/ Модель

Характеристики

Лицензия
OpenRAIL++
Опубликована
3 окт 2023

Hotshot-XL

Генерация видеоТекст → видео3 профессии

Диффузионная модель Natural Synthetics Inc. для создания коротких GIF по текстовым запросам совместно со Stable Diffusion XL.

2 129скачиваний за 30 дней318лайковвеса обновлены11 окт 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

Hotshot-XL — диффузионная модель генерации и изменения GIF по текстовым запросам, разработанная Natural Synthetics Inc. Она рассчитана на совместную работу со Stable Diffusion XL и позволяет использовать дообученные SDXL-модели, собственные LoRA и SDXL ControlNet для создания анимаций с заданными объектами и композицией. Модель обучена генерировать GIF длительностью около одной секунды с частотой 8 кадров в секунду и поддерживает разные соотношения сторон. В основе — Latent Diffusion Model с двумя фиксированными предварительно обученными текстовыми энкодерами: OpenCLIP-ViT/G и CLIP-ViT/L.

Модель подходит для создания коротких анимированных сцен по описанию и персонализированных GIF с использованием SDXL-адаптеров. Лучше всего базовая версия работает с SDXL-моделями, дообученными на изображениях 512×512. Она может плохо передавать фотореализм, не умеет надёжно создавать читаемый текст и сложные пространственные композиции; лица и люди также могут получаться некорректно. Лицензия — CreativeML Open RAIL++-M.

Сценарии применения

  • создание короткого GIF по текстовому описанию
  • генерация анимации с персонализированным объектом через SDXL LoRA
  • создание GIF с заданной композицией через SDXL ControlNet

Ограничения

Модель может уступать в фотореализме, плохо генерирует читаемый текст и сложные пространственные композиции; лица и люди могут получаться некорректно.

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

image/gif

Try Hotshot-XL yourself here: https://www.hotshot.co

Hotshot-XL is an AI text-to-GIF model trained to work alongside Stable Diffusion XL.

Hotshot-XL can generate GIFs with any fine-tuned SDXL model. This means two things:

  1. You’ll be able to make GIFs with any existing or newly fine-tuned SDXL model you may want to use.
  2. If you'd like to make GIFs of personalized subjects, you can load your own SDXL based LORAs, and not have to worry about fine-tuning Hotshot-XL. This is awesome because it’s usually much easier to find suitable images for training data than it is to find videos. It also hopefully fits into everyone's existing LORA usage/workflows :) See more here.

Hotshot-XL is compatible with SDXL ControlNet to make GIFs in the composition/layout you’d like. See here for more info.

Hotshot-XL was trained to generate 1 second GIFs at 8 FPS.

Hotshot-XL was trained on various aspect ratios. For best results with the base Hotshot-XL model, we recommend using it with an SDXL model that has been fine-tuned with 512x512 images. You can find an SDXL model we fine-tuned for 512x512 resolutions here.

image/gif image/jpeg

Source code is available at https://github.com/hotshotco/Hotshot-XL.

Model Description

  • Developed by: Natural Synthetics Inc.
  • Model type: Diffusion-based text-to-GIF generative model
  • License: CreativeML Open RAIL++-M License
  • Model Description: This is a model that can be used to generate and modify GIFs based on text prompts. It is a Latent Diffusion Model that uses two fixed, pretrained text encoders (OpenCLIP-ViT/G and CLIP-ViT/L).
  • Resources for more information: Check out our GitHub Repository.

Limitations and Bias

Limitations

  • The model does not achieve perfect photorealism
  • The model cannot render legible text
  • The model struggles with more difficult tasks which involve compositionality, such as rendering an image corresponding to “A red cube on top of a blue sphere”
  • Faces and people in general may not be generated properly.

Bias

While the capabilities of video generation models are impressive, they can also reinforce or exacerbate social biases.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Пайплайн HotshotXLPipeline не входит в diffusers 0.41.0.dev0: нужен custom_pipeline.

Ревизия весов
300d6a6

0 моделей