超强的AI 视频生成模型!完全免费开源,生成质量极高!HunyuanVideo 模型

c1f69f569e20241204150716

此开源的视频生成模型:包含 PyTorch 模型定义、预训练权重和推理/采样代码

📜 要求

下表为运行HunyuanVideo模型(batch size = 1)生成视频的要求:

模型 设置
(高度/宽度/框架)
去噪步骤 GPU 峰值内存
混元视频 720px1280px129f 三十 60GB
混元视频 544px960px129f 三十 45GB
  • 需要支持 CUDA 的 NVIDIA GPU。
    • 我们已经在单个 H800/H20 GPU 上进行了测试。
    • 最低限度:720px1280px129f 所需的最低 GPU 内存为 60GB,544px960px129f 所需的最低 GPU 内存为 45G。
    • 建议:我们建议使用具有 80GB 内存的 GPU 以获得更好的生成质量。
  • 测试的操作系统:Linux

🛠️ 依赖项和安装

首先通过下方的命令来克隆存储库:

git clone https://github.com/tencent/HunyuanVideo
cd HunyuanVideo

或者网盘打包下载【点击前往

Linux 安装指南

我们提供了一个environment.yml用于设置 Conda 环境的文件。Conda 的安装说明可在此处获得。

我们推荐 CUDA 版本 11.8 和 12.0+。

# 1. Prepare conda environment
conda env create -f environment.yml

# 2. Activate the environment
conda activate HunyuanVideo

# 3. Install pip dependencies
python -m pip install -r requirements.txt

# 4. Install flash attention v2 for acceleration (requires CUDA 11.8 or above)
python -m pip install git+https://github.com/Dao-AILab/flash-attention.git@v2.5.9.post1

此外,HunyuanVideo还提供了预先构建的Docker镜像: docker_hunyuanvideo

# 1. Use the following link to download the docker image tar file (For CUDA 12).
wget https://aivideo.hunyuan.tencent.com/download/HunyuanVideo/hunyuan_video_cu12.tar

# 2. Import the docker tar file and show the image meta information (For CUDA 12).
docker load -i hunyuan_video.tar

docker image ls

# 3. Run the container based on the image
docker run -itd --gpus all --init --net=host --uts=host --ipc=host --name hunyuanvideo --security-opt=seccomp=unconfined --ulimit=stack=67108864 --ulimit=memlock=-1 --privileged  docker_image_tag

🧱 下载预训练模型

下载预训练模型的详细信息显示在此处,或者在HuggingFace上下载【点击前往】共26G左右。

🧱下载文本编码器

HunyuanVideo采用MLLM模型和CLIP模型作为文本编码器。

  1. MLLM 模型(text_encoder 文件夹)

HunyuanVideo 支持不同的 MLLM(包括 HunyuanMLLM 和开源 MLLM 模型),现阶段我们尚未发布 HunyuanMLLM,建议社区用户使用Xtuer提供的llava-llama-3-8b,可通过以下命令下载

cd HunyuanVideo/ckpts
huggingface-cli download xtuner/llava-llama-3-8b-v1_1-transformers --local-dir ./llava-llama-3-8b-v1_1-transformers

为了节省模型加载的GPU内存资源,我们将的语言模型部分分离llava-llama-3-8b-v1_1-transformerstext_encoder

cd HunyuanVideo
python hyvideo/utils/preprocess_text_encoder_tokenizer_utils.py --input_dir ckpts/llava-llama-3-8b-v1_1-transformers --output_dir ckpts/text_encoder
  1. CLIP 模型(text_encoder_2 文件夹)

我们使用OpenAI提供的CLIP作为另一个文本编码器,社区用户可以通过以下命令下载此模型

cd HunyuanVideo/ckpts
huggingface-cli download openai/clip-vit-large-patch14 --local-dir ./text_encoder_2

🔑 推理

我们在下表中列出了我们支持的高度/宽度/框架设置。

分辨率 时长=9:16 高/宽=16:9 高/宽=4:3 高/宽=3:4 高/宽=1:1
540p 544px960px129f 960px544px129f 624px832px129f 832px624px129f 720px720px129f
720p(推荐) 720px1280px129f 1280px720px129f 1104px832px129f 832px1104px129f 960px960px129f

使用命令行

cd HunyuanVideo

python3 sample_video.py \
    --video-size 720 1280 \
    --video-length 129 \
    --infer-steps 50 \
    --prompt "A cat walks on the grass, realistic style." \
    --flow-reverse \
    --use-cpu-offload \
    --save-path ./results

更多配置

我们列出了一些更有用的配置以便于使用:

参数 默认 描述
--prompt 没有任何 视频生成的文字提示
--video-size 720 1280 生成的视频的大小
--video-length 129 生成视频的长度
--infer-steps 50 采样步数
--embedded-cfg-scale 6.0 嵌入式分类器免费指导量表
--flow-shift 7.0 流匹配调度程序的移位因子
--flow-reverse 错误的 如果反向,从 t=1 -> t=0 学习/采样
--seed 没有任何 生成视频的随机种子,如果没有,我们初始化一个随机种子
--use-cpu-offload 错误的 使用 CPU 卸载来加载模型以节省更多内存,这对于高分辨率视频生成是必要的
--save-path 。/结果 生成视频的保存路径

免费体验入口

HunyuanVideo 在线使用:【点击前往

开源项目地址

本地安装教程:

THE END
喜欢就支持一下吧
点赞4323 分享
相关推荐
完美解决电脑图片、视频不显示缩略图的问题! K-Lite 编解码器包-零度博客

完美解决电脑图片、视频不显示缩略图的问题! K-Lite 编解码器包

K-Lite 编解码器包有四种不同的变体。范围从仅包含最基本解码器的非常小的捆绑包到大型且更全面的捆绑包。变体之间的全局差异可以在下面找到。具体差异可以通过能力对比和内容页面对比来发现。 ...
admin的头像-零度博客admin
1.4W+1527
国外医生成功将猪心脏,移植到人类患者体内!术后病人情况良好-零度博客

国外医生成功将猪心脏,移植到人类患者体内!术后病人情况良好

蒂埃里·多索涅(Thierry Dosogne)来自盖蒂图片社 为了挽救一名 57 岁男子的生命,马里兰大学医学院的医生们完成了医学第一。每这 美联社,上周五,作为实验程序的一部分,外科医生成功地将猪...
admin的头像-零度博客admin
1.5W+2251
Ashampoo Photo Optimizer 10 终身免费赠送!图像自动优化神器-零度博客

Ashampoo Photo Optimizer 10 终身免费赠送!图像自动优化神器

Ashampoo Photo Optimizer是一款照片编辑软件,只需轻轻一点,即可为您打造惊艳照片。这款强大的软件能够增强任何图像,无论其拍摄环境如何。此外,Photo Optimizer 的自动图像优化功能还能为您...
admin的头像-零度博客admin
1.8W+1086
永久免费服务器,16G内存、双核CPU、50~500G硬盘空间,HuggingFace Spaces 跑AI项目、部署实用工具,还能SSH远程管理? | 零度解说-零度博客
推荐适合搭建代理IP的国外VPS服务器-零度博客

推荐适合搭建代理IP的国外VPS服务器

  绍。 什么是VPS VPS的全称是 Virtual Private Server,中文解释就是虚拟专用服务器,是相对于独立的服务器来说的。 一台独立服务器,可以划分为n台VPS,每台VPS都可分配独立公网IP地址、...
KB5007262 补丁,提升Windows 11 下SSD固态硬盘的性能!-零度博客

KB5007262 补丁,提升Windows 11 下SSD固态硬盘的性能!

这个KB5007262 补丁,可以有效提升 Windows 11 系统下的 SSD固态硬盘的读写性能和速度! 下载更新后,安装它,并在出现提示时重新启动系统。 更新补丁会对提高系统的 SSD 性能产生重大影响! &nb...
admin的头像-零度博客admin
1.7W+2250
Windows 11 是否真的值得升级? 这9个原因看完再做决定!| 零度解说-零度博客
实用干货!8个涵盖多个领域的实用网站推荐!值得收藏-零度博客

实用干货!8个涵盖多个领域的实用网站推荐!值得收藏

1.一键去除图片水印: https://www.watermarkremover.io 可以帮我们免费一键去除图片水印的网站 2..PDF24 文档编辑器: https://tools.pdf24.org 它是一个完全免费的PDF文档编辑功能的网站 3.免...
admin的头像-零度博客admin
1.8W+1684
一夜暴涨!比特币飙升至6.3万美金,背后原因是什么?如何在电脑上挖矿? | 零度解说-零度博客

一夜暴涨!比特币飙升至6.3万美金,背后原因是什么?如何在电脑上挖矿? | 零度解说

https://www.youtube.com/watch?v=vSoHrKaGEHQ ====== 比特币挖矿软件下载:https://www.freedidi.com/11702.html
admin的头像-零度博客admin
1.3W+1528