1. ModelScope T2V by 阿里达摩院（推荐）
-
模型名：
damo/text-to-video-synthesis -
输入：一句文字描述（如："a panda is dancing"）
-
输出：2秒视频（16帧，576x320 分辨率）
-
显卡推荐：8GB~16GB 显存（支持 CPU fallback）
-
生成时间：约 40~120 秒（满足你的要求）
-
优点：
-
真正文生视频（非插帧）
-
HuggingFace + ModelScope CLI 接口友好
-
-
开源地址：
-
GitHub：https://github.com/modelscope/modelscope
-
在线示例：https://modelscope.cn/models/damo/text-to-video-synthesis/summary
-
-
使用方式（简化）：
pip install modelscope python -m modelscope.cli inference \ --model damo/text-to-video-synthesis \ --text "A dog running in the park"
