正在整理你需要的资料…
Video-Rebirth/hyperflow-infinity ↗ · 项目主页 ↗
给它一段故事种子——人物加场景,它就能自己往下写下去。Video Rebirth 这个极简 agent harness 把扩散模型和视觉语言模型凑成一对自博弈:扩散模型负责生成,视觉语言模型负责观看、更新记忆并决定下一步,递归出开放式剧情,场景图当视觉记忆,保证角色和场景整部片子不跑偏。
适合研究无限视频生成或自博弈叙事的研究者;得自己备 GPU 和 HyperFlow 权重,官方只在 H200 141 GB 上测过,还要 Linux 与 CUDA 12.9。
hyperflow-infinity
给它一段故事种子——人物加场景,它就能自己往下写下去
下面是把仓库 README 逐节读完后归纳出的中文要点。
介绍玩法:给一个包含角色与场景的故事种子,系统递归生成片段、更新记忆、决定下一步,在自博弈循环中持续产出;用 MiniMax-H3 与 HyperFlow 组成智能体,不额外引入模型
列出运行前的环境要求:至少 4 张 NVIDIA 显卡,系统为 Linux,Python 3.10 以上,还要装好 ffmpeg 等工具,CUDA 版本不符时先装匹配的版本
说明启动步骤:先起本地 Qwen 服务(用 OpenRouter 可跳过),再建立运行目录并把该目录所用显卡与 Qwen 所在显卡分开;第 1 段需要一张开场图走 Ref2V 流程
拆解循环分工:VL-Memory 把变化写进场景图并把旧事件折叠成章节摘要,VL-Director 据此写下一段提示词,H3-HyperFlow 用参考图加上一段最后的 7 个潜变量续接
给出每个片段的平均耗时:8 张 H200 节点按 8 步配置,本地 HF 后端处理 5 秒片段约 78.1 秒,换 SGLang 后端约 49.2 秒
说明依赖的外部成果:MiniMax-H3 提供基础模型与官方工作流,HyperFlow 提供 8 步 LoRA 支撑递归循环,Echo-Infinity 则是开源的无限视频生成参考
git clone https://github.com/Video-Rebirth/hyperflow-infinity.git hyperflow-infinity
cd hyperflow-infinity
python3 -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt # pinned versions, CUDA 12.9 wheels
pip install -e .| 主要语言 | Python | 许可 | Apache-2.0 |
|---|---|---|---|
| 创建时间 | 2026-10-23 | 最近提交 | 2026-10-24 |
| 站内采集 | 2026-11-06 起,连续观察 5 天 | 最近一次 | 2026-11-10 |
最近 5 次采集
2026-11-06 56 ★ → 2026-11-10 58 ★ (累计 +2)
数据来自 GitHub 公开接口的每日采集快照,star 数为采集当时读到的值, 与 GitHub 页面上显示的实时数字可能有几分钟的差距。 项目名点击可回到 本页。