FreeInit

不重训模型，让视频生成更连贯更稳定

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 22 🐛 待处理 12 👀 关注 3

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 545

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

项目数据

分类视频生成

开发团队TianxingWu

官网地址https://tianxingwu.github.io/pages/FreeInit

GitHubhttps://github.com/TianxingWu/FreeInit

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aigc,text-to-video,video-diffusion-model,video-generation

GitHub 星标★ 545

上线时间2023-12-12 00:00:00

代码更新2024-01-18

仓库体积60.7 MB

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3

项目介绍

FreeInit 是一个针对视频扩散模型的训练后优化方法，由南洋理工大学等机构在 ECCV 2024 提出。它解决视频扩散模型在生成时因初始噪声与视频低频结构不匹配而导致的时序闪烁和运动不连贯问题。核心能力是在不重新训练模型的前提下，通过迭代地对初始潜变量进行频谱空间的重采样和混合，弥合初始化差距，显著提升生成视频的时序一致性和整体质量。方法即插即用，兼容现有主流视频扩散模型，如 AnimateDiff 和 VideoCrafter，仅需少量推理步骤即可带来明显改善。

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 ★ 545

技术标签

aigc text-to-video video-diffusion-model 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 60 分钟部署方式：本地GPU 5 步

环境要求

CUDA 显卡
PyTorch
预训练视频扩散模型

安装与启动步骤

1拉仓库

论文实现，代码量不大但依赖不轻。
```
git clone https://github.com/TianxingWu/FreeInit.git
```
2装依赖下权重

按说明准备推理所需的预训练模型。
3跑一次带 FreeInit 的生成

同一条提示词，开与不开各跑一次对比。
```
python -m scripts.animate_with_freeinit
```
4看时序一致性

重点看帧间抖动，这是它要解决的问题。
5起交互界面调参

网页界面方便快速换提示词。
```
python app.py
```