字节发布 InfinityStar 框架：5秒720p视频生成仅需58秒

近日，字节跳动发布全新 InfinityStar 框架，大幅提升视频生成效率：制作一段5秒720p视频现在最快约58秒即可完成。该方案不仅加速生成，还以统一架构覆盖多种视觉生成任务，如图像生成、文生视频、视频续写等。

InfinityStar 的设计源于对视频数据结构的深入理解。不同于把视频当作一个整体三维数据块的传统方式，它引入“时空金字塔”思路，明确区分空间尺度与时间维度。借此，模型可分别处理外观细节与运动变化，大幅提升生成质量。

为进一步提升效率，InfinityStar 采用“知识继承”策略，以上游预训练的变分自编码器（VAE）为基础进行迁移学习。通过这种方式，新模型能更快掌握高质量视频特征，显著缩短训练时间并降低算力成本。

实验结果表明，InfinityStar 在保证优秀画面表现的同时，实现了超快生成速度。该框架的推出不仅代表视觉生成技术的又一次突破，也为未来长视频创作和多样化任务处理奠定了坚实基础。

github:https://github.com/FoundationVision/InfinityStar

划重点:

– 🚀 5秒720p视频约58秒即可生成，效率显著提升。

– 🏗️ 采用时空金字塔，将外观与运动信息解耦，画面更稳定、质感更好。

– 📈 引入知识继承与预训练 VAE，加速学习并降低计算开销。