Animatediff Motion Adapter V1 4

🚀 擴散器（diffusers）文本到視頻庫

AnimateDiff 是一種方法，它允許你使用現有的穩定擴散（Stable Diffusion）文本到圖像模型來創建視頻。它通過將運動模塊層插入到一個凍結的文本到圖像模型中，並在視頻片段上進行訓練以提取運動先驗來實現這一目標。

這些運動模塊被應用於穩定擴散 UNet 中的殘差網絡（ResNet）和注意力塊之後。它們的目的是在圖像幀之間引入連貫的運動。為了支持這些模塊，我們引入了運動適配器（MotionAdapter）和 UNet 運動模型（UNetMotionModel）的概念。這些為在現有的穩定擴散模型中使用這些運動模塊提供了一種便捷的方式。

示例展示

傑作，最高畫質，日落。

🚀 快速開始

以下示例展示瞭如何將運動模塊與現有的穩定擴散文本到圖像模型結合使用。

💻 使用示例

基礎用法

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

# 加載運動適配器
adapter = MotionAdapter.from_pretrained("guoyww/animatediff-motion-adapter-v1-4")
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

# 啟用內存節省
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")

⚠️ 重要提示

AnimateDiff 在微調後的穩定擴散模型上效果往往更好。如果你打算使用一個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，因為這也可能對生成的樣本產生不利影響。