16G以上顯存N卡進(jìn)，文字生成視頻本地整合包體驗(yàn)！

文本到視頻生成擴(kuò)散模型, 通過輸入英文描述文本，返回符合文本描述的視頻。文本到視頻生成擴(kuò)散模型由文本特征提取、文本特征到視頻隱空間擴(kuò)散模型、視頻隱空間到視頻視覺空間這3個(gè)子網(wǎng)絡(luò)組成，整體模型參數(shù)約17億。擴(kuò)散模型采用Unet3D結(jié)構(gòu)，通過從純高斯噪聲視頻中，迭代去噪的過程，實(shí)現(xiàn)視頻生成的功能。案例如下所示。

• Robot dancing in times square.（機(jī)器人在時(shí)代廣場跳舞）

• Clown fish swimming through the coral reef.?（小丑魚在珊瑚中游泳）

學(xué)術(shù)Fun將上述工具制作成一鍵啟動(dòng)包，點(diǎn)擊即可使用，避免大家配置Python環(huán)境出現(xiàn)各種問題，下載地址： ?https://xueshu.fun/2804/

整合包使用教程

• 下載壓縮包 下載地址： https://xueshu.fun/2804/

• 解壓后，如下圖所示，雙擊bat文件運(yùn)行

• 打開軟件如下圖所示

• 瀏覽器訪問http://127.0.0.1:7860/，即可在瀏覽器里操作啦！

輸入英文視頻描述，點(diǎn)擊提交，3090顯卡等待50秒左右，即可生成視頻，軟件的視頻預(yù)覽有點(diǎn)問題，點(diǎn)擊右上角的下載按鈕即可下載到本地