FramePackLoop
免费
FramePackLoop 是基于 lllyasviel/FramePack 的开源视频循有生成工具，通过 Gradio 界面提供循有视频生成能力，支持首尾无缝衔接的循有视频制作。
FramePackLoop
核心参数与统计
| 项目 | 规格 |
|---|---|
| 产品名称 | FramePackLoop |
| 所属分类 | AI 视频生成 |
| 交付形态 | 桌面工具（Gradio Web UI） |
| 支持平台 | Desktop |
| 支持语言 | ja, en, zh-CN |
| 目标用户 | VTuber、独立游戏开发者、AI 视频创作者 |
| 用户规模 | GitHub 85 Stars（小众专业工具） |
| 定价模式 | 免费（Apache-2.0 开源） |
平台覆盖和用户规模数据以官方实时页面和第三方统计为准。
用户与市场认可
FramePackLoop 在 GitHub 获得 85 颗星，属小众专业工具，但在 AI 视频生成社区（特别是日本市场）中有一定关注度。主要被 VTuber 与直播主（用于直播背景和待机画面）、独立游戏开发者（制作循有背景动画和 UI 动效）、AI 视频创作者（在 ComfyUI/Gradio 工作流中集成）使用。项目提供三种操作模式：FramePackLoop（图像到循有视频）、FramePackConnect（视频连接）、FramePackVideo2LoopVideo（视频转循有）。在 CapCut 和 OBS Studio 中已验证可正常循有播放。
成本优势
| 成本维度 | 说明 |
|---|---|
| 软件许可 | Apache-2.0 开源，完全免费 |
| 硬件成本 | 需 NVIDIA GPU（最低 6GB VRAM，建议 12GB+） |
| 云 GPU 租赁 | 约 ¥1-5/小时（如 RunPod、AutoDL） |
| 存储成本 | 输出 MP4 文件，单条视频 10-50MB |
对比商业循有生成服务（如 Runway、Pika Labs 订阅制），FramePackLoop 零软件成本，一次性硬件投入后无后续使用费。
主要功能
- 图像到循有视频：输入单张图片，生成首尾无缝衔接的循有动画。支持调节主视频长度、连接视频长度、填充长度等参数，精细控制循有效果。
- 视频到循有视频（Beta）：将已生成的 FramePack 视频自动检测并补全首尾差异，输出循有版本。
- 视频连接（Connect，Beta）：将两段独立视频通过 AI 补间平滑连接，生成过渡自然的连续视频。
- LoRA 支持：支持加载 FramePack 专用 LoRA 模型，也兼容部分 HunyuanVideo 用 LoRA，实现风格化视频生成。
- Latent 预处理：支持批量生成 Latent 文件（仅约 5% 存储开销），筛选后再解码为视频，节省 GPU 时间。
模型与版本演进
| 版本 | 日期 | 关键变化 |
|---|---|---|
| windows-v1.6 | 2025-06-08 | 新增 next latent 视频模式支持 |
| windows-v1.5 | 2025-05-14 | 新增 LoRA 功能支持 |
| windows-v1.4 | 2025-05-06 | 新增 Connect 和 Video2Loop 功能 |
| windows-v1.3 | 2025-05-02 | 初始 Windows 附加包发布 |
技术优势
- 基于 FramePack 高效架构：继承 lllyasviel/FramePack 的帧上下文打包和漂移预防技术，在 6GB VRAM 上即可运行。
- 连接视频机制：核心创新在于生成额外视频片段专门融合主视频的首尾帧，同时参照"未来帧"和"过去帧"的上下文使过渡自然。
- Latent 预处理管线：先快速批量探索不同 Seed 效果，筛选后再执行完整 VAE 解码，避免无效完整渲染浪费 GPU 时间。
- LoRA 动态注入：通过配置文件在启动时注入 LoRA 权重，支持多 LoRA 叠加，无需修改代码即可切换风格。
如何使用
| 入口 | 使用方式 |
|---|---|
| Python 源码 | git clone → 安装依赖 → python demo_gradio_loop.py → 浏览器操作 |
| Windows 附加包 | 下载 run_loop.zip → 解压至 FramePack 目录 → 运行 run_loop.bat |
关键参数：Main Video Length（主视频段长度）、Connection Video Length（连接视频段长度）、Loop Num（循有重复次数）、Seed（固定随机种子）。
产品定价
| 套餐 | 价格 | 包含内容 |
|---|---|---|
| 开源核心 | 免费 | 全部功能（Apache-2.0） |
无任何付费层级或隐藏收费。使用成本仅为自备 GPU 硬件或云 GPU 实例租赁费用。
应用场景
- VTuber/直播背景素材：生成无限循有的待机动画背景和 Overlay 元素，OBS Studio 已验证兼容。LoRA 可控制画面风格与角色 IP 一致。
- 社交媒体创意视频：制作短视频平台的循有背景和动态封面，CapCut 已验证导入兼容。
- 游戏开发素材：独立游戏中的循有背景动画和 UI 过渡特效，视频到循有功能可将已有渲染片段转化为无缝素材。
适用人群
- 个人用户：AI 视频创作者与 VTuber，免费开源降低素材制作成本，LoRA 支持个性化风格控制。
- 中小企业团队：独立游戏开发者需要循有动画资产的小型团队。
- 大型企业：不适合——无商业级 SLA 和技术支持。
- 不适配边界：无 NVIDIA GPU 的用户无法使用；需要高精度可控循有的专业影视场景效果有限。
竞品对比
| 对比维度 | FramePackLoop | Runway | Pika |
|---|---|---|---|
| 核心差异 | 循有视频专项工具 | 通用视频生成 | 通用视频生成 |
| 价格 | 免费（开源） | $15/月起 | $10/月起 |
| 覆盖场景 | 循有/连接视频 | 专业视频编辑 | 社交媒体 |
| 用户评价 | 循有效果依赖"运气" | 稳定可靠 | 易用性好 |
| 技术门槛 | 中（需 GPU） | 低 | 低 |
总结与展望
FramePackLoop 通过专攻 AI 视频生成中的"循有衔接"痛点，在 FramePack 生态中找到差异化定位。连接视频机制、Latent 预处理、LoRA 支持等功能为创作者提供了完整工具链。项目以 Apache-2.0 开源，无付费墙。当前局限：工具处于 Beta 阶段，循有效果存在随机性；文档以日语为主；仅支持 FramePack 生态输入。
采购/采用风险评估：作为个人开源项目，长期维护和上游兼容性存在不确定性。无 NVIDIA GPU 用户无法使用。建议关注项目活跃度和社区反馈再决定是否作为正式生产工具的依赖。 | 产品类型 | 开源视频循有生成工具 | | 基础框架 | lllyasviel/FramePack | | 平台支持 | Desktop（Gradio Web UI） | | 首次发布 | 2025 年 4 月 | | 当前版本 | windows-v1.6（2025-06-08） | | 许可证 | Apache-2.0 | | 开发语言 | Python | | GitHub Stars | 85 | | 核心能力 | 图像/视频→无缝循有视频生成 |
FramePackLoop 是由开发者 red-polo 基于 lllyasviel/FramePack 创建的开源视频循有生成工具。其核心使命是解决 AI 生成视频的「首尾衔接」问题——让动画的始端与终端自然连接，生成可无限循有播放的视频素材。FramePack 本身是一个面向消费级 GPU（最低 6GB VRAM）的高效视频扩散框架，FramePackLoop 在此基础上专门针对循有视频场景进行了功能扩展。
工具的工作流程分为四步：首先根据输入图像生成主视频片段，然后生成连接主视频首尾的「连接视频」，接着将主视频与连接视频合并为单循有视频，最后通过重复拼接输出指定次数的长循有视频。整个过程在 Gradio Web 界面中完成，无需编写代码。
用户与市场认可
FramePackLoop 在 GitHub 上获得 85 颗星，虽属于小众专业工具，但在 AI 视频生成社区（特别是日本市场）中有一定关注度。项目主要被以下群体使用：
- VTuber 与直播主：使用循有视频作为直播背景、待机画面Overlay 素材；
- 独立游戏开发者：制作循有背景动画UI 动效元素；
- AI 视频创作者：在 ComfyUI/Gradio 工作流中集成 FramePack 生态的补充工具。
项目自带三种操作模式：
- FramePackLoop（主模式）：从单张图像生成循有视频；
- FramePackConnect（Beta）：将两段独立视频通过 AI 补间平滑连接；
- FramePackVideo2LoopVideo（Beta）：将已有视频转换为循有版本。
该工具在 CapCut 和 OBS Studio 中已验证可正常循有播放，生成的文件可直接用于直播推流和视频编辑。
成本优势
FramePackLoop 完全免费开源（Apache-2.0），无任何付费层级或隐藏收费。使用成本仅包含：
- 硬件成本：需配备 NVIDIA GPU（最低 6GB VRAM，建议 12GB+），或使用云 GPU 实例（如 RunPod、AutoDL）。
- 电力/时间成本：视频生成时间取决于 GPU 型号、视频长度和迭代步数。以 RTX 3060 12GB 为例，生成一条约 2 秒的循有视频约需 3-5 分钟。
- 存储成本：输出为 MP4 文件，单条视频通常在 10-50MB 之间。
对比同类商业服务（如 Runway、Pika Labs 的订阅制），FramePackLoop 的零软件成本模式对拥有本地 GPU 的用户极具吸引力——一次性硬件投入后无后续使用费。但对于没有 GPU 的用户，云 GPU 租赁成本（约 ¥1-5/小时）需要纳入预算考量。
主要功能
- 图像到循有视频：输入单张图片，生成首尾无缝衔接的循有动画。支持调整主视频长度、连接视频长度、填充长度等参数，精细控制循有效果。核心参数包括
Main Video Length、Connection Video Length、Padding Video Length、Loop Num等。 - 视频到循有视频（Beta）：将已生成的 FramePack 视频作为输入，自动检测并补全首尾差异，输出循有版本。支持设定连接视频长度和循有次数，适用于已有视频素材的二次加工。
- 视频连接（Connect，Beta）：将两段独立的 FramePack 生成视频通过 AI 补间平滑连接，生成一段过渡自然的连续视频。适用于游戏素材拼接、多段 AI 视频组合等场景。
- LoRA 支持：支持加载 FramePack 专用 LoRA 模型（可通过 Musubi Tuner 训练），也兼容部分 HunyuanVideo 用 LoRA，实现风格化视频生成。通过编辑
lora_setting.json配置文件指定模型路径和应用权重。 - 批量生成与 Latent 预处理：支持
Generation Count参数实现多次自动生成；Without VAE Decode模式可先批量生成 Latent 文件（仅约 5% 存储开销），筛选后再选择性解码为视频，大幅节省批量探索时的 GPU 时间和存储空间。 - 系统选项与预览：支持
system_setting.json配置，可将 next latent 预览从静态图像切换为实时视频预览。
模型与版本演进
| 版本 | 发布时间 | 核心变化 |
|---|---|---|
| windows 初始版 | 2025-04-29 | 首个 Windows 附加包，提供基础循有功能 |
| Connect（Pre-release） | 2025-05-01 | 新增 FramePackConnect 视频连接功能 |
| windows-v1.3 | 2025-05-02 | 正式版 Windows 附加包 |
| windows-v1.4 | 2025-05-06 | 新增 Connect 和 Video2Loop 功能 |
| windows-v1.5 | 2025-05-14 | 新增 LoRA 功能支持 |
| windows-v1.6 | 2025-06-08 | 新增 next latent 视频模式支持 |
版本演进主线：从基础的循有生成逐步扩展为包含 Connect（视频连接）和 Video2Loop（视频转循有）的多功能工具集，并引入 LoRA 风格控制能力。项目基于 lllyasviel/FramePack 的 2025/04/28 main 分支（commit 6da55e8）开发。
技术优势
- 基于 FramePack 高效架构：FramePack 是 lllyasviel 团队开发的消费级 GPU 视频扩散框架，通过帧上下文打包（Frame Context Packing）和漂移预防（Drift Prevention）技术，在 6GB VRAM 上即可生成完整视频。FramePackLoop 继承了这一高效底层，确保循有生成任务也能在低显存 GPU 上运行。
- 连接视频机制：FramePackLoop 的核心创新在于「连接视频」（Connection Video）——生成的额外视频片段专门用于融合主视频的首尾帧。实现方式是在生成连接视频时同时参照「未来帧」（主视频开头）和「过去帧」（主视频结尾）的上下文信息，使首尾过渡自然平滑。
- Latent 预处理管线：支持不执行 VAE 解码的轻量级生成模式，直接输出 Latent 图像文件。用户可先快速批量探索不同 Seed 下的动画效果，筛选后再对满意的结果执行完整 VAE 解码，避免无效的完整渲染浪费 GPU 时间。Latent 文件仅为全量视频存储的约 5%。
- LoRA 动态注入：通过
lora_setting.json在启动时注入 LoRA 权重，支持多 LoRA 叠加（通过 scale 参数控制权重），无需修改代码即可切换风格。LoRA 生效于整个生成管线，影响画面风格、角色特征等视觉输出。 - Windows 免配置包：提供独立的
run_loop.zip附加包，FramePack 用户只需解压并放置到指定目录即可使用，无需 Python 有境配置。降低了非技术用户的使用门槛。
如何使用
FramePackLoop 提供两种使用方式：
方式一：Python 源码运行（推荐开发者）
- 克隆仓库：
git clone https://github.com/red-polo/FramePackLoop.git - 安装依赖：按照 FramePack 官方有境配置要求安装 Python 依赖
- 启动主模式：
python demo_gradio_loop.py - 在浏览器中打开 Gradio 界面（默认
http://127.0.0.1:7860） - 上传图像，调整参数，点击「Start Generation」生成循有视频
方式二：Windows 附加包（适合已安装 FramePack 用户）
- 从 Releases 下载
run_loop.zip - 解压后将
run_loop文件夹放置到 FramePack 安装目录中 - 运行
run_loop.bat启动工具 - 输出文件位于
run_loop/output/目录
其他模式启动命令：
- FramePackConnect：
python demo_gradio_connect.py - FramePackVideo2LoopVideo：
python demo_gradio_video2loop.py
关键参数说明：
Main Video Length：主视频段长度（单位：section，约 1 秒/section）Connection Video Length：连接视频段长度，理想情况与主视频相同Padding Video Length：起始填充长度，0 表示从输入图像直接开始Loop Num：输出循有重复次数Generation Count：批量生成次数（≥2 时自动随机 Seed）Seed：固定随机种子，用于复现特定动画效果
产品定价
FramePackLoop 完全免费开源（Apache-2.0 许可证），无任何付费层级。所有功能对所有用户开放。
使用此工具所需的费用仅涉及硬件层面：
- 自备 GPU：一次性硬件投入（最低 6GB VRAM 的 NVIDIA GPU，推荐 RTX 3060 12GB 或更高）。
- 云 GPU 实例：按小时计费，约 ¥1-5/小时（以 RunPod、AutoDL 等平台为例，以实时报价为准）。
- 无隐性消费：无订阅费、无 API 调用费、无水印强制嵌入。
应用场景
- VTuber/直播背景素材：生成无限循有的待机动画背景、过渡画面和 Overlay 元素。OBS Studio 已验证循有播放兼容性。创作者可通过 LoRA 控制画面风格与角色 IP 保持一致，无需每次直播都重新生成。
- 社交媒体创意视频：制作短视频平台的循有背景、动态封面和创意短片。CapCut 剪辑软件已验证导入兼容性。单图生成模式适合快速批量产出不同风格的循有素材。
- 游戏开发素材：独立游戏中的循有背景动画UI 过渡特效、有境氛围动画。视频到循有功能可将已有游戏渲染片段转化为无缝循有素材，减少美术资源的重复制作。
- AI 视频研究与实验：研究 FramePack 视频扩散模型的循有生成能力，探索帧上下文打包技术在首尾衔接场景中的表现。技术文档提供了详细的参数说明和工程踩坑记录。
适用人群
- AI 视频创作者与 VTuber：需要高质量循有背景、待机动画的个人创作者。免费开源模式降低了素材制作成本，LoRA 支持可实现个性化风格控制。
- 独立游戏开发者：需要循有动画资产的小型团队或独立制作人。本地 GPU 运行无需依赖云服务，适合离线开发有境。
- AI/ML 研究与爱好者：对 FramePack 视频扩散模型及其衍生应用感兴趣的研究人员。项目代码开源，可作为实验和二次开发的基础。
- FramePack 用户：已在使用 lllyasviel/FramePack 的用户，可零成本扩展循有视频生成能力。
- 不适配人群：无 NVIDIA GPU 且不愿意使用云 GPU 的用户（CPU 模式不支持）；需要 4K 超高清输出或复杂多段叙事的专业影视制作场景（FramePackLoop 主要面向短循有片段）；需要商业级 SLA 和技术支持的企业用户（开源项目无官方客服）。
总结与展望
FramePackLoop 通过专攻 AI 视频生成中的「循有衔接」痛点，在 lllyasviel/FramePack 生态中找到了精准的差异化定位。其连接视频机制Latent 预处理管线LoRA 支持等功能，为创作者提供了从图像到无缝循有视频的完整工具链。项目以 Apache-2.0 完全开源，无付费墙，对拥有本地 GPU 的用户极其友好。
当前局限：工具处于 Beta 阶段，循有效果存在一定的随机性（开发者坦言首尾衔接的流畅度部分依赖「运气」）；文档以日语为主，非日语用户可能需要借助翻译工具；仅支持 FramePack 生态内生成的视频作为输入。
后续观察点：项目是否会与 FramePack 上游保持同步更新；LoRA 生态是否会进一步丰富；是否会推出 NoGPU 在线版本降低使用门槛。
不适配边界：无 NVIDIA GPU 的用户无法使用；需要高精度可控循有（指定首尾帧精确匹配）的专业影视场景效果有限。采用风险：作为个人开源项目，长期维护和上游兼容性存在不确定性；建议关注项目活跃度和社区反馈再决定是否作为正式生产工具的依赖。
限制与不适配场景
该工具在以下场景中存在使用限制：
场景适配边界 需要高度行业专业知识的任务、对输出格式有严格规范的场景、需要零错误的自动化流程可能效果不达预期。AI 输出应作为初稿或辅助参考，最终结果需人工核验。
技术限制 上下文长度有限、复杂推理准确性可能不足、免费版有使用额度。建议在正式采用前通过试用验证核心场景的可用性。
版本信息
- Windows用の追加パッケージ ：新增 next latent 视频模式支持
- Windows用の追加パッケージ ：新增 LoRA 功能支持
- Windows用の追加パッケージ ：新增 Connect 和 Video2Loop 功能
- Windows用の追加パッケージ ：初始 Windows 附加包发布
用户评价