推荐轻量级文生视频模型（Text-to-Video）

1. ModelScope T2V by 阿里达摩院（推荐）

• 模型名 ：damo/text-to-video-synthesis

• 输入：一句文字描述（如："a panda is dancing"）

• 输出：2秒视频（16帧，576x320 分辨率）

• 显卡推荐：8GB~16GB 显存（支持 CPU fallback）

• 生成时间：约 40~120 秒（满足你的要求）

• 优点：

  • 真正文生视频（非插帧）

  • HuggingFace + ModelScope CLI 接口友好

• 开源地址：

  • GitHub：https://github.com/modelscope/modelscope

  • 在线示例：https://modelscope.cn/models/damo/text-to-video-synthesis/summary

• 使用方式（简化）：

  pip install modelscope python -m modelscope.cli inference \ --model damo/text-to-video-synthesis \ --text "A dog running in the park"