Pyramid-Flow

用金字塔流匹配,让视频生成又快又清晰

Pyramid-Flow 是一个基于流匹配的高效视频生成开源项目,由快手科技提出,论文发表于 ICLR 2025。它针对现有视频扩散模型推理速度慢、计算成本高的问题,提出了一种金字塔式流匹配方法:在多个尺度上逐步生成视频,先低分辨率生成全局结构,再逐步上采样细化细节,从而大幅减少计算量。项目支持文本到视频生成,能生成高分辨率、时间上连贯的视频片段,并提供了完整的训练和推理代码。核心能力包括多尺度流匹配、高效采样、以及可扩展的模型架构,适合研究高效视频生成算法的开发者使用。

开源 free 视频生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 3213
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jy0205
所属国家
定价模式free
价格说明开源项目,MIT许可证,提供在线演示页面,完全免费。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型diffusion-models,flow-matching,video-generation
GitHub 星标★ 3213
30天Star增速
HF 下载量
上线时间2024-10-06 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2

使用教程

难度:进阶 约 30 分钟 部署方式:本地安装 6 步

环境要求

  • conda 环境管理工具(README 推荐用 conda 配置环境)
  • Python 3.8.10
  • PyTorch 2.1.2(README 给出对应版本安装指南)
  • Gradio,用于启动本地网页 demo
  • 可访问 Hugging Face 下载模型权重,并具备可运行视频生成的 GPU 环境

安装与启动步骤

  1. 1克隆项目代码

    从 GitHub 拉取 Pyramid-Flow 官方仓库,并进入项目根目录。

    git clone https://github.com/jy0205/Pyramid-Flow
    cd Pyramid-Flow
  2. 2创建 conda 环境

    README 推荐使用 conda,代码库当前基于 Python 3.8.10,激活后再装依赖。

    conda create -n pyramid-flow python=3.8.10 -y
    conda activate pyramid-flow
  3. 3安装项目依赖

    安装 requirements.txt 中的依赖,并额外安装 Gradio;PyTorch 建议按官方指南装 2.1.2。

    pip install -r requirements.txt
    pip install gradio
  4. 4下载模型权重

    从 Hugging Face 获取 miniFLUX(最长 10 秒)或 SD3 权重,保存到本地目录。

  5. 5设置模型路径

    打开 app.py,把第 36 行(#L36)的模型路径改为你本地存放权重的目录。

  6. 6启动 Gradio 演示

    在项目目录执行 app.py,Gradio 演示页面会在浏览器中打开。

    python app.py

关键配置

配置项必填说明示例
模型路径(app.py 第36行)是指向本地下载好的模型权重目录,不修改则无法加载模型/your/path/pyramid-flow-miniflux
guidance_scale否控制画面视觉质量;768p 权重建议 7~9,384p 权重建议 77
video_guidance_scale否控制运动幅度;调大动态更强并缓解自回归退化,调小更稳定5

如何确认成功

执行 python app.py 后浏览器自动打开 Gradio 页面,输入文本提示能正常生成视频即部署成功。

常见问题

Q:没有 GPU 能跑吗?

A:README 未给出本地显存要求。可先试用官方 Hugging Face Space 在线 demo,受 GPU 限制它只能生成 25 帧(按 8FPS 或 24FPS 导出)。

Q:想生成更长的视频怎么办?

A:Hugging Face 在线 demo 受 GPU 限制只生成 25 帧,可以 Duplicate 该 Space 后自行生成更长视频,或本地部署后生成最长 10 秒的视频。

Q:生成的视频动作太小或不够稳定?

A:调节 video_guidance_scale:值越大动态程度越高、可缓解自回归生成的退化;值越小视频越稳定。

Q:画面质量不理想怎么调?

A:用 guidance_scale 控制视觉质量:768p 权重建议取 7~9,384p 权重建议取 7;生成 10 秒视频推荐 guidance scale 7、video guidance scale 5。

注意事项

  • 代码库当前基于 Python 3.8.10 和 PyTorch 2.1.2,作者正在支持更多版本。
  • 模型权重需自行从 Hugging Face 下载:miniFLUX 版(最长 10s)与 SD3 版。
  • 模型可生成 768p、24FPS、最长 10 秒的视频,并天然支持图生视频。
  • 官方推荐用 conda 管理环境,修改 app.py 第 36 行模型路径后再启动。

核心亮点

  • 推理速度相比传统扩散模型显著提升,适合实际应用
  • 多尺度生成策略,兼顾全局一致性与细节质量
  • 代码结构清晰,提供预训练模型和完整训练流程

不足之处

  • 文档和社区支持尚待完善,新手入门有一定门槛
  • 对显存要求较高,普通消费级显卡难以跑大分辨率

适用场景

  • 短视频自动生成与内容创作
  • 影视特效预可视化与概念设计
  • 学术研究:高效视频生成算法对比与改进

替代项目

CogVideoX、AnimateDiff、Stable Video Diffusion

项目介绍

Pyramid-Flow 是视频领域的开源项目,由 jy0205 开发,2024 年首次发布。

在全站 13,090 个收录项目中,它的 GitHub 星标数(3,213)位列前 30%,在视频分类的 473 个项目里位列前 9%。

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。MIT许可证,提供在线演示页面,完全免费。从国内网络环境看,可直接访问。

它主要面向的使用场景是:短视频自动生成与内容创作。同类可对比的替代方案包括 CogVideoX、AnimateDiff、Stable Video Diffusion。

上一篇:KineTy

下一篇:StoryGen

同类项目推荐

MoneyPrinterTurbo 开源

输入一句话,高清短视频自动出炉,文案配音全包了

利用 AI 大模型和自动化工作流,根据主题或关键词一键生成高清短视频。Generate HD short ···

★ 125106 2026-08-09
seedance-2.0-api 开源

快速上手字节Seedance 2.0,文本/图片一键生成视频

Seedance 2.0 API — text-to-video and image-to-video examples

★ 332 2026-08-26
openscreen 开源

免费无水印录屏做演示,替代 Screen Studio

Record your screen, ship a demo. Free and open-source, GPU-accelerated, no watermark···

★ 3185 2026-08-10
MagicDance 开源

一张图+任意动作,生成身份不变的逼真人物视频

[ICML 2024] MagicPose(also known as MagicDance): Realistic Human Poses and Facial Ex···

★ 777 2026-08-09