/ Модель

Характеристики

Архитектура
t2v · dense
Опубликована
11 окт 2026

long_rolling_plain_from_cd

Генерация видеоТекст → видео

Экспериментальный чекпойнт OmniMem для генерации длинных видео по фиксированному текстовому промпту.

6скачиваний за 30 дней0лайковвеса обновлены11 окт 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

OmniMem long rolling — чекпойнт генерации видео по тексту с фиксированным промптом на протяжении всего ролика. Модель разработана в рамках проекта OmniMem и использует архитектуру CausalWanNSA; опубликованы EMA-веса на шаге обучения 1200. Инициализация прошла цепочку от EMA CD на шаге 4500 через обычный self-forcing на шаге 600 к plain rolling training. Конфигурация использует выбор top-12 блоков NSA, веса хранятся в FP32 и разбиты на два файла safetensors.

Модель предназначена для длинной роликовой генерации: в оценке обучения использовались статические промпты длительностью 60 секунд при разрешении 832×480. Для запуска нужны совместимый код OmniMem с CausalWanNSAModel и CausalWanT2VPipeline, а также отдельные компоненты Wan2.1 VAE, текстовый энкодер UMT5 и токенизатор. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация 60-секундного видео по текстовому описанию
  • создание длинного ролика с неизменным промптом
  • оценка методов self-forcing для видеогенерации

Ограничения

README описывает оценку только на статичных промптах; возможности смены промпта по ходу ролика не заявлены. Для запуска требуются отдельные VAE, текстовый энкодер и токенизатор, а также совместимый код OmniMem.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

long_rolling_plain_from_cd

OmniMem long rolling video generation with a fixed prompt, using a CD-derived self-forcing initialization.

This release contains the EMA generator checkpoint at training step 1200. The initialization lineage is CD step-4500 EMA → ordinary self-forcing step-600 EMA → plain rolling training.

Contents

  • config.json
  • Two safetensors weight shards and their index
  • SHA256SUMS for payload integrity checking

The weights retain their original FP32 storage. The model configuration uses NSA top-12 block selection.

Usage

Use compatible OmniMem code with CausalWanNSAModel and CausalWanT2VPipeline. The Wan2.1 VAE, UMT5 text encoder, and tokenizer are separate required components.

from omnimem.models.transformers.causal_wan_nsa_model import CausalWanNSAModel

model = CausalWanNSAModel.from_pretrained(
    "omnimem/long_rolling_plain_from_cd"
)

The original checkpoint configuration is preserved unchanged. Its saved class name records the training wrapper, and _name_or_path records the initialization source. The released weights are the step-1200 EMA weights.

Training evaluation settings

SettingValue
Prompt modeFixed prompt throughout each video
Resolution832 × 480
Video duration60 seconds
Frame rate16 FPS
Exported frames960 (969 generated, tail cropped)
Sampling steps4
Guidance scale1
Timestep shift5
Seed42
Frame block size3
KV history window3
KV cache LRU maximum7
VAE decode chunk size3

Training evaluation uses five full-length static prompts.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Генеративная модель выложена не в формате diffusers.

Ревизия весов
d40af6d

0 моделей