SparkDiffusion: генератор видео — что умеет и что нужно для запуска

SparkDiffusion — открытый генератор видео по текстовому описанию от Alibaba Research. Проект решает задачу text-to-video и, по описанию авторов, ускоряет генерацию видео на базе диффузионных трансформеров в 265 раз за счёт совместного применения разреженности, дистилляции и квантования.

Что умеет

Инструмент принимает текстовое описание и создаёт видео. Техническая основа — модель SparkWan2.1-T2V-1.3B-480P-0.90Sparsity, опубликованная на Hugging Face. Авторы описывают подход как ускорение генерации видео через комбинацию трёх техник: разреженность, дистилляция и квантование. В описании упоминается уровень разреженности 0.90 и формат квантования w8a8.

Код написан на Python. Среди меток репозитория — crossdistill, diffusion-models, distillation, high-sparsity, inference-acceleration, rola, triton и video-generation.

Что нужно для запуска

По описанию автора, для работы требуется Linux с графическим процессором, поддерживающим CUDA. Версия Python — 3.10 или новее. Полный объём файлов весов составляет 2.6 ГБ, самый большой файл весит столько же.

Код распространяется по лицензии Apache-2.0. Веса модели также опубликованы под лицензией Apache-2.0. Лицензия разрешает использование, изменение и распространение как исходного кода, так и обученной модели.

Кому подойдёт

Проект будет полезен тем, кто работает с генерацией видео из текста и ищет открытую реализацию с акцентом на ускорение вывода. Наличие весов в открытом доступе позволяет запускать модель без самостоятельного обучения. Лицензия Apache-2.0 на код и веса подходит для коммерческих и исследовательских задач, включая встраивание в собственные продукты.

Инструмент не рассчитан на пользователей без опыта работы с командной строкой и Python-окружением. Требование CUDA-совместимого GPU на Linux ограничивает применение на машинах без дискретной видеокарты или на других операционных системах. Авторы не указывают минимальный объём видеопамяти, поэтому оценить совместимость с конкретной видеокартой заранее сложно.

Репозиторий создан 18 сентября 2026 года, последнее изменение кода — 5 октября 2026 года. Проект молодой, и на момент описания активность сосредоточена в коротком временном окне.

SparkDiffusion — открытая реализация text-to-video с заявленным ускорением вывода и доступными весами. Для запуска потребуется Linux-машина с CUDA-совместимым GPU и Python 3.10 или новее. Проект ориентирован на разработчиков и исследователей, которым нужна открытая кодовая база и модель под лицензией Apache-2.0.