FlashVideo

技术特点

• 两阶段框架设计：视频生成分为“低分辨率优先”和“高分辨率增强”两个阶段。第一阶段使用 50 亿参数的低分辨率模型（270p）快速生成符合文本描述的视频内容，第二阶段进行分辨率提升和细节优化，最终生成 1080p 高清视频。
• 流匹配技术：创新性地使用流匹配（Flow Matching）技术，仅需 4 步即可完成高分辨率细节生成，相比传统方法提速显著。
• 快速预览功能：用户可以在 30 秒内获得初步结果，再决定是否继续生成高分辨率视频。
• 先进模型架构：首次将 RetNet 架构应用于视频生成，大大提高了效率，将推理时间复杂度从 O(L^2) 降低至 O(L)。
• 冗余帧插值方法：优化视频的流畅性，进一步提升生成视频的质量。

主要优势

生成速度：1080p 视频仅需 102 秒，比传统方法快 4 倍。

计算成本：相比单阶段模型降低 90% 显存消耗。

生成质量：通过动态时序模块保持动作连贯性，支持每秒 24 帧流畅度。

应用场景

• 在线广告：用于网站广告，通过创意动画和视频广告吸引用户。
• 教育培训：用于制作教育课程，通过动画与视频结合讲解复杂概念。
• 企业宣传：用于品牌推广，增强品牌形象，提升品牌认知度和促进销售。

FlashVideo 的代码在 2025 年 2 月 12 日宣布开源，可以在 GitHub 上获取。

GitHub：https://github.com/FoundationVision/FlashVideo

项目地址：https://jshilong.github.io/flashvideo-page/