Lance — 3B 统一多模态模型

项目简介

Lance 是字节跳动开源的 3B 活跃参数原生统一多模态模型，在单一框架内实现图像与视频的理解、生成和编辑。

核心能力

能力	说明
图像生成	最高 768×768 分辨率
图像编辑	基于文本指令的图像修改
视频生成	最高 480p、12 FPS
视频理解	图像/视频内容理解
图生视频	支持首帧引导生成视频（Text-Image-to-Video）

技术特点

特点	说明
3B 活跃参数	轻量高效，单卡 40GB VRAM 可推理
原生统一架构	理解、生成、编辑一体化，无需分阶段 pipeline
从头训练	基于 128 张 A100 的多任务分阶段训练
Gradio 界面	已支持图形化交互 demo

适用场景

• 图像生成与编辑
• 短视频生成
• 多模态内容理解

资源

• 1.1k Stars，Python，Apache-2.0 License
• Hugging Face Space 已上线
• arXiv 技术报告已发布