• 🕒 生成时间：每张图大概 10–60 秒（取决于设备）

---

✅ 二、文生视频（Text-to-Video）

以下项目中，很多都基于 SD 模型扩展，但视频生成复杂度高，生成时间一般 超过 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

• 🎥 视频时长：2–4秒，支持中文 prompt

• 💻 本地部署建议：至少 8GB GPU

• 🛠️ 安装：

pip install modelscope

pip install "modelscope[multimodal]"

• 🧪 示例代码：

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': '一个骑自行车的少年在夕阳下'})['output_video']