RepoPicks Radar

Actualizado todos los días hacia las 23:30 UTC

Guías

Text2Video-Zero

Picsart-AI-Research/Text2Video-ZeroRevisado por IA

Revisado por RepoPicks Radar el

¿Qué es Text2Video-Zero?

Text2Video-Zero crea videos cortos a partir de un texto escrito, usando un modelo de imágenes (Stable Diffusion) cuadro por cuadro, sin ningún entrenamiento de video involucrado. También puede seguir las poses o los bordes de un clip existente, o cambiarle el estilo a partir de una instrucción como "make it Van Gogh Starry Night". Es código de investigación de un artículo de 2023: necesita Python 3.9, CUDA y una tarjeta NVIDIA con al menos 12 GB de memoria, o unos 7 GB con la compresión al máximo. Los autores mantienen una demo gratuita en Hugging Face. El código no ha cambiado desde abril de 2023 y el método ahora también viene incluido en la biblioteca Diffusers.

Text2Video-Zero es gratis y puede reemplazar a Runway, Pika y Google Veo 3.

¿Qué tan fácil es instalar Text2Video-Zero?

A · descarga y abre · Web

  • Windows D
  • Linux D
  • Web A

La web es la vía fácil, con nota A: los autores mantienen un Space gratuito en Hugging Face (PAIR/Text2Video-Zero) donde escribes un prompt. Hacerlo tú mismo es D en Linux y Windows: "Install requirements using Python 3.9 and CUDA >= 11.6", crear un virtualenv, `pip install -r requirements.txt` con 35 paquetes fijados de 2023, y tener una tarjeta NVIDIA con 12 GB de memoria antes de que `python app.py` abra la página en 127.0.0.1:7860. macOS no se califica porque la instalación requiere CUDA.

Text2Video-Zero en GitHub

Estrellas
4247el 10 nov 2026
Descargas
—todas las versiones
Crecimiento
—sin ganancia en la última lectura

Estrellas a lo largo del tiempo

424642474248 6 nov7 nov8 nov9 nov10 nov 424642474248 6 nov8 nov10 nov

Datos

Funciona en
Windows, Linux, Web
Necesitas instalar
Python, Tarjeta NVIDIA
Para compilar desde el código
Python, Tarjeta gráfica, FFmpeg
Espacio en disco
950 MB–4,3 GB · estimación
Cuentas o claves
Ninguna
Costo
Gratis · No hay costo por el código ni por los modelos. La licencia no es una licencia de código abierto simple: es la CreativeML Open RAIL-M, que agrega reglas sobre cómo puedes usarla.
Licencia
NOASSERTION (Otra)
Puede reemplazar
Runway, Pika, Veo 3
Último cambio en GitHub
14 abr 2023

Señales de riesgo de Text2Video-Zero (10)

  • AtenciónEnlaces de descarga a sitios de archivos

    El README enlaza a https://www.dropbox.com/s/uv90mi2z598olsq/Text2Video-Zero.MP4?dl=0

    revisión automática

  • AtenciónDependencias con vulnerabilidades conocidas

    Dependencias fijadas con vulnerabilidades conocidas (OSV): accelerate: GHSA-4j2p-28q2-5m79, PYSEC-2026-3804; basicsr: GHSA-86w8-vhw6-q9qq, PYSEC-2026-1215; diffusers: GHSA-7wx4-6vff-v64p, GHSA-98h9-4798-4q5v, PYSEC-2026-2446; gradio: GHSA-26jh-r8g2-6fpr, GHSA-279j-x4gx-hfrh, GHSA-34rf-p3r3-58x2; opencv_python: GHSA-qr4w-53vh-m672, PYSEC-2023-183; opencv-contrib-python: GHSA-cxjf-x6jp-p7mc, PYSEC-2023-181; pillow: GHSA-22hg-r758-rrw9, GHSA-24rc-8hj2-v98c, GHSA-254f-3936-288h; pytorch_lightning: GHSA-2vj5-px25-gjrp, GHSA-4cv3-v7pv-rfhf, GHSA-75m9-98v2-hjpm; torch: GHSA-3749-ghw9-m3mg, GHSA-53q9-r3pm-6pq6, GHSA-5pcm-hx3q-hm94; tqdm: GHSA-g7vv-2v7x-gj9p, PYSEC-2026-1976; transformers: GHSA-282v-666c-3fvg, GHSA-29pf-2h5f-8g72, GHSA-37mw-44qp-f5jm

    revisión automática

  • Atencióncódigo de investigación sin tocar desde abril de 2023

    El último commit es del 2023-04-14 (1304 días antes de esta revisión), no hay ningún release en absoluto, y la receta fija versiones de esa época: `torch==1.13.1`, `diffusers==0.14.0`, `gradio==3.23.0`, `transformers==4.26.0`, con environment.yaml pidiendo python=3.8.5 y cudatoolkit=11.3 mientras el README pide Python 3.9. Promesas como "We plan to continue optimizing our code" no fueron seguidas de más commits.

    revisión con IA

  • Atenciónla licencia limita cómo puedes usarlo

    GitHub no puede identificar la licencia (NOASSERTION) porque el archivo es la "CreativeML Open RAIL-M dated March 28, 2023", que dice que "added use-based restrictions not permitting the use of the Model in very specific scenarios" y que cualquier derivado debe llevar "at minimum - the same use-based restrictions". Esta no es una licencia permisiva simple, y el README añade que el código original de Stable Diffusion está bajo los mismos términos.

    revisión con IA

  • Atenciónuna sola opción pone la página en internet público

    README: "To access the app remotely, run this shell command: `python app.py --public_access`", seguido de "For security information about public access we refer to the documentation of gradio". La página no tiene inicio de sesión propio, así que la dirección que entrega queda abierta para quien la tenga.

    revisión con IA

  • Atencióncarga archivos de modelo desde sitios de la comunidad

    El código lista y carga modelos con `get_model_list()` de modo que "any base model for stable diffusion and any dreambooth model hosted on huggingface can now be loaded", y el README sugiere "Dreambooth models can be obtained, for instance, from CIVITAI". Son archivos subidos por desconocidos que luego carga tu proceso de Python, y el proyecto no ofrece ningún checksum ni verificación.

    revisión con IA

  • Infolos estilos incluidos copian franquicias comerciales

    Los modelos Dreambooth ya listos se llaman "Anime DB", "Avatar DB", "GTA-5 DB" y "Arcane DB", activados con las palabras clave `gtav style`, `arcane style` y `avatar style`. Existen para reproducir el aspecto de películas y juegos que pertenecen a otras empresas, y lo que puedes publicar a partir de eso depende de dónde vivas.

    revisión con IA

  • Infonecesita una tarjeta nvidia grande

    Entrada de noticias del 28/03/2023: "We added a new low-memory setup. Minimum required GPU VRAM is currently **12 GB**", y del 06/04/2023: con Token Merging "and chunk size set to `2`, our code can run with **less than 7 GB VRAM**", al costo de la calidad de imagen ("too high values will decrease the image quality").

    revisión con IA

  • Infolos clips son muy cortos por defecto

    La llamada documentada usa `"video_length": 8` fotogramas a `fps = 4`, lo que da un clip de dos segundos, y los resultados publicados son GIF. Una entrada de noticias posterior dice que los videos generados "can have **arbitrary length**", pero los valores predeterminados y los ejemplos se quedan en ocho fotogramas.

    revisión con IA

  • Infofalta una función en el código

    README, Ablation Study: "Adding `smooth_bg=True` activates background smoothing. However, our code does not include the salient object detector necessary to run that code." El repositorio también señala el mismo método dentro de la biblioteca Diffusers ("available in Diffusers, starting from version `0.15.0`"), que tiene mejor mantenimiento que este código.

    revisión con IA

La evidencia aparece en su idioma original.

Lo que Radar no pudo verificar de Text2Video-Zero

  • Si la receta de 2023 todavía se instala con un controlador de gráficos, Python o versión de CUDA actuales
  • Qué tan bien o qué tan estable se ve el video con tus propios prompts, ya que los ejemplos publicados fueron elegidos por los autores
  • El uso real de disco, estimado por las verificaciones entre 950 MB y 4450 MB mediante una heurística, una vez descargados los archivos de Stable Diffusion y Dreambooth
  • Cuánto tarda un clip en tu tarjeta, algo que el README nunca indica
  • Qué hay dentro de un archivo Dreambooth tomado de un sitio comunitario antes de cargarlo

Proyectos parecidos

La app RepoPicks

Pronto: instala con 1 clic desde la app RepoPicks.

Antes de descargar

Ver la página de la versión en GitHub