FramePackAI 视频生成器

在消费级 GPU 上使用 13B 模型以 30fps 生成超 1800 帧的视频

已被全球 5000+ 创作者与研究者采用

通过 FramePack AI 革命性的内存压缩技术，可在 6GB GPU 上生成 60 秒（1800 帧）的视频

通过 ComfyUI 节点使用 FramePack AI 工作流，支持自动模型下载

双向采样确保长时视频生成稳定 —— 支持生成长度为普通模型 10 倍的视频而不掉画质

在我们的 GitHub 仓库中自由修改与扩展 FramePack AI，已有 2000+ 星标

通过 FramePack AI 的分段预测功能，实时观看帧生成过程

在单节点 A100/H100 集群上以批大小 64 进行视频模型训练

FramePack AI 的专利上下文打包算法将输入帧压缩为固定长度的潜变量，通过自适应块划分实现。该技术具备 O(1) 的内存复杂度，无论视频多长都不会增加显存占用，使 13B 推理在移动端 GPU 上成为可能。

当然可以！FramePack AI 的 GitHub 仓库采用 Apache 2.0 许可证，允许商业使用。ComfyUI 集成也适合工作室直接部署，架构还支持通过可扩展块划分策略实现 4K 分辨率输出。

FramePack AI 引入了三项核心创新：1）上下文感知的帧打包；2）双向防漂移采样；3）基于段落的渐进式生成。这些技术让其在同等算力下可生成比传统视频扩散模型长 10 倍的视频。

Windows 用户可以下载我们的一键安装包（包含 CUDA 12.6 与 PyTorch 2.6），解压后运行 update.bat，再通过 run.bat 启动。GitHub 上有详细的驱动与故障排查指南。

目前 FramePack AI 针对 NVIDIA 显卡（30XX/40XX/50XX 系列）优化，支持 fp16/bf16。ROCm 支持处于实验阶段，推荐 AMD 用户通过 WSL2 使用 ComfyUI 实现。

建议做法包括：1）使用明确的动作描述（如“旋转跳舞三圈”）；2）使用 TeaCache 保持时序一致；3）从 128 帧生成开始；4）使用我们的 SigCLIP 提示增强器。GitHub 有示例提示词。

TeaCache 是一种注意力优化机制，能提升 40% 的生成速度，但可能牺牲部分画质。最终渲染建议关闭 TeaCache，采用完整的欧拉采样扩散方式。据 GitHub 测试，全扩散可带来 0.78 FVD 分数提升。

完全可以！GitHub 提供训练脚本，支持 8xA100 节点配置，并支持 FramePack 的压缩调度器 API。社区也在 HuggingFace 上分享了训练好的模型，可查看 'framepack-models' 组织。

请在高级设置中启用防漂移采样器，该方法使用反向双向采样策略将生成锚定至起始帧。推荐搭配 CFG=7.5 与 50 步扩散，稳定生成最长 5 分钟视频。

FramePack AI 是 HunyuanVideo 技术的开源演进版本。我们在保持兼容性的基础上解耦了架构 —— 你可以直接加载 HunyuanVideo 的 checkpoint 使用 FramePack 的 GitHub 或 ComfyUI 实现。