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！