FlashVideo是由字節(jié)跳動和香港大學(xué)聯(lián)合開發(fā)專為快速生成高分辨率視頻而設(shè)計的框架，特別適用于文本到視頻的生成，F(xiàn)lashVideo的代碼已經(jīng)開源，可以在GitHub上獲取。

FlashVideo技術(shù)特點

• 兩階段框架設(shè)計：FlashVideo通過將視頻生成過程分為“低分辨率優(yōu)先”和“高分辨率增強”兩個階段，第一階段使用50億參數(shù)的低分辨率模型（270p）快速生成符合文本描述的視頻內(nèi)容，第二階段進行分辨率提升和細節(jié)優(yōu)化，最終生成1080p高清視頻。。

• 流匹配技術(shù)：創(chuàng)新性地使用流匹配（Flow Matching）技術(shù)，僅需4步即可完成高分辨率細節(jié)生成，相比傳統(tǒng)方法提速顯著。

• 快速預(yù)覽功能：支持快速預(yù)覽功能，用戶可以在30秒內(nèi)獲得初步結(jié)果，再決定是否繼續(xù)生成高分辨率視頻。

FlashVideo的技術(shù)結(jié)合了先進的模型架構(gòu)與創(chuàng)新的算法，首次成功將RetNet架構(gòu)應(yīng)用于視頻生成。這一點大大提高了效率，并將推理時間復(fù)雜度從O(L^2)降低至O(L)，對于生成長度為L的序列，縮短了處理時間。

該框架還引入了冗余幀插值方法來優(yōu)化視頻的流暢性，從而進一步提升了生成視頻的質(zhì)量。綜合實驗顯示，F(xiàn)lashVideo相較于傳統(tǒng)自回歸模型的效率提升達到了9.17倍，并且其推理速度與BERT類模型的速度相當(dāng)，為大量動態(tài)和真實場景的合成提供了新的可能性。

FlashVideo主要優(yōu)勢：

• 生成速度：1080p視頻僅需102秒，比傳統(tǒng)方法快4倍

• 計算成本：相比單階段模型降低90%顯存消耗

• 生成質(zhì)量：通過動態(tài)時序模塊保持動作連貫性，支持每秒24幀流暢度

• 應(yīng)用場景：短視頻創(chuàng)作、影視預(yù)可視化、廣告制作等需要快速原型設(shè)計的領(lǐng)域

FlashVideo應(yīng)用場景

目前，F(xiàn)lashVideo不僅在學(xué)術(shù)研究中有所應(yīng)用，還在商業(yè)領(lǐng)域，在短視頻制作方面同樣表現(xiàn)出色：

• 在線廣告：FlashVideo被廣泛應(yīng)用于網(wǎng)站廣告中，通過創(chuàng)意動畫和視頻廣告來吸引用戶。例如，一個經(jīng)典的案例是針對某品牌的產(chǎn)品推出的Flash廣告，利用生動的動畫效果和故事情節(jié)有效地傳遞了產(chǎn)品信息。

• 教育培訓(xùn)：許多在線教育平臺使用FlashVideo制作教育課程。通過動畫與視頻結(jié)合，可以更生動地講解復(fù)雜的概念。例如，某個教育機構(gòu)使用Flash制作了一系列動畫課程，幫助學(xué)生更好地理解數(shù)學(xué)和科學(xué)知識。

• 企業(yè)宣傳：企業(yè)在進行品牌推廣時，常常制作FlashVideo以增強品牌形象。例如，一家大型科技公司通過Flash動畫展示了其產(chǎn)品特點和使用場景，提升了品牌認知度，促進了銷售。

FlashVideo的代碼在2025年2月12日已經(jīng)宣布開源，可以在GitHub上獲取：

GitHub：https://github.com/FoundationVision/FlashVideo

項目地址：https://jshilong.github.io/flashvideo-page/