TTT Video DiT
test-time-training/ttt-video-ditRevisado por IA
Revisado por RepoPicks Radar el
¿Qué es TTT Video DiT?
Este es el código oficial del artículo "One-Minute Video Generation with Test-Time Training". Agrega capas nuevas a un modelo de texto a video existente (CogVideoX 5B) y lo entrena por etapas para que los videos sean más largos, hasta 63 segundos, manteniendo el mismo estilo de principio a fin. Es un proyecto de investigación para gente con experiencia en aprendizaje automático: compilas un kernel de CUDA desde el código fuente, consigues el modelo base por tu cuenta y entrenas en tarjetas H100. No hay aplicación, ni interfaz, ni un modelo terminado para descargar.
TTT Video DiT es gratis y de código abierto (MIT) y puede reemplazar a Google Veo 3.
¿Qué tan fácil es instalar TTT Video DiT?
E · solo para quien programa · Linux
Solo para desarrolladores, en Linux: creas un entorno conda, traes un submódulo de git y compilas el kernel TTT-MLP, que necesita el CUDA toolkit 12.3 o superior y gcc 11 o superior, y los autores dicen que el entrenamiento solo está soportado en tarjetas H100. Los pesos del modelo base hay que reunirlos a mano desde otros dos proyectos.
Pronto: instala con 1 clic desde la app RepoPicks.
TTT Video DiT en GitHub
- Estrellas
- 2453el 10 nov 2026
- Descargas
- —todas las versiones
- Crecimiento
- —sin ganancia en la última lectura
Estrellas a lo largo del tiempo
Datos
- Funciona en
- Linux
- Necesitas instalar
- Python, Tarjeta NVIDIA, FFmpeg
- Para compilar desde el código
- Python, Tarjeta gráfica, FFmpeg
- Espacio en disco
- 1,0 GB–4,6 GB · estimación
- Cuentas o claves
- Ninguna
- Costo
- Gratis
- Licencia
- MIT (Permisiva)
- Puede reemplazar
- Veo 3
- Último cambio en GitHub
- 25 feb 2026
Señales de riesgo de TTT Video DiT (3)
- InfoLos pesos finales del modelo no se publicaron
Nota del README bajo las instrucciones de descarga: "These are the pretrained model weights, not the final model weights used to generate our demonstration videos." Solo están enlazados los pesos base de CogVideoX-5b.
revisión con IA
- InfoExige GPU de centro de datos y compilar un kernel
README: "You must have cuda toolkit (12.3+) and gcc11+ installed to build the TTT-MLP kernel. We only support training on H100s for TTT-MLP."
revisión con IA
- InfoSe apoya en un modelo con sus propias condiciones
El código es MIT, pero funciona sobre los pesos CogVideoX-5b de THUDM traídos de Hugging Face, que llevan su propia licencia y este repositorio no la reproduce.
revisión con IA
La evidencia aparece en su idioma original.
Lo que Radar no pudo verificar de TTT Video DiT
- Si alguien puede reproducir los videos de demostración de un minuto, ya que los pesos finales no se publicaron
- Cuánta memoria de video y cuánto disco necesitan realmente las etapas de entrenamiento y muestreo
- Cuánto costaría alquilar tiempo de H100 para entrenar el esquema por etapas descrito en el README
- Si el kernel todavía compila con las versiones actuales de CUDA y PyTorch, ya que el último cambio es de febrero de 2026