Helios：开启14B参数实时长视频生成的新纪元

由北京大学、字节跳动、Canva及成都安努智能的研究团队联合打造，Helios 正式亮相。这是一款拥有 14B（140亿）参数的自回归扩散模型，它彻底打破了“大模型必然慢”的固有印象，实现了在单个 NVIDIA H100 GPU 上以 19.5 FPS 的速度生成分钟级长视频。

项目的核心理念非常直感：“一个 14B 的实时模型可以比 13B 模型更便宜、更快，但性能更强大。”

🚀 核心技术突破：不走寻常路

Helios 的诞生并非单纯堆砌算力，而是在算法架构上进行了深度的“减负”与“增效”，主要体现在以下三个维度：

1. 告别漂移启发式方法： 长视频生成中最头疼的就是“画面崩坏”或“漂移”。Helios 无需使用自强制（Self-forcing）、误差库或关键帧采样等常用技巧，通过在训练中显式模拟漂移并消除重复运动，从源头保证了长视频的稳定性。
2. 无需标准加速技术即可实时： 令人惊讶的是，Helios 在不依赖 KV-cache（键值缓存）、量化或稀疏注意力机制的情况下，依然达到了实时生成的水平。它通过大幅压缩历史噪声上下文和减少采样步数，将计算成本降至与 1.3B 模型相当甚至更低的水平。
3. 极致的内存优化： 该模型支持在无需并行或分片框架的情况下进行训练。这意味着在仅 80GB 的 GPU 显存内，可以同时运行多达四个 14B 模型，极大地降低了开发与部署的门槛。

📊 性能表现：速度与质量的巅峰

在端到端吞吐量测试中，Helios 展现出了压倒性的优势：

🎨 全能创作：从短片到分钟级巨作

Helios 原生支持 T2V（文本转视频）、I2V（图像转视频） 以及 V2V（视频转视频） 任务。官方展示了多组令人惊叹的案例：

• 超长视频（1449帧）： 无论是宇航员在盐漠中前行的电影预告片，还是热带鱼在珊瑚礁中穿梭的自然纪录片，Helios 都能保持极高的逻辑连贯性。
• 互动与创意： 支持赛博朋克风的纽约水下都市、穿着紫色背带裤在孟买漫步的小袋鼠，甚至是维京海盗驾驶现代公交车的荒诞场景。
• 图像转视频： 能将静态的阿联酋航空 A380 飞行动作、金门大桥的落日余晖完美转化为流畅的动态影像。

🔗 项目资源

目前，研究团队已将该项目开源，旨在推动视频生成社区的进一步发展。

• 代码仓库： GitHub
• 模型权重： Hugging Face
• 技术论文： Arxiv 待发布

主题授权提示：请在后台主题设置-主题授权-激活主题的正版授权，授权购买：RiTheme官网