用 Qwen3-VL 文本编码器训练 Wan 2.1 视频模型
ostrisai · x · 2026-07-05
开源开发者 ostrisai 进行实验,将视频生成模型 Wan 2.1-1.3B 适配 Qwen3-VL-2B 视觉语言文本编码器,按文本、VL、两者混合各 33% 的比例训练,目前仅预训练两个文本输入线性层。他指出模型适配新文本编码器速度极快,已完成 25750 步(BS=10)训练。
「多模态」频道最新
- Magnific 预告 10 月 28 日上线新功能：「We're making it move」 — cuenca · 2026-10-27
- Midjourney --sref 实测：美式复古风 Batman 插画三连 — gizakdag · 2026-10-27
- AI视频既非电影也非动画，创作者称它最擅长呈现梦境与潜意识 — Kyrannio · 2026-10-27
- 把儿子 31 年前的童言写成歌再喂给 SUNO：一首「大象饮料」儿童合唱 — NathanpmYoung · 2026-10-27
- RTX 3060 本地产 AI MV 播破 20 万:900 张图留 64 张,3 秒切片防崩脸 — Hwang0500 · 2026-10-27
- Firefly 视频编辑器实测：一句话 Quick Cut 将 32 秒素材剪成 20 秒 — LudovicCreator · 2026-10-26