革命性AI创新！一句话即可打造震撼120秒超长视频，免费开源，引爆你的创作激情！

# 欣赏 AI 生成的视频效果

最新发布的 StreamingT2V 模型，由 Picsart AI Research 团队倾力打造，引领视频生成领域的革新！超越 Sora 模型，轻松创造长达 2 分钟（1200 帧）的高品质视频！更令人振奋的是，
这一开源模型与 SVD、animatediff 等其他模型完美兼容，为视频生成领域带来了前所未有的突破！

# 亮点总结

  • 创造长达 2 分钟（1200 帧）的视频，超越以往模型
  • 视频质量卓越，呈现高品质效果
  • 与其他主流模型实现无缝衔接，提供更多创作可能性
  • 开源免费，方便开发者使用和进行二次开发

# 免费体验

免费在线试玩：点击跳转

# 本地搭建

  1. 安装并安装 Python 3.10 and CUDA >= 11.6 环境 Python 3
    、Cuda 下载

  2. 克隆开源项目至本地：

1
2
git clone https://github.com/Picsart-AI-Research/StreamingT2V.git
cd StreamingT2V/
  1. 安装必备的环境：
1
2
3
conda create -n st2v python=3.10
conda activate st2v
pip install -r requirements.txt
  1. 可选 如果您的系统上缺少 FFmpeg，请安装 FFmpeg
1
conda install conda-forge::ffmpeg

  1. 从 huggingface 下载模型并将它放在 t2v_enhanced/checkpoints 目录下

  2. 文本转视频

1
2
cd t2v_enhanced
python inference.py --prompt="A white bone spirit riding a motorcycle"

# 基础模型推理时间对比

# ModelscopeT2V 作为基础模型

帧数 更快预览的推理时间 (256×256) 最终结果的推理时间 (720×720)
24 帧 40 秒 165 秒
56 帧 75 秒 360 秒
80 帧 110 秒 525 秒
240 帧 340 秒 1610 秒（约 27 分钟）
600 帧 860 秒 5128 秒（约 85 分钟）
1200 帧 1710 秒（约 28 分钟） 10225 秒（约 170 分钟）

# AnimateDiff 作为基础模型

帧数 更快预览的推理时间 (256×256) 最终结果的推理时间 (720×720)
24 帧 50 秒 180 秒
56 帧 85 秒 370 秒
80 帧 120 秒 535 秒
240 帧 350 秒 1620 秒（约 27 分钟）
600 帧 870 秒 5138 秒（~85 分钟）
1200 帧 1720 秒（约 28 分钟） 10235 秒（约 170 分钟）

# SVD 作为基本模型

帧数 更快预览的推理时间 (256×256) 最终结果的推理时间 (720×720)
24 帧 80 秒 210 秒
56 帧 115 秒 400 秒
80 帧 150 秒 565 秒
240 帧 380 秒 1650 秒（约 27 分钟）
600 帧 900 秒 5168 秒（~86 分钟）
1200 帧 1750 秒（约 29 分钟） 10265 秒（~171 分钟）

所有测量均使用 NVIDIA A100 (80 GB) GPU 进行。当帧数超过 80 时，采用随机混合。对于随机混合，chunk_size 和 的值 overlap_size 分别设置为 112 和 32。

更多的文生视频在线使用：点击前往 支持多模型自由切换！