StoryDiffusion：南开大学最新开源，创作连续故事情节的漫画和视频

Ray

2024年8月3日 09:26

StoryDiffusion图像生成视频生成一致性自注意力机制运动预测器热门

项目简介

StoryDiffusion是一个由南开大学HVision实验室开发的项目，致力于通过一致性自注意力机制，实现长序列图像和视频的生成。该项目不仅能生成一致性图像，还能预测视频中的运动，从而创造出连贯的视频故事。该技术适用于所有基于SD1.5和SDXL的图像扩散模型，并推荐用户提供至少三个文本提示以优化布局排列。

视频DEMO

关键特征

StoryDiffusion 能够通过生成一致的图像和视频来创造神奇的故事。主要特点有两部分：

1.为了实现长序列中角色一致的图像生成，采用了一致性自我关注机制。这种机制是热插拔的，兼容所有 SD1.5 和 SDXL 基础的图像扩散模型。在当前的实现中，用户需要提供至少 3 个文本提示用于一致性自我关注模块。推荐至少提供 5 - 6 个文本提示以便更好的布局安排。

2.长范围视频生成的运动预测器，该预测器在压缩的图像语义空间中预测条件图像之间的运动，实现更大范围的运动预测。

示例

示例图片

·图像到视频生成（结果为了速度进行了高度压缩）

利用一致性自我关注机制生成的图像，可以通过在这些图像之间无缝过渡来扩展到视频的生成。这可以被视为一种两阶段的长视频生成方法。

注意：为了加速，结果进行了高度压缩，你可以访问网站查看高质量版本。

https://storydiffusion.github.io/

·长视频生成（新更新）

结合这两部分，可以生成非常长且高质量的 AIGC 视频。

长视频生成

·使用条件图像的长视频结果

图像到视频模型可以通过提供一系列用户输入的条件图像来生成视频。

使用条件图像

·短视频

短视频

依赖与安装

· Python >= 3.8（推荐使用 Anaconda 或 Miniconda）

· PyTorch >= 2.0.0

conda create --name storydiffusion python=3.10
conda activate storydiffusion
pip install -U pip

# Install requirements
pip install -r requirements.txt

原文链接

https://github.com/HVision-NKU/StoryDiffusion

编辑推荐精选

Manus

全面超越基准的 AI Agent助手

Manus 是一款通用人工智能代理平台，能够将您的创意和想法迅速转化为实际成果。无论是定制旅行规划、深入的数据分析，还是教育支持与商业决策，Manus 都能高效整合信息，提供精准解决方案。它以直观的交互体验和领先的技术，为用户开启了一个智慧驱动、轻松高效的新时代，让每个灵感都能得到完美落地。

飞书知识问答

飞书官方推出的AI知识库上传word pdf即可部署AI私有知识库

基于DeepSeek R1大模型构建的知识管理系统，支持PDF、Word、PPT等常见文档格式解析，实现云端与本地数据的双向同步。系统具备实时网络检索能力，可自动关联外部信息源，通过语义理解技术处理结构化与非结构化数据。免费版本提供基础知识库搭建功能，适用于企业文档管理和个人学习资料整理场景。

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

TraeAI IDE协作生产力转型热门AI工具

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

使用教程AI工具酷表ChatExcelAI智能客服AI营销产品

DeepEP

DeepSeek开源的专家并行通信优化框架

DeepEP是一个专为大规模分布式计算设计的通信库，重点解决专家并行模式中的通信瓶颈问题。其核心架构采用分层拓扑感知技术，能够自动识别节点间物理连接关系，优化数据传输路径。通过实现动态路由选择与负载均衡机制，系统在千卡级计算集群中维持稳定的低延迟特性，同时兼容主流深度学习框架的通信接口。

DeepSeek

全球领先开源大模型，高效智能助手

DeepSeek是一家幻方量化创办的专注于通用人工智能的中国科技公司，主攻大模型研发与应用。DeepSeek-R1是开源的推理模型，擅长处理复杂任务且可免费商用。

KnowS

AI医学搜索引擎整合4000万+实时更新的全球医学文献

医学领域专用搜索引擎整合4000万+实时更新的全球医学文献，通过自主研发AI模型实现精准知识检索。系统每日更新指南、中英文文献及会议资料，搜索准确率较传统工具提升80%，同时将大模型幻觉率控制在8%以下。支持临床建议生成、文献深度解析、学术报告制作等全流程科研辅助，典型用户反馈显示每周可节省医疗工作者70%时间。

Windsurf Wave 3

Windsurf Editor推出第三次重大更新Wave 3

新增模型上下文协议支持与智能编辑功能。本次更新包含五项核心改进：支持接入MCP协议扩展工具生态，Tab键智能跳转提升编码效率，Turbo模式实现自动化终端操作，图片拖拽功能优化多模态交互，以及面向付费用户的个性化图标定制。系统同步集成DeepSeek、Gemini等新模型，并通过信用点数机制实现差异化的资源调配。

AI IDE