用 uv 安装 FastMetal-5B-QAD,核心流程是:建环境 → 装依赖 → 下模型 → 跑脚本。你的 16GB M4 Mac 满足 5B 模型的内存门槛(16GB 及以上),可以按以下步骤操作。
环境准备与安装
先确认你的 Python 是 3.12(FastMetal 硬性要求,3.11/3.13 都不行)。然后依次执行:
1. 克隆仓库并进入目录
git clone https://github.com/hao-ai-lab/FastVideo.git
cd FastVideo
2. 用 uv 创建 Python 3.12 虚拟环境并激活
uv venv --python 3.12 --seed
source .venv/bin/activate
3. 安装 ffmpeg 和 MLX 依赖
brew install ffmpeg
uv pip install -e ".[mlx]"
注意必须是 .[mlx],这样才会把 MLX 运行时一并装上,并且 -e 从源码安装能保证示例脚本可直接调用。
下载 5B 模型
在激活的虚拟环境里执行(装完依赖后已有 hf 命令):
hf download FastVideo/FastMetal-5B-QAD --local-dir ./FastMetal-5B-QAD
如果直连慢,可以临时用镜像:
HF_ENDPOINT=https://hf-mirror.com hf download FastVideo/FastMetal-5B-QAD --local-dir ./FastMetal-5B-QAD
模型整体约 15–20GB 量级,下载需要预留足够磁盘空间。
运行生成
5B 模型有专用入口(mlx_wan22_generate.py),不能套用 1.3B 的命令。在 FastVideo 项目根目录下执行:
export PYTHONPATH=$PWD
python examples/inference/basic/mlx_wan22_generate.py \
--mlx-checkpoint ~/.cache/modelscope/models/FastVideo--FastMetal-5B-QAD/snapshots/master \
--text-encoder-root ~/.cache/modelscope/models/FastVideo--FastMetal-5B-QAD/snapshots/master \
--vae-root ~/.cache/modelscope/models/FastVideo--FastMetal-5B-QAD/snapshots/master/vae \
--height 704 --width 1280 --num-frames 81 \
--prompt "a river winding through a fantasy valley at golden hour"
如果想降低 16GB 内存的压力并加快速度,可以在命令末尾加上 --fast。官方数据显示 Fast 模式能显著减少去噪工作量。不过你的标准版 M4 性能弱于 M4 Max,实际耗时可能会在数分钟级别,需要一些耐心。