StreamingT2V : Génération dynamique et évolutive de textes vers des vidéos longues

Introduction générale

StreamingT2V是Picsart AI研究团队开发的一个公开项目，专注于根据文本描述生成连贯、动态且可扩展的长视频。这项技术使用先进的自回归方式，保证了视频的时间一致性，与描述文本紧密对应，并保持高帧质量的图像。它能够产生最高达1200帧的视频，长度可达两分钟，并且有潜力扩展至更长时间。该技术的有效性不受特定的Text2Video模型限制，即模型的改进将会进一步提升视频质量。

StreamingT2V在线体验

Liste des fonctions

支持生成最长1200帧、可达两分钟的视频
保持视频的时间一致性和高帧质量图像
与文本描述紧密对应的动态视频生成
支持多种Base模型应用，提升生成视频的质量
支持Text-to-Video和Image-to-Video的转换
提供Gradio在线演示

Utiliser l'aide

克隆项目仓库并安装所需环境
下载权重并置于正确目录
运行示例代码进行文本到视频或图像到视频的转换
查看项目页面获取详细结果和演示

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。