Stable-Video-Infinity

让视频扩散模型无限延长也不崩坏

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 233 🐛 待处理 41 👀 关注 45

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 2620

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源项目，代码免费使用，定价信息待确认

项目预览

Stable-Video-Infinity 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vita-epfl

官网地址https://stable-video-infinity.github.io/homepage

GitHubhttps://github.com/vita-epfl/Stable-Video-Infinity

定价模式🏷️完全免费

价格说明开源项目，代码免费使用，定价信息待确认

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audio-driven-talking-face,dance-generation,end-to-end-filming,long-video-generation,video-diffusion-transformers

GitHub 星标★ 2620

上线时间2025-10-09 00:00:00

代码更新2026-09-17

仓库体积225.9 MB

本站数据更新2026-11-12

维护状态维护中

收录时间2026-09-29

浏览次数1

项目介绍

Stable-Video-Infinity 是一个面向无限长度视频生成的开源项目，被 ICLR 26 接收为 Oral 论文。它针对现有视频扩散模型在长视频生成中误差累积、画面漂移和显存爆炸的问题，提出 Error Recycling（误差回收）机制，把生成过程中产生的误差重新注入后续去噪步骤，从而在保持时序一致性的同时持续延长视频。项目基于视频扩散 Transformer，支持音频驱动说话人脸、舞蹈生成、端到端拍摄等场景，可生成长时间连贯视频而不出现明显崩坏。代码为 Python 实现，提供训练与推理流程，适合研究者和工程团队用于长视频生成、虚拟人、影视预演等方向。

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 2026-09-29 · 当前星标 ★ 2620

技术标签

audio-driven-talking-face long-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：高级约 30 分钟部署方式：模型权重 5 步

环境要求

Linux + NVIDIA GPU（官方在 A100 80G 上测试）
CUDA 12.0 环境
PyTorch 2.4.1 / 2.5.0 / 2.8.0（README 测试版本）
Python 3.10（conda 环境）
需从 Hugging Face 或 ModelScope 下载模型权重

安装与启动步骤

1创建 conda 环境

使用 conda 创建 Python 3.10 的独立环境，避免与系统包冲突。
```
conda create -n svi python=3.10
```
2激活环境

激活刚创建的 svi 环境，后续所有安装都在此环境内执行。
```
conda activate svi
```
3安装 ffmpeg

通过 conda-forge 安装视频处理所需的多媒体库 ffmpeg。
```
conda install -c conda-forge ffmpeg
```
4安装 librosa

安装音频处理库 librosa，供音频驱动说话人脸等场景使用。
```
conda install -c conda-forge librosa
```
5安装 libiconv

安装字符编码转换库 libiconv，解决部分依赖的编码问题。
```
conda install -c conda-forge libiconv
```

关键配置

配置项	必填	说明	示例
`torch 版本`	是	README 自动脚本会安装 torch==2.5.0，也支持 2.4.1 与 2.8.0。	`2.5.0`

如何确认成功

能成功执行 conda activate svi 并在新环境中导入 librosa 无报错，即表示基础环境配置完成。

常见问题

Q：flash-attn 安装失败怎么办？

A：README 指出可参考项目 issue #3 的讨论排查，通常与 CUDA 版本和编译环境有关。

Q：可以用更低版本的 torch 吗？

A：可以，README 明确测试过 torch==2.4.1 和 torch==2.5.0，2.8.0 为 A100 上的复现版本。

Q：没有 A100 80G 能跑吗？

A：README 仅声明在 A100 80G 上测试通过，未给出其他显存配置的保证。

注意事项

README 只给出了环境安装部分，模型下载、推理脚本等需参考官方仓库与项目主页。
确认 CUDA 版本与 torch 版本匹配，避免 flash-attn 编译失败。
模型权重可从 Hugging Face 的 vita-video-gen/svi-model 或 ModelScope 的 epfl-vita/svi-model 获取。