FramePack 是斯坦福大学主导开发的视频生成框架，是一种用于视频生成的下一帧（下一帧部分）预测神经网络结构，可以逐步生成视频。FramePack 主要开发者之一，就是业内大名鼎鼎的张吕敏大佬，AI领域的“赛博佛祖”，ControlNet的作者，站内也发布了他的很多项目一键包。

FramePack 的最大亮点在于其极低的硬件门槛。传统视频扩散模型通常需要高昂的显存支持，而FramePack 仅需6GB显存 即可实现全帧率（30fps）下上千帧的视频扩散生成。这一特性使得普通消费级GPU也能轻松运行复杂的视频生成任务，极大降低了技术应用的门槛。在RTX 4090上，单帧生成速度1.5秒（优化后），生成1分钟视频（1800帧）不到1小时，效率碾压同类技术。

FramePack 基于腾讯的hunyuanvideo，只需要上传一张照片，输入提示词，即可生成对应的视频。应该是目前生成效果兼顾资源占用最优的开源视频生成项目，尤其是人物视频生成，效果堪称业界翘首，AI视频生成平民化即将由此拉开序幕。

今天分享的 FramePack V2版，基于国外大佬 FurkanGozukara 的WebUI整合，新增了首尾帧生成功能（由大佬汤团猪提交）、新增LoRA支持、新增批量生成、新增gif等图像格式导出、新增生成分辨率和生成视频质量选择等。


技术特点

1. 帧上下文打包：把“无效数据”压缩到极致
传统模型处理每帧都“一视同仁”，导致显存随帧数线性增长。FramePack却像“智能数据管家”：  对关键帧（如首帧、动作变化帧）用“小补丁”精细处理，保留1536个细节token； 对次要帧（如连续动作的过渡帧）用“大补丁”压缩，仅保留192个token，显存占用指数级下降。 最终实现计算复杂度恒定（无论生成100帧还是1000帧，算力消耗不变），彻底摆脱“帧数越多越卡顿”的魔咒。
2. 抗漂移采样：告别“视频越生成越歪” 长视频生成最头疼的问题——生成到第10帧还正常，第50帧就“画风突变”，这是传统“单向依赖最后一帧”的缺陷。 FramePack用“双向记忆法”解决：  生成当前帧时，既参考最近帧的细节，又回溯首帧的核心特征，像“跟着导航走”一样始终紧扣初始设定。 实测生成1800帧（60秒）视频零漂移，从开场到结尾保持画质稳定，做剧情动画、游戏过场再也不怕“崩人设”。

3. 灵活调度策略：按需分配“算力资源” 支持4种智能模式适配不同场景：  几何压缩：重点保最近帧，适合实时直播、短视频快速生成； 首帧优先：做“图生视频”时，让首帧的细节100%保留，确保画面起点高标准； 对称压缩：均衡处理所有帧，适合需要稳定连贯的教学视频、产品演示片。


应用领域

1. 内容创作者：从“素材苦手”到“效率王者” 短视频博主：再也不用花几小时剪素材，AI直接生成30秒连贯动画，成本降90%； 自媒体团队：用普通电脑就能批量生成口播背景、动态特效，小成本做出大片感； 独立游戏开发者：实时生成游戏场景过场动画，60秒长镜头轻松实现，开发周期直接腰斩。
2. 技术开发者：低成本落地AI视频功能 中小型企业：无需采购高端服务器，用现有显卡就能在APP中嵌入“AI生成视频”功能，比如电商平台的商品3D展示、教育类APP的动态课件； 边缘设备厂商：手机、VR头显、智能车载系统，未来都可能内置FramePack，实现“本地生成视频”，隐私和效率双提升。
3. 普通玩家：人人都是“视频造物主” 用手机生成个性化短视频：比如让二次元角色在厨房跳舞、给宠物“配音”生成趣味动画； 低门槛玩AI动画：不需要懂代码，下载开源工具就能上手，真正实现“想法即生成”。


使用教程：（建议N卡，显存6G起，内存RAM建议32G起。基于CUDA12.8，支持50系显卡）
上传图片，输入提示词，生成即可。
支持首位帧生成，上传一张开始帧，一张结束帧，输入提示词，生成即可。
虽然显卡要求门槛低，但部分硬件占用会转移到内存RAM上，所以建议低显存显卡用户需要有足够的内存，建议内存32G起
类似视频生成，如果想要速度和质量并存，显卡还是硬性条件， 建议尽量显卡不要太差。所以消费级显卡只能勉强体验，速度和质量都不会太高。

下载地址：私信获取