RefAlign：视频生成器 — 功能与运行要求

RefAlign 是一款开源视频生成器，可根据文本描述和参考图像生成视频。该工具解决的任务是 image-text-to-video：输入为图片和文本，输出为与两个来源都保持一致的视频。作者将该 项目描述为在 ECCV 2026 上展示的 RefAlign 参考视频生成方法的官方实现。

功能

据作者描述，RefAlign 解决的是 reference-to-video generation 任务——基于参考生成视频。其核心是 representation alignment 方法：在参考图像与生成的视频之间对齐表示。这能够在视频画面中保留原始对象或场景的视觉特征。

该仓库带有若干标签，指向所支持的场景：subject-to-video（将特定主体迁移到视频中）、controllable-generation（可控生成）、text-image-generation 和 video-generation。此外还提到了 diffusion-models——扩散模型作为基础架构。作者未说明关于视频时长、分辨率或所支持输入图像格式的具体限制。

运行要求

代码使用 Python 编写，发布在仓库 github.com/gudaochangsheng/RefAlign。代码最后一次修改日期为 2026 年 8 月 25 日，仓库创建于 2026 年 3 月 17 日。代码许可证为非标准许可证——作者未在参数表中给出其文本，因此使用前需手动核查条款。

模型权重发布在 huggingface.co/gudaochangsheng/RefAlign-1.3B。所有权重文件的总大小为 2,6 GB，最大的单个文件同样为 2,6 GB。权重许可证为 MIT。作者未说明对显存、内存容量或具体库版本的要求。

适用人群

该工具适合从事基于参考的视频生成的人：需要将特定角色、对象或风格从图像迁移到视频中。开源代码和可获取的权重使人们能够研究该方法的实现，并将其适配到自己的任务中。

该项目不太适合寻找带界面的现成应用的人：参数表中描述的是代码和模型权重，而非用户产品。此外还需注意代码的非标准许可证——如果条款具有限制性，在商业项目中使用可能需要另行协商。

RefAlign 是一种基于参考的视频生成方法的研究性实现，具有开源代码和已发布的权重。运行前应核查代码许可证，并准备好用于 Python 项目的环境。