# GPDiT – 清华北大联合阶跃星辰等推出的视频生成模型

- Link: https://paooo.com/aigc-news/18936/
- Published: 2026-06-08T15:12:22+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 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。

阅读目录

 * [GPDiT是什么](https://paooo.com/aigc-news/18936/#gpdit%e6%98%af%e4%bb%80%e4%b9%88)
 * [GPDiT的主要功能](https://paooo.com/aigc-news/18936/#gpdit%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [GPDiT的技术原理](https://paooo.com/aigc-news/18936/#gpdit%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [GPDiT的项目地址](https://paooo.com/aigc-news/18936/#gpdit%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [GPDiT的应用场景](https://paooo.com/aigc-news/18936/#gpdit%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![GPDiT](https://paooo.com/wp-content/uploads/2026/06/GPDiT-webiste-1.avif)

## 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。

🔬 语宙深潜追问 · 进阶实操拆解

GPDiT 的混合架构强在哪？

它把扩散的画面质量和自回归的时序建模结合起来，既能保住细节，又更擅长处理动作连续
性和语义一致性。对视频任务来说，这种组合通常比单一路线更容易兼顾稳定性与可控性。

视频模型落地最难的瓶颈是什么？

真正难点不只是生成清晰，而是长时序一致、角色不漂移和可控编辑。落地时要重点看数据
覆盖、运动建模、推理成本和后处理链路，否则很容易出现“单帧好看、整段失真”的问题。

🗳️ 读者观点微投票 · 您的实战立场是？

视频生成该押扩散还是自回归？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🐋 所属权威专题：DeepSeek 深度实战与部署 →](https://paooo.com/topics/deepseek/)

 * [MagicDriveDiT – 华为联合港中文等机构推出的自动驾驶高分辨率长视频生成方法](https://paooo.com/aigc-news/25125/)
 * [DiT – 基于Transfomer架构的扩散模型](https://paooo.com/aigc-news/28328/)
 * [Video-T1 – 清华联合腾讯推出的视频生成技术](https://paooo.com/aigc-news/20781/)
 * [Pyramid-Flow – 北大、快手、北邮联合开源的AI视频生成模型](https://paooo.com/aigc-news/26368/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/18936/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
