开源HunyuanVideo混元AI视频生成大模型

更新: 12/21/2024 字数: 0 字时长: 0 分钟

简介

腾讯混元大模型公布，正式上线视频生成能力，这是继文生文、文生图、3D生成之后的又一新里程碑式功能。同时，腾讯开源该视频生成大模型，参数量130亿，已经在已经在 Hugging Face 平台及 Github 上发布，包含模型权重、推理代码、模型算法等完整模型，可供企业与个人开发者免费使用和开发生态插件。这也是当前最大的(截至2024年12月5日)视频开源模型。

该模型已上线腾讯元宝APP，用户可在AI应用中的“AI视频”板块申请试用。API同步开放测试，开发者可通过腾讯云接入。

特点

参数量130亿，当前最大的视频开源模型(截至2024年12月5日)。
已经在 Hugging Face 平台及 Github 上发布，包含模型权重、推理代码、模型算法等完整模型。
已上线腾讯元宝APP，API同步开放测试，开发者可通过腾讯云接入。

使用说明

项目信息

项目主页：地址

项目说明：地址

在线体验

官网体验：地址

移动端体验：地址

replicate体验：地址

技术原理

pdf: 点击访问

使用限制

说明

官网每个账号每天6次生成次数(4次普通模式+2次快速模式)

官方提示词生成规范(重要)❗

将下面提示词，发给聊天GPT类大语言对话模型，国内也可用豆包、通义千问、kimi、deepseek等

说明

两个提示词模式：正常模式和导演模式。两种模式的提示词见这里。

正常模式旨在增强视频生成模型对用户意图的理解，从而更准确地解释提供的指令。
导演模式增强了诸如构图、光照和摄像机移动等方面的描述，倾向于生成视觉质量更高的视频。注意，这种增强有时可能会导致一些语义细节的丢失。

正常模式

你是一个专门重写视频描述的大型语言模型。你的任务是修改输入描述。

1. 保留所有信息，包括样式词和技术术语。

2. 如果输入的是中文，请将整个描述翻译成英文。

3. 如果输入只是描述一个物体或人的一两个词，提供一个简短、简单的描述，重点是基本的视觉特征。将描述限制在1-2个短句内。

4. 如果输入不包括风格、灯光、氛围，可以进行合理的联想。

5. 输出ALL必须为英文。

导演模式

你是一个专门重写视频描述的大型语言模型，你的任务是修改输入的描述。

1. 保留所有信息，包括样式词和技术术语。

2. 如果输入的是中文，将整个描述翻译成英文。

3. 如果输入的只是描述一个物体或人的一两个词，提供一个简短、简单的描述，侧重于基本的视觉特征。将描述限制在1-2个短句内。

4. 如果输入的不包括风格、灯光、氛围，可以进行合理的联想。

5. 输出ALL必须为英文。

(新)ComfyUI官方整合包💎

更新到最新版ComfyUI，结合秋叶ComfyUI整合包

说明

ComfyUI官方现在原生支持混元视频生成，实测torch==2.3.1+cu121可以支持

下载地址

整合包已包含所需环境依赖和模型文件

百度网盘

夸克网盘

(旧)k神-ComfyUI版整合包

地址：kijai/ComfyUI-HunyuanVideoWrapper

使用说明

警告

torch-cuda版本必须>=2.5.1，否则可能生成黑屏
4090实测生成3s视频，耗时约3分钟

运行

工作流说明

注意

低显存版适用于显存低于20GB用户，如果你的显存足够，无需使用低显存模式
flash_attn_varlen比sdpa运行快10-15%，但对Cuda版本和环境有一定要求，如果用不了，请使用默认的sdpa

RF-Invertion 工作流：基于原视频进行一些加工

下载地址

整合包已包含所需环境依赖和模型文件

百度网盘

夸克网盘

本地安装💡

注意

配置要求
- 720p需要最低60GB显卡内存
- 540P需要最低45GB显卡内存

普通用户不建议本地安装，安装仅供符合配置要求的用户参考

依赖安装

克隆源码

bash

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

安装conda环境

bash

# 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

下载预训练模型

HunyuanVideo
  ├──ckpts
  │  ├──README.md
  │  ├──hunyuan-video-t2v-720p
  │  │  ├──transformers
  ├  │  ├──vae
  │  ├──text_encoder
  │  ├──text_encoder_2
  ├──...

下载地址

说明

HuggingFace在国外，魔塔可能限速，如果开通了以下网盘VIP，可考虑网盘下载
约26GB

下载文本编码器

HunyuanVideo采用MLLM模型和CLIP模型作为文本编码器。

MLLM 模型

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

bash

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-transformers成text_encoder。

bash

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

CLIP 模型

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

bash

cd HunyuanVideo/ckpts

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

推理/运行

配置说明

参数	默认	描述
`--prompt`	空	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`	0	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`	./result	生成视频的保存路径

使用命令行

bash

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

使用docker镜像安装

bash

# 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

更新历史

2024.12.05

2024年12月03日: 🤗 开源 HunyuanVideo 文生视频的推理代码和模型权重。

开源HunyuanVideo混元AI视频生成大模型 ​

简介 ​

特点 ​

使用说明 ​

项目信息 ​

在线体验 ​

技术原理 ​

使用限制 ​

官方提示词生成规范(重要)❗ ​

(新)ComfyUI官方整合包💎 ​

说明 ​

下载地址 ​

(旧)k神-ComfyUI版整合包 ​

使用说明 ​

运行 ​

下载地址 ​

本地安装💡 ​

依赖安装 ​

下载预训练模型 ​

下载地址 ​

下载文本编码器 ​

MLLM 模型 ​

CLIP 模型 ​

推理/运行 ​

配置说明 ​

使用命令行 ​

使用docker镜像安装 ​

更新历史 ​

开源HunyuanVideo混元AI视频生成大模型

简介

特点

使用说明

项目信息

在线体验

技术原理

使用限制

官方提示词生成规范(重要)❗

(新)ComfyUI官方整合包💎

说明

下载地址

(旧)k神-ComfyUI版整合包

使用说明

运行

下载地址

本地安装💡

依赖安装

下载预训练模型

下载地址

下载文本编码器

MLLM 模型

CLIP 模型

推理/运行

配置说明

使用命令行

使用docker镜像安装

更新历史