bubbliiiing commited on
Commit
a16996b
·
verified ·
1 Parent(s): de56f7f

Update README.md

Browse files
Files changed (1) hide show
  1. README.md +352 -349
README.md CHANGED
@@ -1,349 +1,352 @@
1
- ---
2
- license: apache-2.0
3
- language:
4
- - en
5
- - zh
6
- pipeline_tag: text-to-video
7
- library_name: diffusers
8
- tags:
9
- - video
10
- - video-generation
11
- ---
12
-
13
- # Wan-Fun
14
-
15
- 😊 Welcome!
16
-
17
- [![Hugging Face Spaces](https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-Spaces-yellow)](https://huggingface.co/spaces/alibaba-pai/Wan2.1-Fun-1.3B-InP)
18
-
19
- [![Github](https://img.shields.io/badge/🎬%20Code-Github-blue)](https://github.com/aigc-apps/VideoX-Fun)
20
-
21
- [English](./README_en.md) | [简体中文](./README.md)
22
-
23
- # 目录
24
- - [目录](#目录)
25
- - [模型地址](#模型地址)
26
- - [视频作品](#视频作品)
27
- - [快速启动](#快速启动)
28
- - [如何使用](#如何使用)
29
- - [参考文献](#参考文献)
30
- - [许可证](#许可证)
31
-
32
- # 模型地址
33
-
34
- | 名称 | 存储空间 | Hugging Face | Model Scope | 描述 |
35
- |--|--|--|--|--|
36
- | Wan2.2-Fun-A14B-InP | 64.0 GB | [🤗Link](https://huggingface.co/alibaba-pai/Wan2.2-Fun-A14B-InP) | [😄Link](https://modelscope.cn/models/PAI/Wan2.2-Fun-A14B-InP) | Wan2.2-Fun-14B文图生视频权重,以多分辨率训练,支持首尾图预测。 |
37
- | Wan2.2-Fun-A14B-Control | 64.0 GB | [🤗Link](https://huggingface.co/alibaba-pai/Wan2.2-Fun-A14B-Control) | [😄Link](https://modelscope.cn/models/PAI/Wan2.2-Fun-A14B-Control)| Wan2.2-Fun-14B视频控制权重,支持不同的控制条件,如Canny、Depth、Pose、MLSD等,同时支持使用轨迹控制。支持多分辨率(512,768,1024)的视频预测,支持多分辨率(512,768,1024)的视频预测,以81帧、每秒16帧进行训练,支持多语言预测 |
38
- | Wan2.2-Fun-A14B-Control-Camera | 64.0 GB | [🤗Link](https://huggingface.co/alibaba-pai/Wan2.2-Fun-A14B-Control-Camera) | [😄Link](https://modelscope.cn/models/PAI/Wan2.2-Fun-A14B-Control-Camera)| Wan2.2-Fun-14B相机镜头控制权重。支持多分辨率(512,768,1024)的视频预测,支持多分辨率(512,768,1024)的视频预测,以81帧、每秒16帧进行训练,支持多语言预测 |
39
-
40
- # 视频作品
41
-
42
- ### Wan2.2-Fun-A14B-InP
43
-
44
- <table border="0" style="width: 100%; text-align: left; margin-top: 20px;">
45
- <tr>
46
- <td>
47
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/inp_1.mp4" width="100%" controls autoplay loop></video>
48
- </td>
49
- <td>
50
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/inp_2.mp4" width="100%" controls autoplay loop></video>
51
- </td>
52
- <td>
53
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/inp_3.mp4" width="100%" controls autoplay loop></video>
54
- </td>
55
- <td>
56
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/inp_4.mp4" width="100%" controls autoplay loop></video>
57
- </td>
58
- </tr>
59
- </table>
60
-
61
- <table border="0" style="width: 100%; text-align: left; margin-top: 20px;">
62
- <tr>
63
- <td>
64
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/inp_5.mp4" width="100%" controls autoplay loop></video>
65
- </td>
66
- <td>
67
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/inp_6.mp4" width="100%" controls autoplay loop></video>
68
- </td>
69
- <td>
70
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/inp_7.mp4" width="100%" controls autoplay loop></video>
71
- </td>
72
- <td>
73
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/inp_8.mp4" width="100%" controls autoplay loop></video>
74
- </td>
75
- </tr>
76
- </table>
77
-
78
- ### Wan2.2-Fun-A14B-Control
79
-
80
- Generic Control Video + Reference Image:
81
- <table border="0" style="width: 100%; text-align: left; margin-top: 20px;">
82
- <tr>
83
- <td>
84
- Reference Image
85
- </td>
86
- <td>
87
- Control Video
88
- </td>
89
- <td>
90
- Wan2.2-Fun-14B-Control
91
- </td>
92
- <tr>
93
- <td>
94
- <image src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/8.png" width="100%" controls autoplay loop></image>
95
- </td>
96
- <td>
97
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/pose.mp4" width="100%" controls autoplay loop></video>
98
- </td>
99
- <td>
100
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/14b_ref.mp4" width="100%" controls autoplay loop></video>
101
- </td>
102
- <tr>
103
- </table>
104
-
105
- Generic Control Video (Canny, Pose, Depth, etc.) and Trajectory Control:
106
- <table border="0" style="width: 100%; text-align: left; margin-top: 20px;">
107
- <tr>
108
- <td>
109
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/guiji.mp4" width="100%" controls autoplay loop></video>
110
- </td>
111
- <td>
112
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/guiji_out.mp4" width="100%" controls autoplay loop></video>
113
- </td>
114
- <tr>
115
- </table>
116
-
117
- <table border="0" style="width: 100%; text-align: left; margin-top: 20px;">
118
- <tr>
119
- <td>
120
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/pose.mp4" width="100%" controls autoplay loop></video>
121
- </td>
122
- <td>
123
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/canny.mp4" width="100%" controls autoplay loop></video>
124
- </td>
125
- <td>
126
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/depth.mp4" width="100%" controls autoplay loop></video>
127
- </td>
128
- <tr>
129
- <td>
130
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/pose_out.mp4" width="100%" controls autoplay loop></video>
131
- </td>
132
- <td>
133
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/canny_out.mp4" width="100%" controls autoplay loop></video>
134
- </td>
135
- <td>
136
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/depth_out.mp4" width="100%" controls autoplay loop></video>
137
- </td>
138
- </tr>
139
- </table>
140
-
141
- ### Wan2.2-Fun-A14B-Control-Camera
142
-
143
- <table border="0" style="width: 100%; text-align: left; margin-top: 20px;">
144
- <tr>
145
- <td>
146
- Pan Up
147
- </td>
148
- <td>
149
- Pan Left
150
- </td>
151
- <td>
152
- Pan Right
153
- </td>
154
- <td>
155
- Zoom In
156
- </td>
157
- <tr>
158
- <td>
159
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/Pan_Up.mp4" width="100%" controls autoplay loop></video>
160
- </td>
161
- <td>
162
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/Pan_Left.mp4" width="100%" controls autoplay loop></video>
163
- </td>
164
- <td>
165
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/Pan_Right.mp4" width="100%" controls autoplay loop></video>
166
- </td>
167
- <td>
168
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/Zoom_In.mp4" width="100%" controls autoplay loop></video>
169
- </td>
170
- <tr>
171
- <td>
172
- Pan Down
173
- </td>
174
- <td>
175
- Pan Up + Pan Left
176
- </td>
177
- <td>
178
- Pan Up + Pan Right
179
- </td>
180
- <td>
181
- Zoom Out
182
- </td>
183
- <tr>
184
- <td>
185
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/Pan_Down.mp4" width="100%" controls autoplay loop></video>
186
- </td>
187
- <td>
188
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/Pan_UL.mp4" width="100%" controls autoplay loop></video>
189
- </td>
190
- <td>
191
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/Pan_UR.mp4" width="100%" controls autoplay loop></video>
192
- </td>
193
- <td>
194
- <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/Zoom_Out.mp4" width="100%" controls autoplay loop></video>
195
- </td>
196
- </tr>
197
- </table>
198
-
199
-
200
- # 快速启动
201
- ### 1. 云使用: AliyunDSW/Docker
202
- #### a. 通过阿里云 DSW
203
- DSW 有免费 GPU 时间,用户可申请一次,申请后3个月内有效。
204
-
205
- 阿里云在[Freetier](https://free.aliyun.com/?product=9602825&crowd=enterprise&spm=5176.28055625.J_5831864660.1.e939154aRgha4e&scm=20140722.M_9974135.P_110.MO_1806-ID_9974135-MID_9974135-CID_30683-ST_8512-V_1)提供免费GPU时间,获取并在阿里云PAI-DSW中使用,5分钟内即可启动CogVideoX-Fun。
206
-
207
- [![DSW Notebook](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/easyanimate/asset/dsw.png)](https://gallery.pai-ml.com/#/preview/deepLearning/cv/cogvideox_fun)
208
-
209
- #### b. 通过ComfyUI
210
- 我们的ComfyUI界面如下,具体查看[ComfyUI README](comfyui/README.md)
211
- ![workflow graph](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/cogvideox_fun/asset/v1/cogvideoxfunv1_workflow_i2v.jpg)
212
-
213
- #### c. 通过docker
214
- 使用docker的情况下,请保证机器中已经正确安装显卡驱动与CUDA环境,然后以此执行以下命令:
215
-
216
- ```
217
- # pull image
218
- docker pull mybigpai-public-registry.cn-beijing.cr.aliyuncs.com/easycv/torch_cuda:cogvideox_fun
219
-
220
- # enter image
221
- docker run -it -p 7860:7860 --network host --gpus all --security-opt seccomp:unconfined --shm-size 200g mybigpai-public-registry.cn-beijing.cr.aliyuncs.com/easycv/torch_cuda:cogvideox_fun
222
-
223
- # clone code
224
- git clone https://github.com/aigc-apps/VideoX-Fun.git
225
-
226
- # enter VideoX-Fun's dir
227
- cd VideoX-Fun
228
-
229
- # download weights
230
- mkdir models/Diffusion_Transformer
231
- mkdir models/Personalized_Model
232
-
233
- # Please use the hugginface link or modelscope link to download the model.
234
- # CogVideoX-Fun
235
- # https://huggingface.co/alibaba-pai/CogVideoX-Fun-V1.1-5b-InP
236
- # https://modelscope.cn/models/PAI/CogVideoX-Fun-V1.1-5b-InP
237
-
238
- # Wan
239
- # https://huggingface.co/alibaba-pai/Wan2.1-Fun-V1.1-14B-InP
240
- # https://modelscope.cn/models/PAI/Wan2.1-Fun-V1.1-14B-InP
241
- # https://huggingface.co/alibaba-pai/Wan2.2-Fun-A14B-InP
242
- # https://modelscope.cn/models/PAI/Wan2.2-Fun-A14B-InP
243
- ```
244
-
245
- ### 2. 本地安装: 环境检查/下载/安装
246
- #### a. 环境检查
247
- 我们已验证该库可在以下环境中执行:
248
-
249
- Windows 的详细信息:
250
- - 操作系统 Windows 10
251
- - python: python3.10 & python3.11
252
- - pytorch: torch2.2.0
253
- - CUDA: 11.8 & 12.1
254
- - CUDNN: 8+
255
- - GPU: Nvidia-3060 12G & Nvidia-3090 24G
256
-
257
- Linux 的详细信息:
258
- - 操作系统 Ubuntu 20.04, CentOS
259
- - python: python3.10 & python3.11
260
- - pytorch: torch2.2.0
261
- - CUDA: 11.8 & 12.1
262
- - CUDNN: 8+
263
- - GPU:Nvidia-V100 16G & Nvidia-A10 24G & Nvidia-A100 40G & Nvidia-A100 80G
264
-
265
- 我们需要大约 60GB 的可用磁盘空间,请检查!
266
-
267
- #### b. 权重放置
268
- 我们最好将[权重](#model-zoo)按照指定路径进行放置:
269
-
270
- **通过comfyui**:
271
- 将模型放入Comfyui的权重文件夹`ComfyUI/models/Fun_Models/`:
272
- ```
273
- 📦 ComfyUI/
274
- ├── 📂 models/
275
- │ └── 📂 Fun_Models/
276
- │ ├── 📂 CogVideoX-Fun-V1.1-2b-InP/
277
- ├── 📂 CogVideoX-Fun-V1.1-5b-InP/
278
- ├── 📂 Wan2.1-Fun-V1.1-14B-InP
279
- └── 📂 Wan2.1-Fun-V1.1-1.3B-InP/
280
- ```
281
-
282
- **运行自身的python文件或ui界面**:
283
- ```
284
- 📦 models/
285
- ├── 📂 Diffusion_Transformer/
286
- │ ├── 📂 CogVideoX-Fun-V1.1-2b-InP/
287
- │ ├── 📂 CogVideoX-Fun-V1.1-5b-InP/
288
- ├── 📂 Wan2.1-Fun-V1.1-14B-InP
289
- └── 📂 Wan2.1-Fun-V1.1-1.3B-InP/
290
- ├── 📂 Personalized_Model/
291
- └── your trained trainformer model / your trained lora model (for UI load)
292
- ```
293
-
294
- # 如何使用
295
-
296
- <h3 id="video-gen">1. 生成 </h3>
297
-
298
- #### a、显存节省方案
299
- 由于Wan2.2的参数非常大,我们需要考虑显存节省方案,以节省显存适应消费级显卡。我们给每个预测文件都提供了GPU_memory_mode,可以在model_cpu_offload,model_cpu_offload_and_qfloat8,sequential_cpu_offload中进行选择。该方案同样适用于CogVideoX-Fun的生成。
300
-
301
- - model_cpu_offload代表整个模型在使用后会进入cpu,可以节省部分显存。
302
- - model_cpu_offload_and_qfloat8代表整个模型在使用后会进入cpu,并且对transformer模型进行了float8的量化,可以节省更多的显存。
303
- - sequential_cpu_offload代表模型的每一层在使用后会进入cpu,速度较慢,节省大量显存。
304
-
305
- qfloat8会部分降低模型的性能,但可以节省更多的显存。如果显存足够,推荐使用model_cpu_offload。
306
-
307
- #### b、通过comfyui
308
- 具体查看[ComfyUI README](https://github.com/aigc-apps/VideoX-Fun/tree/main/comfyui)
309
-
310
- #### c、运行python文件
311
- - 步骤1:下载对应[权重](#model-zoo)放入models文件夹。
312
- - 步骤2:根据不同的权重与预测目标使用不同的文件进行预测。当前该库支持CogVideoX-Fun、Wan2.1、Wan2.1-Fun、Wan2.2,在examples文件夹下用文件夹名以区分,不同模型支持的功能不同,请视具体情况予以区分。以CogVideoX-Fun为例。
313
- - 文生视频:
314
- - 使用examples/cogvideox_fun/predict_t2v.py文件中修改prompt、neg_prompt、guidance_scale和seed。
315
- - 而后运行examples/cogvideox_fun/predict_t2v.py文件,等待生成结果,结果保存在samples/cogvideox-fun-videos文件夹中。
316
- - 图生视频:
317
- - 使用examples/cogvideox_fun/predict_i2v.py文件中修改validation_image_start、validation_image_end、prompt、neg_prompt、guidance_scale和seed。
318
- - validation_image_start是视频的开始图片,validation_image_end是视频的结尾图片。
319
- - 而后运行examples/cogvideox_fun/predict_i2v.py文件,等待生成结果,结果保存在samples/cogvideox-fun-videos_i2v文件夹中。
320
- - 视频生视频:
321
- - 使用examples/cogvideox_fun/predict_v2v.py文件中修改validation_video、validation_image_end、prompt、neg_prompt、guidance_scale和seed。
322
- - validation_video是视频生视频的参考视频。您可以使用以下视频运行演示:[演示视频](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/cogvideox_fun/asset/v1/play_guitar.mp4)
323
- - 而后运行examples/cogvideox_fun/predict_v2v.py文件,等待生成结果,结果保存在samples/cogvideox-fun-videos_v2v文件夹中。
324
- - 普通控制生视频(CannyPoseDepth等):
325
- - 使用examples/cogvideox_fun/predict_v2v_control.py文件中修改control_video、validation_image_end、prompt、neg_prompt、guidance_scale和seed。
326
- - control_video是控制生视频的控制视频,是使用Canny、Pose、Depth等算子提取后的视频。您可以使用以下视频运行演示:[演示视频](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/cogvideox_fun/asset/v1.1/pose.mp4)
327
- - 而后运行examples/cogvideox_fun/predict_v2v_control.py文件,等待生成结果,结果保存在samples/cogvideox-fun-videos_v2v_control文件夹中。
328
- - 步骤3:如果想结合自己训练的其他backbone与Lora,则看情况修改examples/{model_name}/predict_t2v.py中的examples/{model_name}/predict_i2v.pylora_path
329
-
330
- #### d、通过ui界面
331
-
332
- webui支持文生视频、图生视频、视频生视频和普通控制生视频(Canny、Pose、Depth等)。在examples文件夹下用文件夹名以区分,不同模型支持的功能不同,请视具体情况予以区分。以CogVideoX-Fun为例。
333
-
334
- - 步骤1:下载对应[权重](#model-zoo)放入models文件夹。
335
- - 步骤2:运行examples/cogvideox_fun/app.py文件,进入gradio页面。
336
- - 步骤3:根据页面选择生成模型,填入prompt、neg_prompt、guidance_scale和seed等,点击生成,等待生成结果,结果保存在sample文件夹中。
337
-
338
- # 参考文献
339
- - CogVideo: https://github.com/THUDM/CogVideo/
340
- - EasyAnimate: https://github.com/aigc-apps/EasyAnimate
341
- - Wan2.1: https://github.com/Wan-Video/Wan2.1/
342
- - Wan2.1: https://github.com/Wan-Video/Wan2.2/
343
- - ComfyUI-KJNodes: https://github.com/kijai/ComfyUI-KJNodes
344
- - ComfyUI-EasyAnimateWrapper: https://github.com/kijai/ComfyUI-EasyAnimateWrapper
345
- - ComfyUI-CameraCtrl-Wrapper: https://github.com/chaojie/ComfyUI-CameraCtrl-Wrapper
346
- - CameraCtrl: https://github.com/hehao13/CameraCtrl
347
-
348
- # 许可证
349
- 本项目采用 [Apache License (Version 2.0)](https://github.com/modelscope/modelscope/blob/master/LICENSE).
 
 
 
 
1
+ ---
2
+ license: apache-2.0
3
+ language:
4
+ - en
5
+ - zh
6
+ pipeline_tag: text-to-video
7
+ library_name: diffusers
8
+ tags:
9
+ - video
10
+ - video-generation
11
+ - wan2.2
12
+ base_model:
13
+ - Wan-AI/Wan2.2-I2V-A14B
14
+ ---
15
+
16
+ # Wan-Fun
17
+
18
+ 😊 Welcome!
19
+
20
+ [![Hugging Face Spaces](https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-Spaces-yellow)](https://huggingface.co/spaces/alibaba-pai/Wan2.1-Fun-1.3B-InP)
21
+
22
+ [![Github](https://img.shields.io/badge/🎬%20Code-Github-blue)](https://github.com/aigc-apps/VideoX-Fun)
23
+
24
+ [English](./README_en.md) | [简体中文](./README.md)
25
+
26
+ # 目录
27
+ - [目录](#目录)
28
+ - [模型地址](#模型地址)
29
+ - [视频作品](#视频作品)
30
+ - [快速启动](#快速启动)
31
+ - [如何使用](#如何使用)
32
+ - [参考文献](#参考文献)
33
+ - [许可证](#许可证)
34
+
35
+ # 模型地址
36
+
37
+ | 名称 | 存储空间 | Hugging Face | Model Scope | 描述 |
38
+ |--|--|--|--|--|
39
+ | Wan2.2-Fun-A14B-InP | 64.0 GB | [🤗Link](https://huggingface.co/alibaba-pai/Wan2.2-Fun-A14B-InP) | [😄Link](https://modelscope.cn/models/PAI/Wan2.2-Fun-A14B-InP) | Wan2.2-Fun-14B文图生视频权重,以多分辨率训练,支持首尾图预测。 |
40
+ | Wan2.2-Fun-A14B-Control | 64.0 GB | [🤗Link](https://huggingface.co/alibaba-pai/Wan2.2-Fun-A14B-Control) | [😄Link](https://modelscope.cn/models/PAI/Wan2.2-Fun-A14B-Control)| Wan2.2-Fun-14B视频控制权重,支持不同的控制条件,如Canny、Depth、Pose、MLSD等,同时支持使用轨迹控制。支持多分辨率(512,768,1024)的视频预测,支持多分辨率(512,768,1024)的视频预测,以81帧、每秒16帧进行训练,支持多语言预测 |
41
+ | Wan2.2-Fun-A14B-Control-Camera | 64.0 GB | [🤗Link](https://huggingface.co/alibaba-pai/Wan2.2-Fun-A14B-Control-Camera) | [😄Link](https://modelscope.cn/models/PAI/Wan2.2-Fun-A14B-Control-Camera)| Wan2.2-Fun-14B相机镜头控制权重。支持多分辨率(512,768,1024)的视频预测,支持多分辨率(512,768,1024)的视频预测,以81帧、每秒16帧进行训练,支持多语言预测 |
42
+
43
+ # 视频作品
44
+
45
+ ### Wan2.2-Fun-A14B-InP
46
+
47
+ <table border="0" style="width: 100%; text-align: left; margin-top: 20px;">
48
+ <tr>
49
+ <td>
50
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/inp_1.mp4" width="100%" controls autoplay loop></video>
51
+ </td>
52
+ <td>
53
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/inp_2.mp4" width="100%" controls autoplay loop></video>
54
+ </td>
55
+ <td>
56
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/inp_3.mp4" width="100%" controls autoplay loop></video>
57
+ </td>
58
+ <td>
59
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/inp_4.mp4" width="100%" controls autoplay loop></video>
60
+ </td>
61
+ </tr>
62
+ </table>
63
+
64
+ <table border="0" style="width: 100%; text-align: left; margin-top: 20px;">
65
+ <tr>
66
+ <td>
67
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/inp_5.mp4" width="100%" controls autoplay loop></video>
68
+ </td>
69
+ <td>
70
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/inp_6.mp4" width="100%" controls autoplay loop></video>
71
+ </td>
72
+ <td>
73
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/inp_7.mp4" width="100%" controls autoplay loop></video>
74
+ </td>
75
+ <td>
76
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/inp_8.mp4" width="100%" controls autoplay loop></video>
77
+ </td>
78
+ </tr>
79
+ </table>
80
+
81
+ ### Wan2.2-Fun-A14B-Control
82
+
83
+ Generic Control Video + Reference Image:
84
+ <table border="0" style="width: 100%; text-align: left; margin-top: 20px;">
85
+ <tr>
86
+ <td>
87
+ Reference Image
88
+ </td>
89
+ <td>
90
+ Control Video
91
+ </td>
92
+ <td>
93
+ Wan2.2-Fun-14B-Control
94
+ </td>
95
+ <tr>
96
+ <td>
97
+ <image src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/8.png" width="100%" controls autoplay loop></image>
98
+ </td>
99
+ <td>
100
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/pose.mp4" width="100%" controls autoplay loop></video>
101
+ </td>
102
+ <td>
103
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/14b_ref.mp4" width="100%" controls autoplay loop></video>
104
+ </td>
105
+ <tr>
106
+ </table>
107
+
108
+ Generic Control Video (Canny, Pose, Depth, etc.) and Trajectory Control:
109
+ <table border="0" style="width: 100%; text-align: left; margin-top: 20px;">
110
+ <tr>
111
+ <td>
112
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/guiji.mp4" width="100%" controls autoplay loop></video>
113
+ </td>
114
+ <td>
115
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/guiji_out.mp4" width="100%" controls autoplay loop></video>
116
+ </td>
117
+ <tr>
118
+ </table>
119
+
120
+ <table border="0" style="width: 100%; text-align: left; margin-top: 20px;">
121
+ <tr>
122
+ <td>
123
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/pose.mp4" width="100%" controls autoplay loop></video>
124
+ </td>
125
+ <td>
126
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/canny.mp4" width="100%" controls autoplay loop></video>
127
+ </td>
128
+ <td>
129
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/depth.mp4" width="100%" controls autoplay loop></video>
130
+ </td>
131
+ <tr>
132
+ <td>
133
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/pose_out.mp4" width="100%" controls autoplay loop></video>
134
+ </td>
135
+ <td>
136
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/canny_out.mp4" width="100%" controls autoplay loop></video>
137
+ </td>
138
+ <td>
139
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/depth_out.mp4" width="100%" controls autoplay loop></video>
140
+ </td>
141
+ </tr>
142
+ </table>
143
+
144
+ ### Wan2.2-Fun-A14B-Control-Camera
145
+
146
+ <table border="0" style="width: 100%; text-align: left; margin-top: 20px;">
147
+ <tr>
148
+ <td>
149
+ Pan Up
150
+ </td>
151
+ <td>
152
+ Pan Left
153
+ </td>
154
+ <td>
155
+ Pan Right
156
+ </td>
157
+ <td>
158
+ Zoom In
159
+ </td>
160
+ <tr>
161
+ <td>
162
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/Pan_Up.mp4" width="100%" controls autoplay loop></video>
163
+ </td>
164
+ <td>
165
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/Pan_Left.mp4" width="100%" controls autoplay loop></video>
166
+ </td>
167
+ <td>
168
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/Pan_Right.mp4" width="100%" controls autoplay loop></video>
169
+ </td>
170
+ <td>
171
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/Zoom_In.mp4" width="100%" controls autoplay loop></video>
172
+ </td>
173
+ <tr>
174
+ <td>
175
+ Pan Down
176
+ </td>
177
+ <td>
178
+ Pan Up + Pan Left
179
+ </td>
180
+ <td>
181
+ Pan Up + Pan Right
182
+ </td>
183
+ <td>
184
+ Zoom Out
185
+ </td>
186
+ <tr>
187
+ <td>
188
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/Pan_Down.mp4" width="100%" controls autoplay loop></video>
189
+ </td>
190
+ <td>
191
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/Pan_UL.mp4" width="100%" controls autoplay loop></video>
192
+ </td>
193
+ <td>
194
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/Pan_UR.mp4" width="100%" controls autoplay loop></video>
195
+ </td>
196
+ <td>
197
+ <video src="https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/wan_fun/asset_Wan2_2/v1.0/Zoom_Out.mp4" width="100%" controls autoplay loop></video>
198
+ </td>
199
+ </tr>
200
+ </table>
201
+
202
+
203
+ # 快速启动
204
+ ### 1. 云使用: AliyunDSW/Docker
205
+ #### a. 通过阿里云 DSW
206
+ DSW 有免费 GPU 时间,用户可申请一次,申请后3个月内有效。
207
+
208
+ 阿里云在[Freetier](https://free.aliyun.com/?product=9602825&crowd=enterprise&spm=5176.28055625.J_5831864660.1.e939154aRgha4e&scm=20140722.M_9974135.P_110.MO_1806-ID_9974135-MID_9974135-CID_30683-ST_8512-V_1)提供免费GPU时间,获取并在阿里云PAI-DSW中使用,5分钟内即可启动CogVideoX-Fun。
209
+
210
+ [![DSW Notebook](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/easyanimate/asset/dsw.png)](https://gallery.pai-ml.com/#/preview/deepLearning/cv/cogvideox_fun)
211
+
212
+ #### b. 通过ComfyUI
213
+ 我们的ComfyUI界面如下,具体查看[ComfyUI README](comfyui/README.md)。
214
+ ![workflow graph](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/cogvideox_fun/asset/v1/cogvideoxfunv1_workflow_i2v.jpg)
215
+
216
+ #### c. 通过docker
217
+ 使用docker的情况下,请保证机器中已经正确安装显卡驱动与CUDA环境,然后以此执行以下命令:
218
+
219
+ ```
220
+ # pull image
221
+ docker pull mybigpai-public-registry.cn-beijing.cr.aliyuncs.com/easycv/torch_cuda:cogvideox_fun
222
+
223
+ # enter image
224
+ docker run -it -p 7860:7860 --network host --gpus all --security-opt seccomp:unconfined --shm-size 200g mybigpai-public-registry.cn-beijing.cr.aliyuncs.com/easycv/torch_cuda:cogvideox_fun
225
+
226
+ # clone code
227
+ git clone https://github.com/aigc-apps/VideoX-Fun.git
228
+
229
+ # enter VideoX-Fun's dir
230
+ cd VideoX-Fun
231
+
232
+ # download weights
233
+ mkdir models/Diffusion_Transformer
234
+ mkdir models/Personalized_Model
235
+
236
+ # Please use the hugginface link or modelscope link to download the model.
237
+ # CogVideoX-Fun
238
+ # https://huggingface.co/alibaba-pai/CogVideoX-Fun-V1.1-5b-InP
239
+ # https://modelscope.cn/models/PAI/CogVideoX-Fun-V1.1-5b-InP
240
+
241
+ # Wan
242
+ # https://huggingface.co/alibaba-pai/Wan2.1-Fun-V1.1-14B-InP
243
+ # https://modelscope.cn/models/PAI/Wan2.1-Fun-V1.1-14B-InP
244
+ # https://huggingface.co/alibaba-pai/Wan2.2-Fun-A14B-InP
245
+ # https://modelscope.cn/models/PAI/Wan2.2-Fun-A14B-InP
246
+ ```
247
+
248
+ ### 2. 本地安装: 环境检查/下载/安装
249
+ #### a. 环境检查
250
+ 我们已验证该库可在以下环境中执行:
251
+
252
+ Windows 的详细信息:
253
+ - 操作系统 Windows 10
254
+ - python: python3.10 & python3.11
255
+ - pytorch: torch2.2.0
256
+ - CUDA: 11.8 & 12.1
257
+ - CUDNN: 8+
258
+ - GPU: Nvidia-3060 12G & Nvidia-3090 24G
259
+
260
+ Linux 的详细信息:
261
+ - 操作系统 Ubuntu 20.04, CentOS
262
+ - python: python3.10 & python3.11
263
+ - pytorch: torch2.2.0
264
+ - CUDA: 11.8 & 12.1
265
+ - CUDNN: 8+
266
+ - GPU:Nvidia-V100 16G & Nvidia-A10 24G & Nvidia-A100 40G & Nvidia-A100 80G
267
+
268
+ 我们需要大约 60GB 的可用磁盘空间,请检查!
269
+
270
+ #### b. 权重放置
271
+ 我们最好将[权重](#model-zoo)按照指定路径进行放置:
272
+
273
+ **通过comfyui**:
274
+ 将模型放入Comfyui的权重文件夹`ComfyUI/models/Fun_Models/`:
275
+ ```
276
+ 📦 ComfyUI/
277
+ ├── 📂 models/
278
+ └── 📂 Fun_Models/
279
+ ├── 📂 CogVideoX-Fun-V1.1-2b-InP/
280
+ │ ├── 📂 CogVideoX-Fun-V1.1-5b-InP/
281
+ │ ├── 📂 Wan2.1-Fun-V1.1-14B-InP
282
+ │ └── 📂 Wan2.1-Fun-V1.1-1.3B-InP/
283
+ ```
284
+
285
+ **运行自身的python文件或ui界面**:
286
+ ```
287
+ 📦 models/
288
+ ├── 📂 Diffusion_Transformer/
289
+ ├── 📂 CogVideoX-Fun-V1.1-2b-InP/
290
+ ├── 📂 CogVideoX-Fun-V1.1-5b-InP/
291
+ ├── 📂 Wan2.1-Fun-V1.1-14B-InP
292
+ │ └── 📂 Wan2.1-Fun-V1.1-1.3B-InP/
293
+ ├── 📂 Personalized_Model/
294
+ │ └── your trained trainformer model / your trained lora model (for UI load)
295
+ ```
296
+
297
+ # 如何使用
298
+
299
+ <h3 id="video-gen">1. 生成 </h3>
300
+
301
+ #### a、显存节省方案
302
+ 由于Wan2.2的参数非常大,我们需要考虑显存节省方案,以节省显存适应消费级显卡。我们给每个预测文件都提供了GPU_memory_mode,可以在model_cpu_offload,model_cpu_offload_and_qfloat8,sequential_cpu_offload中进行选择。该方案同样适用于CogVideoX-Fun的生成。
303
+
304
+ - model_cpu_offload代表整个模型在使用后会进入cpu,可以节省部分显存。
305
+ - model_cpu_offload_and_qfloat8代表整个模型在使用后会进入cpu,并且对transformer模型进行了float8的量化,可以节省更多的显存。
306
+ - sequential_cpu_offload代表模型的每一层在使用后会进入cpu,速度较慢,节省大量显存。
307
+
308
+ qfloat8会部分降低模型的性能,但可以节省更多的显存。如果显存足够,推荐使用model_cpu_offload
309
+
310
+ #### b、通过comfyui
311
+ 具体查看[ComfyUI README](https://github.com/aigc-apps/VideoX-Fun/tree/main/comfyui)
312
+
313
+ #### c、运行python文件
314
+ - 步骤1:下载对应[权重](#model-zoo)放入models文件夹。
315
+ - 步骤2:根据不同的权重与预测目标使用不同的文件进行预测。当前该库支持CogVideoX-Fun、Wan2.1、Wan2.1-Fun、Wan2.2,在examples文件夹下用文件夹名以区分,不同模型支持的功能不同,请视具体情况予以区分。以CogVideoX-Fun为例。
316
+ - 文生视频:
317
+ - 使用examples/cogvideox_fun/predict_t2v.py文件中修改prompt、neg_prompt、guidance_scale和seed。
318
+ - 而后运行examples/cogvideox_fun/predict_t2v.py文件��等待生成结果,结果保存在samples/cogvideox-fun-videos文件夹中。
319
+ - 图生视频:
320
+ - 使用examples/cogvideox_fun/predict_i2v.py文件中修改validation_image_start、validation_image_end、prompt、neg_prompt、guidance_scale和seed。
321
+ - validation_image_start是视频的开始图片,validation_image_end是视频的结尾图片。
322
+ - 而后运行examples/cogvideox_fun/predict_i2v.py文件,等待生成结果,结果保存在samples/cogvideox-fun-videos_i2v文件夹中。
323
+ - 视频生视频:
324
+ - 使用examples/cogvideox_fun/predict_v2v.py文件中修改validation_videovalidation_image_endprompt、neg_prompt、guidance_scale和seed。
325
+ - validation_video是视频生视频的参考视频。您可以使用以下视频运行演示:[演示视频](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/cogvideox_fun/asset/v1/play_guitar.mp4)
326
+ - 而后运行examples/cogvideox_fun/predict_v2v.py文件,等待生成结果,结果保存在samples/cogvideox-fun-videos_v2v文件夹中。
327
+ - 普通控制生视频(Canny、Pose、Depth等):
328
+ - 使用examples/cogvideox_fun/predict_v2v_control.py文件中修改control_video、validation_image_end、prompt、neg_prompt、guidance_scaleseed
329
+ - control_video是控制生视频的控制视频,是使用Canny、Pose、Depth等算子提取后的视频。您可以使用以下视频运行演示:[演示视频](https://pai-aigc-photog.oss-cn-hangzhou.aliyuncs.com/cogvideox_fun/asset/v1.1/pose.mp4)
330
+ - 而后运行examples/cogvideox_fun/predict_v2v_control.py文件,等待生成结果,结果保存在samples/cogvideox-fun-videos_v2v_control文件夹中。
331
+ - 步骤3:如果想结合自己训练的其他backbone与Lora,则看情况修改examples/{model_name}/predict_t2v.py中的examples/{model_name}/predict_i2v.py和lora_path。
332
+
333
+ #### d、通过ui界面
334
+
335
+ webui支持文生视频、图生视频、视频生视频和普通控制生视频(Canny、Pose、Depth等)。在examples文件夹下用文件夹名以区分,不同模型支持的功能不同,请视具体情况予以区分。以CogVideoX-Fun为例。
336
+
337
+ - 步骤1:下载对应[权重](#model-zoo)放入models文件夹。
338
+ - 步骤2:运行examples/cogvideox_fun/app.py文件,进入gradio页面。
339
+ - 步骤3:根据页面选择生成模型,填入prompt、neg_prompt、guidance_scale和seed等,点击生成,等待生成结果,结果保存在sample文件夹中。
340
+
341
+ # 参考文献
342
+ - CogVideo: https://github.com/THUDM/CogVideo/
343
+ - EasyAnimate: https://github.com/aigc-apps/EasyAnimate
344
+ - Wan2.1: https://github.com/Wan-Video/Wan2.1/
345
+ - Wan2.1: https://github.com/Wan-Video/Wan2.2/
346
+ - ComfyUI-KJNodes: https://github.com/kijai/ComfyUI-KJNodes
347
+ - ComfyUI-EasyAnimateWrapper: https://github.com/kijai/ComfyUI-EasyAnimateWrapper
348
+ - ComfyUI-CameraCtrl-Wrapper: https://github.com/chaojie/ComfyUI-CameraCtrl-Wrapper
349
+ - CameraCtrl: https://github.com/hehao13/CameraCtrl
350
+
351
+ # 许可证
352
+ 本项目采用 [Apache License (Version 2.0)](https://github.com/modelscope/modelscope/blob/master/LICENSE).