FreeNoise

FreeNoise 是一种面向文本驱动视频生成的技术方案，由研究者提出，目标是扩展预训练视频扩散模型的生成能力。现有视频生成模型通常在有限帧数上训练，推理时难以生成高保真长视频，并且多数只支持单一文本条件，而现实中视频内容会随时间变化，需要多段文本提示。

该方案的核心思路是先分析初始噪声在视频扩散模型中的作用，再据此对噪声进行重排，使噪声序列具备长程相关性，并通过基于窗口的时间注意力函数在这些噪声上运算。这样一来，无需为所有帧单独初始化噪声，也不用重新训练模型，就能在保持内容一致性的前提下生成更长的视频。此外，FreeNoise 还引入了一种运动注入方法，使模型可以依据多个文本提示生成视频，从而适配内容随时间演进的场景。

从使用角度看，FreeNoise 是一种无需调参、耗时较低的增强手段，普通用户与研究者都可以把它叠加到已有的预训练视频扩散模型上，用来延长生成视频的时长或加入多段文本控制；对开发者而言，它更像一个可直接接入现有推理流程的模块，而非独立的视频生成产品。

当你的需求是让已有的预训练视频扩散模型生成更长视频，或希望用多段文本提示控制视频内容随时间变化时，FreeNoise 是一个值得考虑的增强方案：它无需微调、额外耗时约 17%，相比此前最优方法约 255% 的额外开销有明显优势。但如果你的目标只是生成短片段，或者你希望直接拿到一个开箱即用的视频生成产品，FreeNoise 并不对位——它是叠加在现有模型上的方法，且官网未公开独立产品形态与定价。此外，涉及具体画质上限与硬件要求时，需以官方页面为准。