正在整理你需要的资料…
hao-ai-lab/FastVideo ↗ · 项目主页 ↗
视频生成模型想快、想省显存,通常得自己改推理链路。FastVideo 把后训练和实时推理收进一套框架,用蒸馏、稀疏注意力等手段加速;配套的 FastH3 能跑在消费级 4090、5090 和 Apple Silicon 上。
适合做视频生成模型微调与部署、并且想在单张消费级显卡上跑出音画同步视频的团队。
FastVideo
视频生成模型想快、想省显存,通常得自己改推理链路
下面是把仓库 README 逐节读完后归纳出的中文要点。
近期支持 PAN 2 与 Kandinsky 6,推出 FastH3 Omni、Trim 等模型,硬件覆盖 RTX 5090、4090、DGX Spark 与 Apple Silicon。
覆盖双向与自回归视频 DiTs 的全流程后训练(LoRA 微调、数据处理、DMD2 步进蒸馏、稀疏注意力),并提供推理优化、命令行与 Python 接口。
用 uv 就能安装,并按 NVIDIA GPU、DGX Spark、Apple Silicon 的 MLX 或 AMD/ROCm 各自选对应平台的安装指引。
稀疏蒸馏能把去噪提速超过 50 倍,训练配方放在 examples/distill/ 下,配 FastVideo 合成数据集。
Dreamverse 是 FastVideo 的实时视频生成与编辑平台,代码在 apps/dreamverse/ 下,自带后端与界面,可跑在本地 GPU、Docker 或 Modal。
另有设计概览、蒸馏指南与贡献指南等文档可查,覆盖训练流程与贡献方式的说明。
uv venv --python 3.12 --seed
source .venv/bin/activate
# NVIDIA CUDA 12; use cu130 on CUDA 13
UV_TORCH_BACKEND=cu126 uv pip install fastvideo| 主要语言 | Python | 许可 | Apache-2.0 |
|---|---|---|---|
| 创建时间 | 2024-10-24 | 最近提交 | 2026-11-15 |
| 站内采集 | 2026-11-06 起,连续观察 12 天 | 最近一次 | 2026-11-17 |
最近 12 次采集
2026-11-06 4,785 ★ → 2026-11-17 4,822 ★ (累计 +37)
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。