字节跳动正式发布全新视觉生成框架 infinitystar，该框架在视频生成效率方面实现重大突破，仅需58秒即可生成一段5秒长的720p高清视频。这一技术不仅大幅提升了生成速度，还凭借统一架构支持多种视觉创作任务，涵盖图像生成、文本到视频转换、视频续写等多种功能。
InfinityStar 的核心设计源于对视频数据本质的深度洞察。不同于传统方法将视频看作一个整体的3D数据块，该框架创新性地采用了时空金字塔结构，将空间尺度与时间维度进行显式分离。这种架构使模型能够更精准地区分静态外观特征和动态运动信息，从而显著提升生成内容的质量与连贯性。
为进一步优化训练效率，InfinityStar 引入了知识继承机制，依托一个已预训练完成的变分自编码器（VAE）作为基础模块。借助该策略，新模型可快速迁移已有特征表示能力，有效减少训练周期并降低计算资源需求。
实测结果显示，InfinityStar 在保证出色视觉表现力的同时，实现了前所未有的生成速度。此次发布的框架标志着视觉生成领域的重要进展，为未来长时视频生成及多模态任务的拓展提供了坚实的技术支撑。
源码地址：点击下载
