हुन्युआन वीडियो

Clore.ai पर Tencent के Hunyuan Video के साथ उच्च-गुणवत्ता वीडियो जनरेट करें

टेनसेंट के ओपन-सोर्स Hunyuan Video के साथ उच्च-गुणवत्ता वाले वीडियो उत्पन्न करें।

सभी उदाहरण GPU सर्वरों पर चलाए जा सकते हैं जिन्हें द्वारा किराए पर लिया गया है CLORE.AI मार्केटप्लेस.

CLORE.AI पर किराये पर लेना

1. पर जाएँ CLORE.AI मार्केटप्लेस

2. GPU प्रकार, VRAM, और मूल्य के अनुसार फ़िल्टर करें

3. चुनें ऑन-डिमांड (निश्चित दर) या स्पॉट (बिड प्राइस)

4. अपना ऑर्डर कॉन्फ़िगर करें:

   • Docker इमेज चुनें

   • पोर्ट सेट करें (SSH के लिए TCP, वेब UI के लिए HTTP)

   • यदि आवश्यक हो तो एनवायरनमेंट वेरिएबल जोड़ें

   • स्टार्टअप कमांड दर्ज करें

5. भुगतान चुनें: CLORE, BTC, या USDT/USDC

6. ऑर्डर बनाएं और डिप्लॉयमेंट का इंतज़ार करें

अपने सर्वर तक पहुँचें

• कनेक्शन विवरण में खोजें मेरे ऑर्डर

• वेब इंटरफेस: HTTP पोर्ट URL का उपयोग करें

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

Hunyuan Video क्या है?

टेनसेंट का Hunyuan Video प्रदान करता है:

• उच्च-गुणवत्ता टेक्स्ट-टू-वीडियो जनरेशन

• 5+ सेकंड के वीडियो क्लिप

• 720p रिज़ॉल्यूशन

• ओपन-सोर्स और व्यावसायिक उपयोग योग्य

संसाधन

• मॉडल: tencent/HunyuanVideo

• GitHub: Tencent/HunyuanVideo

• पेपर: HunyuanVideo पेपर

अनुशंसित हार्डवेयर

घटक	न्यूनतम	अनुशंसित	सर्वोत्तम
GPU	RTX 4090 24GB	A100 40GB	A100 80GB
VRAM	24GB	40GB	80GB
CPU	8 कोर	16 कोर	32 कोर
RAM	32GB	64GB	128GB
स्टोरेज	100GB NVMe	200GB NVMe	500GB NVMe
इंटरनेट	500 Mbps	1 Gbps	1 Gbps

CLORE.AI पर त्वरित डिप्लॉय

Docker इमेज:

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

पोर्ट:

22/tcp
7860/http

कमांड:

git clone https://github.com/Tencent/HunyuanVideo.git && \
cd HunyuanVideo && \
pip install -r requirements.txt && \
python sample_video.py --prompt "A cat walking in a garden"

अपनी सेवा तक पहुँचना

डिप्लॉयमेंट के बाद, अपना खोजें http_pub URL में मेरे ऑर्डर:

1. जाएँ मेरे ऑर्डर पृष्ठ

2. अपने ऑर्डर पर क्लिक करें

3. खोजें http_pub URL (उदा., abc123.clorecloud.net)

उपयोग करें https://YOUR_HTTP_PUB_URL की बजाय localhost नीचे दिए उदाहरणों में।

इंस्टॉलेशन

git clone https://github.com/Tencent/HunyuanVideo.git
cd HunyuanVideo
pip install -r requirements.txt

# मॉडल डाउनलोड करें
python download_models.py

आप क्या बना सकते हैं

मार्केटिंग सामग्री

• उत्पाद प्रदर्शन वीडियो

• सोशल मीडिया क्लिप

• प्रमोशनल एनिमेशन

रचनात्मक प्रोजेक्ट

• म्यूजिक वीडियो कॉन्सेप्ट

• शॉर्ट फिल्म प्रोटोटाइप

• कला स्थापना

शिक्षा और प्रशिक्षण

• व्याख्यात्मक वीडियो ड्राफ्ट

• प्रशिक्षण सामग्री अवधारणाएँ

• संकल्पनाओं का विज़ुअलाइज़ेशन

मूल उपयोग

import torch
from diffusers import HunyuanVideoPipeline
from diffusers.utils import export_to_video

pipe = HunyuanVideoPipeline.from_pretrained(
    "tencent/HunyuanVideo",
    torch_dtype=torch.float16
)
pipe.to("cuda")
pipe.enable_model_cpu_offload()
pipe.vae.enable_tiling()

prompt = "A majestic eagle soaring over snow-capped mountains, cinematic lighting, 4K"

video_frames = pipe(
    prompt=prompt,
    num_frames=45,
    num_inference_steps=50,
    guidance_scale=7.0
).frames[0]

export_to_video(video_frames, "eagle.mp4", fps=15)

उन्नत जनरेशन

import torch
from diffusers import HunyuanVideoPipeline
from diffusers.utils import export_to_video

pipe = HunyuanVideoPipeline.from_pretrained(
    "tencent/HunyuanVideo",
    torch_dtype=torch.float16
)
pipe.to("cuda")
pipe.enable_model_cpu_offload()
pipe.vae.enable_tiling()
pipe.vae.enable_slicing()

video_frames = pipe(
    prompt="Time-lapse of a flower blooming, macro photography, detailed petals",
    negative_prompt="blurry, low quality, distorted, ugly",
    num_frames=45,
    height=544,
    width=960,
    num_inference_steps=50,
    guidance_scale=7.0,
    generator=torch.Generator("cuda").manual_seed(42)
).frames[0]

export_to_video(video_frames, "flower_bloom.mp4", fps=15)

प्रॉम्प्ट उदाहरण

प्रकृति और परिदृश्य

prompts = [
    "Aurora borealis dancing over a frozen lake, time-lapse, ethereal",
    "Ocean waves crashing on volcanic black sand beach, slow motion",
    "Thunderstorm over a wheat field, dramatic lighting, 4K",
    "Cherry blossoms falling in a Japanese garden, spring, peaceful"
]

साइंस-फाई और फैंटेसी

prompts = [
    "Spaceship launching from a futuristic city, cinematic, detailed",
    "Dragon flying through clouds at sunset, epic, fantasy",
    "Robot walking through neon-lit streets, cyberpunk, rain",
    "Magical portal opening in an ancient forest, mystical lights"
]

Abstract और कलात्मक

prompts = [
    "Ink drops diffusing in water, macro, colorful, abstract",
    "Geometric shapes morphing and transforming, motion graphics",
    "Light painting in darkness, long exposure effect, vibrant"
]

बैच जनरेशन

import os
import torch
from diffusers import HunyuanVideoPipeline
from diffusers.utils import export_to_video

pipe = HunyuanVideoPipeline.from_pretrained("tencent/HunyuanVideo", torch_dtype=torch.float16)
pipe.to("cuda")
pipe.enable_model_cpu_offload()
pipe.vae.enable_tiling()

prompts = [
    "Underwater coral reef with colorful fish swimming",
    "City traffic time-lapse at night, light trails",
    "Butterfly emerging from cocoon, nature documentary"
]

output_dir = "./videos"
os.makedirs(output_dir, exist_ok=True)

for i, prompt in enumerate(prompts):
    print(f"Generating {i+1}/{len(prompts)}: {prompt[:50]}...")

    video_frames = pipe(
        prompt=prompt,
        num_frames=45,
        num_inference_steps=50,
        guidance_scale=7.0
    ).frames[0]

    export_to_video(video_frames, f"{output_dir}/video_{i:03d}.mp4", fps=15)

Gradio इंटरफ़ेस

import gradio as gr
import torch
from diffusers import HunyuanVideoPipeline
from diffusers.utils import export_to_video
import tempfile

pipe = HunyuanVideoPipeline.from_pretrained("tencent/HunyuanVideo", torch_dtype=torch.float16)
pipe.to("cuda")
pipe.enable_model_cpu_offload()
pipe.vae.enable_tiling()

def generate(prompt, negative_prompt, num_frames, steps, guidance, seed):
    generator = torch.Generator("cuda").manual_seed(seed) if seed > 0 else None

    video_frames = pipe(
        prompt=prompt,
        negative_prompt=negative_prompt,
        num_frames=num_frames,
        num_inference_steps=steps,
        guidance_scale=guidance,
        generator=generator
    ).frames[0]

    with tempfile.NamedTemporaryFile(suffix=".mp4", delete=False) as f:
        export_to_video(video_frames, f.name, fps=15)
        return f.name

demo = gr.Interface(
    fn=generate,
    inputs=[
        gr.Textbox(label="Prompt", lines=3),
        gr.Textbox(label="Negative Prompt", value="blurry, low quality"),
        gr.Slider(16, 60, value=45, step=1, label="Frames"),
        gr.Slider(20, 100, value=50, step=5, label="Steps"),
        gr.Slider(3, 12, value=7, step=0.5, label="Guidance"),
        gr.Number(value=-1, label="Seed")
    ],
    outputs=gr.Video(label="Generated Video"),
    title="Hunyuan Video - Text to Video on CLORE.AI"
)

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

प्रदर्शन

रिज़ॉल्यूशन	फ्रेम्स	GPU	समय
544x960	45	RTX 4090	~5 मिनट
544x960	45	A100 40GB	~3 मिनट
544x960	45	A100 80GB	~2 मिनट
720x1280	45	A100 80GB	~4 मिनट

सामान्य समस्याएँ और समाधान

आउट ऑफ़ मेमोरी

समस्या: 24GB GPU पर CUDA में मेमोरी खत्म

समाधान:

# सभी मेमोरी अनुकूलन सक्षम करें
pipe.enable_model_cpu_offload()
pipe.enable_sequential_cpu_offload()  # और अधिक आक्रामक
pipe.vae.enable_tiling()
pipe.vae.enable_slicing()

# फ्रेम और रिज़ॉल्यूशन कम करें
video = pipe(prompt, num_frames=24, height=480, width=720).frames[0]

धीमा जनरेशन

समस्या: जनरेट करने में बहुत समय लगता है

समाधान:

• घटाएँ num_inference_steps (30-40 अभी भी अच्छे परिणाम देता है)

• घटाएँ num_frames (24 फ्रेम = 15fps पर 1.6s)

• तेज़ प्रोसेसिंग के लिए A100 GPU का उपयोग करें

• मॉडल लोडिंग के लिए सुनिश्चित करें कि आपके पास NVMe स्टोरेज है

खराब वीडियो गुणवत्ता

समस्या: धुंधला या असंगत मोशन

समाधान:

• बढ़ाएँ num_inference_steps to 75-100

• समायोजित करें guidance_scale (6-8 सबसे अच्छा काम करता है)

• और अधिक विस्तृत प्रॉम्प्ट लिखें

• समस्याओं से बचने के लिए नेगेटिव प्रॉम्प्ट जोड़ें

वीडियो आर्टिफैक्ट्स

समस्या: झिलमिलाना या अस्थायी असंगतताएँ

समाधान:

• पुनरुत्पादन के लिए सुसंगत सीड का उपयोग करें

• तेज़ गति वाले प्रॉम्प्ट से बचें

• वीडियो स्थिरीकरण के साथ पोस्ट-प्रोसेस करें

समस्याओं का निवारण

मेमोरी खत्म

• Hunyuan के लिए न्यूनतम 24GB+ VRAM आवश्यक है

• बेहतरीन परिणामों के लिए A100 40GB/80GB का उपयोग करें

• वीडियो लंबाई/रिज़ॉल्यूशन घटाएँ

वीडियो जनरेशन विफल हो रहा है

• सुनिश्चित करें कि सभी मॉडल फाइलें सही ढंग से डाउनलोड हुई हैं

• पर्याप्त डिस्क स्थान सुनिश्चित करें (100GB+)

• CUDA और PyTorch अनुकूलता सत्यापित करें

खराब वीडियो गुणवत्ता

• इन्फरेंस स्टेप्स बढ़ाएँ

• और वर्णनात्मक प्रॉम्प्ट का उपयोग करें

• इनपुट रिज़ॉल्यूशन की जांच करें कि यह अपेक्षित से मेल खाता है

धीमी जनरेशन

• वीडियो जनरेशन कंप्यूट-गहन है

• तेज़ परिणामों के लिए A100/H100 का उपयोग करें

• पहले छोटे क्लिप पर विचार करें

लागत अनुमान

सामान्य CLORE.AI मार्केटप्लेस दरें (2024 के अनुसार):

GPU	घंटात्मक दर	दैनिक दर	4-घंटे सत्र
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

कीमतें प्रदाता और मांग के अनुसार बदलती हैं। जाँच करें CLORE.AI मार्केटप्लेस वर्तमान दरों के लिए।

पैसे बचाएँ:

• उपयोग करें स्पॉट लचीले वर्कलोड के लिए मार्केट (अक्सर 30-50% सस्ता)

• भुगतान करें CLORE टोकन के साथ

• विभिन्न प्रदाताओं के बीच कीमतों की तुलना करें

अगले कदम

• CogVideoX - वैकल्पिक T2V

• Wan2.1 Video - एक और T2V विकल्प

• AnimateDiff - इमेज एनिमेशन