KI-Videogenerierung

Generieren Sie Videos mit SVD, AnimateDiff und mehr auf Clore.ai

Erzeuge Videos mit Stable Video Diffusion, AnimateDiff und anderen Modellen.

Alle Beispiele können auf GPU-Servern ausgeführt werden, die über CLORE.AI Marketplace.

Mieten auf CLORE.AI

1. Besuchen Sie CLORE.AI Marketplace

2. Nach GPU-Typ, VRAM und Preis filtern

3. Wählen On-Demand (Festpreis) oder Spot (Gebotspreis)

4. Konfigurieren Sie Ihre Bestellung:

   • Docker-Image auswählen

   • Ports festlegen (TCP für SSH, HTTP für Web-UIs)

   • Umgebungsvariablen bei Bedarf hinzufügen

   • Startbefehl eingeben

5. Zahlung auswählen: CLORE, BTC, oder USDT/USDC

6. Bestellung erstellen und auf Bereitstellung warten

Zugriff auf Ihren Server

• Verbindungsdetails finden Sie in Meine Bestellungen

• Webschnittstellen: Verwenden Sie die HTTP-Port-URL

• SSH: ssh -p <port> root@<proxy-address>

Verfügbare Modelle

Modell	Typ	VRAM	Dauer
SVD	Bild-zu-Video	16GB	4 Sekunden
SVD-XT	Bild-zu-Video	20GB	4 Sekunden
AnimateDiff	Text-zu-Video	12GB	2–4 Sekunden
CogVideoX	Text-zu-Video	24GB	6 Sekunden

Stable Video Diffusion (SVD)

Schnelle Bereitstellung

Docker-Image:

pytorch/pytorch:2.5.1-cuda12.4-cudnn9-devel

Ports:

22/tcp
7860/http

Befehl:

pip install diffusers transformers accelerate gradio imageio && \
python svd_server.py

Zugriff auf Ihren Dienst

Nach der Bereitstellung finden Sie Ihre http_pub URL in Meine Bestellungen:

1. Gehen Sie zur Meine Bestellungen Seite

2. Klicken Sie auf Ihre Bestellung

3. Finden Sie die http_pub URL (z. B., abc123.clorecloud.net)

Verwenden Sie https://IHRE_HTTP_PUB_URL anstelle von localhost in den Beispielen unten.

SVD-Skript

import torch
from diffusers import StableVideoDiffusionPipeline
from PIL import Image
import imageio

# Modell laden
pipe = StableVideoDiffusionPipeline.from_pretrained(
    "stabilityai/stable-video-diffusion-img2vid-xt",
    torch_dtype=torch.float16,
)
pipe.to("cuda")
pipe.enable_model_cpu_offload()

# Lade und ändere Bildgröße
image = Image.open("input.png").resize((1024, 576))

# Generiere Video
frames = pipe(
    image,
    decode_chunk_size=8,
    num_frames=25,
    motion_bucket_id=127,
    noise_aug_strength=0.02
).frames[0]

# Als GIF speichern
imageio.mimsave("output.gif", frames, fps=6)

# Als MP4 speichern
imageio.mimsave("output.mp4", frames, fps=6)

SVD mit Gradio-Benutzeroberfläche

import gradio as gr
import torch
from diffusers import StableVideoDiffusionPipeline
from PIL import Image
import imageio
import tempfile

pipe = StableVideoDiffusionPipeline.from_pretrained(
    "stabilityai/stable-video-diffusion-img2vid-xt",
    torch_dtype=torch.float16,
)
pipe.enable_model_cpu_offload()

def generate_video(image, motion_bucket, fps, num_frames):
    image = image.resize((1024, 576))

    frames = pipe(
        image,
        decode_chunk_size=4,
        num_frames=num_frames,
        motion_bucket_id=motion_bucket,
    ).frames[0]

    with tempfile.NamedTemporaryFile(suffix=".mp4", delete=False) as f:
        imageio.mimsave(f.name, frames, fps=fps)
        return f.name

demo = gr.Interface(
    fn=generate_video,
    inputs=[
        gr.Image(type="pil", label="Eingabebild"),
        gr.Slider(1, 255, value=127, label="Bewegungsstärke"),
        gr.Slider(1, 30, value=6, label="FPS"),
        gr.Slider(14, 25, value=25, label="Frames")
    ],
    outputs=gr.Video(label="Generated Video"),
)

demo.launch(server_name="0.0.0.0", server_port=7860)

AnimateDiff

Installation

pip install diffusers transformers accelerate

Video aus Text generieren

import torch
from diffusers import AnimateDiffPipeline, MotionAdapter, DDIMScheduler
import imageio

# Lade Motion-Adapter
adapter = MotionAdapter.from_pretrained("guoyww/animatediff-motion-adapter-v1-5-2")

# Lade Pipeline
pipe = AnimateDiffPipeline.from_pretrained(
    "runwayml/stable-diffusion-v1-5",
    motion_adapter=adapter,
    torch_dtype=torch.float16,
)
pipe.scheduler = DDIMScheduler.from_pretrained(
    "runwayml/stable-diffusion-v1-5",
    subfolder="scheduler",
    clip_sample=False,
    timestep_spacing="linspace",
    beta_schedule="linear",
    steps_offset=1,
)
pipe.to("cuda")
pipe.enable_model_cpu_offload()

# Generieren
output = pipe(
    prompt="Eine Katze, die durch einen Garten läuft, schöne Blumen, sonniger Tag",
    negative_prompt="schlechte Qualität, verschwommen",
    num_frames=16,
    guidance_scale=7.5,
    num_inference_steps=25,
)

# Speichern
frames = output.frames[0]
imageio.mimsave("animatediff.gif", frames, fps=8)

AnimateDiff mit benutzerdefiniertem Modell

from diffusers import AnimateDiffPipeline, MotionAdapter, EulerDiscreteScheduler

adapter = MotionAdapter.from_pretrained("guoyww/animatediff-motion-adapter-v1-5-2")

# Verwende einen benutzerdefinierten Checkpoint (z. B. RealisticVision)
pipe = AnimateDiffPipeline.from_pretrained(
    "SG161222/Realistic_Vision_V5.1_noVAE",
    motion_adapter=adapter,
    torch_dtype=torch.float16,
)

AnimateDiff in ComfyUI

Knoten installieren

cd /workspace/ComfyUI/custom_nodes
git clone https://github.com/Kosinkadink/ComfyUI-AnimateDiff-Evolved.git
git clone https://github.com/Kosinkadink/ComfyUI-VideoHelperSuite.git

Motion-Modelle herunterladen

cd /workspace/ComfyUI/custom_nodes/ComfyUI-AnimateDiff-Evolved/models
wget https://huggingface.co/guoyww/animatediff/resolve/main/mm_sd_v15_v2.ckpt

CogVideoX

Text-zu-Video

import torch
from diffusers import CogVideoXPipeline
import imageio

pipe = CogVideoXPipeline.from_pretrained(
    "THUDM/CogVideoX-2b",
    torch_dtype=torch.float16
)
pipe.to("cuda")
pipe.enable_model_cpu_offload()

prompt = "Eine Drohne fliegt über eine wunderschöne Berglandschaft bei Sonnenuntergang"

video = pipe(
    prompt=prompt,
    num_videos_per_prompt=1,
    num_inference_steps=50,
    num_frames=49,
    guidance_scale=6,
).frames[0]

imageio.mimsave("cogvideo.mp4", video, fps=8)

Video-Upscaling

Real-ESRGAN für Video

import cv2
import torch
from basicsr.archs.rrdbnet_arch import RRDBNet
from realesrgan import RealESRGANer

model = RRDBNet(num_in_ch=3, num_out_ch=3, num_feat=64, num_block=23, num_grow_ch=32, scale=4)
upsampler = RealESRGANer(
    scale=4,
    model_path='RealESRGAN_x4plus.pth',
    model=model,
    tile=400,
    tile_pad=10,
    pre_pad=0,
    half=True
)

# Verarbeite Video Frame für Frame
cap = cv2.VideoCapture("input.mp4")

# ... skaliere jedes Frame hoch

Interpolation (sanfte Videos)

FILM Frame Interpolation

# Installieren
pip install tensorflow tensorflow_hub

import tensorflow as tf
import tensorflow_hub as hub

model = hub.load("https://tfhub.dev/google/film/1")

def interpolate(frame1, frame2, num_interpolations=3):
    # Gibt interpolierte Frames zwischen frame1 und frame2 zurück
    ...

RIFE (Echtzeit)

pip install rife-ncnn-vulkan-python

from rife_ncnn_vulkan import Rife
rife = Rife(gpu_id=0)

# Interpoliere Frames

Batch-Videoerzeugung

prompts = [
    "Eine Rakete, die ins All startet",
    "Meereswellen, die gegen Felsen schlagen",
    "Ein Schmetterling, der durch Blumen fliegt",
]

for i, prompt in enumerate(prompts):
    print(f"Generiere {i+1}/{len(prompts)}")
    output = pipe(prompt, num_frames=16)
    imageio.mimsave(f"video_{i:03d}.mp4", output.frames[0], fps=8)

Speichertipps

Für begrenzten VRAM

# CPU-Offload aktivieren
pipe.enable_model_cpu_offload()

# VAE-Slicing aktivieren
pipe.enable_vae_slicing()

# Attention-Slicing aktivieren
pipe.enable_attention_slicing()

# Anzahl der Frames reduzieren
num_frames = 14  # Statt 25

Chunked-Decodierung

frames = pipe(
    image,
    decode_chunk_size=2,  # Dekodiere 2 Frames gleichzeitig
    num_frames=25,
).frames[0]

Konvertierung der Ausgabe

GIF zu MP4

ffmpeg -i input.gif -movflags faststart -pix_fmt yuv420p -vf "scale=trunc(iw/2)*2:trunc(ih/2)*2" output.mp4

Frame-Sequenz zu Video

ffmpeg -framerate 8 -i frame_%04d.png -c:v libx264 -pix_fmt yuv420p output.mp4

Audio hinzufügen

ffmpeg -i video.mp4 -i audio.mp3 -c:v copy -c:a aac -shortest output_with_audio.mp4

Leistung

Modell	GPU	Frames	Zeit
SVD-XT	RTX 3090	25	~120s
SVD-XT	RTX 4090	25	~80s
SVD-XT	A100	25	~50s
AnimateDiff	RTX 3090	16	~30s
CogVideoX	A100	49	~180s

Kostenabschätzung

Typische CLORE.AI-Marktplatztarife (Stand 2024):

GPU	Stundensatz	Tagessatz	4-Stunden-Sitzung
RTX 3060	~$0.03	~$0.70	~$0.12
RTX 3090	~$0.06	~$1.50	~$0.25
RTX 4090	~$0.10	~$2.30	~$0.40
A100 40GB	~$0.17	~$4.00	~$0.70
A100 80GB	~$0.25	~$6.00	~$1.00

Preise variieren je nach Anbieter und Nachfrage. Prüfen Sie CLORE.AI Marketplace auf aktuelle Preise.

Geld sparen:

• Verwenden Sie Spot Markt für flexible Workloads (oft 30–50% günstiger)

• Bezahlen mit CLORE Token

• Preise bei verschiedenen Anbietern vergleichen

Fehlerbehebung

OOM-Fehler

• Reduziere num_frames

• CPU-Offload aktivieren

• Verwende kleinere decode_chunk_size

Flimmerndes Video

• Erhöhe num_inference_steps

• Probiere eine andere motion_bucket_id

• Verwende Frame-Interpolation

Schlechte Qualität

• Verwende höher aufgelöstes Eingabebild (SVD)

• Bessere Prompts (AnimateDiff)

• Erhöhe guidance_scale