/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
FastWan2.2-TI2V-5B-FullAttn-Diffusers
Библиотека
mlx
Опубликована
29 июл 2026

Onyx-FastWan22-TI2V-5B-mlx-4bit

Видео из изображенияИзображение, текст → видео

4-битная MLX-модель Wan 2.2 для локальной генерации видео по тексту или исходному изображению на iPhone и Mac.

0скачиваний за 30 дней0лайковвеса обновлены29 июл 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

Onyx-FastWan22-TI2V-5B-mlx-4bit — конвертированная в 4-битный формат MLX модель генерации видео для Onyx на iPhone и Mac. В основе лежит FastVideo/FastWan2.2-TI2V-5B-FullAttn-Diffusers — дистиллированная FastVideo модель на архитектуре Wan 2.2. Модель использует плотный DiT-трансформер на 5 млрд параметров, текстовый энкодер umT5-XXL и 3D причинный VAE Wan 2.2; размер компонентов в README составляет 2,6, 3,0 и 2,6 ГБ соответственно.

Поддерживаются генерация видео по тексту и анимирование изображения: исходное изображение задаёт первый кадр. Инференс рассчитан на три шага без CFG. Рекомендуемая сетка — 121 кадр размером 704 × 1280 при 24 кадрах в секунду; при других разрешениях качество может снижаться. Для декодирования VAE требуется точность float32. Модель предназначена для локального запуска в движке OnyxDiffusion на устройствах Apple. Лицензия — Apache 2.0.

Сценарии применения

  • создание короткого видео по текстовому описанию
  • анимирование изображения с сохранением его в качестве первого кадра
  • локальная генерация видео на iPhone
  • генерация видео на Mac через OnyxDiffusion

Ограничения

Качество может снижаться при разрешениях, отличных от обучающей сетки 704 × 1280. Декодирование VAE требует float32.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Onyx-FastWan22-TI2V-5B-mlx-4bit

On-device video generation model for Onyx (iPhone + Mac): a 4-bit MLX conversion of FastVideo/FastWan2.2-TI2V-5B-FullAttn-Diffusers, FastVideo's 3-step DMD distillation of Wan-AI/Wan2.2-TI2V-5B-Diffusers.

  • Transformer: 5B dense DiT, 4-bit affine (group 64), norms/embeddings high-precision — 2.6 GB
  • Text encoder: umT5-XXL, 4-bit affine (group 64) — 3.0 GB
  • VAE: Wan 2.2 3D causal VAE, float32 (decode precision is load-bearing) — 2.6 GB
  • Inference: 3 steps, no CFG, DMD timesteps [1000, 757, 522] (σ = t/1000 — the list is already in post-shift space; do not re-apply flow_shift)
  • Modes: text-to-video and image-to-video (TI2V: conditioning image pinned over latent frame 0, its tokens at timestep 0)
  • Native grid: 121 frames × 704 × 1280 @ 24 fps (other resolutions run, quality degrades away from the trained grid)

Converted with Onyx's own streaming per-tensor exporter (bounded memory; only matmul weights quantize, norms/embeddings/adaln stay high-precision). Loads in OnyxDiffusion's Wan 2.2 engine.

Attribution & license

Apache-2.0, inherited from both upstreams. Distillation by the FastVideo team (hao-ai-lab); base model by the Wan team at Alibaba. This repo repackages their work for Apple-silicon MLX inference; all credit for the model itself belongs to them.

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
9e0760b

0 моделей