Pyramid-Flow

收录理由

Pyramid Flow 把文本或图片变成短视频，靠的是一套分层匹配的流程，画面按分辨率逐级生成。这种金字塔式的结构让训练开销明显降了下来——作者只用开源数据训练，就能产出 768p、24 帧每秒、最长 10 秒的片段。项目不只有论文，配套工具也齐全：Hugging Face 上有现成权重，DiT 微调代码、VAE 训练代码都放出来了，还支持多卡推理和 CPU 卸载，显存不到 8GB 也能跑起来。想试 text-to-video 或 image-to-video 的团队，拿它当参照实现来拆解、改造，相当顺手。