FastFrames L 是什么:苹果的视频模型是什么,不是什么
FastFrames L(FastFrames-L)是苹果的 140 亿参数文生视频模型,不是插帧工具,能以交互级速度生成 480p 视频,许可仅限研究使用;本站目前只做图片、不做视频,但下面的照片编辑器用的是另一个模型,编辑你上传的一张照片约 37 秒,每张 10 积分,按月套餐低至 $0.13。注册即送:10 积分 = 1 张。

你的照片风格转换(卡通、3D、动漫)目前还不稳定。如果结果看起来没有变化,请再试一次,或把想要的修改写得更具体。
一键修改
- 不是 FastFrames,与苹果无关
- 只做图片:本站不制作视频
- 注册即送:10 积分 = 1 张
- FastFrames-L 的参数量(README);S 是 1.3B
- 14B
- README 示例的视频尺寸:81 帧、16 fps
- 832 × 480
- 仓库里的许可文件允许的用途
- 仅限研究
- 最终生成器的三个文件(我们对文件列表自己加总)
- 30.6 GB
FastFrames L 是什么
来自 Hugging Face 模型卡和 README
- 苹果发布了 FastFrames-S(1.3B)和 FastFrames-L(14B)。README 称两者都是自回归的两步视频扩散模型,能以交互级延迟生成 480p 视频。模型卡的任务标签是文生视频,基础模型是 Wan2.1-T2V-14B。模型卡和 README 都没有描述插帧。来源: Hugging Face 模型卡(apple/FastFrames-L) ·
- 据 README,L 的做法是:先按 Causal Forcing++ 的方法把 Wan2.1-14B 蒸馏成两步的因果模型,再为它训练像素解码器和 KV 精炼网络。仓库里放了因果教师模型、一致性蒸馏模型、DMD 蒸馏模型,以及最终生成器和它的解码器、精炼器。来源: GitHub README ·
- 按 README 的示例,输入是一段文字提示、一个随机种子和输出路径,输出是 832 × 480、81 帧、16 fps 的视频,按我们的算术约 5 秒。README 没有提到图片输入。来源: GitHub README ·
- README 写明的要求:Linux x86-64、NVIDIA GPU 和兼容 CUDA 12.8 的驱动,然后运行 uv sync。检查点和第三方权重要按另一份检查点指南下载,那份指南我们没打开。来源: GitHub README ·
- 日期:模型卡没有写发布日。Hugging Face 仓库创建于 2026-11-16(Hugging Face API),论文第一版提交于 2026 年 11 月 17 日(arXiv)。来源: Hugging Face API 和 arXiv ·
许可,全文读过
- 模型卡的许可标签是 apple-amlr,仓库里的 LICENSE 文件是苹果的机器学习研究模型许可。它授予个人的、可撤销的许可,仅限用于研究目的来使用、复制、修改和分发模型;研究目的指非商业的科学研究,并明确不包括商业利用、产品开发或用于任何商业产品或服务。衍生品必须注明是衍生品并带上署名声明。这不是法律意见。来源: apple/FastFrames-L 里的 LICENSE 文件 ·
- README 里提到的其他许可:仓库里其他的 FastFrames 代码采用苹果示例代码许可,LingBot-World v2 的代码和权重遵循 CC BY-NC-SA 4.0。来源: GitHub README ·
论文的说法,我们没测过
- 论文题为《FastFrames: Video Generation at Interactive Latency》(arXiv 2611.23226,计算机视觉,七位作者,从 Gene Chou 到 Vladlen Koltun)。摘要说 VAE 解码和 KV 缓存更新占了端到端延迟的一半以上,作者用轻量的替代方案取代了这两者。来源: arXiv ·
- 摘要里的速度说法:1.3B 模型在一块 B200 GPU 上每帧 36 毫秒,质量与一个慢近 8 倍的最先进模型相当;14B 模型在 8 块 B200 GPU 的节点上每帧 45 毫秒,视觉质量更好。README 里 FastFrames-S 单 GPU 的计时表合计 35.4 毫秒。来源: arXiv ·
- 项目页重复了这些数字,并展示精选的对比片段。它没有独立的基准测试,我们也没有使用它每个片段上的数字。来源: 项目页 ·
较小的 FastFrames-S
- FastFrames-S 有 1.3B 参数。它的仓库里只有两个小网络,一个 KV 精炼器和一个像素解码器;据 README,它保留冻结的两步 Causal Forcing++ 生成器,只训练周边网络,模型卡的基础模型是 Wan2.1-T2V-1.3B 和 Causal-Forcing。同一个仓库还带有一个优化过的 LingBot 1.3B,README 称它比官方模型快 16 倍。来源: Hugging Face 模型卡(apple/FastFrames-S) ·
本站相关页面
- 小一号的 FastFrames S,以社区 MLX 移植版的形式用于 Apple 芯片:这两个移植版是什么,Mac 能不能跑。来源: FastFrames S MLX 是什么:Mac 版
- 另一个开源视频模型,用同样的读法:LongCat Video、它的 MIT 许可和 fal.ai 每秒的价格。来源: LongCat Video 是什么、在哪运行
- 一个闭源视频模型,根据开发方页面来读:它是什么、有哪些说法、哪些我们没能确认。来源: Seedance 2.5 是什么
- 想改的是静态照片,就在 AI 照片编辑器里写下要改的地方:最多 400 个字符,约 37 秒,出一张图。来源: AI 照片编辑器:写下要改的地方
- 本站所有的照片特效,列在一页里。来源: 全部 AI 照片特效
没能确认的
- FastFrames-L 的 GPU 或内存下限,以及它能不能在单块 GPU 上运行:README 都没写,它唯一的 L 基准命令用了 8 块 GPU。摘要里 14B 的数字也是 8 块 GPU 的。来源: GitHub README ·
- 图生视频:没有写明。VBench 分数:README 指向一张表,我们没读。独立测试:我们没找到,而且我们的搜索工具根本没找到讲这个模型的页面,只有名字相近的无关产品。来源: GitHub README ·
- 托管版本:模型卡没有列出推理服务商。它列了三个社区 Space(mrfakename/fastframes-l、akhaliq/FastFrames-L 和 linoyts/fastframes-l-live),我们没打开,也不能为它们担保。来源: Hugging Face 模型卡(apple/FastFrames-L) ·
体积
FastFrames L 的文件体积,与本站对比
| - | Hugging Face 上的体积 | 是什么 |
|---|---|---|
| fastframes-l/dit.safetensors | 28.58 GB | 最终的 14B 生成器 |
| fastframes-l/kv_refiner.safetensors | 1.78 GB | KV 精炼网络 |
| fastframes-l/pixel_decoder.safetensors | 0.29 GB | 取代 VAE 解码的像素解码器 |
| 三个最终文件合计 | 30.6 GB | 生成视频需要的部分(我们自己加总,四舍五入) |
| fastframes-l-intermediate(3 个文件夹) | 142.89 GB | 因果教师模型、一致性模型和 DMD 模型,用于训练和研究 |
| FastFrames-S:kv_refiner 和 pixel_decoder | 0.69 GB 和 0.26 GB | 只有这两个小网络;1.3B 生成器是另一个模型 |
| 本站 | 无需下载 | 编辑一张照片约 37 秒,10 积分(1024 × 1024);不做视频 |
在哪运行
怎么在自己的 GPU 上运行 FastFrames L
先看许可
许可文件只允许研究使用,不包括商业利用和用于商业产品或服务。如果你的计划是商用,FastFrames-L 不适合。
准备一台带 NVIDIA GPU 的 Linux 机器
README 要求 Linux x86-64、NVIDIA GPU 和兼容 CUDA 12.8 的驱动,然后运行 uv sync。它没写内存下限,而它的 L 基准示例用了 8 块 GPU,所以要按不止一块来规划。
下载检查点并生成
按仓库里的检查点指南下载,然后用 --model ff-l、一段提示词和一个种子运行 scripts/generate.py。README 示例的输出是 832 × 480、81 帧、16 fps。
社区 Space:列出了,没核实
模型卡列了三个社区 Space。我们没打开它们,别人运行的 Space 不在本页事实的覆盖范围内。
只要静态图片?用本站
本站目前只做图片、不做视频。上传一张照片,在编辑器里写下要改的地方,最多 400 个字符。
提示词
本站编辑器的照片编辑提示词
这些提示词是为本站的照片编辑器写的,它编辑静态图片,用的模型和 FastFrames 不同。我们没有为这一页运行过它们,它们也不做视频。
每个一键编辑一条提示词
清理背景杂物
修改我上传的照片:去掉背景里分散注意力的杂物(零散物品、垃圾、垃圾桶、电线、招牌和背景里的路人),用周围的内容自然补上。构图不变。每个人的脸、表情、姿势和衣服保持完全不变。不要文字、标志或水印。
纯色影棚背景
修改我上传的照片:把背景换成柔光照亮的纯浅灰影棚背景,带自然柔和的阴影。构图不变。每个人的脸、表情、姿势和衣服保持完全不变。不要文字、标志或水印。
职业头像背景
把我上传的照片改成干净的职业头像:平滑的中性灰蓝渐变背景,脸上柔和均匀的影棚光,保持原构图或稍微收紧成头肩照。每个人的脸、表情、姿势和衣服保持完全不变。不要文字、标志或水印。
修正光线
修改我上传的照片:只修光线。平衡曝光,提亮脸上的暗部,压住过曝的高光,校正白平衡让肤色自然。每个人的脸、表情、姿势和衣服保持完全不变。不要文字、标志或水印。
暖色黄昏光
修改我上传的照片:只把光线改成从侧面照来的低角度暖色黄金时刻阳光,柔和的长影子和暖光,像日落前不久拍的。场景和构图不变。每个人的脸、表情、姿势和衣服保持完全不变。不要文字、标志或水印。
经典黑白
把我上传的照片改成经典黑白照片:对比丰富、黑色深沉、白色干净,带细腻的胶片颗粒。构图完全不变。每个人的脸、表情、姿势和衣服保持完全不变。不要文字、标志或水印。
水彩画
把我上传的照片重画成柔和的水彩画:有纹理的白纸、松散的晕染和看得见的笔触边缘,构图不变。每个人和宠物都要认得出来,不要增加或去掉任何人。不要文字、标志或水印。
锐化去噪
修改我上传的照片:轻度锐化,减少噪点和压缩痕迹,找回头发、布料和边缘的细节,不要塑料感或过度磨皮。每个人的脸、表情、姿势和衣服保持完全不变。不要文字、标志或水印。
本站的照片工具
用本站的图像模型编辑、修复、换风格
- 替代方案与 AI 工具打开
MiniMax H3 Image打开
LongCat Video打开
Adobe Firefly 替代打开
EasyFaceSwap 替代打开
Vidwud 换脸替代打开
MeiGen AI 替代打开
SnapGen AI 替代打开
Canva 头像生成替代打开
QuickAIHeadshots 替代打开
Betterpic 替代打开
Everygen 替代打开
PhotoCraft 替代打开
免费剪辑 AI打开
Kixy 是什么打开
OpenShorts 替代打开
Snazo 替代打开
Vikas edit 替代打开
Seedream 5.5打开
PromptSeen 替代打开
Prompt AI Editz打开
Ronytica 替代打开
Pixlr 替代打开
无限制免费 AI 生图打开
MiniMax H3 Image 角色替换打开
MiniMax H3 Image ComfyUI 工作流打开
Seedance打开
LTX 2.5打开
LongCat Video Avatar 1.6打开
PAN2打开
Swagga AI 网站打开
Wan 2.2 与 Wan 2.1打开
M4 Editor 替代打开
Harish Edits 替代打开- AI 照片特效打开
- 全部 AI 照片特效打开
常见问题
常见问题
FastFrames L 是什么?
FastFrames-L 是苹果发布的 140 亿参数文生视频模型,论文是《FastFrames: Video Generation at Interactive Latency》。它是自回归的两步视频扩散模型,生成 480p 视频,由 Wan2.1-14B 蒸馏而来,权重采用仅限研究的许可。
FastFrames L 是插帧模型吗?
据模型卡、README 和论文摘要所写,不是。它们描述的是文生视频,输入是一段文字提示和一个种子,都没有提到在已有视频的帧之间插帧。
本站是 FastFrames 吗?能在这里做视频吗?
不是。本站不是苹果,不运行 FastFrames,目前只做图片、不做视频。本站的编辑器用的是另一个模型:上传一张照片,写下要改的地方(最多 400 个字符),或点一个现成的编辑。
FastFrames S 和 FastFrames L 有什么区别?
S 是 1.3B 参数,L 是 14B。S 建立在 Wan2.1-1.3B 和一个冻结的 Causal Forcing++ 生成器之上,它的仓库里只有两个小网络。L 由 Wan2.1-14B 蒸馏而来,带有一个 28.58 GB 的完整生成器。论文摘要称 L 的视觉质量更好。
FastFrames L 能商用吗?
按仓库里的许可文件不行:它只授予研究目的的使用,并说明这不包括商业利用和用于商业产品或服务。代码的部分内容适用其他许可。这不是法律意见。
怎么运行 FastFrames L,需要多少显存?
GitHub README 要求 Linux、NVIDIA GPU 和兼容 CUDA 12.8 的驱动,然后 uv sync、下载检查点,再用 --model ff-l 运行 scripts/generate.py。它没写显存下限,而它的 L 基准示例用了 8 块 GPU。最终生成器的文件合计约 30.6 GB,由我们对文件列表加总。
FastFrames L 有多快?
论文摘要称,14B 模型在 8 块 B200 GPU 的节点上每帧 45 毫秒,1.3B 模型在一块 B200 上每帧 36 毫秒。这些是作者给的数字,我们没测过。
在这里能免费试用吗?
部分免费:新账号登录后送 10 积分,够免费生成 1 张(每个账号一次,7 天内有效,当天新账号名额送完即止)。每张 10 积分,按月套餐低至 $0.13。
独立网站,与苹果、arXiv、Hugging Face 无关,本站不运行 FastFrames,也不制作视频。模型的信息来自开发方自己的页面,读取于 2026-11-19;作者的说法我们没有测过。这不是法律意见。