/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
t2v · dense
Базовая модель
Bernini-Diffusers-v2
Библиотека
mlx
Опубликована
18 авг 2026

Bernini-v2-bf16

Видео из изображенияИзображение, текст → видео3 профессии

Bernini-v2-bf16 — модель генерации видео по изображению на базе планировщика MLLM и двух экспертов Wan2.2-A14B, подготовленная для запуска в MLX.

40скачиваний за 30 дней0лайковвеса обновлены18 авг 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

Bernini-v2-bf16 — конверсия ByteDance/Bernini-Diffusers-v2 в формат MLX, опубликованная mlx-community. Модель объединяет семантический планировщик на базе MLLM и два диффузионных эксперта Wan2.2-A14B для рендеринга видео; планировщик основан на обученных для Bernini весах Qwen2.5-VL-7B. Репозиторий содержит веса в формате safetensors с точностью bf16 и предназначен для работы в экосистеме MLX.

Модель поддерживает генерацию видео по изображению и рассчитана на сценарии, где входное изображение служит отправной точкой для видеоролика. В README также описан стек Bernini для задач text-to-video и text-to-image, но метаданные этой модели подтверждают только image-to-video. Указана лицензия Apache-2.0. Карточка описывает конверсию весов в MLX, при этом в метаданных связь с базовой моделью обозначена как finetune.

Сценарии применения

  • создание видеоролика на основе исходного изображения
  • анимация статичного изображения
  • подготовка видео из изображения в стеке Bernini для MLX

Ограничения

README описывает использование через стек Bernini для MLX; совместимость с другими средами исполнения не заявлена. Метаданные подтверждают задачу image-to-video, хотя README также упоминает text-to-video и text-to-image.

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

Bernini-v2 (bf16, MLX)

Apple-MLX conversion of ByteDance/Bernini-Diffusers-v2 (revision 399cf6a) — the full unified Bernini: MLLM semantic planner + dual-expert Wan2.2-A14B DiT renderer. Converted 2026-08-18. Apache-2.0, same as upstream.

Contents

FileComponentNotes
high_noise_model.safetensorsWan2.2-A14B high-noise expert (bf16)retrained vs Bernini-R (co-trained with the planner) — not interchangeable with mlx-community/Bernini-R-bf16
low_noise_model.safetensorsWan2.2-A14B low-noise expert (bf16)ditto
mllm/Qwen2.5-VL-7B semantic planner (bf16, HF layout)Bernini-trained weights (scratch_mllm), not stock Qwen; configs + tokenizer from upstream
vit_decoder.safetensorsDiffLoss_FM flow-match head (bf16)SimpleMLPAdaLN, width 4096, depth 16
planner_glue.safetensorsMLPConnector + mask_tokenskeys verbatim upstream
t5_encoder.safetensorsumT5-XXL (bf16)bit-identical to the stock Wan2.2 encoder (verified vs upstream)
vae.safetensors16-ch WanVAEbit-identical to stock Wan2.2 (verified vs upstream)
config.jsonwan-core runtime config (dual-expert A14B)
conversion.jsonconversion provenance

Conversion notes

  • Experts: upstream fp32 masters → diffusers→original-Wan key premap → mlx-video sanitize → bf16. Key set verified bijective against the established Bernini-R MLX layout; value probes bit-exact (RNE) against the fp32 masters.
  • The planner (mllm.*) is saved in standard HF Qwen2.5-VL layout for direct consumption by MLX Qwen2.5-VL loaders.
  • The upstream in-checkpoint fp32 T5 copy was skipped; the standalone bf16 encoder (verified bit-identical) is shipped instead.

Usage

The renderer is drop-in for the Bernini-R MLX stack (same layout as mlx-community/Bernini-R-bf16) — e.g. bernini-r-mlx pipeline_mlx.t2v/t2i, or the Swift bernini-r-mlx-swift/wan-core stack.

The planner plane (mllm / vit_decoder / connector / mask_tokens) implements the MaskGIT-style semantic planning of the Bernini paper (arXiv 2605.22344); a Swift-MLX planner integration is in progress in bernini-r-mlx-swift. Until then these files carry the released weights for downstream use.

Provenance & license

Upstream: ByteDance/Bernini-Diffusers-v2 (Apache-2.0). All credit for the model to the Bernini authors — see the Bernini repository and paper. This conversion changes dtype/layout only (plus the key renames described above); no weights were fine-tuned.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
9591ba5

0 моделей