Характеристики

Размер весов: 22,7 МБ
Лицензия: MIT
Библиотека: mlx
Опубликована: 6 июн 2026

Ссылки

RIFE-4.25

Языковая модельВидео, текст → видео3 профессии

Порт Practical-RIFE 4.25 для MLX интерполирует промежуточные кадры видео и изображений на Apple Silicon, помогая повышать частоту кадров и сглаживать движение.

709скачиваний за 30 дней3лайкавеса обновлены6 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

RIFE 4.25 (MLX) — порт модели Practical-RIFE, подготовленный сообществом mlx-community для Apple MLX и устройств Apple Silicon. Модель предназначена для интерполяции кадров: она создаёт промежуточные кадры между изображениями или кадрами видео, позволяя повышать частоту кадров и сглаживать движение. Поддерживается интерполяция в произвольный момент времени между парой кадров и увеличение частоты кадров в несколько раз.

Модель использует архитектуру IFNet с пятью блоками IFBlock, работающими по схеме от грубого разрешения к точному. Веса преобразованы из официального RIFE 4.25 в формат safetensors с точностью fp32; размер весов составляет около 23 МБ. Для обработки видео предусмотрены масштабирование пирамиды для 4K и сохранение аудио. Лицензия — MIT.

Порт рассчитан на Apple Silicon и MLX, а не на универсальный запуск в PyTorch: README указывает, что для инференса PyTorch не требуется. В README также приведено небольшое расхождение с PyTorch CPU fp32 при проверке полного IFNet; результаты могут зависеть от сценария и реализации.

Сценарии применения

повышение частоты кадров видео
создание промежуточного кадра между двумя изображениями
плавное замедление видеороликов
интерполяция кадров видео с сохранением аудиодорожки
обработка видео высокого разрешения с масштабированием пирамиды

Ограничения

Порт рассчитан на Apple Silicon и MLX. Для полной модели в README отмечено расхождение с PyTorch CPU fp32; точность fp16 чувствительна для используемого coarse-to-fine потока.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

RIFE 4.25 (MLX)

Apple MLX port of Practical-RIFE 4.25 — real-time video frame interpolation on Apple Silicon. MIT.

First MLX/Apple-Silicon-native RIFE: torch-free inference, arbitrary-timestep interpolation, --multi Nx frame rate, --scale pyramid for 4K, audio-preserving video. Converted from the official RIFE 4.25 flownet.pkl (Google-Drive-only upstream) to fp32 safetensors.

Usage

pip install rife-mlx   # https://github.com/xocialize/rife-mlx
rife-mlx -i input.mp4 -o out.mp4 --multi 2          # 2x fps, keep audio
rife-mlx --img0 a.png --img1 b.png -t 0.5 -o mid.png

from rife_mlx.utils.weights import build_model
from rife_mlx.pipeline_mlx import interpolate_pair
model = build_model("4.25")                    # auto-downloads this repo
mid = interpolate_pair(model, frame_a, frame_b, 0.5) # HWC uint8

Details

Architecture: IFNet (5 coarse-to-fine IFBlocks c=[192,128,96,64,32], LeakyReLU, ResConv+beta, Head encoder, ConvTranspose+PixelShuffle).
Precision: fp32 (~23 MB) — RIFE's coarse-to-fine flow is fp16-sensitive.
Parity vs PyTorch (CPU fp32): warp 2.2e-6 · interp 1.2e-7 · full IFNet 1.43e-3.

License

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: 6b650ea