ModelScope Text To Video

ModelScope Text To Video

在 Gradio 演示里，用 ModelScope 文生视频扩散模型把英文文字提示词变成 256x256 的短视频。适合想试试文生视频的研究者和好奇的创作者。

由 shamedrank10 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个 Space 是 ModelScope Text2Video（也叫 VideoFusion）的 Gradio 演示，这是来自阿里巴巴达摩院和 ModelScope 的文生视频扩散模型，约有 17 亿参数。你输入一段英文提示词，它返回一段 256x256 像素的短视频。它运行在 Hugging Face 的 ZeroGPU 上。

适合谁：想看看早期开源文生视频模型能做什么，并且需要手边就有调节控件的研究者、学生和业余创作者。

Industry | Who uses it | How they use it | Example
研究 | 视频生成研究者 | 在研究中使用之前先检查模型的输出 | 生成一段视频，记下画面细节和动作
教育 | 学习扩散模型的学生 | 看文字如何变成视频 | 改变随机种子，对比同一个提示词的两段视频
创意 | 业余创作者 | 根据一个想法做无声的短视频 | 输入一个简短的场景，按下 Generate video
产品团队 | 做原型的人 | 判断文生视频是否适合某个想法 | 试试页面提供的示例提示词

如果你需要商业用途的输出，或视频里要有清晰可读的文字，这个模型不合适。

用在哪里：它可以在两个地方运行。

• 网页浏览器，在 Hugging Face 上的 Space 页面打开，无需安装任何东西
• Windows、macOS 或 Linux 上的本地副本，需要 Python 3.12

Use case | Who | What they get back
做一段视频 | 创作者 | 由英文提示词生成的一段短 MP4 视频
调整一次运行 | 研究者 | 改变帧数、步数、fps 或种子后得到的不同视频
避开某些内容 | 创作者 | 应用了负面提示词的视频

如何设置：在线使用什么都不用准备。本地副本需要几样东西。

• Python 3.12 和 pip
• requirements.txt 里列出的包
• 适合这个模型的 GPU，因为页面是为 ZeroGPU 搭建的

1. 安装 Hugging Face 工具。
2. 把这个 Space 下载到一个文件夹。
3. 进入该文件夹。
4. 安装 Gradio 和 requirements.txt 里的包。
5. 启动应用。

pip install -U huggingface_hub
hf download shamedrank10/modelscope-text-to-video --repo-type space --local-dir modelscope-text-to-video
cd modelscope-text-to-video
pip install gradio==6.30.0
pip install -r requirements.txt
python app.py

如何使用：用英文写下你的场景，或者选一个现成的示例提示词。如果想改帧数、推理步数、fps、种子或负面提示词，就打开 Advanced options。然后按下 Generate video，等待视频生成。

Tool | What it does
提示词输入框 | 接收你对场景的英文描述
Advanced options | 一个面板，里面有帧数、步数、fps、种子和要避开内容的控件
Generate video | 开始运行并返回视频

示例：你输入 "a cat walking along a beach" 并按下 Generate video。稍等片刻，页面返回一段 256x256 的视频。按 16 帧、每秒 8 帧算，大约持续两秒。

新手与专家：先用一个示例提示词和默认设置。第一次尝试时，简短具体的场景效果最好，而且模型只读英文。

演示在启动时通过该模型的 diffusers 移植版一次性加载 fp16 管线，用 imageio-ffmpeg 导出 MP4 文件。耗时随帧数和推理步数增长。模型画不出清晰的文字，还可能重现训练数据里的偏见。

你输入英文提示词
fp16 管线在 ZeroGPU 上运行
模型把噪声逐步还原成视频帧
页面导出并显示 MP4

注意事项：输出尺寸固定为 256x256，所以视频又小又短。

• License: CC BY-NC 4.0，仅限非商业使用
• Cost to run: Hugging Face 上的 ZeroGPU 时间，没有提到任何密钥
• Data it reaches: 你在页面里输入的提示词
• Not for: 商业用途、非英文提示词或带清晰文字的视频

Hugging Face 上的数据（2026年11月13日）

• 点赞：1
• 构建方式：gradio
• 许可证：cc-by-nc-4.0

链接

• Space：https://huggingface.co/spaces/shamedrank10/modelscope-text-to-video
• 文件：https://huggingface.co/spaces/shamedrank10/modelscope-text-to-video/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。