Text2Video-Zero
text2video-zero.github.io又名 T2V-Zero
Picsart AI Research 等发布的研究项目,不额外训练视频数据,直接用 Stable Diffusion 等文生图模型生成时序连贯的视频,支持姿态骨架、边缘图引导和指令编辑,适合想复现零样本视频生成实验的开发者自行部署。
最近 5 次实测
5 次可以打开平均 1.4 秒
本站从国内机房定期实测。竖条由远及近:绿 = 可以打开,橙 = 国内不可直接访问,灰 = 打不开。Text2Video-Zero 是 Picsart AI Research(PAIR)联合多所高校发布的一项研究项目,目标是不用额外训练视频数据,直接拿现成的文生图模型(如 Stable Diffusion)来生成视频。它解决的是文生视频通常需要大规模视频数据集和昂贵训练成本的问题,做法是在生成每帧时加入运动动态,并用跨帧注意力让后续帧参考第一帧,从而保持背景和主体外观的连贯。
主要功能
除了纯文字提示生成视频,它还支持几种带条件的生成方式:用姿态骨架引导人物动作,用边缘图控制画面轮廓,结合 Dreambooth 做风格化,以及 Video Instruct-Pix2Pix——用一句指令编辑视频内容,比如把画面里的人换成黑猩猩、改成梵高风格或调整季节。这些能力在项目页上都有示例片段。
适合谁
它更像一个研究演示和代码仓库,而不是开箱即用的消费级产品。适合想了解零样本视频生成原理的研究者、需要复现实验的开发者,或者想基于 Stable Diffusion 做视频生成实验的技术人员。普通用户如果只想快速做一段视频,直接上手门槛较高。
费用与限制
项目页没有提供在线服务的价格信息,代码和论文是公开的,但运行需要自己准备环境、模型权重和算力。页面上的 Demo 入口是否长期可用、是否收费,材料里没有说明。生成质量受限于底层的文生图模型,复杂动作和长视频的稳定性有限。
常见问题
Text2Video-Zero 有哪些平台 / App?
支持 网页。
替代品全部 11 个,带对比表 →
AAnimateDiff可完全替代同为开源、基于冻结 Stable Diffusion 加运动模块做文生视频,可自行部署复现实验
LTX-Video可完全替代开源可本地部署,把文生视频、图生视频、关键帧控制与视频延展合在一个模型,还提供 ComfyUI、Diffusers 接入
Tune-A-Video可完全替代同样是基于预训练图像扩散模型的视频生成研究项目,用文本-视频对微调即可替换主体、场景与画风。BBoximator部分替代替代运动控制这一块:用边界框约束物体轨迹,属研究项目,需自行部署
Goku部分替代替代研究对照这一块:基于流匹配的视频生成基础模型,附 MovieGenBench 原始提示词,便于对照镜头与动作。
ToonCrafter部分替代替代关键帧间插值这一块:开源卡通插值,适合动画研究,但不做零样本文生视频