FramePack 是 Lvmin Zhang 团队（斯坦福大学）开发的开源视频扩散模型，基于下一帧预测（next-frame prediction）架构，在 6GB 显存的笔记本 GPU 上即可生成长达 60 秒的 30fps 视频。

FramePack

核心参数与统计

项目	规格
产品名称	FramePack
所属分类	AI 视频生成
交付形态	桌面工具（Gradio GUI）/ CLI
支持平台	Linux, Windows
支持语言	en
目标用户	内容创作者、AI 研究者、开发者
用户规模	GitHub 17.1k Stars
定价模式	免费（Apache-2.0 开源）

平台覆盖和用户规模数据以官方实时页面和第三方统计为准。

用户与市场认可

FramePack 在 GitHub 获得 17.1k Stars，是 2025 年备受关注的开源视频生成项目之一。论文《Frame Context Packing and Drift Prevention in Next-Frame-Prediction Video Diffusion Models》已被 NeurIPS 2025 接收。社区拥有 1.7k Forks、456 个 Issues、143 Watchers，社区讨论活跃。多位 YouTuber 和独立创作者发布了安装与使用教程。因"6GB 显存跑长视频"的特性，在 Reddit 等社区被大量低配置 GPU 用户推荐。

成本优势

成本维度	说明
软件许可	Apache-2.0 开源，完全免费
模型权重	从 HuggingFace 自动下载（约 30GB+），免费
硬件成本	最低 RTX 3060 6GB 笔记本即可运行，无需云 GPU
商业使用	Apache-2.0 许可，可自由使用和修改

与 Runway（$15/月）、Pika（$10/月）等商业工具相比，FramePack 无订阅费和 API 计费，边际使用成本趋近于零。已有 RTX 30XX/40XX/50XX 系列 GPU 的用户零额外成本。

主要功能

• 图像转视频（Image-to-Video）：上传静态图片并编写运动提示词，自动生成 5-60 秒的连贯动画视频，输出 30fps MP4 文件。运动提示词推荐"主体 → 动作 → 细节"结构，对舞蹈、跳跃等大幅度动态效果最佳。
• 下一帧/下一片段渐进生成：视频逐段生成，GUI 中可实时查看 latent preview，首段生成后即可预览，无需等待全视频完成。
• TeaCache 加速与量化支持：内置推理加速（可提速约 40%），支持 xformers、flash-attn、sage-attention 等多种注意力实现后端，支持 bf16 和 fp8 量化。
• Anti-drifting 采样：独创双向采样策略，通过早期建立端点、调整采样顺序、离散化历史表示，解决长视频生成中的"遗忘-漂移"问题。
• Gradio Web GUI：友好的图形界面，支持图像上传、提示词输入、参数调节，支持 --share 参数生成公网分享链接。

模型与版本演进

版本	日期	关键变化
Windows One-Click Package	2025-04-18	Windows 一键安装包，降低安装门槛
Initial Release（v0.1）	2025-04-17	基础 next-frame prediction、13B HY 模型

社区扩展版本 FramePack-F1（2025-05-03）和下一代预览版 FramePack-P1（2025-06-26）也相继发布。

技术优势

• 帧上下文打包（Frame Context Packing）：核心创新——对输入帧进行重要性赋权压缩，重要帧分配更多 token 资源。O(1) 计算复杂度不随视频长度增长，6GB 显存即可处理数千帧上下文。
• Anti-drifting 双向采样：三种即插即用方法（早期建立端点、调整采样顺序、离散历史表示）解决 next-frame 模型的误差累积问题，60 秒视频质量稳定不退化。
• 高训练吞吐：O(1) 复杂度使得单台 8×A100/H100 节点即可用 batch size 64 微调 13B 视频模型。
• 模块化 Python 代码库：基于 PyTorch 构建，可方便替换注意力实现、量化方案、采样策略等组件。

如何使用

入口	使用方式
Windows 一键包	下载 framepack_cu126_torch26.7z → 解压 → 运行 run.bat → 浏览器操作
Linux/手动安装	git clone → pip install → python demo_gradio.py

首次运行会自动从 HuggingFace 下载模型权重（约 30GB+）。提示词推荐使用 ChatGPT 模板生成运动描述。

产品定价

套餐	价格	包含内容
软件下载	免费	全部功能（Apache-2.0）
模型权重	免费	自动从 HuggingFace 下载
商业使用	免费	Apache-2.0 许可

隐性成本：需 NVIDIA GPU（最低 6GB VRAM），模型权重约 30GB+ 存储空间，首次安装需网络下载。

应用场景

• 内容创作者的素材生成：将 Midjourney 生成的 AI 图片转化为 5-15 秒动画片段，用于短视频背景、过渡或开场动画，单片段制作时间从 30 分钟以上缩短到 2-3 分钟。
• 广告与营销动态视觉：将产品概念图快速生成动态预览（storyboard animatic），单人 15 分钟内完成多版本对比输出。
• 研究者与学生的视频扩散实验：模块化代码库使研究者可快速原型化新想法，13B 模型在单节点即可完成微调实验。

适用人群

• 个人用户：内容创作者、AI 爱好者，推荐使用 Windows 一键包，无需编程基础。
• 中小企业团队：营销和广告团队需要快速生成动态视觉素材。
• 大型企业：需评估研究项目的商业级稳定性，FramePack 无官方商业支持。
• 不适配边界：无 NVIDIA GPU 用户无法使用；需要精细逐帧编辑的专业 VFX 场景；需要 SaaS 便捷体验的用户。

竞品对比

对比维度	FramePack	Runway Gen-3	Pika
核心差异	本地 6GB 显存运行	云端订阅	云端订阅
价格	免费（开源）	$15/月起	$10/月起
覆盖场景	图像转视频、研究实验	专业视频生成	社交媒体
用户评价	低门槛、开源可控	质量高、功能全	易用性好
技术门槛	中（需 GPU + 安装）	低（Web 使用）	低（Web 使用）

总结与展望

FramePack 通过帧上下文打包和 anti-drifting 采样两项核心创新，将大规模视频扩散模型从云端带到消费级 GPU 上。6GB 显存门槛、O(1) 推理复杂度、Apache-2.0 完全开源——三者组合使其在开源视频生成工具中占据独特生态位。

采购/采用风险评估：FramePack 是开源项目（Apache-2.0），无供应商锁定风险。需注意：（1）GitHub 仓库是唯一官方来源，网络存在冒充域名欺诈；（2）作为研究项目，长期维护取决于核心开发者投入，商业级稳定性无保证。后续方向包括 FramePack-P1 进一步提升稳定性。 |---|---| | 产品类型 | 开源视频扩散模型与桌面工具 | | 模型参数量 | 13B（HY 变体） | | 平台支持 | Linux, Windows | | 上线时间 | 2025 年 4 月 | | 当前版本 | Windows One-Click Package（2025-04-18） | | 底层架构 | Next-Frame Prediction 神经网络 | | 上下文压缩 | O(1) 恒定复杂度帧上下文打包 | | 输出格式 | MP4 视频（30fps） | | 最低显存要求 | 6GB VRAM（笔记本 RTX 3060 实测） | | 生成速度 | RTX 4090 上 ~2.5 秒/帧（未优化）/ ~1.5 秒/帧（TeaCache） | | 最长视频 | 60 秒（1800 帧 @ 30fps） | | 许可证 | Apache-2.0 |

FramePack 是由 Lvmin Zhang（lllyasviel）等来自斯坦福大学和 MIT 的研究者开发的开源视频扩散系统。其核心技术是 Frame Context Packing——一种将输入帧上下文进行重要性赋权压缩的方法，使得 13B 参数量级的视频扩散模型能够在仅 6GB 显存的消费级 GPU 上生成长达 60 秒的 30fps 视频，且生成工作负载不随视频长度增长（O(1) 复杂度）。

与传统的视频扩散模型不同，FramePack 采用 next-frame（或 next-frame-section）预测 架构：模型逐帧（或逐片段）地渐进生成视频，每一步仅基于有限的历史帧上下文预测下一帧。这种设计使得视频长度理论上不受 Transformer 上下文窗口的限制，同时配合 Anti-drifting 采样策略解决了长视频生成中常见的质量退化（error accumulation）问题。

用户与市场认可

FramePack 在 GitHub 上获得 17.1k Stars，是 2025 年备受关注的开源视频生成项目之一。其影响力主要体现在：

• 学术认可：论文《Frame Context Packing and Drift Prevention in Next-Frame-Prediction Video Diffusion Models》已被 NeurIPS 2025（The Thirty-ninth Annual Conference on Neural Information Processing Systems）接收。
• 社区活跃度：GitHub 上 1.7k Forks、456 个 Issues、143 Watchers，社区讨论活跃，用户自发贡献了 FramePack-F1 等扩展版本和大量使用教程。
• 开发者生态：多位 YouTuber 和独立创作者发布了 FramePack 的安装与使用教程，覆盖了从入门到高级优化的全流程。
• 内容创作者采用：FramePack 因"6GB 显存跑长视频"的特性，在 Reddit 等社区被大量低配置 GPU 用户推荐，评价集中在"终于有能在笔记本上跑的视频扩散工具"。

成本优势

FramePack 是完全开源的工具（Apache-2.0 许可证），无任何隐藏收费。

成本维度	说明
软件本身	免费（开源，GitHub 下载）
模型权重	自动从 HuggingFace 下载（约 30GB+），免费
硬件成本	最低 RTX 3060 6GB 笔记本即可运行，无需云 GPU
商业使用	Apache-2.0 许可证，可自由使用和修改

对比分析：与 Runway Gen-3（$15/月起，依赖云服务）、Pika（$10/月起，依赖云服务）等商业视频生成工具相比，FramePack 的成本结构完全不同——它没有订阅费、无 API 调用计费，唯一成本是用户自有的 GPU 硬件。对于已有 RTX 30XX/40XX/50XX 系列 GPU 的用户，FramePack 的边际使用成本趋近于零。对于没有 GPU 的用户，租用云端 6GB 显存实例的成本也远低于商业工具的月度订阅费。不过，用户需自行承担约 30GB 模型权重的下载流量和首次安装配置的精力成本。

主要功能

• 图像转视频（Image-to-Video）：上传一张静态图片并编写运动提示词，FramePack 自动生成 5 秒到 60 秒的连贯动画视频。支持 30fps 帧率，输出流畅的 MP4 文件。运动提示词推荐使用"主体 → 动作 → 细节"的结构（如"女孩优雅起舞，动作清晰，充满魅力"），模型对舞蹈、跳跃、奔跑等大幅度动态效果最佳。
• 下一帧/下一片段渐进生成：FramePack 是 next-frame-section prediction 模型，视频会逐段生成。在 GUI 中用户可实时看到 latent preview 和进度条，首段生成后即可预览效果，无需等待全视频完成。初始进度可能较慢（设备预热），后续逐步加速。
• TeaCache 加速与量化支持：内置 TeaCache 推理加速（可提速约 40%），同时支持 xformers、flash-attn、sage-attention 等多种注意力实现后端。支持 bf16 和 fp8 量化（通过 bnb/GGUF），在降低显存占用的同时允许用户权衡质量与速度。注意：TeaCache 并非无损，建议用 TeaCache 做创意探索，用全精度扩散做最终出图。
• Anti-drifting 采样：独创的双向 anti-drifting 采样策略，通过打破因果链（引入早期建立端点、调整采样顺序、离散化历史表示），解决了 next-frame 模型在长视频生成中常见的"遗忘-漂移"问题。实测 60 秒视频质量稳定不退化。
• Gradio Web GUI：提供友好的 Gradio 界面，支持图像上传、提示词输入、参数调节（视频长度TeaCache 开关、量化选项等）。支持 --share 参数生成公网分享链接，远程访问和展示。

模型与版本演进

版本	发布时间	核心变化
Initial Release（v0.1）	2025-04-17	基础 next-frame prediction 视频生成Gradio GUI、13B HY 模型
Windows One-Click Package	2025-04-18	Windows 一键安装包（CUDA 12.6 + PyTorch 2.6），降低安装门槛
FramePack-F1	2025-05-03	社区扩展版本，增强的模型变体
FramePack-P1（预览）	2025-06-26	下一代版本预览：Planned Anti-Drifting + History Discretization

FramePack 从最初的 research prototype 快速迭代。Initial Release 验证了核心的 next-frame prediction 架构在 6GB 显存上的可行性；Windows 一键包的发布极大降低了普通用户的安装门槛（解压即用）；FramePack-F1 由社区驱动扩展了模型能力；FramePack-P1 引入了更系统的防漂移设计（Planned Anti-Drifting）和历史离散化（History Discretization），进一步提升长视频稳定性。

技术优势

• 帧上下文打包（Frame Context Packing）：FramePack 的核心创新在于对输入帧进行重要性赋权压缩——越重要的帧（如紧邻预测目标的最近帧）分配越多的 token 资源（更大的 patchifying kernel），次重要的帧分配更少的 token。这使得在固定上下文长度内可编码的帧数大幅提升，且计算复杂度为 O(1)（不随视频长度增长）。对于 13B 模型，6GB 显存即可处理数千帧的上下文。
• Anti-drifting 双向采样：传统 next-frame 模型在生成过程中存在误差累积（exposure bias），导致视频质量随长度增加而退化。FramePack 提出双向采样策略——在每一步生成时不仅参考过去的帧，还通过早期建立端点使生成过程"有锚点可依"。具体包括三种方法：early-established endpoints（早期建立端点）、adjusted sampling orders（调整采样顺序）、discrete history representation（离散历史表示）。三种方法均可即插即用地应用于已有的视频扩散模型微调。
• 高训练吞吐：由于上下文打包技术带来的 O(1) 复杂度，FramePack 可以用非常大的 batch size 进行训练。单台 8×A100/H100 节点即可用 batch size 64 微调 13B 视频模型，训练效率接近图像扩散模型——"Video diffusion, but feels like image diffusion"。
• 模块化 Python 代码库：基于 PyTorch 构建的模块化架构，研究者可以方便地替换注意力实现、量化方案、采样策略等组件进行实验。代码库包含完整的 Gradio demo、diffusers 兼容层和模型权重自动下载机制。

如何使用

FramePack 提供两种使用方式：

方式一：Windows 一键包（推荐新手）

1. 从 GitHub Releases 下载 framepack_cu126_torch26.7z（约 1.69 GB）。
2. 解压到任意目录，运行 update.bat 更新组件。
3. 运行 run.bat 启动 Gradio Web GUI。
4. 在弹出的浏览器界面中上传图片、输入运动提示词、调整参数，点击生成。
5. 模型权重会自动从 HuggingFace 下载（约 30GB+，首次运行需要）。

方式二：Linux / 手动安装（推荐开发者）

# 创建独立 Python 3.10 有境
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
pip install -r requirements.txt

# 启动 Gradio GUI
python demo_gradio.py

# 支持参数：--share（公网分享链接）、--port、--server 等

• FramePack 默认使用 PyTorch attention，可选装 xformers、flash-attn、sage-attention 等加速后端。
• 提示词推荐使用 ChatGPT 模板生成运动描述，格式为"主体 → 动作 → 细节"。
• 首次生成时初始进度可能较慢（设备预热），后续片段会逐步加速。

产品定价

FramePack 是完全开源免费的项目（Apache-2.0 许可证），无任何套餐或计费。

项目	费用
软件下载	免费
模型权重	免费（自动从 HuggingFace 下载）
商业使用	免费（Apache-2.0 许可证）
云 GPU 租赁	用户自行承担（如租用 6GB+ 显存实例）

隐性成本提示：

1. 硬件门槛：需要 NVIDIA RTX 30XX/40XX/50XX 系列 GPU（GTX 10XX/20XX 未测试），最低 6GB 显存。没有 GPU 的用户需额外租赁云实例。
2. 存储空间：模型权重约 30GB+，需确保充足磁盘空间。
3. 首次安装：Windows 一键包虽简化了流程，但首次运行时模型权重下载仍需等待（取决于网络带宽）。
4. 学习成本：撰写有效的运动提示词需要一定实践，推荐使用 ChatGPT 模板辅助生成。

应用场景

• 内容创作者的素材生成：YouTube、TikTok、Instagram 等平台的视频创作者可将静态图像转化为动态素材。例如，将 Midjourney 生成的 AI 图片通过 FramePack 转化为 5-15 秒的动画片段，作为短视频的背景、过渡或开场动画。传统流程需要 After Effects 逐帧制作，FramePack 将单片段制作时间从 30 分钟以上缩短到 2-3 分钟（含提示词调试）。
• 广告与营销动态视觉：营销团队将产品概念图、故事板通过 FramePack 快速生成动态预览（storyboard animatic），用于客户提案或 A/B 测试。无需动用 3D 渲染管线或视频团队，一个人即可在 15 分钟内完成多版本动态素材的对比输出。
• 研究者与学生的视频扩散实验：FramePack 的模块化代码库使研究者可以快速原型化新的视频扩散想法——更换注意力机制、测试不同的采样策略、微调模型权重。13B 模型在单节点上即可完成微调实验，降低了视频生成研究的硬件门槛。
• 个人创意与艺术表达：独立艺术家使用 FramePack 将插画、摄影作品转化为动态艺术（AI animation），探索"静态 → 动态"的创意可能性。开源无限制的特性使得艺术创作者无需担心商业工具的授权问题。

适用人群

• 内容创作者与视频制作者：需要快速将静态图像转化为动态视频，用于社媒、广告、短片等场景。推荐使用 Windows 一键包，无需编程基础，10 分钟即可上手。不建议：需要精细控制画面每一帧细节的专业 VFX 场景（FramePack 的 next-frame 预测不提供逐帧编辑接口）。
• AI 研究者与学生：从事视频扩散模型、生成式 AI 方向的研究人员。FramePack 提供了简洁的代码库和预训练模型，可作为 baseline 或实验平台。模块化设计便于替换组件进行消融实验。
• AI 爱好者与开源社区贡献者：对 AI 视频生成感兴趣且拥有 RTX 30XX 系列以上 GPU 的爱好者。FramePack 的活跃社区和丰富的教程降低了探索门槛。
• 不适配人群：
  • 无 NVIDIA GPU 的用户：FramePack 需要 NVIDIA GPU（6GB+ VRAM），纯 CPU 或 AMD GPU 无法运行。
  • 需要云端 SaaS 便捷体验的用户：FramePack 是本地运行工具，需要自行安装配置、下载模型，不如 Runway/Pika 等云服务开箱即用。
  • 需要超长视频（>60 秒）或高分辨率输出的场景：FramePack 当前主要支持 480p 级别的 60 秒视频生成。
  • 希望直接获得成品视频而非实验性工具的用户：作为研究项目，FramePack 的输出质量与商业产品仍有差距，部分结果可能出现 artifacts。

总结与展望

FramePack 通过帧上下文打包（Frame Context Packing）和 anti-drifting 采样两项核心创新，将大规模视频扩散模型从云端带到了消费级 GPU 上。6GB 显存的硬性门槛O(1) 的推理复杂度Apache-2.0 的完全开源——这三者的组合使 FramePack 在 2025 年的开源视频生成工具中占据了独特生态位。论文被 NeurIPS 2025 接收，17.1k GitHub Stars 和活跃的社区验证了其技术影响力。

不适配边界：FramePack 并非商业级视频生成产品，而是研究驱动的开源工具。它需要用户具备一定的技术能力（特别是 Linux 用户），且在分辨率、视频长度、输出质量精细度上仍与 Runway、Pika 等商业工具有差距。没有 NVIDIA GPU 的用户无法使用。

采购/采用风险评估：FramePack 是开源项目（Apache-2.0），无供应商锁定风险。但需注意：（1）GitHub 仓库明确声明"此 GitHub 仓库是唯一的官方 FramePack 网站"，网络上存在大量冒充 framepack.ai、framepack.net 等域名的欺诈网站，切勿在这些网站支付费用或下载文件；（2）作为研究项目，FramePack 的长期维护取决于核心开发者（Lvmin Zhang）的投入，商业级稳定性无保证。后续发展方向包括 FramePack-P1（Planned Anti-Drifting + History Discretization）进一步提升稳定性，以及社区贡献的更多模型变体和应用集成。

相关工具：Runway、Pika

版本信息

• Windows One-Click Package ：Windows 一键安装包（CUDA 12.6 + PyTorch 2.6），内置 13B HY 模型权重自动下载。 （2025-04-18）
• Initial Release ：初始版本发布，包含基础 next-frame prediction 视频生成能力Gradio GUI 界面13B 模型权重。 （2025-04-17）