/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Опубликована
21 июн 2023

zeroscope_v2_XL

Языковая модельВидео, текст → видео3 профессии

Модель преобразования видео на основе ModelScope для апскейла роликов zeroscope_v2_576w до 1024 × 576.

158скачиваний за 30 дней504лайкавеса обновлены3 июл 2023

Бенчмарки

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

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_XL — модель генерации и повышения разрешения видео на основе ModelScope, представленная пользователем cerspense. Она предназначена для преобразования видео в видео: в частности, для увеличения разрешения роликов, созданных zeroscope_v2_576w, с помощью расширения text2video для Stable Diffusion WebUI или библиотеки Diffusers. Модель обучена на 9 923 клипах и 29 769 размеченных кадрах; рекомендуемый размер результата — 1024 × 576 при 24 кадрах. Для рендеринга 30 кадров в этом разрешении требуется около 15,3 ГБ видеопамяти.

Модель ориентирована на улучшение композиции при переходе от черновой генерации в низком разрешении к высокому разрешению. Для апскейла автор рекомендует сохранять исходный промпт и использовать силу денойзинга 0,66–0,85. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Рендеринг при более низком разрешении или менее чем 24 кадрах может давать неоптимальные результаты.

Сценарии применения

  • повышение разрешения видео, созданного zeroscope_v2_576w
  • улучшение композиции видеоролика при переходе от чернового рендера к финальному
  • преобразование видеоролика с помощью исходного текстового промпта

Ограничения

Для рендеринга 30 кадров при 1024 × 576 требуется около 15,3 ГБ видеопамяти. Результаты при разрешении ниже рекомендуемого или менее чем 24 кадрах могут быть неоптимальными; лицензия запрещает 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 example outputs (courtesy of dotsimulate)

zeroscope_v2 XL

A watermark-free Modelscope-based video model capable of generating high quality video at 1024 x 576. This model was trained from the original weights with offset noise using 9,923 clips and 29,769 tagged frames at 24 frames, 1024x576 resolution. zeroscope_v2_XL is specifically designed for upscaling content made with zeroscope_v2_576w using vid2vid in the 1111 text2video extension by kabachuha. Leveraging this model as an upscaler allows for superior overall compositions at higher resolutions, permitting faster exploration in 576x320 (or 448x256) before transitioning to a high-resolution render.

zeroscope_v2_XL uses 15.3gb of vram when rendering 30 frames at 1024x576

Using it with the 1111 text2video extension

  1. Download files in the zs2_XL folder.
  2. Replace the respective files in the 'stable-diffusion-webui\models\ModelScope\t2v' directory.

Upscaling recommendations

For upscaling, it's recommended to use 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 git+https://github.com/huggingface/diffusers.git
$ pip install transformers accelerate torch

Now, let's first generate a low resolution video using cerspense/zeroscope_v2_576w.

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()
pipe.enable_vae_slicing()
pipe.unet.enable_forward_chunking(chunk_size=1, dim=1) # disable if enough memory as this slows down significantly

prompt = "Darth Vader is surfing on waves"
video_frames = pipe(prompt, num_inference_steps=40, height=320, width=576, num_frames=36).frames
video_path = export_to_video(video_frames)

Next, we can upscale it using cerspense/zeroscope_v2_XL.

pipe = DiffusionPipeline.from_pretrained("cerspense/zeroscope_v2_XL", torch_dtype=torch.float16)
pipe.scheduler = DPMSolverMultistepScheduler.from_config(pipe.scheduler.config)
pipe.enable_model_cpu_offload()
pipe.enable_vae_slicing()

video = [Image.fromarray(frame).resize((1024, 576)) for frame in video_frames]

video_frames = pipe(prompt, video=video, strength=0.6).frames
video_path = export_to_video(video_frames, output_video_path="/home/patrick/videos/video_1024_darth_vader_36.mp4")

Here are some results:

Known issues

Rendering at lower resolutions or fewer than 24 frames could lead to suboptimal outputs.

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

Нельзя запустить

Модели «видео → видео» пока не запускаются.

Ревизия весов
6934ce5

0 моделей