Modelo
Geração de Imagem
robbyant/lingbot-world-v2-14b-causal-fast
Modelo de geração de vídeo · 14 B de parâmetros — 0 downloads e 60 curtidas no Hugging Face.
Hugging Face · Modelos
·robbyant
·
·♥ 60
O modelo robbyant/lingbot-world-v2-14b-causal-fast aparece entre os mais comentados do Hugging Face — um termômetro do que a comunidade está realmente usando agora na tarefa de geração de vídeo.
Ficha técnica
- Tarefa: geração de vídeo
- Parâmetros: 14 B
- Biblioteca:
diffusers - Formatos: safetensors
- Licença: CC BY-NC-SA 4.0 (não comercial)
- Downloads: 0 · Curtidas: 60
Hardware recomendado
Estimativa de VRAM só para carregar os pesos (com ~20% de folga para ativações). Contextos longos consomem memória adicional para o cache de atenção (KV cache).
- Precisão original (16-bit): ~34 GB de VRAM — 1 GPU profissional (48 GB, ex. A6000) ou 2× 24 GB
- Quantizado 8-bit: ~17 GB de VRAM — 1 GPU high-end (24 GB, ex. RTX 3090/4090)
- Quantizado 4-bit: ~8.4 GB de VRAM — 1 GPU de consumo (12 GB, ex. RTX 3060/4070)
Como rodar localmente
Use a biblioteca diffusers para gerar imagens:
pip install -U diffusers transformers accelerate torch
from diffusers import DiffusionPipeline
import torch
pipe = DiffusionPipeline.from_pretrained(
"robbyant/lingbot-world-v2-14b-causal-fast", torch_dtype=torch.float16
).to("cuda")
image = pipe("um gato astronauta, cinematográfico").images[0]
image.save("saida.png")Tags
diffusers safetensors i2v World Model image-to-video en
// relacionados
Leia também
Editorial
CineMobile: geração de vídeo com movimento de câmera cinematográfico rodando no celular
Blog
Revelando a Opinião Pública: Um Estudo de Análise de Sentimentos Usando LSTM e Modelos Tradicionais
Blog
Classificação de imagens por meio de uma estratégia inspirada na computação quântica envolvendo uma mistura de especialistas
Blog