WorldCrafter：视频生成器 — 功能与运行要求

WorldCrafter 是 ARC Lab、Tencent PCG 推出的开源视频生成器。它解决的是 image-to-video 任务：把静态图像变成视频序列。开发者将该项目描述为「Consistent Video World Model with Implicit 3D-aware Memory」——一种具有帧间一致性和考虑场景三维性的隐式记忆的视频世界模型。

功能

核心任务是从图像生成视频。作者将 WorldCrafter 定位为世界模型：它不只是让图片动起来，而是力求保持帧与帧之间的场景一致性。为此使用了考虑 3D 信息的隐式记忆。关于架构细节以及视频时长或分辨率的具体限制，作者在参数表中并未说明。

代码使用 Python 编写，基于 diffusers 库构建。仓库带有 video-generation 和 world-models 标签。

运行要求

运行需要配备兼容驱动的 NVIDIA GPU。据作者描述，平台为 CUDA，环境固定在 PyTorch 2.10 和 CUDA 12.8。Python 版本为 3.11，预计在 Linux 上运行。安装可通过 uv 或 conda 配合 pip 完成。

最大的单个权重文件为 9.3 GB，全部权重文件合计为 137.1 GB。规划磁盘空间时需要考虑这一点。

代码许可证为 License Term of WorldCrafter。该模型仅允许用于学术目的的使用、复制、修改和分发。任何商业或生产用途均被禁止。分发时必须附带版权声明和许可文本。第三方组件保留其原始许可证，其条款同样必须遵守。

仓库地址为 github.com/TencentARC/WorldCrafter，模型位于 huggingface.co/TencentARC/WorldCrafter-Fast，项目网站为 drexubery.github.io/WorldCrafter。

适用人群

WorldCrafter 面向视频生成和世界模型领域的研究任务。它适合研究视频序列一致性、隐式记忆以及生成模型中 3D 上下文的人。开源代码和已发布的权重使人们能够了解其实现并加以改造，用于自己的实验。

该工具不适合商业项目和生产用途：许可证明确禁止。同时还需考虑硬件要求——需要支持 CUDA 12.8 的 NVIDIA GPU，而全部权重体积超过一百 GB，对于快速实验来说可能过于庞大。

WorldCrafter 是一款定位清晰的科研工具：用于视频世界模型的学术研究。它需要高性能 GPU 和可观的磁盘空间，其许可证也将用途限制在学术范围内。