• 🕒 生成時間：每張圖大概 10–60 秒（取決于設備）

---

? 二、文生視頻（Text-to-Video）

以下項目中，很多都基于 SD 模型擴展，但視頻生成復雜度高，生成時間一般 超過 30 秒，也正好符合你要求。

1. ModelScope's text-to-video-synthesis

• 📦 地址：modelscope/modelscope

• 🔬 模型：text-to-video-synthesis

• 🎥 視頻時長：2–4秒，支持中文 prompt

• 💻 本地部署建議：至少 8GB GPU

• 🛠? 安裝：

pip install modelscope

pip install "modelscope[multimodal]"

• 🧪 示例代碼：

from modelscope.pipelines 
import pipeline from modelscope.utils.constant 
import Tasks 
p = pipeline(Tasks.text_to_video_synthesis, model='damo/text-to-video-synthesis') video_path = p({'text': '一個騎自行車的少年在夕陽下'})['output_video']