1. ModelScope T2V by 阿里達摩院（推薦）
-
模型名：
damo/text-to-video-synthesis -
輸入：一句文字描述（如："a panda is dancing"）
-
輸出：2秒視頻（16幀，576x320 分辨率）
-
顯卡推薦：8GB~16GB 顯存（支持 CPU fallback）
-
生成時間：約 40~120 秒（滿足你的要求）
-
優點：
-
真正文生視頻（非插幀）
-
HuggingFace + ModelScope CLI 接口友好
-
-
開源地址：
-
GitHub：https://github.com/modelscope/modelscope
-
在線示例：https://modelscope.cn/models/damo/text-to-video-synthesis/summary
-
-
使用方式（簡化）：
pip install modelscope python -m modelscope.cli inference \ --model damo/text-to-video-synthesis \ --text "A dog running in the park"
