WorldFoundry
English中文

I2VGen-XL

论文方法总览：I2VGen-XL 的视频生成架构。

I2VGen-XL（Alibaba (Tongyi Lab)）：图生视频、文生视频；Runner 一致性待确认。

编辑此页GitHubMarkdown

I2VGen-XL 是阿里 ali-vilab 的级联式图生视频模型，属较早的高分辨率开源 I2V 发布。它通过「先生成、再细化」的两级级联，把静态图（可附文本）变成短视频。WorldFoundry 路径已完备，checkpoint 缺失时会在运行时报告。

论文方法总览：I2VGen-XL 的视频生成架构。
论文方法总览：I2VGen-XL 的视频生成架构。

记录论文为arXiv 2311.04145。

项目页：i2vgen-xl.github.io。代码：ali-vilab/i2vgen-xl。

构建运行命令

推理 Pipeline
I2VGenXLPipelineworldfoundry.pipelines.video_official.pipeline_official_video
任务Interactive Video interactive-video
环境worldfoundry-unified-cu128
设备CUDA 12.8
Runnerworldfoundry.pipeline
加载方式from_pretrained
调用方式native_or_standard_invocation
worldfoundry-eval run \
  i2vgen-xl \
  --pipeline.task-profile interactive-video \
  --json

用来做什么

用 i2vgen-xl 跑本系列联合 T2V/I2V 推理路径。本页记录了这两种任务 profile。

按上游论文，I2VGen-XL 由保证语义连贯的基础级与提升细节/分辨率的细化级组成，均为潜空间扩散模型。本仓库在 runtime profile 中记录 prompt+image 契约与环境/checkpoint 假设；运行就绪状态保存在发布 run manifest 中，不在此处。该模型由阿里巴巴（通义实验室）发布。

catalog 记录的任务包括 图生视频、文生视频。模态上，它接受图像、文本，输出视频。

记录的评测入口包括AIGCBench（面向图生视频的评测集）。

运行时契约

可选 prompt、negative_prompt、input_path、frames、fps；产物 i2vgen-xl.mp4。

CLI task profile：interactive-video。绑定的 pipeline 类是 I2VGenXLPipeline。

系列状态：Runner 一致性待确认。

interactive-video 记录默认值：frames=16, height=704, width=1280, seed=8888。

集成已完成；本 manifest 中还没有 runner parity 记录。 官方 GitHub 与 ali-vilab 的 HF 仓库均确认可达。 相对 catalog 中较新的 DiT 系 I2V 模型，它更适合作为老一代质量基线。

在 WorldFoundry 中运行

启动 worldfoundry-eval run i2vgen-xl --pipeline.task-profile interactive-video 采样视频。上方命令构建器按已记录任务切换 --pipeline.task-profile，发出的仍是 worldfoundry-eval run。

运行环境是统一 profile worldfoundry-unified-cu128（Python 3.11，CUDA 12.8）。

记录的权重仓库包括 ali-vilab/i2vgen-xl。准备环境并检查本地资产：bash scripts/inference/prepare_model_infer.sh i2vgen-xl；下载缺失的公开权重时加 --download。

记录 license 为 mit；状态：Runner 一致性待确认。