站内导读

中文

定位:苹果推出的交互级延迟视频生成模型,基于 Wan2.1 蒸馏为两步自回归扩散,能以 480p 快速生成文本驱动视频。

核心能力

  • 两步自回归视频扩散主打交互级低延迟生成,公开的剖析显示小型版单帧总延迟仅约三十五毫秒量级
  • 提供 1.3B 小型版与 14B 大型版两种规模可选,研究者可按算力与质量需求选择不同体量的模型
  • 以 480p 分辨率生成视频,并提供完整的延迟剖析指南、生成入口与 VBench 评测流程供复现实验
  • 附带优化版 LingBot 1.3B,号称比官方版快十六倍,支持流畅的相机条件控制与交互演示体验

适用人群:研究实时视频生成、交互式创作工具和视频扩散加速的研究者与工程师。

注意:需 Linux 与 NVIDIA GPU 及 CUDA 12.8 驱动环境。

相关项目 · HuggingFace

查看全部「HuggingFace」项目 →