Nichonauta
/

Self-Forcing2.1-T2V-1.3B-GGUF

@@ -11,6 +11,7 @@ tags:
 base_model:
 - gdhe17/Self-Forcing
 ---
 # Self-Forcing2.1-T2V-1.3B-GGUF
@@ -20,66 +21,66 @@ base_model:
 ---
-Desarrollado por <a href="https://www.youtube.com/@nichonauta">Nichonauta</a>.
-Este repositorio contiene las versiones cuantizadas en formato **GGUF** del modelo de generación de video **Self-Forcing**.
-El modelo Self-Forcing es una evolución del `Wan2.1-T2V-1.3B`, optimizado con una innovadora técnica de "auto-forzado" que le permite corregir sus propios errores de generación en tiempo real. Esto resulta en videos más coherentes y de mayor calidad.
-Estos archivos GGUF permiten ejecutar el modelo de manera eficiente en **GPU/CPU**, reduciendo drásticamente el consumo de VRAM y haciendo la generación de video accesible sin necesidad de GPUs de alta gama.
-## ✨ Características Principales
--   ⚡️ **Inferencia en GPU/CPU:** Gracias al formato GGUF, el modelo puede ejecutarse en una amplia gama de hardware con un rendimiento optimizado.
--   🧠 **Técnica Self-Forcing:** El modelo aprende de sus propias predicciones durante la generación para mejorar la consistencia temporal y la calidad visual del video.
--   🖼️ **Generación guiada por imágenes:** Capacidad para generar transiciones de video fluidas entre una imagen de inicio y una de final, guiado por un prompt de texto.
--   📉 **Bajo Consumo de Memoria:** La cuantización reduce significativamente la huella de memoria RAM/VRAM en comparación con los modelos originales (`FP16`/`FP32`).
--   🧬 **Basado en Arquitectura Sólida:** Hereda la potente base del modelo `Wan2.1-T2V-1.3B`, conocido por su eficiencia y calidad.
-## Uso
-Los archivos del modelo se pueden usar en [ComfyUI](https://github.com/comfyanonymous/ComfyUI/) con el nodo personalizado [ComfyUI-GGUF](https://github.com/city96/ComfyUI-GGUF).
 ---
-## 🧐 ¿Qué es GGUF?
-GGUF es un formato de archivo diseñado para almacenar modelos de lenguaje grandes (y otras arquitecturas) para una inferencia rápida en CPU. Las ventajas clave son:
--   **Carga Rápida:** No requiere deserialización compleja.
--   **Cuantización:** Permite almacenar los pesos del modelo con precisión reducida (p. ej., 4 u 8 bits en lugar de 16 o 32), lo que reduce el tamaño del archivo y el uso de RAM.
--   **Ejecución en GPU/CPU:** Está optimizado para ejecutarse en procesadores de consumo general a través de librerías como `llama.cpp`.
-**Nota:** La ejecución de este modelo de video en formato GGUF requiere un software compatible que pueda interpretar la arquitectura del transformer de difusión de video.
 ---
-## 📚 Detalles del Modelo y Atribución
-Este trabajo no sería posible sin los proyectos de código abierto que lo preceden.
-### Modelo Base: Wan2.1
-Este modelo se basa en `Wan2.1-T2V-1.3B`, un potente modelo de texto a video de 1.3 mil millones de parámetros. Utiliza una arquitectura de Transformer de Difusión (DiT) y un VAE 3D (Wan-VAE) optimizado para preservar la información temporal, lo que lo hace ideal para la generación de video.
-  - **Repositorio Original:** [Wan-AI/Wan2.1-T2V-1.3B](https://huggingface.co/Wan-AI/Wan2.1-T2V-1.3B)
-  - **Arquitectura:** Diffusion Transformer (DiT) con un codificador T5 para el texto.
-### Técnica de Optimización: Self-Forcing
-El modelo `Wan2.1` fue mejorado con el método **Self-Forcing**, que entrena al modelo para reconocer y corregir sus propios errores de difusión en un solo paso hacia adelante. Esto mejora la fidelidad y coherencia sin necesidad de entrenamiento adicional costoso.
-  - **Página del Proyecto:** [self-forcing.github.io](https://self-forcing.github.io/)
 -----
-## 🙏 Agradecimientos
-Agradecemos a los equipos detrás de [Wan2.1](https://huggingface.co/Wan-AI/), [Self-Forcing](https://self-forcing.github.io/), [Stable Diffusion](https://huggingface.co/stabilityai/stable-diffusion-3-medium), [diffusers](https://github.com/huggingface/diffusers) y a toda la comunidad de [Hugging Face](https://huggingface.co) por su contribución al ecosistema de código abierto.
-## ✍️ Citación
-Si encuentras útil nuestro trabajo, por favor, cita los proyectos originales:
 ```bibtex
 @article{wan2.1,

 base_model:
 - gdhe17/Self-Forcing
 ---
+```
 # Self-Forcing2.1-T2V-1.3B-GGUF
 ---
+Developed by <a href="https://www.youtube.com/@nichonauta">Nichonauta</a>.
+This repository contains the quantized versions in **GGUF** format of the **Self-Forcing** video generation model.
+The Self-Forcing model is an evolution of `Wan2.1-T2V-1.3B`, optimized with an innovative "self-forcing" technique that allows it to correct its own generation errors in real-time. This results in more coherent and higher-quality videos.
+These GGUF files allow the model to be run efficiently on **GPU/CPU**, drastically reducing VRAM consumption and making video generation accessible without the need for high-end GPUs.
+## ✨ Key Features
+-   ⚡️ **GPU/CPU Inference:** Thanks to the GGUF format, the model can run on a wide range of hardware with optimized performance.
+-   🧠 **Self-Forcing Technique:** The model learns from its own predictions during generation to improve temporal consistency and visual quality of the video.
+-   🖼️ **Image-guided Generation:** Ability to generate smooth video transitions between a start and an end image, guided by a text prompt.
+-   📉 **Low Memory Consumption:** Quantization significantly reduces the RAM/VRAM memory footprint compared to the original models (`FP16`/`FP32`).
+-   🧬 **Based on a Solid Architecture:** It inherits the powerful base of the `Wan2.1-T2V-1.3B` model, known for its efficiency and quality.
+## Usage
+The model files can be used in [ComfyUI](https://github.com/comfyanonymous/ComfyUI/) with the [ComfyUI-GGUF](https://github.com/city96/ComfyUI-GGUF) custom node.
 ---
+## 🧐 What is GGUF?
+GGUF is a file format designed to store large language models (and other architectures) for fast inference on CPUs. The key advantages are:
+-   **Fast Loading:** Does not require complex deserialization.
+-   **Quantization:** Allows model weights to be stored with reduced precision (e.g., 4 or 8 bits instead of 16 or 32), which reduces file size and RAM usage.
+-   **GPU/CPU Execution:** It is optimized to run on general-purpose processors through libraries like `llama.cpp`.
+**Note:** Running this video model in GGUF format requires compatible software that can interpret the video diffusion transformer architecture.
 ---
+## 📚 Model Details and Attribution
+This work would not be possible without the open-source projects that precede it.
+### Base Model: Wan2.1
+This model is based on `Wan2.1-T2V-1.3B`, a powerful 1.3 billion parameter text-to-video model. It uses a Diffusion Transformer (DiT) architecture and a 3D VAE (Wan-VAE) optimized to preserve temporal information, making it ideal for video generation.
+  - **Original Repository:** [Wan-AI/Wan2.1-T2V-1.3B](https://huggingface.co/Wan-AI/Wan2.1-T2V-1.3B)
+  - **Architecture:** Diffusion Transformer (DiT) with a T5 text encoder.
+### Optimization Technique: Self-Forcing
+The `Wan2.1` model was enhanced with the **Self-Forcing** method, which trains the model to recognize and correct its own diffusion errors in a single forward pass. This improves fidelity and coherence without the need for costly additional training.
+  - **Project Page:** [self-forcing.github.io](https://self-forcing.github.io/)
 -----
+## 🙏 Acknowledgements
+We thank the teams behind [Wan2.1](https://huggingface.co/Wan-AI/), [Self-Forcing](https://self-forcing.github.io/), [Stable Diffusion](https://huggingface.co/stabilityai/stable-diffusion-3-medium), [diffusers](https://github.com/huggingface/diffusers), and the entire [Hugging Face](https://huggingface.co) community for their contribution to the open-source ecosystem.
+## ✍️ Citation
+If you find our work useful, please cite the original projects:
 ```bibtex
 @article{wan2.1,