每天听简报,了解最新科技、AI、软件资讯
苹果刚刚开源了支持交互式低延迟的视频生成模型 FastFrames,在 Hugging Face 上放出了 1.3B 和 14B 两个尺寸的权重。两者都是自回归两步视频扩散模型,能以 16 帧每秒的速率生成 832 乘 480 分辨率的视频。 在单张 NVIDIA 显卡上跑 1.3B 版本,生成单帧的全流程总延迟只有 35.4 毫秒,已经达到实时交互的门槛。同时,苹果还发布了一个优化版的 LingBot 1.3B 模型,官方称比原版快了 16 倍,支持流畅的相机视角控制。 项目基于 Wan2.1 蒸馏训练而来,基础代码采用苹果示例代码协议,LingBot 部分则沿用非商业共享协议开放。
进度保存在本设备 · 登录同步