GPT
הוספת כלי
W

Wan2.1-FLF2V-14B-720P

קוד פתוח

Wan-AIapache-2.02025-04-17

  • diffusers
  • safetensors
  • flf2v

הכלי מייצר מעברי וידאו ברזולוציית 720P בין שתי תמונות נתונות, התחלה וסוף. הוא מתאים למי שחייב שליטה מלאה בנקודת הסיום של הסצנה ולא מוכן להסתמך על ניחושים.

  • 16Bפרמטרים
  • 76.6 GBמשקל הקבצים
  • 1,773הורדות בחודש
  • 228לייקים

מה זה

מדובר במודל וידאו ייעודי מבוסס דיפוזיה עם כ־16.4 מיליארד פרמטרים, שמקבל שתי תמונות קלט ומחבר ביניהן לקטע וידאו רציף. רוב מחוללי הווידאו הקיימים מקבלים רק תמונת פתיחה או טקסט, ומכאן שהתנועה מתפזרת בלי יעד ברור. כאן אתם קובעים בדיוק איפה הסצנה מתחילה ואיפה היא נוחתת, לצד הנחיית טקסט שמסבירה מה קורה באמצע.

התוצאה מופקת ברזולוציה קבועה של 720P, והיחס בין האורך לרוחב נגזר מהתמונות ששלחתם פנימה. החבילה מסתמכת על רכיב VAE ייעודי שמטפל בדחיסת הפריימים, לצד תמיכה ברינדור טקסט חזותי באנגלית ובסינית ישירות בתוך הווידאו.

מתאים ל

  • מעברי אנימציה מדויקים

    יצירת תנועה חלקה ומבוקרת בין שני פריימים מצוירים שנקבעו מראש על ידי אנימטור.

  • חיבור שוטים בעריכת וידאו

    השלמת פערי תנועה בין סוף שוט אחד לתחילת השוט הבא באותה סצנה.

  • פרסומות עם פריים סיום קבוע

    הנפשת סרטון שמבטיחה נחיתה מדויקת על תמונת המוצר או הלוגו הסופי.

איפה זה נופל

המגבלה הכי משמעותית מופיעה ישירות בהערות המפתחים. המודל אומן בעיקר על זוגות של טקסט ווידאו בסינית, ולכן הם ממליצים במפורש לכתוב את ההנחיות בסינית כדי לקבל תוצאות יציבות. שימוש באנגלית פחות אופטימלי, ועברית כנראה לא תעבוד כלל בלי תרגום מקדים.

בנוסף, המודל תומך כרגע אך ורק ברזולוציית 720P ואין לו גרסת 480P קלה יותר. נכון לפרסום הכרטיס, החיבורים ל־ComfyUI ול־Diffusers עבור גרסת תמונת פתיחה וסיום עדיין מסומנים כמשימות פתוחות בפיתוח ולא זמינים במלואם.

שאלות
נפוצות

האם אפשר להשתמש בפרומפטים באנגלית או בעברית?

אפשר להזין אנגלית, אך המפתחים מציינים שהאימון נעשה בעיקר על נתונים בסינית ולכן התוצאות הטובות ביותר מתקבלות בהנחיות בסינית. כדי לעבוד באנגלית או בעברית, מומלץ להעביר את הטקסט תרגום והרחבה באמצעות מודל שפה חיצוני לפני שליחתו למודל הווידאו.

האם כרטיס מסך ביתי בודד מספיק לעבודה רציפה?

בפועל לא מומלץ לבנות על זה. המודל שוקל עשרות גיגה־בייט ודורש משאבי זיכרון עצומים, כך שעל כרטיס בודד תצטרכו להפעיל פריקה איטית לזיכרון הראשי. לביצועים סבירים בסביבת עבודה נדרש שרת ייעודי עם מאיצים מרובים.

איך מריצים

משקל הקבצים עומד על 76.6 גיגה־בייט, כך שאי אפשר להריץ אותו בנוחות על כרטיס ביתי פשוט. תצטרכו שרת עם כרטיסי מסך חזקים במיוחד, וכדי לרוץ מהר המפתחים ממליצים על מערך של שמונה מאיצים עם חלוקה מבוססת FSDP וספריית xDiT באסטרטגיות Ulysses או Ring.

אפשר לנסות להריץ על כרטיס יחיד עם פריקה לזיכרון הראשי, אבל זמני היצירה יהיו ארוכים מאוד. אם אתם בונים פיצ׳ר מהיר ואין לכם שרת GPU ייעודי שפועל מסביב לשעון, החזקת תשתית כזו לבד תהיה יקרה וכבדה מדי בהשוואה לשימוש בשרתים מנוהלים בענן.

from diffusers import DiffusionPipeline

pipe = DiffusionPipeline.from_pretrained("Wan-AI/Wan2.1-FLF2V-14B-720P")
img = pipe("a photo").images[0]

הקבצים

32 קבצים במאגר, 76.6 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הפרויקט מופץ ברישיון Apache 2.0. זהו רישיון קוד פתוח מתירני שמאפשר שימוש מסחרי, שינוי של הקוד והפצה פנימית או חיצונית בתוך מוצרים. התנאי העיקרי הוא שמירה על הודעת זכויות היוצרים והעתק הרישיון המקורי, בלי חובת שיתוף של שינויים שתבצעו בעצמכם.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש
  • שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗