#wan Dépôts
Découvrez 14 dépôts GitHub open source actifs associés à #wan, cumulant 60,817 étoiles au total (soit une moyenne de 4,344 étoiles par projet). Le projet en tête de ce thème est sgl-project/sglang, avec 38,899 étoiles.
14 dépôts au total
SGLang est un framework de service haute performance pour les grands modèles linguistiques et les modèles multimodaux.
Inférence de modèles de diffusion (SD, Flux, Wan, Qwen Image, Z-Image, Minimax H3, ...) en C/C++ pur
Des prompts prêts à copier pour les principaux modèles d’IA vidéo et image, chacun accompagné de son résultat réel et de sa source. Et des recettes d’agents pour le montage vidéo.
PALLAIDIUM — un studio de cinéma IA générative, intégré de manière transparente dans l'éditeur vidéo Blender (VSE), permettant une production de bout en bout, du script à l'écran et retour.
Un studio d’IA tout-en-un, 100 % local, pour la vidéo, les images et la musique. Le mode Réalisateur planifie des clips musicaux complets et des courts métrages à partir d’une seule invite. Basé sur le pipeline WanGP. Installez-le via Pinokio.
Plan de contrôle local et natif pour les agents ComfyUI — serveur MCP + agent en barre latérale qui génère des images, des vidéos et de l'audio, crée et exécute des flux de travail, et modifie votre graphe en temps réel en langage naturel sur N'IMPORTE QUEL LLM (Claude, ChatGPT, Gemini, Ollama hors ligne ou tout modèle hébergé). 178 outils, 36 compétences IA, 55 packs d'installation. Local, LAN, VPS ou Comfy Cloud.
Compétence Claude AI pour les prompts cinématographiques de Higgsfield AI — 32 sous-compétences couvrant Seedance 2.5 (référence omnidirectionnelle, montage et extension vidéo) et 2.0, le pipeline de production de longs métrages Hell Grind, un système de jeu d’acteur, Cinema Studio 2.5/3.0/3.5, MCSLA, la cohérence de Soul ID, Kling 3.0 Motion Control, le framework DISCIPLINE et 18 modèles.
Un framework haute performance pour entraîner des LLM, des VLM, des modèles de diffusion et des modèles incarnés sur des GPU NVIDIA et des XPU Kunlun. Prend en charge Pi0.5, GR00T-N1.7, FastWAM, Cosmos3, DreamZero, DeepSeek-V4, GLM-5.3, Kimi-K3 et bien d’autres.
FlashRT est un moteur d'inférence en temps réel haute performance pour les charges de travail IA à petits lots sensibles à la latence. Son intégration phare est le contrôle VLA de production pour Pi0, Pi0.5, GROOT N1.6 et Pi0-FAST. Il prend également en charge les LLM, par exemple qwen3.6-27B.
[EMNLP 2024 & AAAI 2026] Une boîte à outils puissante pour compresser les grands modèles, y compris les LLM, les VLM et les modèles génératifs vidéo.
[ICML2025, NeurIPS2025 Spotlight] Sparse VideoGen 1 & 2 : Accélérer les Transformers de Diffusion Vidéo avec une Attention Éparse
[NeurIPS 2025] Radial Attention: O(nlogn) Sparse Attention with Energy Decay for Long Video Generation
📚Une liste sélectionnée d'articles exceptionnels sur l'inférence de diffusion avec code : Échantillonnage, Cache, Quantification, Parallélisme, etc.🎉
Foire aux questions
Quel est le dépôt #wan le plus populaire sur GitHub ?
Le projet #wan open source le mieux classé sur GitHub est sgl-project/sglang, avec 38,899 étoiles. SGLang est un framework de service haute performance pour les grands modèles linguistiques et les modèles multimodaux.
Quels langages de programmation sont les plus utilisés dans les dépôts #wan ?
Parmi les projets #wan les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Go, TypeScript.
Comment le classement des dépôts #wan est-il calculé ?
Nous suivons 14 dépôts open source actifs associés à #wan (500+ étoiles), totalisant 60,817 étoiles, avec une moyenne de 4,344 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.