# StreamingT2V – PicsArt推出的可生成长达2分钟视频的模型 - Link: https://paooo.com/aigc-news/28045/ - Published: 2026-07-09T14:41:14+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 * 通过CAM与APM实现长视频自回归生成，最长可达1200帧、约2分钟。 * 兼顾时间连贯性、帧级画质与文本对齐，解决长视频常见断裂问题。 * 采用随机混合与流式细化流程，提升长视频分辨率与整体视觉效果。 ## StreamingT2V是什么 StreamingT2V是由PicsArt AI研究团队推出的一个文本到视频的生成模型，旨在解决现有模型 仅能生成16帧或24帧的高质量短视频，而当在生成长视频时则会遇到如视频质量下降、场景 转换不一致和视频停滞等问题的挑战。StreamingT2V通过引入条件注意模块（CAM）和外观保持 模块（APM）以及随机混合方法，实现了长视频（最长达1200帧、时长2分钟）的流畅生成， 确保了时间上的连贯性和与文本描述的紧密对齐。该方法不仅提高了视频的质量，还使得视频 内容更加丰富和动态，从而在长视频生成领域取得了显著进步。 阅读目录 * [StreamingT2V是什么](https://paooo.com/aigc-news/28045/#streamingt2v%e6%98%af%e4%bb%80%e4%b9%88) * [StreamingT2V的官网入口](https://paooo.com/aigc-news/28045/#streamingt2v%e7%9a%84%e5%ae%98%e7%bd%91%e5%85%a5%e5%8f%a3) * [StreamingT2V的功能特性](https://paooo.com/aigc-news/28045/#streamingt2v%e7%9a%84%e5%8a%9f%e8%83%bd%e7%89%b9%e6%80%a7) * [StreamingT2V的工作流程](https://paooo.com/aigc-news/28045/#streamingt2v%e7%9a%84%e5%b7%a5%e4%bd%9c%e6%b5%81%e7%a8%8b) ![StreamingT2V](https://paooo.com/wp-content/uploads/2026/07/streamingt2v-video- generation-1.avif) ## StreamingT2V的官网入口 * 官方项目主页：[https://streamingt2v.github.io/](https://streamingt2v.github.io/) * GitHub代码库：[https://github.com/Picsart-AI-Research/StreamingT2V](https://github.com/Picsart-AI-Research/StreamingT2V)（ 模型和源码待上线） * arXiv研究论文：[https://arxiv.org/abs/2403.14773](https://arxiv.org/abs/2403.14773) ## StreamingT2V的功能特性 * **长视频生成**：StreamingT2V能够根据文本描述生成长视频（80, 240, 600, 1200帧或 更多），远超传统模型通常生成的短视频长度。 * **时间连贯性**：生成的视频帧之间具有平滑的过渡和一致性，避免了生成长视频时常见 的硬切换或不连贯现象。 * **高质量图像帧**：该模型注重帧级别的图像质量，保证即使在视频较长的情况下，每一 帧的图像也能保持清晰和细腻。 * **文本对齐**：StreamingT2V生成的视频紧密对齐于输入的文本提示描述，确保视频内容 与用户的文本指导保持一致。 * **视频增强**：利用随机混合方法，StreamingT2V可以在不引入块间不一致性的情况下， 对生成的视频进行质量增强，提高视频的分辨率和视觉效果。 ## StreamingT2V的工作流程 StreamingT2V的工作流程可以分为以下几个主要阶段： ![StreamingT2V的工作流程](https://paooo.com/wp-content/uploads/2026/07/streamingt2v- pipelines.avif) 1. **初始化阶段（Initialization Stage）**： 2. * 在这一阶段，首先使用预训练的文本到视频模型（例如Modelscope）来合成一个初始的 视频块，通常是一个短的16帧的视频序列。 3. **流式生成阶段（Streaming T2V Stage）**： 4. * 接下来，模型进入自回归的长视频生成过程。在这个阶段，StreamingT2V使用条件注意 模块（CAM）和外观保持模块（APM）来生成长视频的后续帧。 * CAM利用短期记忆，通过注意力机制关注前一个视频块的特征，从而实现块之间的平滑过渡。 * APM则利用长期记忆，从初始视频块中提取关键的视觉特征，确保在整个视频生成过程中 保持场景和对象的一致性。 5. **流式细化阶段（Streaming Refinement Stage）**： 6. * 在生成了足够长的视频（例如80, 240, 600, 1200帧或更多）后，模型进入细化阶段。 * 在这一阶段，使用高分辨率的文本到视频模型（例如MS-Vid2Vid-XL）对生成的视频进行 自回归增强。 * 通过随机混合方法，对连续的24帧视频块进行增强，同时保持块之间的平滑过渡，从而 提高视频的整体质量和分辨率。 🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航） **StreamingT2V ↗** StreamingT2V是先进技术，可实现高质量长视频生成，具有独特优势与多种应用场景。 ❓ 常见问题解答（FAQ） StreamingT2V能生成多长的视频？ 根据文中介绍，StreamingT2V可生成80、240、600、1200帧或更多的视频，最长可达约2分钟。 它的重点不是单纯拉长时长，而是在长视频场景下保持连贯性和画质稳定。 StreamingT2V解决了什么长视频问题？ 它主要针对传统文本到视频模型在长视频生成中常见的画质下降、场景切换不一致和视频停滞 等问题。通过CAM、APM和随机混合方法，提升了长视频的连续性与文本对齐效果。 StreamingT2V的工作流程是怎样的？ 流程分为三步：先用预训练T2V模型生成16帧初始视频块；再通过CAM和APM进行流式长视频生成； 最后用高分辨率T2V模型做流式细化与增强，提升整体质量。 🔬 语宙深潜追问 · 进阶实操拆解 1200帧长视频如何保持前后一致？ 关键是分层建模：先做全局场景规划，再做局部片段生成，并用记忆缓存保留角色、背景和 镜头状态。推理阶段要控制随机性，避免每段都重新“发明”世界观。 StreamingT2V适合哪些真实业务？ 更适合广告分镜、短剧预演、教育演示和概念可视化，而不是一上来做电影级成片。若要落地， 建议先定义固定镜头模板和时长上限，再逐步扩展到开放式长叙事。 🗳️ 读者观点微投票 · 您的实战立场是？ 长视频生成最该优先攻克哪项？ 🕸️ 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/) * [Step-Video-T2V – 阶跃星辰开源的文本到视频模型](https://paooo.com/aigc-news/21927/) * [T2V-Turbo – 谷歌开源的文本到视频生成模型](https://paooo.com/aigc-news/26320/) * [MagicVideo-V2：字节跳动推出的AI视频生成模型](https://paooo.com/aigc-news/28435/) * [Step-Video-TI2V – 阶跃星辰开源的图生视频模型](https://paooo.com/aigc-news/20900/) [🏛️ 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/28045/?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/)