/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
pytorch
Опубликована
2 авг 2026

VTM-Elf-0.01

Преобразование изображенийИзображение, текст → изображение

Экспериментальная модель переносит позу с ключевых точек на изображение персонажа для прототипов VTuber.

0скачиваний за 30 дней0лайковвеса обновлены26 сен 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

VTM-Elf 0.01 — экспериментальная модель генерации персонажей для VTuber-сценариев, разработчик указан как sinBoo1. Модель принимает изображение-образец персонажа и ключевые точки позы, затем создаёт изображение персонажа в заданной позе. Архитектура — двухпоточный DiT-30M, использующий rectified flow и SD VAE; целевое разрешение — 768×768. Веса представлены в формате ONNX согласно метаданным, а README описывает чекпойнт размером около 436 МБ на шаге обучения 60 000. Карточка сообщает о поддержке английского языка, хотя основной сценарий работы связан с изображениями.

Модель предназначена для прототипирования переноса позы в конвейерах VTuber, включая эксперименты с управлением персонажем по позе. В README приведена скорость около 7 кадров в секунду на RTX 5060 Ti при 768×768. Лицензия — Apache-2.0. Выпуск имеет статус beta и не позиционируется как готовый производственный рендерер.

Сценарии применения

  • перенос позы на персонажа VTuber по ключевым точкам
  • генерация изображения персонажа по референсу и заданной позе
  • прототипирование управления виртуальным аватаром по позе
  • эксперименты с ретаргетингом позы персонажей

Ограничения

Часты потеря сходства с референсом, ошибки позы и недостаток мелких деталей; поддерживается только кадрирование от головы до середины торса, без рук, ног и большинства аксессуаров. Модель рассчитана на Windows с NVIDIA CUDA; реалистичные люди и фурри не поддерживаются.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VTM-Elf 0.01

Pose-conditioned character generation for VTuber pipelines.
Status: beta · Platform: Windows + NVIDIA CUDA only


Architecture

  • Dual-stream DiT-30M (pose + identity in one backbone)
  • Pose from keypoints; identity from a reference image
  • Rectified flow + SD VAE @ 768×768
  • Checkpoint: VTM-elf.pt-000060000 (~436 MB, step 60k)

Measured latency

HardwareResolutionObserved rate
RTX 5060 Ti768×768~7 FPS

Data

Training used a small private character set:

  • ~1,500 characters
  • ~16–30 images per character

Generation quality in this release is limited mainly by model capacity (DiT-30M) and dataset scale.


Getting started

Requirements

  • Windows
  • NVIDIA GPU + CUDA
  • Other OS / AMD / CPU: not supported in this release

Download

hf download sinBoo1/VTM-Elf-0.01 VTM-elf.pt-000060000 --local-dir ./VTM-Elf-0.01
from huggingface_hub import hf_hub_download

ckpt = hf_hub_download(
    repo_id="sinBoo1/VTM-Elf-0.01",
    filename="VTM-elf.pt-000060000",
)

Files

FileDescription
VTM-elf.pt-000060000DiT-30M weights (step 60k)
README.mdThis card

Runtime code for live camera → keypoints → inference is separate from this weight repo.


Limitations

  • Beta: soft detail, identity drift, and pose errors are common
  • Small data + DiT-30M capacity constrain image quality
  • ~7 FPS on RTX 5060 Ti at 768
  • Windows + CUDA only
  • Framing: torso-up only (roughly head → mid-torso). Legs / most of the waist are not supported
  • Hands: not supported
  • Character types not supported: realistic humans; non-humanoid / furries
  • Accessories: glasses and hats generally work; most other accessories are not supported

Intended use

Research and prototyping of VTuber pose → image pipelines (live drive, pose retarget experiments). Not a finished production renderer.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Ревизия весов
029399f

0 моделей