Free-Bloom

输入一句话,LLM 当导演,LDM 自动生成视频

Free-Bloom 是一个零样本(Zero-Shot)文本生成视频的开源项目,发表于 NeurIPS 2023。它解决的是无需视频训练数据即可将文本描述转化为连贯视频的问题。核心思路是将大语言模型(LLM)作为导演,负责将用户提示扩展为分镜脚本和每个镜头的文本描述;再将预训练的潜在扩散模型(LDM,如 Stable Diffusion)作为动画师,逐帧生成图像并融合时间一致性。项目主要提供推理代码和预训练模型权重,支持用户输入任意文本提示,自动生成短视频。其核心能力包括:利用 LLM 进行视频内容规划、利用 LDM 进行高质量图像生成、通过帧间融合实现基本运动效果。由于是早期研究项目,代码结构偏向实验性,适合研究零样本视频生成技术的开发者参考。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 97
维护状态 低维护
是否开源
定价模式 free

项目数据

分类图像生成
开发团队SooLab
所属国家
官网地址
定价模式free
价格说明开源项目,Apache-2.0 许可证,可免费使用和修改,无在线服务或付费版本。
访问状态
是否开源
开源协议Apache-2.0
主要语言Python
技术栈/模型free-bloom,stable-diffusion,text-to-video,zero-shot
GitHub 星标★ 97
30天Star增速
HF 下载量
上线时间2023-09-22 00:00:00
最近更新2026-08-31 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4

使用教程

核心亮点

  • 真正零样本,无需任何视频训练数据即可生成视频
  • 巧妙结合 LLM 与扩散模型,实现文本到视频的端到端流程
  • 基于 Stable Diffusion,图像质量有保障,且易于扩展

不足之处

  • 生成视频长度短,运动幅度有限,效果较简单
  • 推理速度慢,需多次调用扩散模型,资源消耗大
  • 文档与社区支持不足,代码注释较少,上手门槛高

适用场景

  • 学术研究:探索零样本视频生成的技术路线
  • 创意原型:快速将文本构想转为视频草稿
  • 教学演示:展示 LLM 与扩散模型的协同应用

替代项目

Text2Video-Zero、ModelScope Text-to-Video、CogVideo

项目介绍

Free-Bloom 是视频领域的开源项目,由 SooLab 开发,2023 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 97。

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 2026-08-31。Apache-2.0 许可证,可免费使用和修改,无在线服务或付费版本。

它主要面向的使用场景是:学术研究:探索零样本视频生成的技术路线。同类可对比的替代方案包括 Text2Video-Zero、ModelScope Text-to-Video、CogVideo。

上一篇:M3DDM-Video-Outpainting

下一篇:Promptus

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

★ 334 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
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···

★ 4266 2026-08-10