VideoCrafter

素材不够也不怕，出片质量照样顶

高质量视频扩散模型 VideoCrafter2，通过创新的训练策略有效克服数据稀缺问题，在有限数据下依然能生成清晰流畅、运动自然的高质量视频，为视频生成研究提供了实用方案。

开源 free 视频生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 5080

维护状态低维护

是否开源是

定价模式 free

项目数据

分类视频生成

开发团队AILab-CVC

所属国家

官网地址https://ailab-cvc.github.io/videocrafter2

GitHubhttps://github.com/AILab-CVC/VideoCrafter

定价模式free

价格说明开源项目，代码公开，可自行部署使用，无付费版本。

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型image-to-video,text-to-video,video-generation

GitHub 星标★ 5080

30天Star增速

HF 下载量

上线时间2023-04-03 00:00:00

最近更新2026-09-22 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

难度：进阶约 15 分钟部署方式：本地安装 5 步

环境要求

已安装 Anaconda 或 Miniconda（README 推荐用 Anaconda 安装环境）
Python 3.8.5（README 指定的 conda 环境版本）
可正常访问 GitHub 与 PyPI 的网络环境

安装与启动步骤

1克隆项目代码

README 未直接给出克隆命令，按其 GitHub 地址拉取源码并进入项目根目录，后续命令都在此目录执行。
```
git clone https://github.com/AILab-CVC/VideoCrafter.git
cd VideoCrafter
```
2创建 conda 环境

按 README 的 Setup 第 1 步创建名为 videocrafter 的虚拟环境，Python 版本必须是 3.8.5。
```
conda create -n videocrafter python=3.8.5
```
3激活虚拟环境

激活刚创建的环境，之后所有安装命令都要在该环境内执行，否则依赖会装到 base 环境。
```
conda activate videocrafter
```
4安装项目依赖

README 给出的安装命令，会按项目 requirements.txt 安装全部 Python 依赖，耗时较长请耐心等待。
```
pip install -r requirements.txt
```
5获取模型权重

README 节选未提供权重下载命令，权重在 Hugging Face 上，请照官方仓库 README 的模型部分下载后再推理。

如何确认成功

README 节选未给出启动或推理命令；确认 conda 环境激活成功且依赖安装无报错即可视为准备完成。

常见问题

Q：conda 创建环境速度很慢或超时怎么办？

A：可先为 conda 配置国内镜像源后重试 conda create；pip 安装依赖慢时可加 -i 参数指定国内 PyPI 镜像。

Q：Python 版本可以用 3.9 或 3.10 吗？

A：README 明确指定 python=3.8.5，建议保持一致，避免依赖版本冲突导致安装失败。

Q：没有下载到模型权重能运行吗？

A：不能。README 节选只给出环境安装步骤，未给权重与推理命令，需按官方仓库说明下载 Text2Video / Image2Video 权重。

Q：只想快速体验，不想本地装环境可以吗？

A：可以，README 提供了 Hugging Face 在线 Demo 入口，直接在浏览器访问即可试用，无需本地安装。

注意事项

README 节选仅包含环境安装部分，推理命令、权重下载与配置参数均未给出，请以官方仓库最新 README 为准。
conda 环境名固定为 videocrafter，后续执行命令前务必先 conda activate videocrafter。
本项目为视频扩散模型，实际推理对显存要求较高，建议在具备 NVIDIA GPU 的机器上使用。

核心亮点

提出VideoCrafter2方法，针对视频扩散模型训练数据不足问题给出系统性解决方案，学术价值明确
支持text-to-video与image-to-video双模式，覆盖主流视频生成需求，技术栈清晰
GitHub星标5071且处于成长阶段，社区关注度与活跃度良好，代码库以Python实现便于二次开发

不足之处

文档/社区待观察

适用场景

学术研究者复现和改进视频扩散模型训练策略
开发者构建短视频、广告等创意内容的自动化生成工具
产品团队评估视频生成能力，用于原型验证或内容生产管线集成

替代项目

ModelScope Text-to-Video、AnimateDiff、VideoFusion

项目介绍

VideoCrafter 是视频领域的开源项目，由 AILab-CVC 开发，2023 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（5,080）位列前 9%，在视频分类的 472 个项目里位列前 6%。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-22。代码公开，可自行部署使用，无付费版本。

它主要面向的使用场景是：学术研究者复现和改进视频扩散模型训练策略。同类可对比的替代方案包括 ModelScope Text-to-Video、AnimateDiff、VideoFusion。

上一篇：ViMax

下一篇：HunyuanVideo-1.5