4月20日消息，GitHub用户Lvmin Zhang与斯坦福大学的Maneesh Agrawala联合发布了一项名为FramePack的技术。该技术通过固定时域上下文长度，在视频扩散模型中实现更高效的长视频生成。测试显示，基于FramePack的130亿参数模型，仅需6GB显存即可生成60秒高质量视频。FramePack是一种多级优化的神经网络架构，兼容现有预训练模型，支持FP16、BF16格式，并适用于RTX 50、RTX 40、RTX 30系列显卡（除RTX 3050 4GB外）。它能显著降低显存需求，缓解‘漂移’现象，同时支持即时预览。性能方面，RTX 4090优化后每秒可生成约0.6帧。FramePack已在Windows和Linux系统上验证，但在RTX 20系列及更老显卡上的表现尚未明确，且未提及AMD、Intel处理器的支持情况。