# Hunyuan Video टेनसेंट के ओपन-सोर्स Hunyuan Video के साथ उच्च-गुणवत्ता वाले वीडियो उत्पन्न करें। {% hint style="success" %} सभी उदाहरण GPU सर्वरों पर चलाए जा सकते हैं जिन्हें द्वारा किराए पर लिया गया है [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace). {% endhint %} ## CLORE.AI पर किराये पर लेना 1. पर जाएँ [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace) 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 root@` ## 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](https://huggingface.co/tencent/HunyuanVideo) * **GitHub:** [Tencent/HunyuanVideo](https://github.com/Tencent/HunyuanVideo) * **पेपर:** [HunyuanVideo पेपर](https://arxiv.org/abs/2412.03603) ## 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:** ```bash 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 ```bash 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 ```python 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 ```python 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 ```python 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 ```python 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 ```python 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 ```python 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 ```python 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:** ```python # 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 {% hint style="danger" %} **मेमोरी खत्म** {% endhint %} * 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*](https://clore.ai/marketplace) *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