Zlikwidcogvideoxlora

🚀 CogVideoX LoRA - Zlikwid/ZlikwidCogVideoXLoRa

このモデルは、THUDM/CogVideoX-2b用のZlikwid/ZlikwidCogVideoXLoRa LoRA重みを提供します。Diffusersライブラリを使用してテキストから動画を生成することができます。

🚀 クイックスタート

このモデルは、THUDM/CogVideoX-2b用のZlikwid/ZlikwidCogVideoXLoRa LoRA重みです。以下の手順で使用することができます。

✨ 主な機能

• THUDM/CogVideoX-2bモデルに対するLoRA重みを提供します。
• CogVideoX Diffusers trainerを使用して学習された重みです。
• テキストエンコーダに対するLoRAは有効になっていません。

📦 インストール

モデルのダウンロード

Files & versionsタブから*.safetensors LoRAをダウンロードしてください。

💻 使用例

基本的な使用法

from diffusers import CogVideoXPipeline
import torch

pipe = CogVideoXPipeline.from_pretrained("THUDM/CogVideoX-5b", torch_dtype=torch.bfloat16).to("cuda")
pipe.load_lora_weights("Zlikwid/ZlikwidCogVideoXLoRa", weight_name="pytorch_lora_weights.safetensors", adapter_name=["cogvideox-lora"])

# The LoRA adapter weights are determined by what was used for training.
# In this case, we assume `--lora_alpha` is 32 and `--rank` is 64.
# It can be made lower or higher from what was used in training to decrease or amplify the effect
# of the LoRA upto a tolerance, beyond which one might notice no effect at all or overflows.
pipe.set_adapters(["cogvideox-lora"], [32 / 64])

video = pipe("None", guidance_scale=6, use_dynamic_cfg=True).frames[0]

より詳細な情報（重み付け、LoRAのマージや融合など）については、diffusersでのLoRAの読み込みに関するドキュメントを参照してください。

📚 ドキュメント

モデルの説明

これらは、THUDM/CogVideoX-2b用のZlikwid/ZlikwidCogVideoXLoRa LoRA重みです。重みは、CogVideoX Diffusers trainerを使用して学習されました。テキストエンコーダに対するLoRAは有効になっていません。

意図された使用法と制限事項

使い方

# TODO: add an example code snippet for running this diffusion pipeline

制限事項とバイアス

[TODO: provide examples of latent issues and potential remediations]

学習の詳細

[TODO: describe the data used to train the model]

📄 ライセンス

こちら と こちら に記載されているライセンス条項に準拠してください。