企业官网建设流程全解析

Helios文本生成视频(T2V)实战入门：如何写出能生成1分钟高质量长视频的提示词

【免费下载链接】HeliosHelios: Real Real-Time Long Video Generation Model项目地址: https://gitcode.com/gh_mirrors/helios33/Helios

Helios 是一款主打实时长视频生成的开源模型：它能在单张 H100 上以 19.5 FPS 的速度，通过纯文本提示词生成 1 分钟以上、画面不漂移的高质量视频。本文是一份面向新手的完整指南，教你一步步跑通 Helios 文本生成视频（T2V），并总结出"写出能撑住 1 分钟长视频"的提示词方法论——包括官方示例提示词拆解、帧数/时长换算表和常见避坑技巧。

一、为什么长视频的提示词写起来不一样？

短视频 5 秒，一句"一只猫在沙发上打滚"就够用了。但 1 分钟视频相当于 1452 帧，模型要逐块（每块 33 帧）自回归地往下生成，提示词就承担了三个短视频里不存在的职责：

1. 锁定场景：画面要持续 1 分钟，主体、环境、色调必须描述得非常具体，否则中后段会"跑题"；
2. 预留运动空间：描述中要包含可持续的动作（水流、飘动、行走、镜头运动），视频才不会像"会动的图片"；
3. 控制镜头语言：长视频需要明确景别和运镜（特写、跟拍、拉远、环绕），模型才会像摄影师一样推进叙事。

好消息是：Helios 天生就是为了长视频设计的，它不需要self-forcing、KV-cache 等防漂移/加速技巧，提示词写好之后基本"开箱即用"。

二、快速跑通第一条 T2V 视频

一键安装步骤

git clone --depth=1 https://gitcode.com/gh_mirrors/helios33/Helios cd Helios conda create -n helios python=3.11.2 && conda activate helios # 按你的 CUDA 版本安装 PyTorch 后 bash install.sh

然后下载模型（三个版本共享架构，按需选一）：

huggingface-cli download BestWishYSH/Helios-Distilled --local-dir BestWishYSH/Helios-Distilled

最快配置方法：直接改官方脚本

T2V 推理脚本在 scripts/inference/ 目录下，新手只需复制模板、改--prompt和--num_frames即可。以 helios-distilled_t2v.sh 为例，核心参数如下：

CUDA_VISIBLE_DEVICES=0 python infer_helios.py \ --base_model_path "BestWishYsh/Helios-Distilled" \ --transformer_path "BestWishYsh/Helios-Distilled" \ --sample_type "t2v" \ --num_frames 240 \ # 生成帧数 --fps 24 \ --prompt "在这里填写你的提示词" \ --guidance_scale 1.0 \ --is_enable_stage2 \ --pyramid_num_inference_steps_list 2 2 2 \ --is_amplify_first_chunk \ --output_folder "./output_helios"

完整参数说明可参考 infer_helios.py，质量优先则使用 helios-base_t2v.sh（--guidance_scale 5.0+--num_inference_steps 50）。

三、1 分钟视频的帧数怎么算？

Helios 按33 帧/块自回归生成，num_frames若不是 33 的倍数会自动向上取整。对应时长如下表：

💡 技巧：先用--num_frames 81验证提示词，确认画面风格正确后，再放大到 1449 跑 1 分钟完整视频，避免浪费算力。

四、高质量提示词拆解：官方示例怎么写的？

仓库提供了两条宝藏资料：example/prompt.txt（10 条经过验证的最佳提示词）和 example/prompt_interactive_helios.csv（分镜式长提示词）。以 prompt.txt 中的珊瑚礁示例为例，它恰好就是官方 T2V 脚本的默认提示词：

"A vibrant tropical fish swimming gracefully among colorful coral reefs in a clear, turquoise ocean. The fish has bright blue and yellow scales with a small, distinctive orange spot on its side, its fins moving fluidly. …The water is crystal clear, allowing for a view of the sandy ocean floor below. …A close-up shot with dynamic movement."

拆开来，这条提示词覆盖了长视频提示词的五要素：

再看 prompt.txt 里的巴黎咖啡馆示例，它额外展示了叙事型写法——"从沉思到微笑"的情绪弧线，适合 1 分钟以上的长视频做起承转合。

五、进阶技巧：用分镜提示词撑起 1 分钟叙事

单条提示词描述整段视频容易在中段"失焦"。Helios 提供了提示词插值（interpolate prompt）能力（实现见 helios/pipelines/pipeline_helios.py）：把视频切成若干时间片，每片给一段提示词，模型会在片段之间平滑过渡。

命令行中开启方式为：

--use_interpolate_prompt \ --interpolation_steps 3 \ --interpolate_time 7 \ # 每段提示词维持的块数，可重复多次

官方就给了一个完整范例：example/prompt_interactive_helios.csv 中"丛林狮子 Leo"一组提示词（id=20 的 6 段），从雄狮登场、咆哮、嗅蝴蝶到转头盯鹦鹉，每一段都重复了"岩石、黄金鬃毛、斑驳阳光、中近景"这些锚点描述——这正是长视频不漂移的关键：段与段之间保留 80% 相同的场景描述，只改变 20% 的动作。

同样的写法也出现在"水下龙卷风"分组（id=6）：固定镜头下，漩涡依次卷起船锚、龙骨、水母、宝箱、石像，一条完整的 1 分钟叙事由此成立。

六、避坑清单：新手最容易翻车的 5 个点

1. 别把 1 分钟提示词写得像 5 秒：只写"一只鱼在游"，后 50 秒画面会趋于重复或漂移。务必按五要素展开，长度建议 60～120 个英文单词。
2. 负向提示词别删：infer_helios.py 内置了默认--negative_prompt（针对过曝、静止、模糊、多余手指、变形等），长视频下这些瑕疵会被放大，建议保持默认。
3. 首块很关键：官方 Distilled 脚本带--is_amplify_first_chunk，首块质量决定整段基调——提示词的"画面感"要在第一句就立住。
4. I2V/V2V 提示词要"顺"：由于 I2V/V2V 由 T2V 训练衍生，如果前几块画面偏静态，可适当调大--image_noise_sigma_min/max等噪声参数（详见 README.md 的说明）。
5. 固定随机数对比版本：调试时保持--seed 42不变，才能判断是提示词改得好，还是纯粹运气。

七、动手练习：三个由浅入深的 1 分钟主题

• 入门（单主体+环境）：改写珊瑚礁示例，换成"雪山下的木屋与飘雪"，套五要素模板，num_frames 81先跑通；
• 进阶（镜头叙事）：参考 prompt.txt 的 SUV 山路跟拍（"camera follows behind…"），写一条带明确运镜的 30 秒提示词；
• 挑战（分镜长视频）：仿照"狮子 Leo"的 CSV 分镜写法，为 wave.jpg 这类海浪画面写 5～6 段插值提示词，生成 1 分钟"巨浪从酝酿到碎裂"的完整过程。

跑起来之后，你的提示词就会沉淀在./output_helios/目录里，配合 eval/ 中的 HeliosBench 评测工具，还能量化地检查运动流畅度、语义一致性和画面自然度——提示词工程从此有了数据反馈，而不再只是"看感觉"。

【免费下载链接】HeliosHelios: Real Real-Time Long Video Generation Model项目地址: https://gitcode.com/gh_mirrors/helios33/Helios