找回密码
 立即注册
查看: 1020|回复: 0

【AI视频东西】阿里推出图片生成视频Ai东西,免费无限制国内可用,比GEN2香多了

[复制链接]

1

主题

1

回帖

25

积分

新手上路

积分
25
发表于 2023-9-4 11:37:20 | 显示全部楼层 |阅读模式
大师好,我是龙一,专注AI轻创副业项目分享,今天给大师分享一款阿里近日推出的开源的图片生成视频的Ai东西,目前可免费使用,没有使用次数的限制,效果非常好,不得不说比RunwayGen2香多了。
可以按照用户输入的静态图像和文本生成方针接近、语义不异的视频,生成的视频具高清(1280 * 720)、宽屏(16:9)、时序连贯、质感好等特点。



这个项目的名字叫I2VGen-XL,由阿里达摩院研发的高清视频生成基础模型,旨在解决按照输入图像生成高清视频任务。生成的视频还撑持二次改削和高清化,你要是感觉不对劲可以多点几下从头生成,内容要是不对劲还可以输入提示词调整视频内容、运镜、运动标的目的等等,输出高清视频。
具体的道理如下,参数量共计约37亿,总结下来分为两个阶段,就是通过输入图片生成图片序列,然后可以通过文字进行微调并生成高清图片。



下面展示一下具体的生成的案例,由于文章无法放入视频,我选择插入gif图片,展示效果会大打折扣,想搞完整高清的可以去我的视频号看最新视频介绍。左边是原图,右边是生成的效果。










同时还撑持本身部署,不外对于设备的要求斗劲高。I2VGen-XL包含2个模型:图片生成视频模型MS-Image2Video和视频生成视频模型MS-Vid2Vid。
MS-Image2Video成立在Stable Diffusion之上,如给出的道理图所示,通过专门设计的时空UNet在隐空间中进行时空建模并通过解码器重建出最终视频。
在1*A100的环境配置下运行 (可以单卡运行, 图生视频模型显存要求20G,视频生成视频显存要求28G)

  • torch2.0.1+cu117,python>=3.8
# 安装miniconda
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
# 一直[ENTER], 最后一个选项yes即可
sh Miniconda3-latest-Linux-x86_64.sh

# conda虚拟环境搭建
conda create --name ms-sft python=3.8
conda activate ms-sft

# 安装最新的ModelScope
pip install ”modelscope” --upgrade -f https://pypi.org/project/modelscope/

# 确定你的系统安装了ffmpeg命令,如果没有,可以通过以下命令来安装
sudo apt-get update && apt-get install ffmpeg libsm6 libxext6  -y

# 安装依赖库
pip install xformers==0.0.20
pip install torch==2.0.1
pip install torchsde
pip install open_clip_torch>=2.0.2
pip install opencv-python-headless
pip install opencv-python
pip install einops>=0.4
pip install rotary-embedding-torch
pip install fairscale
pip install scipy
pip install imageio
pip install pytorch-lightning下载好模型,模型链接后台答复Ai视频即可获取​。
通过以下代码,实现模型的下载和推理。
第一步:图生视频 (所需显存单卡20G)
from modelscope.pipelines import pipeline
from modelscope.outputs import OutputKeys

pipe = pipeline(task=”image-to-video”, model='damo/Image-to-Video', model_revision='v1.1.0')

# IMG_PATH: your image path (url or local file)
IMG_PATH = './example.png'
output_video_path = pipe(IMG_PATH, output_video='./output.mp4')[OutputKeys.OUTPUT_VIDEO]
print(output_video_path)第二步:提升视频分辩率 (所需显存单卡28G)
pipe =pipeline(task=”video-to-video”, model='damo/Video-to-Video', model_revision='v1.1.0')

# VID_PATH: your video path
# TEXT : your text description
VID_PATH = './output.mp4'
TEXT = 'A lovely little fox is among the flowers.'
p_input = {
            'video_path': VID_PATH,
            'text': TEXT
        }

output_video_path = pipe(p_input, output_video='./output.mp4')[OutputKeys.OUTPUT_VIDEO]
print(output_video_path)如果本身不想部署,想白嫖的兄弟,宫z浩【龙一的编程life】后台答复Ai视频获取体验链接。
其他更多Ai干货看我往期作品!
好了内容分享到这里就结束了,我是龙一,持续为大师分享AI+自媒体的干货,请大师多多存眷点赞!
整理不易点赞+保藏感激请大师动动发家的小手
我才有动力持续分享白嫖哟

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有账号?立即注册

×
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Archiver|手机版|小黑屋|T9AI - 深度人工智能平台 ( 沪ICP备2023010006号 )

GMT+8, 2024-11-24 09:01 , Processed in 0.055161 second(s), 23 queries .

Powered by Discuz! X3.5

© 2001-2024 Discuz! Team.

快速回复 返回顶部 返回列表