WorldFoundry
English中文

Vchitect-2.0 T2V

论文方法总览：Vchitect-2.0 T2V 的视频生成架构。

Vchitect-2.0 T2V（Shanghai AI Laboratory (Vchitect)）：文生视频、视频生成；仅静态加载。

编辑此页GitHubMarkdown

Vchitect-2.0 是上海人工智能实验室的开源文生视频扩散 Transformer；本条目以完全原生的装配提供其 2B checkpoint。它有一项少见的强结构保证：原生 DiT 与 checkpoint 的 1019 个张量全部匹配，原生 SD3 解码器与 138 个解码器张量全部匹配。别名包括 vchitect、vchitect-2、vchitect2-t2v。

论文官方 Teaser：Vchitect-2.0 T2V 的视频生成论文配图。
论文官方 Teaser：Vchitect-2.0 T2V 的视频生成论文配图。
论文方法总览：Vchitect-2.0 T2V 的视频生成架构。
论文方法总览：Vchitect-2.0 T2V 的视频生成架构。

记录论文为arXiv 2501.08453。

代码：Vchitect/Vchitect-2.0。

构建运行命令

推理 Pipeline
Vchitect2T2VPipelineworldfoundry.pipelines.vchitect.pipeline_vchitect_2_t2v
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 \
  vchitect-2-t2v \
  --pipeline.task-profile interactive-video \
  --json

用来做什么

vchitect-2-t2v 是记录的 prompt 到视频路由——不是图像编辑，也不是策略。只要任务是文生视频，从这里起步。

并行扩散 Transformer 配 SD3 系 VAE 解码器，由角色化的 DiT、条件器、调度器、初始化器与解码器组件装配。profile 记录了固定的官方源码 revision（Vchitect-2.0 @ be56767f）。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 文生视频、视频生成。别名包括 vchitect、vchitect-2、vchitect2-t2v、vchitect_2_t2v。模态上，它接受文本，输出视频。

记录的评测入口包括VBench（标准文生视频质量评测）。

运行时契约

可选 prompt、negative_prompt、frames、fps、height；产物 generated_video、vchitect_2_t2v_public_runner.mp4。

CLI task profile：interactive-video。绑定的 pipeline 类是 Vchitect2T2VPipeline。

系列状态：仅静态加载。

runner 状态为 仅静态加载：默认路径加载共享原生 pipeline，不会产生 blocked 计划产物。 权重为 apache-2.0，位于 Vchitect/Vchitect-2.0-2B。 请使用 id vchitect-2-t2v。

张量级验证属于结构层——与上游 demo 的完整视觉一致性是另一个尚未记录的步骤。

在 WorldFoundry 中运行

启动 worldfoundry-eval run vchitect-2-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。

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

记录的权重仓库包括 Vchitect/Vchitect-2.0-2B。准备环境并检查本地资产：bash scripts/inference/prepare_model_infer.sh vchitect-2-t2v；下载缺失的公开权重时加 --download。

记录 license 为 apache-2.0；状态：仅静态加载。