34/Walkyrie-1.3B-v1.0
https://github.com/kpsss34
https://huggingface.co/kpsss34

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Пайплайн WalkyriePipeline не входит в diffusers 0.41.0.dev0: нужен custom_pipeline.

Ревизия весов
b6d19a3

0 моделей