FramePack AI

固定上下文長度

FramePack 無論輸入影片多長都保持恆定的計算瓶頸，允許生成更長的影片而無需增加記憶體需求。

漸進式影格壓縮

該框架對較不重要的影格套用更高的壓縮率，在最佳化記憶體使用的同時保留最重要的視覺資訊。

反漂移採樣

一種新穎的採樣方法，利用雙向上下文生成影格，防止長序列中常見的品質退化。

相容架構

FramePack 透過微調即可與現有預先訓練的影片擴散模型搭配使用，無需從頭重新訓練模型。

平衡擴散

支援更平衡的擴散排程器，使用較溫和的流偏移時間步長，改善輸出的整體視覺品質。

更高批次大小

FramePack 支援與影像擴散模型相當的批次大小進行訓練，顯著加速影片模型的訓練過程。

• 短轉長內容擴展：創作者將短影片片段轉化為一致性良好的多分鐘敘事，品質不下降。
• 圖片生影片轉換：攝影師將靜態照片動畫化，同時保持主體身分與自然動作。
• 文字生影片敘事：電影製作人與作家透過詳細的文字提示生成具有時間連貫性的多場景故事。
• 產品與廣告預覽：行銷人員在大規模製作前，快速從圖像或文字生成示範影片與廣告畫面。
• AI 研究與訓練：研究人員在 HunyuanVideo、Wan 等現有影片擴散模型上微調 FramePack，進行高效實驗。

FramePack 與其他影片生成方法有何不同？

FramePack 透過漸進式影格壓縮解決遺忘-漂移困境，無論影片時長如何都保持固定的 transformer 上下文長度。大多數方法只改進記憶或錯誤處理的其中一方面；FramePack 同時解決兩者，並保持與影像擴散模型相當的運算成本。

FramePack 能整合到我現有的影片生成流程中嗎？

可以，FramePack 與現有的預訓練影片擴散模型相容。研究顯示，它可以透過微調與 HunyuanVideo、Wan 等模型成功整合，因此團隊無需更換整個架構即可採用。

執行 FramePack 需要什麼硬體？

FramePack 非常高效。在配備 13B 參數模型、480p 解析度的單台 8×A100-80G 節點上即可實現 64 的批次大小，推論可在單張 A100-80GB 或兩張 RTX 4090 上執行。這對研究與許多商業環境都很實用。

FramePack 如何處理解析度與寬高比？

FramePack 支援多解析度訓練與寬高比分桶。它使用最小 32 像素的單元尺寸，圍繞 480p 提供多種解析度桶，創作者可以在不同畫幅下生成而不損失品質。

FramePack 適合即時應用嗎？

FramePack 專注於高品質生成而非即時速度。其不隨影片時長變化的固定上下文長度有助於串流或互動場景，效率提升也使即時應用在進一步最佳化後變得可行。

平台的價格如何運作？

平台採用積分制，提供月付與年付方案。Starter、Creator、Studio 三檔每月分別提供 700、1,800 和 3,700 積分；月度積分不結轉，單獨購買的積分則永不過期。

• 開啟 Playground：造訪 FramePack 網站的免費 Playground，不需建立帳戶即可開始新的生成任務。
• 輸入提示詞：詳細描述要生成的影片，包括主體、動作和場景；越具體，輸出品質越高。
• 調整設定：依目標選擇影片長度、品質等參數；較高品質設定需要較長的處理時間。
• 開始生成：啟動影片建立並等待輸出完成，高品質片段需要一定的處理時間。
• 最佳化與擴展：檢視結果，調整提示詞或設定，並用同一模型將片段擴展為更長的序列。