Animatediff Motion Adapter V1 5

🚀 AnimateDiff - 文本到視頻生成庫

AnimateDiff 是一種利用現有的 Stable Diffusion 文本到圖像模型來創建視頻的方法。它通過在預訓練的文本到圖像模型中插入運動模塊層，並在視頻片段上進行訓練以提取運動先驗，從而實現視頻生成。這些運動模塊被應用於 Stable Diffusion UNet 中的 ResNet 和注意力模塊之後，旨在為圖像幀引入連貫的運動。為了支持這些模塊，我們引入了 MotionAdapter 和 UNetMotionModel 的概念，它們為在現有的 Stable Diffusion 模型中使用這些運動模塊提供了便利。

✨ 效果展示

提示詞	效果展示
masterpiece, bestquality, sunset.

💻 使用示例

基礎用法

import torch
from diffusers import MotionAdapter, AnimateDiffPipeline, DDIMScheduler
from diffusers.utils import export_to_gif

# Load the motion adapter
adapter = MotionAdapter.from_pretrained("guoyww/animatediff-motion-adapter-v1-5")
# load SD 1.5 based finetuned model
model_id = "SG161222/Realistic_Vision_V5.1_noVAE"
pipe = AnimateDiffPipeline.from_pretrained(model_id, motion_adapter=adapter)
scheduler = DDIMScheduler.from_pretrained(
    model_id, subfolder="scheduler", clip_sample=False, timestep_spacing="linspace", steps_offset=1
)
pipe.scheduler = scheduler

# enable memory savings
pipe.enable_vae_slicing()
pipe.enable_model_cpu_offload()

output = pipe(
    prompt=(
        "masterpiece, bestquality, highlydetailed, ultradetailed, sunset, "
        "orange sky, warm lighting, fishing boats, ocean waves seagulls, "
        "rippling water, wharf, silhouette, serene atmosphere, dusk, evening glow, "
        "golden hour, coastal landscape, seaside scenery"
    ),
    negative_prompt="bad quality, worse quality",
    num_frames=16,
    guidance_scale=7.5,
    num_inference_steps=25,
    generator=torch.Generator("cpu").manual_seed(42),
)
frames = output.frames[0]
export_to_gif(frames, "animation.gif")

🔧 使用提示

⚠️ 重要提示

AnimateDiff 在微調後的 Stable Diffusion 模型上效果更佳。如果你打算使用可以裁剪樣本的調度器，請確保在調度器中設置 clip_sample=False 來禁用它，因為這可能會對生成的樣本產生不利影響。