---
title: "GPDiT – 清华北大联合阶跃星辰等推出的视频生成模型"
url: "https://paooo.com/aigc-news/18936/"
author: "Prompt 语宙研究院"
published_at: "2026-06-08T15:12:22+08:00"
updated_at: "2026-06-07T20:03:12+08:00"
categories: "AIGC 资讯"
tags: "AI智能体, AI视频生成, Sora, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# GPDiT – 清华北大联合阶跃星辰等推出的视频生成模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/18936/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-08

## AI 30 秒核心看点 (TL;DR)

- 融合自回归与扩散框架，GPDiT可预测未来潜在帧，提升长视频的时间一致性与运动连贯性。
- 轻量级因果注意力与无参数旋转基时间条件机制，降低计算成本，同时保留生成性能。
- 除视频生成外，GPDiT还适用于视频表示、少样本学习和多任务视频处理，泛化能力较强。

## GPDiT是什么

GPDiT（Generative Pre-trained Autoregressive Diffusion Transformer）是北京大学、清华大学、StepFun公司及中国科学技术大学推出的新型[视频生成](https://ai-bot.cn/ai-video-generation-tools/)模型，模型结合扩散模型和自回归模型的优势，基于自回归方式预测未来的潜在帧，自然地建模运动动态和语义一致性。GPDiT引入轻量级因果注意力机制，减少计算成本，推出一种无参数的旋转基时间条件策略，有效编码时间信息。GPDiT在视频生成、视频表示和少样本学习任务中均表现出色，展示了在多种视频建模任务中的多功能性和适应性。

## GPDiT的主要功能

- ****高质量视频生成****：生成具有高时间一致性和运动连贯性的长序列视频。

- ****视频表示学习****：基于自回归建模和扩散过程，学习视频的语义和动态表示，用在下游任务。

- ****少样本学习****：够快速适应多种视频处理任务，如风格转换、边缘检测等。

- ****多任务学习****：支持多种视频处理任务，如灰度转换、深度估计、人物检测等。

## GPDiT的技术原理

- ****自回归扩散框架****：基于自回归方式预测未来的潜在帧，自然地建模运动动态和语义一致性。

- ****轻量级因果注意力****：引入种轻量级因果注意力机制，消除训练期间干净帧之间的注意力计算，减少计算成本，不降低生成性能。

- ****旋转基时间条件机制****：推出一种无参数的旋转基时间条件策略，将噪声注入过程重新解释为数据和噪声分量定义的复平面上的旋转，去除adaLN-Zero及相关参数，有效编码时间信息。

- ****连续潜在空间****：在连续潜在空间中进行建模，增强了生成质量和表示能力。

## GPDiT的项目地址

- **arXiv技术论文**：[https://arxiv.org/pdf/2505.07344](https://arxiv.org/pdf/2505.07344)

## GPDiT的应用场景

- ****视频创作****：生成高质量视频，用在广告、影视、动画等。

- ****视频编辑****：实现风格转换、色彩调整、分辨率提升等。

- ****少样本学习****：快速适应人物检测、边缘检测等任务。

- ****内容理解****：自动标注、分类和检索视频内容。

- ****创意生成****：激发艺术家和设计师的创意，生成艺术风格视频。

## 常见问题解答 (FAQ)

### GPDiT是什么视频生成模型？
GPDiT是北京大学、清华大学、StepFun公司及中国科学技术大学推出的视频生成模型，全称为 Generative Pre-trained Autoregressive Diffusion Transformer。它结合自回归与扩散建模，重点提升视频的运动动态、语义一致性和生成质量。

### GPDiT相比传统视频模型有什么优势？
GPDiT的核心优势在于把自回归预测未来潜在帧与扩散过程结合起来，并引入轻量级因果注意力和无参数时间条件机制，从而在降低计算成本的同时，保持较好的长视频生成效果与表示能力。

### GPDiT可以用于哪些实际任务？
GPDiT可用于高质量视频生成、视频表示学习、少样本学习和多任务视频处理，例如风格转换、边缘检测、灰度转换、深度估计、人物检测，以及内容理解、自动标注和检索等场景。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
