MagicTime

一句话生成延时视频，模拟自然演变过程

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 120 🐛 待处理 10 👀 关注 15

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1336

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，Apache-2.0许可证，可免费使用和部署。

项目预览

项目数据

分类视频生成

开发团队PKU-YuanGroup

官网地址https://pku-yuangroup.github.io/MagicTime

GitHubhttps://github.com/PKU-YuanGroup/MagicTime

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0许可证，可免费使用和部署。

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diffusion-models,long-video-generation,metamorphic-video-generation,open-sora-plan,text-to-video,time-lapse,time-lapse-dataset,video-generation

GitHub 星标★ 1336

上线时间2024-04-07 00:00:00

代码更新2026-04-14

仓库体积1.2 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

MagicTime 是一个专注于生成延时摄影视频的开源项目，核心能力是将文本描述转化为自然演变过程的延时视频，例如花朵绽放、冰雪融化、云卷云舒等。它基于扩散模型，并提出了 Metamorphic Video Generation 的概念，旨在模拟物理世界中的形态变化过程。项目解决了通用视频生成模型在时间演变和物理规律模拟上的不足，通过引入时间感知的注意力机制和运动先验，使生成的视频在时间维度上具有连贯性和真实性。其技术栈包括 diffusion-models、long-video-generation 和 text-to-video，并基于 Open-Sora-Plan 构建，支持长视频生成。该项目发表于 TPAMI 2025，具有学术严谨性，为视频生成领域提供了新的研究方向和实用工具。

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 ★ 1336

技术标签

diffusion-models long-video-generation text-to-video video-generation

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：进阶约 30 分钟部署方式：本地安装 5 步

环境要求

Python 环境（项目开发语言为 Python）
已安装 huggingface-cli（huggingface_hub 命令行工具）
可执行 .sh 脚本的 Shell 环境（Linux/macOS 或 WSL）
可访问 HuggingFace 的网络（中国大陆建议配置镜像）
本地磁盘空间用于存放模型权重（ckpts 目录）

安装与启动步骤

1配置 HuggingFace 镜像

中国大陆用户先设置镜像地址，避免模型下载失败；非大陆用户可跳过此步直接下载模型。
```
export HF_ENDPOINT=https://hf-mirror.com
```
2下载模型权重

使用 huggingface-cli 从 HuggingFace 仓库 BestWishYsh/MagicTime 拉取模型，保存到本地 ckpts 目录。
```
huggingface-cli download --repo-type model BestWishYsh/MagicTime --local-dir ckpts
```
3运行推理脚本

README 提供 inference.sh 一键推理脚本，在项目根目录直接执行即可生成延时视频。
```
sh inference.sh
```
4命令行方式推理

如需命令行交互方式运行推理，可改用 inference_cli.sh 脚本，效果与 inference.sh 相同。
```
sh inference_cli.sh
```
5使用自定义提示词

将全部自定义 prompt 写进一个 .txt 文件，再运行对应脚本即可按文件内容批量生成视频。