字节开源 Helios：单张 H100 实时生成 1 分钟长视频，跑出 19.5 帧

Helios 是字节开源的一个 14B 实时长视频生成模型。它的核心能力，就是在单张 NVIDIA H100 显卡上以 19.5 帧/秒的速度，实时生成最长达 1 分钟的视频，而且画面不会随着时长拉长而崩坏。

它能做什么

Helios 原生支持文生视频、图生视频以及视频生视频三种常见任务。

最显眼的特点就是快。在终端的实际演示中，一段 30 多帧的内容几乎不到 2 秒就能跑完。其蒸馏版本的生成帧率稳定在 19.5 帧/秒左右，已经非常接近传统视频的流畅播放标准。

另一个突破是抗漂移。过去的实时模型生成几秒还行，一旦拉长，画面通常很快就会出现噪点失控、动作无限重复或者画风走样。Helios 最长能连续跑出 1 分钟的视频，且画风始终保持连贯。

画质方面，虽然追求实时生成让它不可避免地带有一点噪点，锐度也比不上慢速离线渲染的顶级模型，但在同类实时生成工具中画质优势明显，甚至能直接对标部分非实时视频模型。

怎么做到的与硬件门槛

Helios 采用的是 14B 参数量的自回归扩散架构。

它最聪明的地方在于没有盲目堆叠复杂技巧。团队没有采用 KV 缓存、稀疏注意力或量化等传统加速套路，而是通过大幅压缩历史上下文与噪声上下文，并精简采样步数，硬生生把 14B 模型的计算开销压到了接近 1.3B 模型的水平。

针对长视频容易漂移崩坏的问题，它没有依靠外挂误差库或关键帧采样，而是在训练阶段就显式模拟画面漂移，从源头上掐灭重复性动作。

不过，目前的运行门槛依然不低。要跑出 19.5 帧的极致速度，官方给出的基准测试是单张 NVIDIA H100 GPU。但它的显存优化做得极好，训练时甚至无需分布式切分，单张 80 GB 显存就能装下多个模型的训练批次。

项目已经开源，GitHub 仓库里完整提供了推理运行流程、本地环境安装指南和训练代码，后续也会开放基础模型与蒸馏模型权重。

为什么重要

对于手里有高端卡算力资源的开发者和技术团队来说，Helios 是一个值得立刻拉下来跑跑看的高价值底座。它证明了即便不用繁琐的外挂工程，单卡也能撑起百亿参数视频模型的实时长程生成。

我们认为，Helios 的意义在于把开源视频生成往交互式工具狠狠推了一步。过去视频生成都是点完生成然后去泡杯咖啡，而单卡 20 帧的实时长视频一旦成熟，未来的动态场景渲染、虚拟人实时交互就有了真正的实用可能。