Video Generation 101：视频生成技术手册

Created by Codex and Xiaodong Cun (Corresponding Author), from GVC Lab, Great Bay University

在线阅读与搜索 · 手册使用说明 · 贡献指南

本手册介绍视频生成的基本原理、模型结构、训练与推理流程、任务接口、数据处理和评测方法，面向学习、研究和系统开发。技术章节说明方法的输入输出、工作机制、适用条件、配置要求与常见故障；资源章节提供论文、模型和数据的查阅入口。

手册结构修订日期：2026-09-20。各章资料覆盖时间及动态资源状态见条目说明。本次编辑不代表所有模型均已复现或所有资源均已重新下载测试。

使用方法

1. 初次阅读从视频生成入门和方法分类开始。
2. 实现具体任务时，先在任务分类确定输入、输出与约束，再进入相应专题。
3. 选择模型与数据后，按评测方法固定配置、对照和验收条件。
4. 按学习目标安排阅读顺序，可使用读者指南与论文阅读清单。

内容目录

板块	核心入口	延伸专题
生成原理	生成模型路线	视频 Tokenizer · Video DiT · 推理加速（蒸馏 · 量化 · 剪枝 · 稀疏 · 缓存 · 系统） · Test-Time Scaling · 长视频生成 · 后训练与对齐 · 因果与流式生成
基础模型能力	能力地图 · 基础模型系统	个性化 · 细粒度控制 · 多视角/4D · 原生音视频
智能体与制作系统	Agentic Video Generation	规划与工具调用 · 视觉反馈 · 记忆与局部返工 · 预算与评测
编辑与时序任务	视频编辑	视频补全 · 视频修复 · 视频虚拟试衣 · 故事与多镜头
推理与世界模型	Video Reasoning · World Model · World Action Model	物理一致性 · 动作条件预测 · 交互式世界生成
应用与研究资源	应用系统 · 评测指南	精选阅读 · 开放模型 · 数据集

技术说明与实验示例

正文区分作者报告、本仓库复现、方法解释和建议实验。未经运行的实验设计均作为示例使用，不能当作已发布基准或实测结果。比较结果时，需同时记录模型版本、数据、硬件、采样预算和指标实现。符号、术语及记录模板见手册使用说明。

仓库文件

路径	内容
docs/	原理、任务、系统与评测章节
resources/	模型和数据资源
bibliography/	结构化文献元数据
assets/	图表与网页资源
sources/	来源记录、核验笔记与历史修订资料
scripts/	构建与检查工具

贡献前请阅读贡献指南。

引用

如果本仓库对您的研究、教学或项目有帮助，欢迎引用：

@software{video_generation_101_2026,
  title = {Video Generation 101: From Pixel Animation to World Model},
  author = {Cun, Xiaodong and Video Generation 101 contributors},
  year = {2026},
  version = {0.1.0},
  url = {https://github.com/GVCLab/Video-Generation-101}
}

完整引用元数据请参见 CITATION.cff。

许可

本仓库以 MIT License 发布。论文、数据集、模型及第三方材料仍遵循各自的许可证和使用条款。