# FlashVideo – 字节联合港大推出的高分辨率视频生成框架

- Link: https://paooo.com/aigc-news/22113/
- Published: 2026-06-09T00:59:51+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

 * 两阶段框架先在270p生成高一致性内容，再用流匹配升到1080p，兼顾效率与质量。
 * 第二阶段仅需4次函数评估即可补足细节、修正伪影，并保持运动一致性。
 * 实测生成1080p视频约102秒，明显快于传统单阶段模型的2150秒。

## FlashVideo是什么

FlashVideo是字节跳动团队提出的高效的高分辨率[视频生成](https://ai-bot.cn/ai-video-generation-tools/)
框架，通过两阶段方法解决了传统单阶段扩散模型在高分辨率视频生成中面临的巨大计算成本
问题。在第一阶段，FlashVideo 使用 50 亿参数的大型模型在低分辨率（270p）下生成与文本
提示高度一致的内容和运动，基于参数高效微调（PEFT）技术确保计算效率。第二阶段通过
流匹配技术，将低分辨率视频映射到高分辨率（1080p），仅需 4 次函数评估可生成细节丰富
的高质量视频。

阅读目录

 * [FlashVideo是什么](https://paooo.com/aigc-news/22113/#flashvideo%e6%98%af%e4%bb%80%e4%b9%88)
 * [FlashVideo的主要功能](https://paooo.com/aigc-news/22113/#flashvideo%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [FlashVideo的技术原理](https://paooo.com/aigc-news/22113/#flashvideo%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [FlashVideo的项目地址](https://paooo.com/aigc-news/22113/#flashvideo%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [FlashVideo的应用场景](https://paooo.com/aigc-news/22113/#flashvideo%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

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

## FlashVideo的主要功能

 * **高效生成高分辨率视频**：FlashVideo 通过两阶段框架实现高分辨率视频的快速生成。
   第一阶段在低分辨率下生成与文本提示高度一致的视频内容，第二阶段则通过流匹配技术
   将低分辨率视频增强为高分辨率，同时保持细节和运动的一致性。
 * **快速预览与调整**：用户可以在全分辨率生成之前预览低分辨率的初步结果。这一功能
   允许用户快速评估生成效果，并在必要时调整输入提示，从而显著减少计算成本和等待时间，
   提升用户体验。
 * **细节增强与伪影校正**：第二阶段专注于细节的精细化处理，能够有效增强小物体的结构
   和纹理细节，同时校正第一阶段可能产生的伪影，显著提升视频的视觉质量。
 * **高效的计算策略**：FlashVideo 在保持高质量输出的同时，通过策略性分配模型容量
   和函数评估次数（NFEs），大幅减少了计算资源的消耗。例如，生成 1080p 视频仅需 102
   秒，远低于传统单阶段模型的 2150 秒。

## FlashVideo的技术原理

 * **两阶段框架设计**：FlashVideo 将视频生成过程分为两个阶段：低分辨率阶段（Stage
   I）和高分辨率阶段（Stage II）。这种设计策略性地分配了模型容量和函数评估次数（
   NFEs），平衡生成的保真度和质量。
 * **第一阶段（低分辨率阶段）**
    - **参数高效微调（PEFT）**：通过低秩自适应（LoRA）技术对模型进行微调，适应低
      分辨率生成任务。LoRA 在注意力层、前馈网络（FFN）和自适应层归一化层中应用，
      显著提高了模型的鲁棒性和效率。
    - **足够的 NFEs**：在低分辨率下保留足够的 NFEs（50 次），确保生成内容的高保真
      度。
 * **第二阶段（高分辨率阶段）**
    - **流匹配技术**：通过线性插值在低分辨率和高分辨率潜在表示之间建立映射关系，
      直接从低质量视频生成高质量视频，避免了从高斯噪声开始的传统扩散过程。
    - **低质量视频模拟**：通过像素空间退化（DEGpixel）和潜在退化（DEGlatent）生成
      低质量视频，训练模型在保持保真度的同时增强细节。
    - **全 3D 注意力机制**：确保在显著运动和尺度变化的视频中保持增强视觉细节的一致性。
 * **3D 因果变分自编码器（VAE）**：将视频像素压缩为潜特征，减少计算复杂度。
 * **3D RoPE（相对位置编码）**：在高分辨率阶段使用 3D RoPE 替代传统的绝对位置嵌入，
   提高模型对分辨率的适应性和扩展性。
 * **从粗到细的训练策略**：先在低分辨率上进行大规模预训练，再逐步扩展到高分辨率，
   最后通过少量高质量样本进行微调，以提高模型性能。

## FlashVideo的项目地址

 * **项目官网**：[https://jshilong.github.io/flashvideo-page/](https://jshilong.github.io/flashvideo-page/?utm_source=ai-bot.cn)
 * **Github仓库**：[https://github.com/FoundationVision/FlashVideo](https://github.com/FoundationVision/FlashVideo)
 * **arXiv技术论文**：[https://arxiv.org/pdf/2502.05179](https://arxiv.org/pdf/2502.05179)

## FlashVideo的应用场景

 * **广告制作**：快速生成高质量的广告视频，满足不同品牌的需求。FlashVideo 可以根据
   文本提示生成符合广告主题的视频内容，缩短制作周期。
 * **影视特效**：用于生成复杂的视觉特效，如科幻场景、历史重现等。FlashVideo 能快速
   生成高质量的背景视频，为特效团队提供更多的创意空间。
 * **虚拟场景生成**：为 VR 和 AR 应用生成高质量的虚拟场景，增强用户体验。FlashVideo
   可以根据用户的需求生成各种环境，如虚拟城市、自然景观等。
 * **教育视频**：快速生成教育视频，帮助学生更好地理解和记忆复杂的概念。FlashVideo
   可以根据教学大纲生成相关的动画或视频内容。
 * **产品展示**：生成高质量的产品展示视频，用于在线营销和广告。FlashVideo 可以根据
   产品特点生成吸引人的视频内容。

❓ 常见问题解答（FAQ）

FlashVideo是什么视频生成框架？

FlashVideo是字节跳动团队提出的高效高分辨率视频生成框架，核心思路是先在低分辨率下
生成内容，再通过流匹配把视频提升到1080p，从而降低计算成本并提升生成效率。

FlashVideo为什么比传统扩散模型更快？

它把生成过程拆成两阶段：第一阶段用PEFT和足够的NFEs在270p下完成主体内容生成，第二
阶段再做高分辨率增强，避免单阶段扩散从噪声到高清的高成本全流程，因此速度更快。

FlashVideo适合哪些应用场景？

适合广告制作、影视特效、虚拟场景生成、教育视频和产品展示等场景，尤其适合需要快速
产出高质量视频、又希望在生成前先预览和调整提示词的工作流。

🔬 语宙深潜追问 · 进阶实操拆解

低分辨率到高分辨率增强怎么避免失真？

先锁定低分辨率阶段的运动和构图，再在增强阶段只补纹理与边缘细节；训练时加入时序一致性、
局部重建和感知损失，避免高分辨率阶段重画内容导致闪烁。

如何评估文本一致性和画质的平衡？

不要只看主观观感，要同时测文本对齐、帧间稳定性、细节清晰度和生成时延；若业务偏广告
或短视频，优先保证语义命中率，再逐步提升高频纹理和运动连贯性。

🗳️ 读者观点微投票 · 您的实战立场是？

两阶段视频生成，真能兼顾速度和细节吗？

🕸️ 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/)

 * [FramePack – 斯坦福开源的AI视频生成模型](https://paooo.com/aigc-news/20280/)
 * [字节跳动重磅开源：InfinityStar 10倍提速 720p 视频生成，统一框架颠覆AIGC](https://paooo.com/ai-tool/12976/)
 * [打破视频生成步数与画质悖论！港中文联合字节跳动重磅开源 DuoMatching：双重分布匹配、1075万参数 LatentBridge 与 2 步极速生成深度架构拆解](https://paooo.com/ai-tool/40397/)
 * [Magic 1-For-1 – 北大、英伟达等推出的高效视频生成模型](https://paooo.com/aigc-news/22063/)

[🏛️ 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/22113/?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/)
