/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
HunyuanVideo
Опубликована
8 окт 2026

DiffusionART-HunyuanVideo-7-2-1

Генерация видеоТекст → видео

Дообученная методом DiffusionART модель HunyuanVideo-13B для генерации коротких видеоклипов по текстовому описанию.

0скачиваний за 30 дней0лайковвеса обновлены12 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Видео» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

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

DiffusionART-HunyuanVideo-7-2-1 — модель генерации видео по текстовому запросу, созданная дообучением HunyuanVideo-13B с методом DiffusionART. При обучении использовались оценки временного выравнивания, визуального качества и качества движения в соотношении 7:2:1, а также регуляризация MSE относительно предварительно обученной модели с β = 0,1. Репозиторий содержит полные веса трансформера; для инференса отдельно загружаются VAE и текстовые энкодеры базовой модели.

Модель предназначена для создания коротких видеоклипов по текстовому описанию. В README приведены настройки по умолчанию: 640×640 пикселей, 53 кадра, 8 кадров в секунду и 30 шагов сэмплирования. Указанный пример показывает сцену с лошадью, бегущей по мелководью вдоль освещённого солнцем пляжа.

Весам применима лицензия Tencent Hunyuan Community License и Notice. Для запуска требуется базовая модель HunyuanVideo и компоненты её пайплайна; README описывает запуск через включённый скрипт инференса.

Сценарии применения

  • создание короткого видео по текстовому промпту
  • генерация ролика с заданной сценой и движением объектов
  • подготовка визуальных концептов для рекламного или творческого проекта

Ограничения

README приводит параметры инференса только для коротких клипов и не сообщает оценки качества или сравнительные результаты. Репозиторий содержит веса трансформера, поэтому для запуска нужны VAE и текстовые энкодеры базовой модели; использование регулируется лицензией Tencent Hunyuan Community License.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DiffusionART · HunyuanVideo

Paper · Code · Project Page · Demo

HunyuanVideo-13B fine-tuned with DiffusionART, using temporal alignment, visual quality and motion quality rewards at 7:2:1, with a pretrained-reference MSE regularizer (β = 0.1).

This repository contains the full transformer weights, not a LoRA or a complete pipeline. The inference entry below downloads the base model's VAE and text encoders automatically.

Inference

Use the included infer.py. Expand the setup once, then run the example from the same directory.

Linux, Python 3.12, a CUDA 12.1-compatible driver and toolkit (nvcc), and approximately 100 GiB of available GPU memory and disk space for the verified default path. The installer uses a pinned public DanceGRPO inference runtime.

export RUN_DIR="${RUN_DIR:-$PWD/diffusionart-t2v-demo}"
export HF_HOME="$RUN_DIR/cache/hf"
export PIP_CACHE_DIR="$RUN_DIR/pip-cache"
export TMPDIR="$RUN_DIR/tmp"
export XDG_CACHE_HOME="$RUN_DIR/xdg-cache"
mkdir -p "$RUN_DIR" "$HF_HOME" "$PIP_CACHE_DIR" "$TMPDIR" "$XDG_CACHE_HOME"
cd "$RUN_DIR"
python3.12 -m venv bootstrap
bootstrap/bin/python -m pip install 'huggingface-hub==0.26.1'
bootstrap/bin/huggingface-cli login

bootstrap/bin/python - <<'PY'
from huggingface_hub import snapshot_download
snapshot_download(
    "vanzl/DiffusionART-HunyuanVideo-7-2-1",
    revision="b9f83d8fc677be078cf20e75e2149a5f69059220",
    allow_patterns=["infer.py", "install.sh", "requirements-inference.txt"],
    local_dir="release",
)
PY
bash release/install.sh "$RUN_DIR/venv" "$RUN_DIR/runtime"

The fixed revision preserves the released weights and inference entry. Hugging Face login is used by that entry even though this model is public.

venv/bin/python - <<'PY'
import runpy
import sys
import torch

# Use the attention backend from the successful inference checks.
torch.backends.cuda.enable_cudnn_sdp(False)
sys.argv = [
    "infer.py",
    "--revision", "b9f83d8fc677be078cf20e75e2149a5f69059220",
    "--prompt", "A white horse gallops through shallow water along a sunlit beach.",
    "--output", "diffusionart.mp4",
    "--cache-dir", "cache",
]
runpy.run_path("release/infer.py", run_name="__main__")
PY

Defaults: 640×640 · 53 frames · 8 FPS · 30 sampling steps. The script uses the verified shift, guidance, precision and VAE settings. Change --prompt and --output for another video; an existing output is never overwritten.

Examples

Selected outputs from this model. See the Demo for the full gallery and pretrained comparisons.

License

Subject to the Tencent Hunyuan Community License and Notice. Training provenance and weight hashes are recorded in release.json.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
c2ce1ca

0 моделей