Ltxvideo Disney

🚀 ltxvideo-disney

这是一个基于Lightricks/LTX-Video的LyCORIS适配器。它能够生成具有特定风格的黑白迪士尼场景视频，为视频生成领域带来了新的可能性。

🚀 快速开始

你可以参考以下代码示例，快速开始使用 ltxvideo-disney 进行推理：

import torch
from diffusers import DiffusionPipeline
from lycoris import create_lycoris_from_weights


def download_adapter(repo_id: str):
    import os
    from huggingface_hub import hf_hub_download
    adapter_filename = "pytorch_lora_weights.safetensors"
    cache_dir = os.environ.get('HF_PATH', os.path.expanduser('~/.cache/huggingface/hub/models'))
    cleaned_adapter_path = repo_id.replace("/", "_").replace("\\", "_").replace(":", "_")
    path_to_adapter = os.path.join(cache_dir, cleaned_adapter_path)
    path_to_adapter_file = os.path.join(path_to_adapter, adapter_filename)
    os.makedirs(path_to_adapter, exist_ok=True)
    hf_hub_download(
        repo_id=repo_id, filename=adapter_filename, local_dir=path_to_adapter
    )

    return path_to_adapter_file
    
model_id = 'Lightricks/LTX-Video'
adapter_repo_id = 'bghira/ltxvideo-disney'
adapter_filename = 'pytorch_lora_weights.safetensors'
adapter_file_path = download_adapter(repo_id=adapter_repo_id)
pipeline = DiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.bfloat16) # loading directly in bf16
lora_scale = 1.0
wrapper, _ = create_lycoris_from_weights(lora_scale, adapter_file_path, pipeline.transformer)
wrapper.merge_to()

prompt = "A black and white disney scene in the style of Steamboat Willie"
negative_prompt = 'ugly, cropped, blurry, low-quality, mediocre average'

## Optional: quantise the model to save on vram.
## Note: The model was quantised during training, and so it is recommended to do the same during inference time.
from optimum.quanto import quantize, freeze, qint8
quantize(pipeline.transformer, weights=qint8)
freeze(pipeline.transformer)
    
pipeline.to('cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu') # the pipeline is already in its target precision level
model_output = pipeline(
    prompt=prompt,
    negative_prompt=negative_prompt,
    num_inference_steps=25,
    generator=torch.Generator(device='cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu').manual_seed(42),
    width=768,
    height=512,
    guidance_scale=3.8,
).frames[0]

from diffusers.utils.export_utils import export_to_gif
export_to_gif(model_output, "output.gif", fps=25)

✨ 主要特性

• 风格独特：能够生成具有黑白迪士尼风格的视频，风格类似《汽船威利号》。
• 可定制性强：提供了丰富的训练和推理参数设置，用户可以根据需求进行调整。
• 推理便捷：支持直接使用基础模型的文本编码器进行推理，无需额外训练。

📚 详细文档

验证设置

• 分类器自由引导（CFG）：3.8
• CFG 重缩放：0.0
• 步数：25
• 采样器：FlowMatchEulerDiscreteScheduler
• 随机种子：42
• 分辨率：768x512

注意：验证设置不一定与训练设置相同。

你可以在以下图库中找到一些示例图像：

文本编码器未进行训练，你可以重用基础模型的文本编码器进行推理。

训练设置

• 训练轮数：2666
• 训练步数：8000
• 学习率：5e-05
  • 学习率调度：余弦
  • 热身步数：400000
• 最大梯度值：0.0
• 有效批量大小：24
  • 微批量大小：8
  • 梯度累积步数：1
  • GPU 数量：3
• 梯度检查点：启用
• 预测类型：流匹配（额外参数=['training_scheduler_timestep_spacing=trailing', 'inference_scheduler_timestep_spacing=trailing']）
• 优化器：adamw_bf16
• 可训练参数精度：纯 BF16
• 基础模型精度：int8-quanto
• 字幕丢弃概率：10.0%

LyCORIS 配置：

{
    "bypass_mode": true,
    "algo": "lokr",
    "multiplier": 1.0,
    "full_matrix": true,
    "linear_dim": 10000,
    "linear_alpha": 1,
    "factor": 4,
    "apply_preset": {
        "target_module": [
            "Attention",
            "FeedForward"
        ],
        "module_algo_map": {
            "FeedForward": {
                "factor": 4
            },
            "Attention": {
                "factor": 2
            }
        }
    }
}

数据集

迪士尼黑白数据集

• 重复次数：0
• 图像总数：约 69
• 纵横比桶总数：1
• 分辨率：0.2304 兆像素
• 裁剪：否
• 裁剪风格：无
• 裁剪纵横比：无
• 是否用于正则化数据：否

指数移动平均（EMA）

SimpleTuner 会生成 EMA 权重的 safetensors 变体和一个 pt 文件。

safetensors 文件用于推理，pt 文件用于继续微调。

EMA 模型可能会提供更全面的结果，但与完整模型相比，通常会感觉训练不足，因为它是模型权重的衰减运行平均值。

📄 许可证

本项目使用其他许可证。