---
title: ExVideo-SVD-128f-v1
canonical_url: "https://www.modelscope.cn/models/ECNU-CILab/ExVideo-SVD-128f-v1"
md_url: "https://www.modelscope.cn/models/ECNU-CILab/ExVideo-SVD-128f-v1.md"
repository: ECNU-CILab/ExVideo-SVD-128f-v1
chinese_name: "ExVideo 128 帧视频生成模型（基于 SVD 扩展）"
last_updated: 2024-06-25
license: "Apache License 2.0"
pipeline_tag: text-to-video-synthesis
tasks:
  - text-to-video-synthesis
parameters: 1.7B
tensor_type:
  - F16
  - F32
library_name:
  - pytorch
  - safetensors
frameworks:
  - Pytorch
downloads: 1811
stars: 46
---

# ExVideo-SVD-128f-v1

> ExVideo-SVD-128f-v1 - ECNU-CILab 在 ModelScope 开源的模型。ExVideo 是一项视频生成模型的后训练技术，旨在通过后训练增强模型的生成能力。我们在 Stable Video Diffusion 的基础上进行了扩展，使其能够生成 128 帧长视频。

ECNU-CILab/ExVideo-SVD-128f-v1 是 ModelScope 魔搭社区上的 1.7B 参数text-to-video-synthesis模型，采用 Apache License 2.0 许可。

- **Repository**: ECNU-CILab/ExVideo-SVD-128f-v1
- **License**: Apache License 2.0
- **Tasks**: text-to-video-synthesis
- **Parameters**: 1.7B
- **Downloads**: 1811
- **Stars**: 46
- **Last updated**: 2024-06-25

Source: https://www.modelscope.cn/models/ECNU-CILab/ExVideo-SVD-128f-v1

---

# ExVideo

ExVideo 是一项视频生成模型的后训练技术，旨在通过后训练增强模型的生成能力。我们在 Stable Video Diffusion 的基础上进行了扩展，使其能够生成 128 帧长视频。

这是我们公开的第一个模型，由于计算资源限制，这个模型仅在约 4 万视频上使用 8 x A100 训练了一周左右，因此模型有时会生成不符合现实规律的内容，还请期待我们后续的模型发布。

* [项目页面](https://ecnu-cilab.github.io/ExVideoProjectPage/)
* [开源代码](https://github.com/modelscope/DiffSynth-Studio)
* [技术报告](https://arxiv.org/abs/2406.14130)

## 使用方式

```python
from diffsynth import save_video, ModelManager, SVDVideoPipeline
import torch, requests
from PIL import Image


# Load models
model_manager = ModelManager(torch_dtype=torch.float16, device="cuda",
                             model_id_list=["stable-video-diffusion-img2vid-xt", "ExVideo-SVD-128f-v1"])
pipe = SVDVideoPipeline.from_model_manager(model_manager)

# Generate a video
torch.manual_seed(0)
image = Image.open(requests.get("https://www.modelscope.cn/api/v1/studio/ECNU-CILab/ExVideo-SVD-128f-v1/repo?Revision=master&FilePath=images%2F0.png", stream=True).raw)
image.save("image.png")
video = pipe(
    input_image=image.resize((512, 512)),
    num_frames=128, fps=30, height=512, width=512,
    motion_bucket_id=127,
    num_inference_steps=50,
    min_cfg_scale=2, max_cfg_scale=2, contrast_enhance_scale=1.2
)
save_video(video, "video.mp4", fps=30)
```

请参考 [DiffSynth](https://github.com/modelscope/DiffSynth-Studio) 获取更多信息。

## 样例展示

|||||
|-|-|-|-|
|![](gifs/model_title_0.gif)|![](gifs/model_title_1.gif)|![](gifs/model_title_2.gif)|![](gifs/model_title_3.gif)|
|![](gifs/model_title_4.gif)|![](gifs/model_title_5.gif)|![](gifs/model_title_6.gif)|![](gifs/model_title_7.gif)|
|![](gifs/model_title_8.gif)|![](gifs/model_title_9.gif)|![](gifs/model_title_10.gif)|![](gifs/model_title_11.gif)|