InfinityStar超越DiT：高效视频生成技术革新

啪！~~~

一篇荣获顶会NeurIPS’25 Oral的论文，对DiT（Diffusion Transformer）发起了有力挑战。

自DiT问世以来，视频生成领域便受到了其强劲冲击。

然而，尽管DiT站稳了脚跟，但其计算复杂度、资源消耗及生成速度等问题仍不容忽视。

来自字节跳动商业化技术团队的这篇论文，提出了名为InfinityStar的方法，实现了视频生成质量与效率的双重飞跃，为视频生成方法开辟了新路径。

如这些有趣的动画片片段，均由InfinityStar精心打造：

InfinityStar的亮点可归纳如下：

是首个在VBench上超越扩散模型的离散自回归视频生成器；

视频生成无需“慢工出细活”：从百步去噪到自回归，告别延迟；

1. 任务通吃：文生图、文生视频、图生视频、交互式长视频生成等。

值得一提的是，InfinityStar的论文、代码及体验地址均已发布（链接见文末），接下来我们将深入实测一番~

实测：InfinityStar力压DiT的AI视频生成

首先，我们来简要了解InfinityStar的体验方法。

其入口位于Discord社区内，登录账号后，点击下方链接即可跳转。http://opensource.bytedance.com/discord/invite

在左侧导航栏下方，有InfinityStar文生视频、图生视频等功能的选项。展示的视频是在“i2v-generate-horizontal-1”中实现的：

接下来，我们将体验InfinityStar的文生图和图生视频的联动玩法。

先进入“infinity-8b-generate”，输入以下提示词生成几张图片：

A hyper-detailed, ultra-realistic, cinematic portrait of a fluffy white Ragdoll cat with striking sapphire-blue eyes and long black eyelashes...

挑选一张满意的图像后，将其“投喂”至“i2v-generate-horizontal-1”，配合以下提示词生成视频：

The cat opened its mouth and made a sound, then licked its nose with its tongue.

通过类似方法，你可快速生成各种风格、影视级的镜头：

包括各种运动场景中，人物的复杂动作也能轻松应对：

此外，作为原生自回归模型，InfinityStar还支持交互式长视频生成。

只需提供一段5秒的视频，然后InfinityStar能接受新的提示词，根据参考视频和提示词继续生成：