2026 年 11 月 16 日,HuggingFace 上发布了模型
apple/FastFrames-L,任务为 text-to-video。这是一个 140 亿参数的自回归两步扩散模型,可生成 480p 视频。最大的权重文件 fastframes-l/dit.safetensors 占用 26.6 GB,整个仓库大小为 161.6 GB,格式为 safetensors。许可证为 apple-amlr。作者还发布了较小的 1.3B 版本 FastFrames-S,以及优化版 LingBot 1.3B,据其所说,后者比官方模型快 16 倍,并支持镜头控制。代码已开源。
这意味着什么
在我们的
视频生成器栏目中,目前还没有基于 FastFrames 的工具。任务最接近的 text-to-video 工具是
Maestro:它基于 MiniMax-H3 模型运行,其最大的权重文件为 9.7 GB,整个仓库为 464.1 GB。FastFrames-L 的单个权重文件明显更大,但总体积更小。据作者描述,Maestro 需要 6 至 24 GB 显存;对于 FastFrames,开发者只给出了 S 版本在单块 GPU 上的耗时数据,未说明最低 VRAM 要求。
另一个开源视频生成器是
LTX-Video:它最大的权重文件同样是 26.6 GB,与 FastFrames-L 相同,但声明的任务是 image-to-video,而非 text-to-video。许可证方面,FastFrames-L 使用 apple-amlr,其条款在模型页面中并未披露;LTX-Video 的商业使用受营收门槛限制,Maestro 的代码仅允许非商业用途。
目前 FastFrames 尚未集成到我们指南中的任何工具,因此将其与现成的本地工作室进行比较还为时过早。对读者而言,值得关注的是“14B、480p、交互式延迟”这一组合,以及它是否会集成到现有生成器中。
方法的结构。示意图根据本简讯绘制。