WorldFoundry
English中文

T2V Turbo T2V

论文方法总览：T2V-Turbo 用一致性蒸馏做少步视频生成。

T2V Turbo T2V（University of California, Santa Barbara）：文生视频；仅静态加载; T2V-Turbo。

编辑此页GitHubMarkdown

T2V-Turbo 是从 VideoCrafter2 蒸馏出的快速文生视频模型，结合一致性蒸馏与奖励反馈，4-8 步即可生成可看的视频。在本 catalog 中它由共享原生扩散组件装配：VideoCrafter2 基座与有序的 T2V-Turbo LoRA 是两个独立的声明式 checkpoint 输入。

论文官方 Teaser：T2V-Turbo 论文中的蒸馏文生视频样例。
论文官方 Teaser：T2V-Turbo 论文中的蒸馏文生视频样例。
论文方法总览：T2V-Turbo 用一致性蒸馏做少步视频生成。
论文方法总览：T2V-Turbo 用一致性蒸馏做少步视频生成。

记录论文为T2V-Turbo: Breaking the Quality Bottleneck of Video Consistency Model with Mixed Reward Feedback（2024）。

项目页：t2v-turbo.github.io。代码：Ji4chenLi/t2v-turbo。

构建运行命令

推理 Pipeline
T2VTurboT2VPipelineworldfoundry.pipelines.t2v_turbo.pipeline_t2v_turbo_t2v
任务Interactive Video interactive-video
Runnerworldfoundry.pipeline
加载方式from_pretrained
调用方式native_or_standard_invocation
worldfoundry-eval run \
  t2v_turbo_t2v \
  --pipeline.task-profile interactive-video \
  --json

用来做什么

需要本系列的文生视频时选 t2v_turbo_t2v：prompt 进、生成视频出。它是 catalog 上的 T2V 起步线，不是编辑器，也不是世界模型步进器。

基座：VideoCrafter2 的 U-Net 潜空间视频扩散。之上：以混合奖励反馈训练的一致性蒸馏 LoRA（见论文 arXiv 2405.18750）。WorldFoundry 使用共享原生装配器、runner、checkpoint 加载器、offload 策略与 LVDM 组件。该模型由加州大学圣塔芭芭拉分校（UCSB）发布。

catalog 记录的任务包括 文生视频。别名包括 t2v-turbo-t2v、t2v-turbo。模态上，它接受文本，输出视频。

记录的评测入口包括VBench（T2V-Turbo 的优化目标正是该评测的各维度）。

运行时契约

可选 prompt、frames、fps、height、width。

CLI task profile：interactive-video。绑定的 pipeline 类是 T2VTurboT2VPipeline。

系列状态：仅静态加载。

interactive-video 记录默认值：frames=16, fps=8, height=320, width=512, seed=0。

runner 状态记录了原生 checkpoint 验证：本地 VideoCrafter2 与 T2V-Turbo VC2 资产可用于严格的组件与 LoRA 校验。 适合需要大量快速文生视频草稿、而非极致质量的场景。

在 WorldFoundry 中运行

启动 worldfoundry-eval run t2v_turbo_t2v --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。

运行环境未记录。

记录的权重仓库包括 jiachenli-ucsb/T2V-Turbo-VC2、VideoCrafter/VideoCrafter2。准备环境并检查本地资产：bash scripts/inference/prepare_model_infer.sh t2v_turbo_t2v；下载缺失的公开权重时加 --download。

状态：仅静态加载。