---
title: "LingBot-Video"
description: "LingBot-Video（Robbyant (Ant Group)）：文生图、文生视频；Runner 一致性待确认。"
modelId: "lingbot-video"
pageSource: authored
---
LingBot-Video 是蚂蚁灵波（Robbyant）的视频生成系列，记录了文生图、文生视频、图文生视频与视频细化四类任务。catalog 记录两条 checkpoint 线：稠密 1.3B 模型与带细化器的 MoE 30B-A3B 模型。WorldFoundry 将推理包平铺在树内 synthesis/visual_generation/lingbot_video 下，并有意排除了提示词改写、训练与评测源码。
记录论文为[arXiv 2607.07675](https://arxiv.org/abs/2607.07675)。
项目页：[technology.robbyant.com/lingbot-video](https://technology.robbyant.com/lingbot-video)。代码：[Robbyant/lingbot-video](https://github.com/Robbyant/lingbot-video)。
## 用来做什么
用 `lingbot-video` 跑本系列联合 T2V/I2V 推理路径。本页记录了这两种任务 profile。
稠密 1.3B 与 MoE 30B-A3B（激活 3B）两个 checkpoint 共享同一推理面；MoE 线增加了细化阶段。保留的代码路径包括直连 Diffusers、可选 SGLang、FSDP、上下文并行与 CFG 并行。上游推荐栈要求专用的 Transformers 5 / Diffusers 0.39 环境。该模型由蚂蚁灵波科技（Robbyant，蚂蚁集团）发布。
catalog 记录的任务包括 文生图、文生视频、text-image-to-video、video-refinement。别名包括 `lingbot-video-dense`、`lingbot-video-moe`。模态上，它接受文本、图像，输出图像、视频。
记录的评测入口包括[VBench](/zh/docs/evaluation/benchmark-hub/vbench)（两条 checkpoint 线通用的文生视频质量评测）。
LingBot 文/图生视频家族，不是世界卡。
## 运行时契约
可选 `prompt`、`prompt_json`、`negative_prompt`、`backend`、`mode`；产物 `generated_image`、`generated_video`、`lingbot_video.mp4`。
CLI task profile：`t2v`、`ti2v`、`t2i`。绑定的 pipeline 类是 `LingBotVideoGenerationPipeline`。
系列状态：**MoE 短片 T2V 已与官方运行器对照，其他模式待验证**。
`t2v` 记录默认值：height=480, width=832, num_frames=121, num_inference_steps=40, guidance_scale=3.0, seed=42；`ti2v` 记录默认值：height=480, width=832, num_frames=121, num_inference_steps=40, guidance_scale=3.0, seed=42。
结构化 `prompt_json` 若包含 `duration`，运行器会按 `duration × fps` 推导帧数并向上取到 `4n+1`。要使用该时长，请省略 `num_frames`，或将其设为相同的推导值；显式冲突会在加载权重前报错。Studio 预设含 `num_frames=121`，若提供不同时长的提示 JSON，需要删掉或改成对应帧数。
已发布的稠密 1.3B checkpoint 有一次记录在案的 121 帧、832x480 Workspace 产物。对 MoE 30B-A3B，固定版本的官方脚本与 WorldFoundry 运行器使用官方 T2V 示例 1，仅将时长从 5 秒缩短为 1 秒，以相同种子、40 步各生成了清晰连贯的 25 帧、832x480 视频。两路解码帧的逐帧 RGB MAE 均值为 10.48/255，说明该配置的视觉和任务结果一致，但并非逐像素相同。先前 20 步小玩具车结果仍是提示词特定的画质疑虑；标准 5 秒配置、细化器和其他模式仍待验证。注意 profile 中的一个细节：即使默认产物类型是 T2V 视频路径，T2I 也会产出图像。稠密与 MoE 权重均为外部资产（apache-2.0），不入 git。
## 在 WorldFoundry 中运行
catalog 启动命令是 `worldfoundry-eval run lingbot-video --pipeline.task-profile t2v`。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，torch==2.11.0+cu128）。
记录的权重仓库包括 `robbyant/lingbot-video-dense-1.3b`、`robbyant/lingbot-video-moe-30b-a3b`、`robbyant/lingbot-video-dense-1.3b` 等。准备环境并检查本地资产：`bash scripts/inference/prepare_model_infer.sh lingbot-video`；下载缺失的公开权重时加 `--download`。
记录 license 为 apache-2.0；状态：**Runner 一致性待确认**。