/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Phantom
Библиотека
mlx
Опубликована
5 июн 2026

Phantom-Wan-1.3B

Генерация видеоТекст → видео

Модель генерирует видео по текстовому описанию и до четырёх изображений персонажей на Apple Silicon.

101скачиваний за 30 дней0лайковвеса обновлены5 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

Phantom-Wan-1.3B — порт модели Phantom на MLX для нативного запуска на компьютерах Apple Silicon. Модель разработана ByteDance и предназначена для генерации видео по тексту с использованием изображений персонажей: она объединяет до четырёх субъектов с референсных изображений в одном видео. Это дообученная версия Wan2.1-T2V-1.3B на базе архитектуры DiT; в репозитории представлены веса safetensors в bf16 и int4, а также компоненты VAE Wan2.1. В описанном примере создаётся ролик из 81 кадра размером 832×480.

Модель подходит для создания сцен с несколькими персонажами и сохранения их внешности по референсам. Для декодирования видео используется потоковый VAE-декодер, позволяющий удерживать пиковое потребление памяти примерно на уровне 20 ГБ для роликов разной длины. Для работы требуется MLX-совместимая среда на Apple Silicon. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • создание видео с несколькими персонажами по референсным изображениям
  • генерация коротких сцен по текстовому описанию и изображениям героев
  • композиция до четырёх персонажей в одном видеоролике

Ограничения

Порт рассчитан на Apple Silicon и MLX; для потокового декодирования требуется около 20 ГБ пиковой памяти. Описание подтверждает работу с видео длиной 81 кадр, но не характеризует качество для других разрешений и длин.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Phantom-Wan-1.3B — MLX

Apple-MLX port of Phantom-Wan-1.3B (ByteDance, ICCV 2025) — multi-subject subject-to-video (S2V): compose up to 4 distinct characters from reference images into one coherent generated video. Runs natively on Apple Silicon. Apache-2.0.

Phantom-Wan-1.3B is a fine-tune of the stock Wan2.1-T2V-1.3B DiT, so this port rides the mlx-video Wan2.1 substrate; the only net-new surface is the reference-injection path (refs encoded as trailing temporal latent frames + dual-scale chained CFG).

Contents (self-contained)

FileWhat
transformer-bf16.safetensorsDiT, bf16 (2.84 GB)
transformer-4bit.safetensorsDiT, int4 group-size 64 (0.98 GB) — embeds/time/head kept hi-precision, cosine 0.99633 vs bf16
vae-encoder.safetensors / vae-decoder.safetensorsWan2.1 16-ch VAE (bf16)
t5_encoder.safetensorsumT5-XXL text encoder (bf16)
config.jsonarchitecture + sampling defaults

Features

  • Multi-subject (≤4 refs) composition from reference sheets.
  • Lossless streaming VAE decode — peak memory flat ~20 GB at any video length; 81-frame output decodes fine (whole-sequence decode OOMs past ~49 frames).
  • Dual-scale chained CFG (guide_img=5.0, guide_text=7.5), FlowUniPC scheduler (shift 5, 50 steps).

Usage

from phantom_wan_mlx import pipeline_mlx as P   # github.com/xocialize/phantom-wan-mlx
P.s2v(
    "two friends walking together in a park",
    ["subjectA.png", "subjectB.png"],
    "out.mp4",
    size=(832, 480), frame_num=81,
)

Parity

DiT loads turnkey into the mlx-video WanModel (825/826 keys; the gap is the computed RoPE buffer); forward + VAE numerics inherited from the published mlx-video / Bernini-R Wan2.1 substrate. Streaming decode is bit-exact to whole-sequence decode on mx.cpu.

License

Apache-2.0 (mirrors upstream Phantom + Wan2.1). Port by MVS Collective (xocialize-code).

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
48c677a

0 моделей