Pyramid Flow（快手 Pyramid Flow）：视频生成器 — 功能与运行要求

Pyramid Flow（快手 Pyramid Flow）是一款开源视频生成器，用于解决 text-to-video 任务。该模型采用金字塔式流匹配（flow matching）方法，据开发者称，它可以在显存较小的显卡上生成视频。

功能

• 根据文本描述生成视频（text-to-video）。
• 支持 Multi-GPU 模式——使用多块显卡加速。
• 将计算卸载到中央处理器（CPU offloading），以便在可用显存范围内运行。

作者将该模型描述为「Pyramidal Flow Matching for Efficient Video Generative Modeling」，并指出它曾在 ICLR 2025 上展示。

运行要求

• 平台：开发者提到后端 MPS；代码使用 Python 编写，推荐版本为 3.8.10。
• 内存：据作者描述，运行需要少于 8 GB 的 GPU 显存。使用多块 GPU 和 CPU offloading 时，该数值还可以更低。
• 框架：模型已集成到 diffusers 库，模型权重可在 Hugging Face 获取。最大的权重文件为 7.8 GB，所有文件总大小为 27.2 GB。
• 许可证：代码以 MIT 许可证分发，模型权重采用 Stability AI Community License。
• 本地运行：可行，源代码已在仓库 github.com/jy0205/Pyramid-Flow 开源。代码的最后一次修改日期为 2024 年 12 月 21 日。

适用人群

该工具适合希望了解现代视频生成模型原理，或将其改造用于自身任务的研究人员和开发者——毕竟代码开源，且使用 Python 和 diffusers 编写。能够在 8 GB 显存的显卡上运行以及支持 Multi-GPU，使该模型对没有大显存服务器加速卡的用户也可用。

不适合那些寻找现成云服务、希望「上传文本——得到视频」而不愿深入配置环境和操作命令行的用户。此外还需注意，模型权重有独立于 MIT 的单独许可证——这在商业使用时可能很重要。

Pyramid Flow 是研究型模型逐步降低视频生成门槛的例子之一。有关该项目的更多信息可访问网站 pyramid-flow.github.io，模型权重可从 huggingface.co/rain1011/pyramid-flow-sd3 下载。