PhyT2V 是视频领域的开源项目，由 pittisl 开发，2024 年首次发布。
它收录于视频分类，该分类目前共有 472 个项目，GitHub 星标数为 67。
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 2026-09-01。开源代码仓库，需自行部署，无在线服务，完全免费。
它主要面向的使用场景是：科研人员复现物理感知视频生成算法，用于学术对比实验。同类可对比的替代方案包括 PhysGen、PhysicsDreamer、VideoGPT。
PhyT2V
让AI生成的视频更懂物理规律，画面不再反常识
PhyT2V 是一个面向物理感知文本生成视频（Text-to-Video）的官方开源实现，对应 CVPR 2025 论文。它解决的是现有视频生成模型在物理规律遵循上表现不佳的问题，例如物体运动轨迹不合理、重力/碰撞等物理现象失真。核心能力在于利用大语言模型（LLM）进行迭代式自我精炼，通过多轮提示词调优和引导，逐步修正生成视频中的物理违和感，使视频内容更符合真实世界规律。项目基于扩散模型架构，集成 LLM 推理与提示词工程，提供完整的训练与推理代码，支持自定义物理场景生成。
开源
free
视频生成
GitHub 星标
★ 67
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pittisl
所属国家
定价模式free
价格说明开源代码仓库，需自行部署，无在线服务，完全免费。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型cvpr2025,diffusion-models,llm-reasoning,prompt-tuning,video-generation
GitHub 星标★ 67
30天Star增速
HF 下载量
上线时间2024-11-29 00:00:00
最近更新2026-09-01 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
核心亮点
- CVPR 2025 官方代码，算法经过学术验证，物理引导思路新颖
- 结合 LLM 迭代自我精炼，能针对物理错误自动修正提示词，而非简单堆数据
- 基于扩散模型，支持细粒度控制物理属性（如速度、方向），生成效果可预期
不足之处
- 项目处于早期，文档和社区支持待观察
- 依赖 LLM 推理，生成速度可能较慢，且需要额外调用大模型 API
适用场景
- 科研人员复现物理感知视频生成算法，用于学术对比实验
- 影视或动画制作中，快速生成符合物理规律的预演片段
- 教育领域，生成物理现象演示视频（如抛物线、碰撞）辅助教学
替代项目
PhysGen、PhysicsDreamer、VideoGPT
项目介绍
上一篇：fantasy-portrait
下一篇：vmem
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 ···
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
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···
auto-subs
开源
在剪辑软件里直接生成字幕，省去导出导入的麻烦
On-device subtitle generation that connects directly to DaVinci Resolve, Premiere, a···