Stable Video Infinity
vita-epfl/Stable-Video-InfinityAI 已审核
RepoPicks Radar 检查于
Stable Video Infinity 是什么?
Stable Video Infinity 来自洛桑联邦理工学院(EPFL)的 VITA 实验室,是一份研究代码,它扩展了已有的视频模型 Wan 2.1,使其能够从一张图片加上一连串文字提示,持续生成数分钟长的片段,而不只是几秒。它还有动画、按骨骼驱动的舞蹈,以及由音频驱动的数字人等变体。使用方式是在装有高性能 NVIDIA 显卡的 Linux 上通过终端运行(团队测试用的是 80 GB 的 A100),并先下载数十 GB 的模型文件,也可以走社区做的 ComfyUI 工作流。训练代码和数据集都包含在内。
Stable Video Infinity 安装有多容易?
D · 终端、多个工具或特定显卡 · Linux
实际上只支持 Linux,给 D:你要创建 conda 环境,运行 pip install -e .,安装 flash_attn(README 附了安装失败时可参考的 issue 链接),用 huggingface-cli 下载 Wan 2.1 14B 基础模型和 SVI 适配器,然后运行 shell 脚本或 Gradio 演示。作者测试的环境是一块 80 GB 显存的 A100。
即将推出:用 RepoPicks 应用一键安装。
Stable Video Infinity 的 GitHub 数据
- 星标
- 2,6202026年11月10日
- 下载量
- —所有发布版本
- 增长
- +16 天内新增星标
星标变化
事实
- 可运行于
- Linux
- 需要安装
- Python, NVIDIA 显卡, FFmpeg
- 从源码编译需要
- Python, 显卡, FFmpeg
- 磁盘空间
- 1.1 GB–4.8 GB · 估算
- 账号或密钥
- 无
- 费用
- 免费 · 代码采用 MIT 许可,模型文件可免费下载;Wan 2.1 的基础权重和各数据集另有自己的条款。README 还提到 SVI-2.0 Pro 已上线 Poe 平台,可通过 Poe 的聊天界面或 API 使用,托管由 @empiriolabsai 提供支持。
- 许可证
- MIT (宽松型)
- GitHub 上的最近改动
- 2026年9月17日
Stable Video Infinity 的风险信号 (7)
- 注意依赖存在已知漏洞
锁定的依赖存在已知漏洞(OSV):torch: GHSA-3749-ghw9-m3mg, GHSA-53q9-r3pm-6pq6, GHSA-63cw-57p8-fm3p; transformers: GHSA-29pf-2h5f-8g72, GHSA-37mw-44qp-f5jm, GHSA-4w7r-h757-3r74
自动检查
- 注意用照片加音频生成数字人说话视频
SVI-Talk 模型接受 "Image + Audio",输出 "Talking video"(标签:audio-driven-talking-face),也就是能生成某人说出其从未说过的话的视频;README 里没有任何关于本人同意或滥用的提示。
AI 审核
- 注意带知名卡通角色的动画变体
其中一个变体被列为 "SVI-Tom&Jerry — Cartoon animation",README 还链接了一个 "8-minute crazy Tom & Jerry video made with SVI-Tom"。svi-tom.safetensors 并不在仓库里:README 用 huggingface-cli 从 Hugging Face(vita-video-gen/svi-model)下载。卡通角色通常受版权保护,而权利方的条款不在本项目的 MIT 许可范围内。
AI 审核
- 信息硬件要求高,下载量大
README.md:"We have tested the environment with A100 80G, cuda 12.0",weights/ 目录结构里列出了分成七个 safetensors 分片的 Wan 2.1 I2V 14B 基础模型,以及说话和舞蹈变体所需的额外编码器。
AI 审核
- 信息依赖第三方的工作流和托管
实际使用中很大一部分要依靠他人的成果:社区做的 ComfyUI 工作流(并带有 "Avoid using the wrong SVI 1.0 workflow in this repo" 这样的提醒,以及量化测试版本),README 还写道 "SVI-2.0 Pro is now available on the Poe platform! You can access it through the Poe chat interface or integrate it via their API",并感谢 @empiriolabsai 的支持。
AI 审核
- 信息训练数据来自第三方
列出的训练数据集包括 MixKit、UltraVideo、Hallo 3 的一个 5k 子集,以及来自 Kaggle 的 TikTok 舞蹈数据集,各自都有自己的条款。
AI 审核
- 信息这些说法没有独立验证
"This will never drift or forget in our 20 min test" 和 "infinite length" 之类的说法,都出自作者自己的测试。
AI 审核
证据以原始语言显示。
Radar 无法验证的 Stable Video Infinity 相关内容
- 在消费级显卡上究竟需要多少显存,低于测试用的 80 GB A100 是否还跑得起来。
- 真实磁盘占用:Wan 2.1 14B 基础模型和额外的编码器,都远大于检查给出的估算值。
- 生成一分钟视频需要多长时间。
- 在 Windows 或 macOS 上能否使用;文档给的是带 flash_attn 和 CUDA 12 的 Linux shell 命令。
- 社区视频里的画质,换成你自己的图片和提示词是否还能复现。
- 各个变体分别用什么素材微调:README 列出了该系列的训练数据集,却没有列出 svi-tom 的。