phenaki-pytorch

用文本生成最长2分钟视频，基于Mask GIT的PyTorch实现

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 80 🐛 待处理 14 👀 关注 35

GitHub ↗

GitHub 星标 ★ 790

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，需自行部署使用。

项目预览

phenaki-pytorch 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类视频生成

开发团队lucidrains

GitHubhttps://github.com/lucidrains/phenaki-pytorch

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，需自行部署使用。

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MIT

主要语言Python

技术栈/模型artificial-intelligence,attention-mechanisms,deep-learning,imagination-machine,text-to-video,transformers

GitHub 星标★ 790

上线时间2022-09-29 00:00:00

代码更新2024-07-29

仓库体积272 KB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

Phenaki-PyTorch 是 Phenaki 视频生成模型的非官方 PyTorch 实现。Phenaki 由 Google 提出，核心创新在于利用 Mask GIT（掩码生成图像变换）技术，能够根据文本描述生成最长可达 2 分钟的视频。该项目解决了现有文本到视频模型生成时长短、依赖大规模视频-文本配对数据的问题，通过将视频压缩为离散视觉令牌序列，并使用双向 Transformer 进行掩码预测，实现长视频的生成。核心能力包括：文本条件视频生成、可变长度视频生成（从几秒到2分钟）、基于因果 Transformer 的时序建模，以及支持视频扩展（续写）。项目代码结构清晰，基于 PyTorch 和现有图像生成库（如 VQGAN）构建，适合研究者和开发者进行二次开发与实验。

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 ★ 790

技术标签

artificial-intelligence deep-learning text-to-video transformers

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 40 分钟部署方式：本地安装 4 步

环境要求

NVIDIA GPU 24G+
大规模视频文本数据

安装与启动步骤

1装包

Phenaki 的 PyTorch 实现，文本生成长视频。
```
pip install phenaki-pytorch
```
2准备数据

需要视频 + 文本对，仓库带数据集封装。
```
from phenaki_pytorch import VideoTokenizer, Phenaki
```
3先训 tokenizer

视频要先压到离散 token 空间。
```
trainer.train()
```
4再训生成模型

两阶段，顺序不能反。
```
trainer.train()  # 加载 tokenizer 权重后
```