Stable-Video-Infinity

让视频扩散模型无限延长也不崩坏

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。

开源 free 视频生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2578

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类视频生成

开发团队vita-epfl

所属国家

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

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

定价模式free

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

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★ 2578

30天Star增速

HF 下载量

上线时间2025-10-09 00:00:00

最近更新2026-09-27 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-29

浏览次数0

使用教程

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。

核心亮点

提出 Error Recycling 机制，直接缓解长视频生成中的误差累积与画面漂移
被 ICLR 26 接收为 Oral，方法有学术背书，技术路线可信
覆盖音频驱动说话人脸、舞蹈生成、端到端拍摄等多种长视频场景

不足之处

推理显存与算力需求较高，普通消费级显卡难以直接跑长视频
项目较新，预训练权重与一键推理脚本的完善度待观察

适用场景

虚拟人长时直播或口播视频生成
舞蹈/动作类短视频的连续长镜头生成
影视预演与广告分镜的端到端长视频拍摄

替代项目

AnimateDiff、CogVideoX、Open-Sora

项目介绍

Stable-Video-Infinity 是视频领域的开源项目，由 vita-epfl 开发，2025 年首次发布。

在全站 13,276 个收录项目中，它的 GitHub 星标数（2,578）位列前 30%，在视频分类的 503 个项目里位列前 10%。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-27。代码免费使用。

它主要面向的使用场景是：虚拟人长时直播或口播视频生成。同类可对比的替代方案包括 AnimateDiff、CogVideoX、Open-Sora。

上一篇：Awesome-Human-Video-Generation

下一篇：Awesome-Human-Motion-Video-Generation