/ Модель

Характеристики

Библиотека
diffusers
Опубликована
26 фев 2026

kiwi-edit-5b-instruct-only-diffusers

Видео из изображенияИзображение, текст → видео3 профессии

Kiwi-Edit 5B — модель для редактирования видео по текстовым инструкциям с визуальным управлением по референсам.

172скачиваний за 30 дней7лайковвеса обновлены5 мар 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

Kiwi-Edit 5B — модель для редактирования видео по текстовым инструкциям с передачей визуальных ориентиров. В карточке она описана как единая архитектура, сочетающая обучаемые запросы и латентные визуальные признаки для семантического управления по референсам; заявлено обучение на масштабируемом конвейере данных и наборе RefVIE.

Модель предназначена для управляемого редактирования видео, где важны следование инструкции и сходство с визуальным референсом. Репозиторий подготовлен для Diffusers и содержит веса в формате Safetensors. Метаданные классифицируют модель как image-to-video; размер 5B следует из названия репозитория, но отдельно в метаданных не подтверждён.

Карточка заявляет улучшенное следование инструкциям и точность передачи референсов, однако не приводит количественных результатов, сведений о поддерживаемых языках или длине видео. Лицензия в предоставленных данных не указана.

Сценарии применения

  • редактирование видео по текстовой инструкции
  • перенос визуальных особенностей с референса на видео
  • создание управляемых изменений в видеоролике
  • подготовка вариантов видеоконтента по описанию

Ограничения

В карточке нет количественных оценок качества, сведений о поддерживаемых языках и максимальной длине видео. Лицензия не указана в предоставленных данных.

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

Kiwi-Edit: Versatile Video Editing via Instruction and Reference Guidance

Kiwi-Edit is a versatile video editing framework built on an MLLM encoder and a video Diffusion Transformer (DiT). It supports both natural language instruction-based video editing and combined reference image + instruction video editing.

[Paper] [Project Page] [GitHub]

Introduction

Instruction-based video editing has witnessed rapid progress, yet current methods often struggle with precise visual control. Kiwi-Edit introduces a unified editing architecture that synergizes learnable queries and latent visual features for reference semantic guidance. By leveraging a scalable data generation pipeline and the RefVIE dataset, the model achieves significant gains in instruction following and reference fidelity, establishing a new state-of-the-art in controllable video editing.

Quick Start

Installation (Diffusers Environment)

# Create conda environment
conda create -n diffusers python=3.10 -y
conda activate diffusers
# Install PyTorch 2.7 with CUDA
pip install torch==2.7.0 torchvision==0.22.0 torchaudio==2.7.0 --index-url https://download.pytorch.org/whl/cu128
pip install diffusers decord einops accelerate transformers==4.57.0 opencv-python av

Inference Sample

You can run a quick test on a demo video using the script provided in the official repository:

python diffusers_demo.py \
    --video_path ./demo_data/video/source/0005e4ad9f49814db1d3f2296b911abf.mp4 \
    --prompt "Remove the monkey." \
    --save_path output.mp4 --model_path linyq/kiwi-edit-5b-instruct-only-diffusers

Citation

If you use Kiwi-Edit in your research, please cite the following paper:

@misc{kiwiedit,
      title={Kiwi-Edit: Versatile Video Editing via Instruction and Reference Guidance}, 
      author={Yiqi Lin and Guoqiang Liang and Ziyun Zeng and Zechen Bai and Yanzhe Chen and Mike Zheng Shou},
      year={2026},
      eprint={2603.02175},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2603.02175}, 
}

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
277f43b

0 моделей