LingBot-Video:开源 MoE 视频生成模型
LingBot-Video 是专用于具身智能的开源大规模 MoE 视频生成模型。
核验日期
核心信息
以下信息由程序从官方接口读取,不经模型改写。
- 许可证
- Apache-2.0
- 语言
- Python
- 维护方
- Robbyant
- 核验日期
它是什么
LingBot-Video 是专用于具身智能的开源大规模 MoE(Mixture-of-Experts)视频生成模型。LingBot-Video 的设计目标是弥合视频合成与物理世界理解之间的差距。该项目采用 Apache 2.0 许可证。
主要能力
项目提供 DMD 蒸馏检查点(t2v 和 ti2v),用于 8 步视频生成,支持 diffusers 和 SGLang 两种引擎。
项目称,模型在大量网络视频上训练,并融合了至少 70,000 小时的具身数据。
项目称,模型的奖励对象为高美学、物理合理性和任务完成。
LingBot-Video-Dense 的组件为 Dense (1.3B),任务为 T2I、T2V、TI2V。
LingBot-Video-MoE 的组件为 MoE (30B-A3B) 加 Refiner,任务为 T2I、T2V、TI2V、Refinement。
LingBot-Video-MoE-DMD 的组件为 MoE (30B-A3B),是 8 步蒸馏学生模型,任务为 T2V、TI2V。
怎么上手
根目录的依赖文件包含用于 LingBot-Video 推理的推荐 PyTorch 版本。
安装 SGLang 依赖文件可启用 SGLang 运行时。
运行时版本中,Python 列为 3.10 或更新。
运行时版本中还列出 transformers 5.8.1、diffusers 0.39.0 和 peft 0.19.1。
项目为单 GPU 和多 GPU 推理提供了可直接运行的脚本。
单 GPU 脚本默认使用直接 diffusers 和顺序 CFG,以降低峰值显存。
后端 diffusers 是直接的 diffusers 参考路径,后端 sglang 是 SGLang Diffusion 路径。
git clone https://github.com/Robbyant/lingbot-video
cd lingbot-video
python -m venv .venv
source .venv/bin/activate
python -m pip install -U pip
# Base requirements cover direct DiT inference and rewriter --backend transformers.
pip install -r requirements.txt
pip install -e .python -m pip install --no-deps -r requirements-sglang.txtsource .venv/bin/activate
export PYTHON_BIN=python
export DENSE_MODEL_DIR="<path_to_lingbot-video-dense>"
export MOE_MODEL_DIR="<path_to_lingbot-video-moe>"适合谁
LingBot-Video DiT 推理设计为接收结构化 JSON 字幕。LingBot-Video-Rewriter-Base 使用 Qwen3.6-27B official,任务为 Prompt rewriter (Expand)。LingBot-Video-Rewriter-Adapter 使用 Qwen3.6-27B LoRA,任务为 Prompt rewriter (Json)。
多 GPU 的 refiner 脚本默认使用 CP8 + FSDP + 顺序 CFG。MoE 脚本默认采用分组专家执行。项目的内部评测针对开源模型评估 T2V 和 TI2V 能力,分为质量分数和领域分数两个维度。
2026 年九月 18 日,项目发布了 LingBot-Video 的 8 步 DMD 学生模型。2026 年八月 5 日,项目发布了 LingBot-Video 的 RBench 评测。2026 年七月九日,项目发布了 LingBot-Video 的技术报告、代码、模型和重写器。
来源
本页内容整理自以下官方来源,点击可核对原文。
- GitHub READMEhttps://github.com/Robbyant/lingbot-video抓取于
核验日期 ·
本页由 AI 依据上述官方来源整理,并经自动核对,未经本站实测。 发现错误?告诉我们。