FramePack AI

固定上下文长度

FramePack 无论输入视频多长都保持恒定的计算瓶颈，允许生成更长的视频而无需增加内存需求。

渐进式帧压缩

该框架对较不重要的帧应用更高的压缩率，在优化内存使用的同时保留最重要的视觉信息。

反漂移采样

一种新颖的采样方法，利用双向上下文生成帧，防止长序列中常见的质量退化。

兼容架构

FramePack 通过微调即可与现有预训练的视频扩散模型配合使用，无需从头重新训练模型。

平衡扩散

支持更平衡的扩散调度器，使用更温和的流偏移时间步长，从而改善输出的整体视觉质量。

更高批量大小

FramePack 支持与图像扩散模型相当的批量大小进行训练，显著加速视频模型的训练过程。

• 短转长内容扩展：创作者将短片片段转化为一致性良好的多分钟叙事，质量不下降。
• 图生视频转换：摄影师将静态照片动画化，同时保持主体身份和自然运动。
• 文生视频叙事：电影制作人和作家通过详细的文本提示生成具有时间连贯性的多场景故事。
• 产品与广告预览：营销人员在大规模制作前，快速从图像或文本生成演示视频和广告画面。
• AI 研究与训练：研究人员在 HunyuanVideo、Wan 等现有视频扩散模型上微调 FramePack，进行高效实验。

FramePack 与其他视频生成方法有何不同？

FramePack 通过渐进式帧压缩解决遗忘-漂移困境，无论视频时长如何都保持固定的 transformer 上下文长度。大多数方法只改进记忆或错误处理中的一方面；FramePack 同时解决两者，同时保持与图像扩散模型相当的计算成本。

FramePack 能集成到我现有的视频生成流程中吗？

可以，FramePack 与现有的预训练视频扩散模型兼容。研究表明，它可以通过微调与 HunyuanVideo、Wan 等模型成功集成，因此团队无需更换整个架构即可采用。

运行 FramePack 需要什么硬件？

FramePack 非常高效。在配备 13B 参数模型、480p 分辨率的单台 8×A100-80G 节点上即可实现 64 的批量大小，推理可在单块 A100-80GB 或两块 RTX 4090 上运行。这对研究和许多商业环境都很实用。

FramePack 如何处理分辨率和宽高比？

FramePack 支持多分辨率训练和宽高比分桶。它使用最小 32 像素的单元尺寸，围绕 480p 提供多种分辨率桶，创作者可以在不同画幅下生成而不损失质量。

FramePack 适合实时应用吗？

FramePack 专注于高质量生成而非实时速度。其不随视频时长变化的固定上下文长度有助于流媒体或交互场景，效率提升也使实时应用在进一步优化后变得可行。

平台的价格如何运作？

平台采用积分制，提供月付和年付方案。Starter、Creator、Studio 三档每月分别提供 700、1,800 和 3,700 积分；月度积分不结转，单独购买的积分则永不过期。

• 打开 Playground：访问 FramePack 网站的免费 Playground，无需创建账户即可开始新的生成任务。
• 输入提示词：详细描述要生成的视频，包括主体、动作和场景；越具体，输出质量越高。
• 调整设置：根据目标选择视频长度、质量等参数；更高质量设置需要更长的处理时间。
• 开始生成：启动视频创建并等待输出完成，高质量片段需要一定的处理时间。
• 优化与扩展：查看结果，调整提示词或设置，并用同一模型将片段扩展为更长的序列。