/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Опубликована
21 июн 2023

zeroscope_v2_576w

Генерация видеоТекст → видео3 профессии

zeroscope_v2_576w — модель преобразования текстовых запросов в видеоклипы 576×320, предназначенная в том числе для предварительного подбора композиций перед апскейлом.

2 368скачиваний за 30 дней494лайкавеса обновлены1 июл 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Видео» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

zeroscope_v2_576w — модель генерации видео из текстовых запросов, опубликованная cerspense и основанная на ModelScope. Она предназначена для создания предварительных видеоклипов с композициями 16:9 и плавным движением, которые можно использовать для быстрого подбора результата перед повышением разрешения с zeroscope_v2_XL. Модель обучена на 9 923 видеоклипах и 29 769 размеченных кадрах; целевое разрешение — 576×320 при 24 кадрах. Для генерации 30 кадров README указывает потребление около 7,9 ГБ видеопамяти.

Модель работает с текстовым вводом и выдаёт видео. Доступна в форматах Diffusers и PyTorch; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение. README рекомендует повышать разрешение через vid2vid с zeroscope_v2_XL, сохраняя исходный запрос.

Сценарии применения

  • создание короткого видеоклипа по текстовому описанию
  • быстрый подбор композиции перед генерацией видео высокого разрешения
  • подготовка клипа для повышения разрешения через zeroscope_v2_XL
  • генерация плавного видео с композицией 16:9

Ограничения

README отмечает, что при меньшем разрешении или меньшем числе кадров результат может быть неоптимальным. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

model example

zeroscope_v2 576w

A watermark-free Modelscope-based video model optimized for producing high-quality 16:9 compositions and a smooth video output. This model was trained from the original weights using 9,923 clips and 29,769 tagged frames at 24 frames, 576x320 resolution. zeroscope_v2_567w is specifically designed for upscaling with zeroscope_v2_XL using vid2vid in the 1111 text2video extension by kabachuha. Leveraging this model as a preliminary step allows for superior overall compositions at higher resolutions in zeroscope_v2_XL, permitting faster exploration in 576x320 before transitioning to a high-resolution render. See some example outputs that have been upscaled to 1024x576 using zeroscope_v2_XL. (courtesy of dotsimulate)

zeroscope_v2_576w uses 7.9gb of vram when rendering 30 frames at 576x320

Using it with the 1111 text2video extension

  1. Download files in the zs2_576w folder.
  2. Replace the respective files in the 'stable-diffusion-webui\models\ModelScope\t2v' directory.

Upscaling recommendations

For upscaling, it's recommended to use zeroscope_v2_XL via vid2vid in the 1111 extension. It works best at 1024x576 with a denoise strength between 0.66 and 0.85. Remember to use the same prompt that was used to generate the original clip.

Usage in 🧨 Diffusers

Let's first install the libraries required:

$ pip install diffusers transformers accelerate torch

Now, generate a video:

import torch
from diffusers import DiffusionPipeline, DPMSolverMultistepScheduler
from diffusers.utils import export_to_video

pipe = DiffusionPipeline.from_pretrained("cerspense/zeroscope_v2_576w", torch_dtype=torch.float16)
pipe.scheduler = DPMSolverMultistepScheduler.from_config(pipe.scheduler.config)
pipe.enable_model_cpu_offload()

prompt = "Darth Vader is surfing on waves"
video_frames = pipe(prompt, num_inference_steps=40, height=320, width=576, num_frames=24).frames
video_path = export_to_video(video_frames)

Here are some results:

Known issues

Lower resolutions or fewer frames could lead to suboptimal output.

Thanks to camenduru, kabachuha, ExponentialML, dotsimulate, VANYA, polyware, tin2tin

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
6963642

0 моделей