Feature Request: Expose last_image parameter and support multi-frame reference conditioning
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 35/100
Línea de trabajo
Comienza en pipeline_mova.py, en prepare_latents (línea 261), y en el punto de entrada call de la pipeline. Traza cómo call proporciona actualmente el argumento last_image y, después, verifica que la solicitud mínima de FLF2V esté completa cuando ese parámetro llega a prepare_latents; el trabajo más amplio de conditioning multi-frame requiere resolver las cuestiones sobre el puente de audio-vídeo y el conditioning por segmentos descritas aquí.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Feature Request
- Expose last_image in pipeline call
prepare_latents already accepts a last_image parameter (pipeline_mova.py:261), but call hardcodes it to None. This
is a minimal change — just wire the parameter through to enable first+last frame conditioning (FLF2V mode).
- Multi-frame reference conditioning (longer-term)
WAN 2.2 supports FLF2V (first-last-frame to video) and per-frame reference conditioning (Time to Move), which enables
much longer coherent video generation by providing visual anchors throughout the sequence.
Adding similar support to MOVA would be especially valuable for audio-conditioned generation, where longer clips are
needed to match dialogue or music. Currently the only way to extend duration is to increase num_frames, which quickly
hits VRAM limits at higher resolutions.
Key considerations for MOVA specifically:
- How per-frame visual references would interact with the audio-video bridge cross-attention
- Whether reference frames could help maintain lip sync coherence over longer durations
- Potential for segment-based generation with overlapping context (difficult today because audio conditioning can't be
cleanly split)
Context
The base WAN architecture already supports this — MOVA's prepare_latents even has the last_image code path. The main
gap is in the pipeline interface and extending beyond two reference frames.
- Lenguaje dominante
- Python
- Estrellas
- 1.1k
- Forks
- 95
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de OpenMOSS/MOVA
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
-
Verify evals on Papers with CodeAbierto
Dificultad 3/5 1-2 días Aptitud para principiantes 48/100
-
Dificultad 4/5 3-5 días Aptitud para principiantes 38/100
-
Dificultad 3/5 1-2 días Aptitud para principiantes 48/100
-
两个角色的时候，会出现对白混乱的情况，请问有什么策略可优化Abierto
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
Todos los issues de OpenMOSS/MOVA
Issues similares
-
bug good first issue
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
yunaremaia/proto-drift#22 ·
-
bug good first issue
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
yunaremaia/memwatch#96 ·
-
bug good first issue
Dificultad 1/5 Menos de una hora Aptitud para principiantes 91/100
yunaremaia/ci-gate-watch#34 ·
-
bug good first issue
Dificultad 2/5 1-3 horas Aptitud para principiantes 85/100
yunaremaia/agent-capability-attestation#64 ·
Los mantenedores suelen responder en 1 día
-
bug good first issue
Dificultad 1/5 Menos de una hora Aptitud para principiantes 86/100
yunaremaia/agent-call-graph#43 ·
Los mantenedores suelen responder en 1 día