在不久前 OpenAI Sora 以其优秀且惊人的视频生成效果迅速走红，更是在一众文生视频模型中脱颖而出，成为了文生视频领域的领头羊。

同时它也推动了行业内文生视频技术的发展。今天小编为大家分享一款新开源的文生视频项目MuseV，据说可以生成不限时长的AI视频。

项目背景

MuseV 项目在2023年7月就已经实现了，但是受到近期 Sora 进展的启发，才决定开源出来。据该团队介绍 ，MuseV 站在开源的肩膀上成长，也希望能够借此反馈社区。

项目介绍

MuseV 是一个基于扩散模型的虚拟人视频生成框架。它采用了新颖的视觉条件并行去噪方案，支持无限长度视频的生成。

提供了预训练的虚拟人视频生成模型，具备 Image2Video、Text2Image2Video 和 Video2Video 等强大功能。而且，MuseV 兼容 Stable Diffusion 生态系统，包括基础模型、LoRA 和 ControlNet 等。

特色功能

• 无限长度视频生成：打破传统视频长度限制，让你的创意无限延伸。

• 多种功能模式：Image2Video、Text2Image2Video、Video2Video，满足不同创作需求。

• 支持 Stable Diffusion 生态：与现有技术兼容，提供更多创作可能性。

• 多参考图像技术：通过 IPAdapter、ReferenceOnly、ReferenceNet、IPAdapterFaceID 等技术，提升视频质量。

使用 MuseV 也非常简单。只需选择你喜欢的功能模式，输入相应的素材（如图片、文本或视频），它将为你生成高保真的虚拟人视频。同时，你还可以根据需要调整各种参数，实现个性化的创作。

为此官方也在HuggingFace上创建了体验项目，可供无条件搭建的人群或初学者使用。

Demo：https://huggingface.co/spaces/AnchorFake/MuseVDemo

待优化项

• 缺乏泛化能力。对视觉条件帧敏感，有些视觉条件图像表现良好，有些表现不佳。

• 有限的视频生成类型和有限的动作范围，部分原因是训练数据类型有限。MuseV 在较低分辨率下具有更大的动作范围，但视频质量较低。MuseV 在高分辨率下画质很好、但动作范围较小。在更大、更高分辨率、更高质量的文本视频数据集上进行训练可能会使 MuseV 更好。

• 有限类型的长视频生成。视觉条件并行去噪可以解决视频生成的累积误差，但当前的方法只适用于相对固定的摄像机场景。

总结

MuseV 以其无限长度视频生成以及对 Stable Diffusion 生态的支持以及多参考图像技术，成为视频生成领域的新兴力量。

同时，MuseV 团队还计划做另一款项目，名为MuseTalk，一个实时高质量的唇同步模型，到时候可与 MuseV 一起成为完整的虚拟人生成解决方案。

GitHub：https://github.com/TMElyralab/MuseV