StreamingT2V：根据文字提示生成连贯且可扩展的长达2分钟的视频

StreamingT2V是一个先进的自回归技术，旨在从文本生成连贯、动态且可扩展的长视频。StreamingT2V突破了现有方法在生成长视频时遇到的停滞和不一致问题，实现了与描述性文本紧密对齐且帧级图像质量高的长视频生成。

• 该技术能够生成长达1200帧（约2分钟）的视频，并且可以进一步扩展以支持更长时间的视频生成。
• 它保证了整个视频的时间一致性，同时保证整个视频与文本描述紧密相关，并维持了高帧率水平的图像质量。