VideoForge

VideoForge 是端到端、生产级的 AI 视频合成工作室，用于在消费级工作站硬件（例如拥有 8 GB 显存的 NVIDIA GeForce RTX 4060）上编排最先进的 Diffusion Transformer（DiT）视频模型。VideoForge 不依赖昂贵的第三方云 API，也不需要服务器级企业加速卡（24GB 以上），而是利用非对称双总线内存卸载、flow matching sigma 调度和原生时空引导（STG），在本地约 30–45 秒内生成高保真、时间连贯的视频，同时严格将显存峰值保持在 ≤5.2 GB。该项目遵循 Clean Architecture 和端口与适配器（六边形架构），严格解耦面向客户端的传输层、任务编排、硬件适配器和本地后台推理引擎。它在统一的构建器中支持四种不同的生成方式：文生视频（T2V）、单图生视频（I2V）、起始→结束帧过渡，以及多帧关键帧（最多 4 个自定义关键帧锚点）。系统包含 REST API、用于实时遥测的 WebSocket 推送服务器，以及 React 18 + Vite 的 SPA 前端。在 AMD Ryzen 7 8845HS、64 GB DDR5、NVIDIA GeForce RTX 4060 笔记本版（8 GB 显存）上的硬件基准测试显示，渲染时间分别为 30.1 秒（草稿）、44.5 秒（均衡）和 55.8 秒（扩展），显存峰值在 5,207 MB 到 5,620 MB 之间。