FastFrames S MLX 是什么:苹果视频模型的 Mac 版
FastFrames S MLX 是社区把苹果 13 亿参数视频模型 FastFrames-S 移植到苹果芯片 Mac 的非官方版本(苹果自己的发布版需要 NVIDIA GPU),能根据文字生成 5 秒 480p 视频;本站不运行 FastFrames 或任何文生视频模型,但照片编辑器编辑一张照片约 37 秒,每张 10 积分,按月套餐低至 $0.13,视频工具能把一张照片做成 5 秒无声短片,每支 15 积分、只能用付费积分。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
- 不是苹果,也不是移植版的作者
- 本站不运行 FastFrames
- 注册即送:10 积分 = 1 张
- FastFrames-S 的参数量(苹果的模型卡);L 是 14B
- 1.3B
- 在 64 GB 的 M5 Pro Mac mini 上生成一段 5 秒视频,某位移植者报告的一次运行
- 30.4 秒
- mlx-community 移植版的文件合计(我们对文件列表自己加总)
- 15.15 GB
- 苹果对权重的许可允许的用途
- 仅限研究
FastFrames S MLX 是什么
苹果的发布版:里面没有 MLX
- FastFrames-S 是苹果 FastFrames 一对模型里 1.3B 的那个(另一个是 14B 的 FastFrames-L):自回归的两步视频扩散模型,根据文字提示生成 480p 视频。苹果的模型卡和 README 要求 Linux x86-64、NVIDIA GPU 和兼容 CUDA 12.8 的驱动。我们在模型卡、README 和安装指南里搜过“mlx”“Apple silicon”“Mac”和“Metal”,一处都没有提到。来源: Hugging Face 模型卡(apple/FastFrames-S) ·
- 所以“FastFrames S MLX”不是苹果的产品名。MLX 是面向苹果芯片的数组框架,移植者以它为目标;下面的 Mac 版本是外部开发者对苹果推理代码的重新实现。这些仓库创建于 2026-11-18,比苹果自己的 2026-11-16 晚两天(Hugging Face API)。来源: Hugging Face API ·
- 我们的发现:Hugging Face 的模型搜索“fastframes”能看到两个 MLX 移植版,都是小的 S 模型,没有 14B 的 L。别的名字、或别的网站上的移植版,我们没有搜。来源: Hugging Face 模型搜索 ·
移植版 1:pratikgx/FastFrames-S-MLX(只有代码,不含权重)
- 模型卡称它是 FastFrames-S 的非官方 MLX 移植。仓库里是推理代码和一段示例视频,不存放任何权重:第一次运行时,脚本会下载苹果的两个小网络、Causal-Forcing 的 1.3B 生成器检查点和 umT5 文本编码器(约 11 GB),并在内存中转换。我们加总约为 18 GB 的下载量(0.95 + 5.68 + 约 11)。来源: Hugging Face 模型卡(pratikgx/FastFrames-S-MLX) ·
- 它需要苹果芯片的 Mac、Python 3.12 和 ffmpeg。作者报告了在 64 GB 的 M5 Pro Mac mini 上的一次运行:生成 81 帧用了 30.43 秒,每个输出帧 375.7 毫秒,MLX 内存峰值 22.93 GB,进程峰值 30.37 GB,含加载共 35.9 秒。模型卡自己写明,这是一次运行、一个种子。来源: Hugging Face 模型卡和测试数据集 ·
- 作者列出的局限:用 13 项 CPU 测试对照苹果的 PyTorch 参考实现,外加这一次 Mac 运行;没有和 CUDA 输出做并排对比;4 位和 8 位选项没测过;FastFrames-L(14B)没有实现。来源: Hugging Face 模型卡(pratikgx/FastFrames-S-MLX) ·
移植版 2:mlx-community/FastFrames-S-bf16-mlx(含权重)
- 它的模型卡称这是非官方社区移植,“不是苹果制作、审核或认可的”。它带有转换好的权重:按我们对文件列表的加总,生成器 2.84 GB、精炼器 0.69 GB、像素解码器 0.26 GB、文本编码器 11.36 GB,共 15.15 GB,与模型卡写的“约 15 GB”一致。来源: Hugging Face 模型卡(mlx-community/FastFrames-S-bf16-mlx) ·
- 它的作者报告了 36 GB 的 Apple M3 Max:安静的机器上每段约 55 到 61 秒,同时有其他 GPU 任务时约 90 秒,峰值约 11 GB。模型卡补充说只在 M3 Max 上测过,内存 16 GB 或更少的机器“可能”放不下这 11 GB 的峰值。来源: Hugging Face 模型卡(mlx-community/FastFrames-S-bf16-mlx) ·
- 关于质量,同一张模型卡说细节偏软、人脸和手常常较弱、只测过英文提示词、短提示词对文字的服从较松:它自己的柯基示例里,狗是在游泳而不是在冲浪。它称这与苹果的 S 模型一致,不是移植造成的。以上我们都没有核对。来源: Hugging Face 模型卡(mlx-community/FastFrames-S-bf16-mlx) ·
许可
- 苹果 S 仓库里的许可文件授予个人的、可撤销的许可,仅限研究目的来使用、复制、修改、分发模型并创建衍生品;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。FastFrames-L 适用同样的条款。这不是法律意见。来源: apple/FastFrames-S 里的 LICENSE 文件 ·
- 移植版 1 的“mit”标签只覆盖移植版自己的 Python 代码。它的模型卡说,它加载的苹果网络仍适用苹果的研究许可。移植版 2 写明苹果许可适用于整个移植版,所以只能用于研究。来源: 两个移植版的 Hugging Face 模型卡 ·
我们的算术,不是测试
- 苹果 S 的 README 列出单 GPU 上每帧共 35.4 毫秒,论文给的是 B200 上 36 毫秒。移植版 1 报告的 Mac mini 上每帧 375.7 毫秒,约为它的 10 倍。硬件和代码都不同,所以这不是公平的速度对比,只是让你有个量级概念。来源: GitHub README 和移植版 1 的测试 ·
- 两份 Mac 报告对不上:移植版 1 在 64 GB M5 Pro 上 30.4 秒,移植版 2 在 36 GB M3 Max 上 55 到 61 秒;内存峰值则是 22.93 GB 对约 11 GB。机器不同、代码不同,可能连测量方法也不同:我们说不出哪个移植版更快或更省内存。来源: 两个移植版的模型卡 ·
本站相关页面
- 14B 的兄弟模型,根据苹果自己的页面来讲:它是什么、为什么不是插帧、它的许可和 30.6 GB 的文件,读取于 2026-11-19。来源: FastFrames L 是什么:苹果的视频模型
- 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
- 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
- 两个移植版能不能在内存小于 36 GB 的 Mac 上、或 M1、M2 芯片上运行:只有 64 GB 的 M5 Pro 和 36 GB 的 M3 Max 有报告。两个移植版为什么分别报告 22.93 GB 和约 11 GB 的内存峰值。来源: 两个移植版的模型卡 ·
- 输出质量与苹果 CUDA 版的对比:移植版 1 说没有做并排对比,移植版 2 只和自己的全精度运行比。图片输入:两张模型卡都没提。任一移植版的独立测试:我们没找到。来源: 两个移植版的模型卡 ·
- 移植版的代码是否安全。我们没有安装任何一个,也没有读它们的代码。运行它意味着执行别人写的 Python,并下载 15 到 18 GB。来源: 本页 ·
并排对比
FastFrames S MLX:两个 Mac 移植版,与本站
| - | pratikgx 移植版 | mlx-community 移植版 | 本站 |
|---|---|---|---|
| 输出什么 | 视频,5 秒,832 × 480,16 fps | 视频,5 秒,832 × 480,16 fps | 一张图,1024 × 1024,或用一张照片做 5 秒无声短片 |
| 输入什么 | 一段文字提示 | 一段文字提示 | 一张照片和你写的修改 |
| 下载 | 首次运行约 18 GB(代码仓库不含权重) | 15.15 GB,含权重 | 无需下载 |
| 报告的机器 | 64 GB M5 Pro Mac mini | 36 GB M3 Max | 任意浏览器 |
| 每段视频或每张图的时间 | 生成 30.4 秒(一次运行) | 安静的机器上 55 到 61 秒 | 约 37 秒 |
| 报告的内存峰值 | 22.93 GB(MLX);30.37 GB(进程) | 约 11 GB | 不适用 |
| 许可 | 代码 MIT;苹果的权重仅限研究 | 整体仅限研究 | 每张 10 积分 |
在哪运行
怎么在 Mac 上运行 FastFrames S MLX
先看许可和机器
苹果对权重的许可只允许研究使用,两个移植版都沿用这一限制。两者都需要苹果芯片的 Mac。有报告的是一台 64 GB 和一台 36 GB 的机器;内存 16 GB 或更少的,移植版 2 的模型卡说可能放不下。
选一个移植版,并读它的代码
移植版 1 是运行时才下载苹果权重的代码,我们加总约 18 GB,模型卡要求 Python 3.12 和 ffmpeg。移植版 2 自带权重,15.15 GB,要求 Python 3 和 ffmpeg。两者都是非官方的,我们没有读它们的代码,运行前请先浏览一遍。
安装并生成
移植版 2 的模型卡给的做法是:用 hf 命令下载,运行 pip install -r requirements.txt,再用 python run.py 加提示词、种子和输出文件。移植版 1 的模型卡给的是 python -m fastframes_mlx.generate,加提示词、输出文件和种子。据报告,长而详细的提示词效果最好。
想要的是 14B 模型?
我们没找到 FastFrames-L 的 MLX 移植版,移植版 1 也把它列为没有实现。苹果的 L 文件合计 30.6 GB,它的 README 要求 NVIDIA GPU。细节见我们的 FastFrames L 页面。
只要静态图片?用本站
本站不运行 FastFrames。上传一张照片,在编辑器里写下要改的地方,最多 400 个字符;另有一个视频工具,把一张照片做成 5 秒无声短片,每支 15 积分、只能用付费积分。
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
常见问题
常见问题
FastFrames S MLX 是什么?
FastFrames S MLX 指的是社区做的非官方移植版,用 MLX 让苹果 13 亿参数的文生视频模型 FastFrames-S 能在苹果芯片的 Mac 上运行。我们在 Hugging Face 上找到两个:pratikgx/FastFrames-S-MLX 和 mlx-community/FastFrames-S-bf16-mlx。据苹果的模型卡所写,苹果自己没有发布 MLX 版。
FastFrames S 有苹果官方的 MLX 版吗?
我们没找到。苹果的模型卡和 README 要求 Linux、NVIDIA GPU 和 CUDA 12.8,里面没有提到 MLX、Mac 或 Metal。两个 Mac 移植版都自称是非官方的,不是苹果认可的。
FastFrames S MLX 能在我的 Mac 上运行吗,比如 M1 或 16 GB 的机器?
没能确认。两个移植版报告了 64 GB 的 M5 Pro 和 36 GB 的 M3 Max,并且都要求苹果芯片。移植版 2 的模型卡说,16 GB 或更少内存的机器可能放不下它 11 GB 的峰值。我们没找到 M1、M2 芯片或 8、16、24 GB 机器的报告。
FastFrames S MLX 在 Mac 上有多快,占多少内存?
报告不一致。移植版 1 的作者在 64 GB 的 M5 Pro 上测得一段 5 秒视频 30.4 秒,MLX 峰值 22.93 GB。移植版 2 的作者报告 36 GB 的 M3 Max 上 55 到 61 秒,约 11 GB。这是作者在不同机器上自己的说法,我们都没有测。
FastFrames S 和 FastFrames L 有什么区别,L 有 MLX 版吗?
S 是 1.3B 参数,L 是 14B;苹果的摘要称 L 的画面更好。L 的最终文件按我们 2026-11-19 的加总是 30.6 GB,一个完整的 S 移植版约 15 GB。我们没找到 L 的 MLX 移植版,移植版 1 也把它列为没有实现。见我们的 FastFrames L 页面。
FastFrames S MLX 能商用吗?
按现有的许可条款不行。苹果对 S 权重的许可只允许研究目的的使用,并排除商业利用和用于商业产品或服务,移植版也沿用这一限制:移植版 2 写明它适用于整个移植版。移植版 1 的 MIT 标签只覆盖它自己的代码。这不是法律意见。
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,也不能根据文字生成视频。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。
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、两个 MLX 移植版的作者、Hugging Face、MLX 无关,本站不运行 FastFrames。信息来自开发方和移植版作者自己的页面,读取于 2026-11-20;他们关于速度和质量的说法我们没有测过。这不是法律意见。

