输入图片和文本提示，生成对应视频。该空间基于 Wan2.2 模型，采用 FP8 精度和 AOTI 优化预览版。

Google DeepMind 开发的 Gemma 4 多模态开放权重模型，支持文本与图像输入（特定版本支持音频），输出文本。提供 Dense 和 MoE 架构，5 种尺寸（E2B 至 31B），上下文窗口达 256K 令牌，支持 140+ 语言。该空间展示 WebGPU 内核。

运行模型 google/gemma-4-E2B-it-qat-mobile-transformers

输入图片和文本提示，生成视频。基于 Wan2.2 14B 参数模型，480p 分辨率，使用 Lightning 和 Diffusers 库，支持 NSFW 内容。

在 Harvey's LAB 上进化智能体的 harness 而非模型本身。提供交互式科学论文模板，支持图表、数学公式、引用、暗模式及 PDF 导出。