EasyAnimate | 高分辨率长视频生成的端到端解决方案
😊 EasyAnimate是一个用于生成高分辨率和长视频的端到端解决方案。我们可以训练基于转换器的扩散生成器，训练用于处理长视频的VAE，以及预处理元数据。
😊 我们基于DIT，使用transformer进行作为扩散器进行视频与图片生成。
😊 Welcome!
目录
简介
EasyAnimate是一个基于transformer结构的pipeline，可用于生成AI图片与视频、训练Diffusion Transformer的基线模型与Lora模型，我们支持从已经训练好的EasyAnimate模型直接进行预测，生成不同分辨率，6秒左右、fps8的视频（EasyAnimateV5，1 ~ 49帧），也支持用户训练自己的基线模型与Lora模型，进行一定的风格变换。
我们会逐渐支持从不同平台快速启动，请参阅
快速启动 。
新特性：
更新到v5版本，最大支持1024x1024，49帧, 6s, 8fps视频生成，拓展模型规模到12B，应用MMDIT结构，支持不同输入的控制模型，支持中文与英文双语预测。[ 2024.11.08 ]
更新到v4版本，最大支持1024x1024，144帧, 6s, 24fps视频生成，支持文、图、视频生视频，单个模型可支持512到1280任意分辨率，支持中文与英文双语预测。[ 2024.08.15 ]
更新到v3版本，最大支持960x960，144帧，6s, 24fps视频生成，支持文与图生视频模型。[ 2024.07.01 ]
ModelScope-Sora“数据导演”创意竞速——第三届Data-Juicer大模型数据挑战赛已经正式启动！其使用EasyAnimate作为基础模型，探究数据处理对于模型训练的作用。立即访问竞赛官网 ，了解赛事详情。[ 2024.06.17 ]
更新到v2版本，最大支持768x768，144帧，6s, 24fps视频生成。[ 2024.05.26 ]
创建代码！现在支持 Windows 和 Linux。[ 2024.04.12 ]
功能概览：
我们的ui界面如下:
ui 快速启动
1. 云使用: AliyunDSW/Docker
a. 通过阿里云 DSW
DSW 有免费 GPU 时间，用户可申请一次，申请后3个月内有效。
阿里云在
Freetier 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EasyAnimate
b. 通过ComfyUI
我们的ComfyUI界面如下，具体查看
ComfyUI README 。
workflow graph c. 通过docker
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：
# pull image
docker pull mybigpai-public-registry.cn-beijing.cr.aliyuncs.com/easycv/torch_cuda:easyanimate
# enter image
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:easyanimate
# clone code
git clone https://github.com/aigc-apps/EasyAnimate.git
# enter EasyAnimate's dir
cd EasyAnimate
# download weights
mkdir models/Diffusion_Transformer
mkdir models/Motion_Module
mkdir models/Personalized_Model
# Please use the hugginface link or modelscope link to download the EasyAnimateV5 model.
# I2V models
# https://huggingface.co/alibaba-pai/EasyAnimateV5-12b-zh-InP
# https://modelscope.cn/models/PAI/EasyAnimateV5-12b-zh-InP
# T2V models
# https://huggingface.co/alibaba-pai/EasyAnimateV5-12b-zh
# https://modelscope.cn/models/PAI/EasyAnimateV5-12b-zh2. 本地安装: 环境检查/下载/安装
a. 环境检查
我们已验证EasyAnimate可在以下环境中执行：
Windows 的详细信息：
操作系统 Windows 10
python: python3.10 & python3.11
pytorch: torch2.2.0
CUDA: 11.8 & 12.1
CUDNN: 8+
GPU： Nvidia-3060 12G
Linux 的详细信息：
操作系统 Ubuntu 20.04, CentOS
python: python3.10 & python3.11
pytorch: torch2.2.0
CUDA: 11.8 & 12.1
CUDNN: 8+
GPU：Nvidia-V100 16G & Nvidia-A10 24G & Nvidia-A100 40G & Nvidia-A100 80G
我们需要大约 60GB 的可用磁盘空间，请检查！
EasyAnimateV5-12B的视频大小可以由不同的GPU Memory生成，包括：
GPU memory 384x672x72 384x672x49 576x1008x25 576x1008x49 768x1344x25 768x1344x49 16GB 🧡 🧡 ❌ ❌ ❌ ❌ 24GB 🧡 🧡 🧡 🧡 ❌ ❌ 40GB ✅ ✅ ✅ ✅ ❌ ❌ 80GB ✅ ✅ ✅ ✅ ✅ ✅
✅ 表示它可以在"model_cpu_offload"的情况下运行，🧡代表它可以在"model_cpu_offload_and_qfloat8"的情况下运行，⭕️ 表示它可以在"sequential_cpu_offload"的情况下运行，❌ 表示它无法运行。请注意，使用sequential_cpu_offload运行会更慢。
有一些不支持torch.bfloat16的卡型，如2080ti、V100，需要将app.py、predict文件中的weight_dtype修改为torch.float16才可以运行。
EasyAnimateV5-12B使用不同GPU在25个steps中的生成时间如下：
GPU 384x672x72 384x672x49 576x1008x25 576x1008x49 768x1344x25 768x1344x49 A10 24GB 约120秒 (4.8s/it) 约240秒 (9.6s/it) 约320秒 (12.7s/it) 约750秒 (29.8s/it) ❌ ❌ A100 80GB 约45秒 (1.75s/it) 约90秒 (3.7s/it) 约120秒 (4.7s/it) 约300秒 (11.4s/it) 约265秒 (10.6s/it) 约710秒 (28.3s/it)
(⭕️) 表示它可以在low_gpu_memory_mode=True的情况下运行，但速度较慢，同时❌ 表示它无法运行。
(Obsolete) EasyAnimateV3:
EasyAnimateV3的视频大小可以由不同的GPU Memory生成，包括：
GPU memory 384x672x72 384x672x144 576x1008x72 576x1008x144 720x1280x72 720x1280x144 12GB ⭕️ ⭕️ ⭕️ ⭕️ ❌ ❌ 16GB ✅ ✅ ⭕️ ⭕️ ⭕️ ❌ 24GB ✅ ✅ ✅ ✅ ✅ ❌ 40GB ✅ ✅ ✅ ✅ ✅ ✅ 80GB ✅ ✅ ✅ ✅ ✅ ✅
b. 权重放置
EasyAnimateV5:
📦 models/
├── 📂 Diffusion_Transformer/
│ ├── 📂 EasyAnimateV5-12b-zh-InP/
│ └── 📂 EasyAnimateV5-12b-zh/
├── 📂 Personalized_Model/
│ └── your trained trainformer model / your trained lora model (for UI load)视频作品
所展示的结果都是图生视频获得。
EasyAnimateV5-12b-zh-InP
I2V
T2V
EasyAnimateV5-12b-zh-Control
如何使用
1. 生成
a、运行python文件
步骤1：下载对应权重 放入models文件夹。
步骤2：在predict_t2v.py文件中修改prompt、neg_prompt、guidance_scale和seed。
步骤3：运行predict_t2v.py文件，等待生成结果，结果保存在samples/easyanimate-videos文件夹中。
步骤4：如果想结合自己训练的其他backbone与Lora，则看情况修改predict_t2v.py中的predict_t2v.py和lora_path。
b、通过ui界面
步骤1：下载对应权重 放入models文件夹。
步骤2：运行app.py文件，进入gradio页面。
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。
c、通过comfyui
d、显存节省方案
由于EasyAnimateV5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。
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。
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。
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。
qfloat8会降低模型的性能，但可以节省更多的显存。如果显存足够，推荐使用model_cpu_offload。
2. 模型训练
一个完整的EasyAnimate训练链路应该包括数据预处理、Video VAE训练、Video DiT训练。其中Video VAE训练是一个可选项，因为我们已经提供了训练好的Video VAE。
a.数据预处理
我们给出了一个简单的demo通过图片数据训练lora模型，详情可以查看
wiki 。
一个完整的长视频切分、清洗、描述的数据预处理链路可以参考video caption部分的
README 进行。
如果期望训练一个文生图视频的生成模型，您需要以这种格式排列数据集。
📦 project/
├── 📂 datasets/
│ ├── 📂 internal_datasets/
│ ├── 📂 train/
│ │ ├── 📄 00000001.mp4
│ │ ├── 📄 00000002.jpg
│ │ └── 📄 .....
│ └── 📄 json_of_internal_datasets.jsonjson_of_internal_datasets.json是一个标准的json文件。json中的file_path可以被设置为相对路径，如下所示：
1 [
2 {
3 "file_path" : "train/00000001.mp4" ,
4 "text" : "A group of young men in suits and sunglasses are walking down a city street." ,
5 "type" : "video"
6 } ,
7 {
8 "file_path" : "train/00000002.jpg" ,
9 "text" : "A group of young men in suits and sunglasses are walking down a city street." ,
10 "type" : "image"
11 } ,
12 .....
13 ]
你也可以将路径设置为绝对路径：
1 [
2 {
3 "file_path" : "/mnt/data/videos/00000001.mp4" ,
4 "text" : "A group of young men in suits and sunglasses are walking down a city street." ,
5 "type" : "video"
6 } ,
7 {
8 "file_path" : "/mnt/data/train/00000001.jpg" ,
9 "text" : "A group of young men in suits and sunglasses are walking down a city street." ,
10 "type" : "image"
11 } ,
12 .....
13 ]
b. Video VAE训练 （可选）
Video VAE训练是一个可选项，因为我们已经提供了训练好的Video VAE。
如果想要进行训练，可以参考video vae部分的
README 进行。
c. Video DiT训练
如果数据预处理时，数据的格式为相对路径，则进入scripts/train.sh进行如下设置。
export DATASET_NAME="datasets/internal_datasets/"
export DATASET_META_NAME="datasets/internal_datasets/json_of_internal_datasets.json"
...
train_data_format="normal"如果数据的格式为绝对路径，则进入scripts/train.sh进行如下设置。
export DATASET_NAME=""
export DATASET_META_NAME="/mnt/data/json_of_internal_datasets.json"最后运行scripts/train.sh。
(Obsolete) EasyAnimateV1:
如果你想训练EasyAnimateV1。请切换到git分支v1。
模型地址
EasyAnimateV5:
7B:
名称 种类 存储空间 Hugging Face Model Scope 描述 EasyAnimateV5-7b-zh-InP EasyAnimateV5 22 GB 🤗Link 😄Link 官方的7B图生视频权重。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49帧、每秒8帧进行训练，支持中文与英文双语预测 EasyAnimateV5-7b-zh EasyAnimateV5 22 GB 🤗Link 😄Link 官方的7B文生视频权重。可用于进行下游任务的fientune。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49帧、每秒8帧进行训练，支持中文与英文双语预测
12B:
名称 种类 存储空间 Hugging Face Model Scope 描述 EasyAnimateV5-12b-zh-InP EasyAnimateV5 34 GB 🤗Link 😄Link 官方的图生视频权重。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49帧、每秒8帧进行训练，支持中文与英文双语预测 EasyAnimateV5-12b-zh-Control EasyAnimateV5 34 GB 🤗Link 😄Link 官方的视频控制权重，支持不同的控制条件，如Canny、Depth、Pose、MLSD等。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49帧、每秒8帧进行训练，支持中文与英文双语预测 EasyAnimateV5-12b-zh EasyAnimateV5 34 GB 🤗Link 😄Link 官方的文生视频权重。可用于进行下游任务的fientune。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49帧、每秒8帧进行训练，支持中文与英文双语预测
(Obsolete) EasyAnimateV4:
名称 种类 存储空间 Hugging Face Model Scope 描述 EasyAnimateV4-XL-2-InP.tar.gz EasyAnimateV4 解压前 8.9 GB / 解压后 14.0 GB 🤗Link 😄Link 官方的图生视频权重。支持多分辨率（512，768，1024，1280）的视频预测，以144帧、每秒24帧进行训练
(Obsolete) EasyAnimateV3:
名称 种类 存储空间 Hugging Face Model Scope 描述 EasyAnimateV3-XL-2-InP-512x512.tar EasyAnimateV3 18.2GB 🤗Link 😄Link 官方的512x512分辨率的图生视频权重。以144帧、每秒24帧进行训练 EasyAnimateV3-XL-2-InP-768x768.tar EasyAnimateV3 18.2GB 🤗Link 😄Link 官方的768x768分辨率的图生视频权重。以144帧、每秒24帧进行训练 EasyAnimateV3-XL-2-InP-960x960.tar EasyAnimateV3 18.2GB 🤗Link 😄Link 官方的960x960（720P）分辨率的图生视频权重。以144帧、每秒24帧进行训练
(Obsolete) EasyAnimateV2:
名称 种类 存储空间 下载地址 Hugging Face Model Scope 描述 EasyAnimateV2-XL-2-512x512.tar EasyAnimateV2 16.2GB - 🤗Link 😄Link 官方的512x512分辨率的重量。以144帧、每秒24帧进行训练 EasyAnimateV2-XL-2-768x768.tar EasyAnimateV2 16.2GB - 🤗Link 😄Link 官方的768x768分辨率的重量。以144帧、每秒24帧进行训练 easyanimatev2_minimalism_lora.safetensors Lora of Pixart 485.1MB Download - - 使用特定类型的图像进行lora训练的结果。图片可从这里下载 .
(Obsolete) EasyAnimateV1:
1、运动权重
名称 种类 存储空间 下载地址 描述 easyanimate_v1_mm.safetensors Motion Module 4.1GB download Training with 80 frames and fps 12
2、其他权重
名称 种类 存储空间 下载地址 描述 PixArt-XL-2-512x512.tar Pixart 11.4GB download Pixart-Alpha official weights easyanimate_portrait.safetensors Checkpoint of Pixart 2.3GB download Training with internal portrait datasets easyanimate_portrait_lora.safetensors Lora of Pixart 654.0MB download Training with internal portrait datasets
未来计划
联系我们
扫描下方二维码或搜索群号：77450006752 来加入钉钉群。
扫描下方二维码来加入微信群（如果二维码失效，可扫描最右边同学的微信，邀请您入群）
ding group
Wechat group Person 参考文献
许可证
