项目概述

Vchitect-2.0 是由上海人工智能实验室团队于 2024 年 9 月开发的高质量视频生成系统。该模型采用了创新的并行 Transformer 架构设计，拥有 20 亿参数，能够根据文本提示生成流畅、高质量的视频内容。相关论文成功为「Vchitect-2.0: Parallel Transformer for Scaling Up Video Diffusion Models」。

本教程采用资源为单卡 A6000 。

运行步骤

1. 启动容器后点击 API 地址即可进入 Web 界面

若显示「Bad Gateway」，这表示模型正在初始化，由于模型较大，请等待约 1-2 分钟后刷新页面。

2. 进入网页后，即可与模型进行交互

生成视频需要输入文本提示，文本提示仅支持英语，文本提示可以是任意长度的文本，但建议控制在 100 个字符以内，否则可能会导致生成视频过长，影响视频质量。 视频需要等待约 2-5 分钟左右，请耐心等待。

交流探讨

🖌️ 如果大家看到优质项目，欢迎后台留言推荐！另外，我们还建立了教程交流群，欢迎小伙伴们扫码备注【SD 教程】入群探讨各类技术问题、分享应用效果↓

引用信息

感谢 Github 用户 zhangjunchang  对本教程的部署，本项目引用信息如下：

@article{fan2025vchitect,
  title={Vchitect-2.0: Parallel Transformer for Scaling Up Video Diffusion Models},
  author={Fan, Weichen and Si, Chenyang and Song, Junhao and Yang, Zhenyu and He, Yinan and Zhuo, Long and Huang, Ziqi and Dong, Ziyue and He, Jingwen and Pan, Dongwei and others},
  journal={arXiv preprint arXiv:2501.08453},
  year={2025}
}