Video-T1:视频生成实时手术刀!清华腾讯「帧树算法」终结闪烁抖动

❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发感兴趣,我会每日分享大模型与 AI 领域的开源项目和应用,提供运行实例和实用教程,帮助你快速上手AI技术!

🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 丰富的 AI 工具库 -> 每日更新 -> 尽在微信公众号 -> 搜一搜:蚝油菜花 🥦


🎥 「别让AI视频像PPT!清华黑科技让每秒都是电影级」

大家好,我是蚝油菜花。这些视频生成的暴击现场你是否经历过------

  • 👉 用AI生成产品演示视频,物体抽搐得像跳机械舞
  • 👉 精心写的提示词,结果主角跑到第三帧就人间蒸发
  • 👉 4K视频导出像打了马赛克,甲方问「这是诺基亚拍的?」...

今天要颠覆影视圈的 Video-T1 ,正在重写生成规则!清华×腾讯这剂猛药:

  • ✅ 「帧树手术」:像剪辑师逐帧精修,闪烁抖动直接物理阉割
  • ✅ 提示词骨钉术:动态调整提示确保每个画面都忠诚剧本
  • ✅ 实时画质透析:生成时自动追加算力,4K细节堪比毛孔显微镜

已有团队用它量产TVC广告,短剧导演靠AI生成电影长镜头------你的视频生产线,是时候安装「清华牌涡轮增压器」了!

🚀 快速阅读

Video-T1是清华大学与腾讯联合开发的视频生成优化技术。

  1. 核心功能:通过测试阶段动态计算提升视频质量,实现文本到视频的高精度匹配
  2. 技术原理:采用Tree-of-Frames方法分阶段优化帧序列,结合验证器反馈进行自回归扩展与剪枝

Video-T1 是什么

Video-T1 是清华大学和腾讯的研究人员共同推出的视频生成技术,基于测试时扩展(Test-Time Scaling,TTS)提升视频生成的质量和一致性。传统视频生成模型在训练后直接生成视频,Video-T1 在测试阶段引入额外计算资源,基于动态调整生成路径优化视频质量。

研究推出 Tree-of-Frames (ToF) 方法,将视频生成分为多个阶段,逐步优化帧的连贯性和与文本提示的匹配度。Video-T1 为视频生成领域提供新的优化思路,展示测试时扩展的强大潜力。

Video-T1 的主要功能

  • 提升视频质量:在测试阶段增加计算资源,生成更高质量的视频,减少模糊和噪声
  • 增强文本一致性:确保生成的视频符合给定的文本提示,提高视频与文本的匹配度
  • 优化视频连贯性:改善视频帧之间的运动平滑性和时间连贯性,减少闪烁和抖动
  • 适应复杂场景:在处理复杂场景和动态对象时,生成更稳定和真实的视频内容

Video-T1 的技术原理

  • 搜索空间构建:基于测试时验证器(verifiers)提供反馈,结合启发式算法指导搜索过程
  • 随机线性搜索:在推理时增加噪声候选样本,逐步去噪生成视频片段,选择验证器评分最高的结果
  • Tree-of-Frames(ToF)方法
    • 图像级对齐:初始帧的生成影响后续帧
    • 动态提示应用:在测试验证器中动态调整提示,关注运动稳定性和物理合理性
    • 整体质量评估:评估视频的整体质量,选择与文本提示最匹配的视频
  • 自回归扩展与剪枝:基于自回归方式动态扩展和剪枝视频分支,提高生成效率

如何运行 Video-T1

🔧 安装

依赖环境:

bash 复制代码
git clone https://github.com/liuff19/Video-T1.git
cd VideoT1
conda create -n videot1 python==3.10
conda activate videot1
pip install -r requirements.txt
git clone https://github.com/LLaVA-VL/LLaVA-NeXT && cd LLaVA-NeXT && pip install --no-deps -e ".[train]"

💻 推理

1. 快速开始

bash 复制代码
cd VideoT1
python -m videot1.py --prompt "A cat wearing sunglasses and working as a lifeguard at a pool." --video_name cat_lifeguard

2. 多GPU推理

bash 复制代码
python videot1_multigpu.py --prompt "A cat wearing sunglasses and working as a lifeguard at a pool." --video_name cat_lifeguard --reward_device_id 0 --base_device_id 1 --imgcot_device_id 2 --lm_device_id 3

资源


❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发感兴趣,我会每日分享大模型与 AI 领域的开源项目和应用,提供运行实例和实用教程,帮助你快速上手AI技术!

🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 丰富的 AI 工具库 -> 每日更新 -> 尽在微信公众号 -> 搜一搜:蚝油菜花 🥦

相关推荐
xiaoxiaoxiaolll1 小时前
期刊速递 | 《Light Sci. Appl.》超宽带光热电机理研究,推动碳纳米管传感器在制药质控中的实际应用
人工智能·学习
练习两年半的工程师1 小时前
AWS TechFest 2025: 风险模型的转变、流程设计的转型、生成式 AI 从实验走向实施的三大关键要素、评估生成式 AI 用例的适配度
人工智能·科技·金融·aws
DisonTangor2 小时前
字节开源 OneReward: 通过多任务人类偏好学习实现统一掩模引导的图像生成
学习·ai作画·开源·aigc
Elastic 中国社区官方博客4 小时前
Elasticsearch:智能搜索的 MCP
大数据·人工智能·elasticsearch·搜索引擎·全文检索
stbomei4 小时前
从“能说话”到“会做事”:AI Agent如何重构日常工作流?
人工智能
yzx9910134 小时前
生活在数字世界:一份人人都能看懂的网络安全生存指南
运维·开发语言·网络·人工智能·自动化
许泽宇的技术分享5 小时前
LangGraph深度解析:构建下一代智能Agent的架构革命——从Pregel到现代AI工作流的技术飞跃
人工智能·架构
乔巴先生245 小时前
LLMCompiler:基于LangGraph的并行化Agent架构高效实现
人工智能·python·langchain·人机交互
静西子6 小时前
LLM大语言模型部署到本地(个人总结)
人工智能·语言模型·自然语言处理
cxr8287 小时前
基于Claude Code的 规范驱动开发(SDD)指南
人工智能·hive·驱动开发·敏捷流程·智能体