WorldFoundry
English中文

LongVie

论文方法总览：LongVie 2 的交互世界模型架构。

LongVie（Shanghai AI Laboratory (Vchitect)）：图生视频、长视频生成；Runner 一致性待确认; 独立环境 `worldfoundry-longvie-cu128`。

编辑此页GitHubMarkdown

LongVie 是 Vchitect 团队的可控超长视频生成框架：用稠密深度与稀疏点/轨迹控制视频来驱动基于 Wan 的扩散基座，使分钟级视频保持一致。本条目保留第一代适配器，但上游尚未发布第一代权重；公开的 Vchitect/LongVie2 checkpoint 不能混用。

论文方法总览：LongVie 2 的交互世界模型架构。
论文方法总览：LongVie 2 的交互世界模型架构。

记录论文为arXiv 2512.13604。

项目页：vchitect.github.io/LongVie2-project。代码：Vchitect/LongVie。

构建运行命令

推理 Pipeline
LongVie1Pipelineworldfoundry.pipelines.longvie.pipeline_longvie
任务Interactive Video interactive-video
环境worldfoundry-longvie-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 \
  longvie-1 \
  --pipeline.task-profile interactive-video \
  --json

用来做什么

longvie-1 是记录的深度路由。需要从记录输入出深度图时从这里起步。

LongVie-1 = 规范化 Wan 模型 + 编码器 + VAE + VACE/控制角色 + checkpoint 加载器 + 共享分段 runner。原生 runner 保留官方 640x352 分段尺寸与历史/噪声续写状态，并支持可选的 USP ring/ulysses 分布式控制。其 synthesis 包只是薄薄的产品装配层，不是独立引擎。该模型由上海人工智能实验室（Vchitect 团队）发布。

catalog 记录的任务包括 图生视频、长视频生成、depth-controlled-video、trajectory-controlled-video。别名包括 longvie、longvie1、longvie-v1。模态上，它接受图像，输出视频、深度。

记录的评测入口包括ChronoMagic-Bench（面向分钟级生成的长时程评测）。

运行时契约

可选 prompt、negative_prompt、input_path、interactions、frames；产物 generated_video、longvie-1.mp4。

CLI task profile：interactive-video。绑定的 pipeline 类是 LongVie1Pipeline。

系列状态：Runner 一致性待确认。

interactive-video 记录默认值：frames=81, fps=16, height=352, width=640, seed=0。

默认调用在未传 execute=True 时快速失败。 由于官方尚未发布 LongVie-1 权重，执行时还必须显式提供第一代 control checkpoint。 需要公开 checkpoint 支持的路径时请使用 longvie-2。

在 WorldFoundry 中运行

启动 worldfoundry-eval run longvie-1 --pipeline.task-profile interactive-video 写出深度。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。

运行环境是独立 profile worldfoundry-longvie-cu128（Python 3.10，CUDA 12.8）。

记录的权重仓库包括 Wan-AI/Wan2.1-I2V-14B-480P、Wan-AI/Wan2.1-T2V-1.3B。准备环境并检查本地资产：bash scripts/inference/prepare_model_infer.sh longvie-1；下载缺失的公开权重时加 --download。

状态：Runner 一致性待确认。