FastVideo

生成提速几十倍，再也不用干等出片

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署视频生成 🍴 复刻 520 🐛 待处理 141 👀 关注 38

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 4792

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源框架，Apache-2.0 许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类视频生成

开发团队hao-ai-lab

官网地址https://hao-ai-lab.github.io/FastVideo

GitHubhttps://github.com/hao-ai-lab/FastVideo

定价模式🏷️完全免费

价格说明开源框架，Apache-2.0 许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型diffusers,diffusion-models,distillation,inference,post-training,video-generation

GitHub 星标★ 4792

上线时间2024-10-24 00:00:00

代码更新2026-11-08

仓库体积429.8 MB

本站数据更新2026-11-08

维护状态活跃

收录时间2026-08-09

浏览次数8

项目介绍

统一的视频生成加速框架，将推理与后训练（post-training）流程整合一体，通过高效优化实现更快的视频生成速度，降低训练与推理成本，适合研究团队与工程部署使用。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 4792

技术标签

diffusers diffusion-models distillation inference post-training

使用教程

难度：进阶约 10 分钟部署方式：库/依赖 6 步

环境要求

uv 包管理器（README 推荐用 uv 创建干净环境，替代 Conda）
NVIDIA GPU + CUDA 12（使用 UV_TORCH_BACKEND=cu126）或 CUDA 13（使用 cu130）
Apple Silicon Mac 走 MLX 安装路线，DGX Spark（GB10/ARM64 + CUDA 13）需源码安装

安装与启动步骤

1准备 uv 环境

README 建议用 uv 创建干净的虚拟环境，并说明从 Conda 迁移到 uv 通常安装更快更稳定；README 未给出具体建环境命令。
2CUDA 12 安装

在 CUDA 12 环境下安装 FastVideo，UV_TORCH_BACKEND 指定为 cu126，请在已激活的 uv 环境中执行。
```
UV_TORCH_BACKEND=cu126 uv pip install fastvideo
```
3CUDA 13 安装

CUDA 13 用户把后端变量换成 cu130，其余安装方式与 CUDA 12 完全相同。
```
UV_TORCH_BACKEND=cu130 uv pip install fastvideo
```
4Mac 安装 MLX

Apple Silicon 通过 MLX 运行时跑 FastMetal-QAD，需可编辑安装 mlx 附加项，并下载 FastVideo/FastMetal-1.3B-QAD 权重，参考官方 MPS 指南。
```
uv pip install -e '.[mlx]'
```
5DGX 源码安装

DGX Spark（GB10 / ARM64 + CUDA 13）没有预编译 ARM wheel，改用以 cu130 的可编辑源码安装，编译时会顺便构建 CUDA kernel。
```
UV_TORCH_BACKEND=cu130 uv pip install -e .
```
6验证安装

先确认能导入 fastvideo 并检测到 CUDA，再查看命令行帮助，确认安装完整可用。
```
python -c "import fastvideo, torch; print('cuda', torch.cuda.is_available())"
fastvideo --help
```

关键配置

配置项	必填	说明	示例
`UV_TORCH_BACKEND`	是	指定安装使用的 PyTorch/CUDA 后端，cu126 对应 CUDA 12，cu130 对应 CUDA 13	`cu126`

如何确认成功

执行 python -c "import fastvideo, torch; print('cuda', torch.cuda.is_available())" 能正常导入并输出 cuda 状态，且 fastvideo --help 能打印

常见问题

Q：应该用 uv 还是 Conda 建环境？

A：README 推荐使用 uv 创建干净环境，并说明如果之前用 Conda，切换到 uv 一般安装更快、更稳定。

Q：CUDA 12 和 CUDA 13 分别怎么装？

A：CUDA 12 执行 UV_TORCH_BACKEND=cu126 uv pip install fastvideo；CUDA 13 把变量改为 UV_TORCH_BACKEND=cu130 即可。

Q：Apple Silicon Mac 上怎么安装？

A：执行 uv pip install -e '.[mlx]'，下载 FastVideo/FastMetal-1.3B-QAD 权重，并按官方 Apple Silicon（MPS）安装指南操作。

Q：DGX Spark 为什么不能直接 pip install fastvideo？

A：因为没有预编译的 ARM wheel，需改成 UV_TORCH_BACKEND=cu130 uv pip install -e . 从源码编译 CUDA kernel，另需单独装兼容的 ARM64 FlashAttention wheel。

注意事项

README 只给出安装与验证命令，更详细的安装说明需查阅官方文档 https://hao-ai-lab.github.io/FastVideo/getting_started/installation/
Apple Silicon 用户请遵循 MPS 安装指南；DGX Spark 用户请遵循 Spark 安装指南
也可把 README 提供的提示词粘贴给 Claude Code、Cursor 等编码代理，自动检测平台并按对应指南安装
DGX Spark 需要另行获取预编译的 ARM64 FlashAttention wheel