文本转视频模型Allegro，可以生成长达 6 秒、15 FPS 和 720p 分辨率的高质量视频。

文章预览

Allegro 是一个强大的文本转视频模型，可以通过简单的文本输入生成长达 6 秒、15 FPS 和 720p 分辨率的高质量视频。 主要特点 • 开源：完整的模型权重和代码可供社区使用，Apache 2.0！ • 多样化的内容创作：能够生成各种各样的内容，从人类和动物的特写镜头到各种动态场景。 • 高质量输出：以 15 FPS 的速度生成 6 秒的详细视频，分辨率为 720x1280，可以使用EMA-VFI插值到 30 FPS 。 • 小巧高效：具有 175M 参数 VideoVAE 和 2.8B 参数 VideoDiT 模型。支持多种精度（FP32、BF16、FP16），在 BF16 模式下使用 9.3 GB GPU 内存，并具有 CPU 卸载功能。上下文长度为 79.2K，相当于 88 帧。 相关链接 • 论文：https://huggingface.co/rhymes-ai/Allegro • 代码：https://github.com/rhymes-ai/Allegro/tree/main • 试用：https://huggingface.co/rhymes-ai/Allegro • 图库：https://rhymes.ai/allegro_gallery 模型信息 Allegro ………………………………