LongCat-Video条件帧机制详解num_cond_frames如何决定视频衔接质量【免费下载链接】LongCat-Video项目地址: https://gitcode.com/GitHub_Trending/lo/LongCat-VideoLongCat-Video 是美团 LongCat 团队开源的 13.6B 参数视频生成基础模型原生支持文生视频、图生视频和视频续写Video Continuation。其中num_cond_frames条件帧数这个参数直接决定了长视频分段拼接时接缝处的衔接质量——它是 LongCat-Video 能无漂移生成分钟级长视频的核心机制之一。一、什么是条件帧为什么要分段生成LongCat-Video 采用粗到细coarse-to-fine策略先生成一段 93 帧的短片再以上一段的末尾若干帧作为条件接下一段循环拼接成长视频。num_cond_frames指的就是从上一段视频末尾取多少帧作为下一段的开头锚点在 run_demo_long_video.py 中全局设定num_cond_frames 13配合num_frames 93每段生成完后只保留新增帧all_generated_frames.extend(new_video[num_cond_frames:])见 run_demo_long_video.py也就是说每段的最后 13 帧和下一段的前 13 帧是同一段画面这就是长视频无缝衔接的物理基础。二、13 帧从何而来VAE 时间压缩与注意力粒度这个值并非随意拍定它和两处工程约束对齐VAE 时间压缩率 4VAE 把 1 个 latent 帧解码为 4 个视频帧见 pipeline_longcat_video.py 中的vae_scale_factor_temporal。条件帧对应的 latent 数按公式计算num_cond_latents 1 (num_cond_frames - 1) // 413 帧 → 4 个条件 latent是一个干净的整数对齐pipeline_longcat_video.py。块稀疏注意力BSA粒度 4refine 阶段会先把条件 latent 数向上取整到 4 的倍数再补帧保证注意力掩码分块对齐pipeline_longcat_video.py。 换算成时间15fps 下 13 帧 ≈ 0.87 秒的重叠锚点足够模型记住上一段的构图、色调和运动趋势。三、条件帧如何保证不变脸timestep 置 0在去噪循环里有一个关键细节pipeline_longcat_video.py前num_cond_latents个 latent 的 timestep 被直接置为 0即零噪声、已确定每一步去噪只更新条件区之后的 latentlatents[:, :, num_cond_latents:]DiT 前向时通过num_cond_latents参数告知模型哪些帧是锚定帧pipeline_longcat_video.py配合 KV Cache条件帧的键值被缓存复用既省显存又保证锚定帧像素级稳定——这是衔接处不闪、不漂移的根本原因。四、不同场景下的推荐取值各官方示例脚本中的取值非常有参考价值场景取值出处文生视频 t2v不涉及条件帧run_demo_text_to_video.py图生视频 i2vnum_cond_frames1单张参考图当 1 帧条件run_demo_image_to_video.py视频续写 vc / 长视频13run_demo_video_continuation.py高清细化 refine13或26帧率翻倍时同步翻倍run_demo_long_video.py音频驱动数字人长视频13音频索引按num_frames - num_cond_frames步进run_demo_avatar_multi_audio_to_video.py几个实用结论i2v 场景取 1图片本身就是首帧不需要重叠取 1 即可refine 阶段帧率从 15fps 提到 30fps空间时间上采样帧数翻倍所以条件帧也要翻倍到 26num_cond_frames * 2否则时间对齐会错位长视频多段循环时保持 13 不变保证每段的重叠长度一致五、取值调优太大太小都不好太小如 3~5 帧重叠时间不足模型记不住上一段的运动趋势接缝处容易出现运动跳变、色调漂移长视频累计漂移更明显太大如 40 帧条件区占用过多 latent实际新增内容变少单段有效时长缩短、拼接次数增多累积误差反而可能放大且 KV Cache 显存开销增加必须满足对齐约束(num_frames - 1) % 4 0且建议让(num_cond_frames - 1)能被 VAE 时间压缩率 4 整除避免补帧带来的额外像素扰动六、快速上手自己跑一次视频续写# 单卡运行视频续写示例 torchrun run_demo_video_continuation.py --checkpoint_dir./weights/LongCat-Video --enable_compile示例脚本会加载 assets/motorcycle.mp4 作为输入视频用num_cond_frames13续写并输出output_vc.mp4。想改重叠长度只需修改脚本中num_cond_frames一行run_demo_video_continuation.py观察接缝质量的变化是理解这个机制最直观的方式。更多交互体验可以直接运行 WebUIrun_streamlit.py 中的 vc 模式默认就内置了num_cond_frames 13run_streamlit.py。总结num_cond_frames是 LongCat-Video 长视频生成的缝合线它决定相邻分段的重叠锚定帧数默认13 帧对应 4 个 VAE latent与时间压缩率和 BSA 粒度双重对齐条件帧通过timestep 置 0 KV Cache实现像素级稳定是衔接质量的关键保障调整时记住两条规则帧率翻倍则翻倍、保持 4 帧对齐理解了这个参数你就掌握了 LongCat-Video 长视频流水线中如何接得稳、接得顺的核心旋钮。【免费下载链接】LongCat-Video项目地址: https://gitcode.com/GitHub_Trending/lo/LongCat-Video创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考