# Генерация AI-видео

Генерируйте видео с помощью Stable Video Diffusion, AnimateDiff и других моделей.

{% hint style="success" %}
Все примеры можно запускать на GPU-серверах, арендуемых через [CLORE.AI Marketplace](https://clore.ai/marketplace).
{% endhint %}

## Аренда на CLORE.AI

1. Посетите [CLORE.AI Marketplace](https://clore.ai/marketplace)
2. Отфильтруйте по типу GPU, объему VRAM и цене
3. Выберите **On-Demand** (фиксированная ставка) или **Spot** (цена по ставке)
4. Настройте ваш заказ:
   * Выберите Docker-образ
   * Установите порты (TCP для SSH, HTTP для веб-интерфейсов)
   * Добавьте переменные окружения при необходимости
   * Введите команду запуска
5. Выберите способ оплаты: **CLORE**, **BTC**, или **USDT/USDC**
6. Создайте заказ и дождитесь развертывания

### Доступ к вашему серверу

* Найдите данные для подключения в **Моих заказах**
* Веб-интерфейсы: используйте URL HTTP-порта
* SSH: `ssh -p <port> root@<proxy-address>`

## Доступные модели

| Модель      | Тип                 | VRAM  | Длительность |
| ----------- | ------------------- | ----- | ------------ |
| SVD         | Изображение в видео | 16GB  | 4 секунды    |
| SVD-XT      | Изображение в видео | 20 ГБ | 4 секунды    |
| AnimateDiff | Текст в видео       | 12GB  | 2–4 секунды  |
| CogVideoX   | Текст в видео       | 24 ГБ | 6 секунд     |

## Stable Video Diffusion (SVD)

### Быстрое развертывание

**Docker-образ:**

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

**Порты:**

```
22/tcp
7860/http
```

**Команда:**

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

## Доступ к вашему сервису

После развертывания найдите ваш `http_pub` URL в **Моих заказах**:

1. Перейдите на **Моих заказах** страницу
2. Нажмите на ваш заказ
3. Найдите `http_pub` URL (например, `abc123.clorecloud.net`)

Используйте `https://YOUR_HTTP_PUB_URL` вместо `localhost` в примерах ниже.

### Скрипт SVD

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

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

# Загрузить и изменить размер изображения
image = Image.open("input.png").resize((1024, 576))

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

# Сохранить как GIF
imageio.mimsave("output.gif", frames, fps=6)

# Сохранить как MP4
imageio.mimsave("output.mp4", frames, fps=6)
```

### SVD с интерфейсом Gradio

```python
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="Входное изображение"),
        gr.Slider(1, 255, value=127, label="Amount of Motion"),
        gr.Slider(1, 30, value=6, label="FPS"),
        gr.Slider(14, 25, value=25, label="Кадры")
    ],
    outputs=gr.Video(label="Сгенерированное видео"),
)

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

## AnimateDiff

### Установка

```bash
pip install diffusers transformers accelerate
```

### Генерация видео из текста

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

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

# Загрузить 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()

# Генерация
output = pipe(
    prompt="Кот, гуляющий по саду, красивые цветы, солнечный день",
    negative_prompt="плохое качество, размытость",
    num_frames=16,
    guidance_scale=7.5,
    num_inference_steps=25,
)

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

### AnimateDiff с пользовательской моделью

```python
from diffusers import AnimateDiffPipeline, MotionAdapter, EulerDiscreteScheduler

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

# Использовать собственный чекпойнт (например, RealisticVision)
pipe = AnimateDiffPipeline.from_pretrained(
    "SG161222/Realistic_Vision_V5.1_noVAE",
    motion_adapter=adapter,
    torch_dtype=torch.float16,
)
```

## AnimateDiff в ComfyUI

### Установить узлы

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

### Скачать motion-модели

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

## CogVideoX

### Текст в видео

```python
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 = "Дрон летит над красивым горным пейзажем на закате"

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)
```

## Повышение разрешения видео

### Real-ESRGAN для видео

```python
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
)

# Обрабатывать видео кадр за кадром
cap = cv2.VideoCapture("input.mp4")

# ... повышать разрешение каждого кадра
```

## Интерполяция (плавные видео)

### FILM Frame Interpolation

```python

# Установить
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):
    # Возвращает интерполированные кадры между frame1 и frame2
    ...
```

### RIFE (в реальном времени)

```bash
pip install rife-ncnn-vulkan-python

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

# Интерполировать кадры
```

## Пактовая генерация видео

```python
prompts = [
    "Ракета, запускающаяся в космос",
    "Океанские волны бьются о скалы",
    "Бабочка, летящая среди цветов",
]

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

## Советы по памяти

### Для ограниченной видеопамяти (VRAM)

```python

# Включить выгрузку на CPU
pipe.enable_model_cpu_offload()

# Включить нарезку VAE
pipe.enable_vae_slicing()

# Включить нарезку внимания
pipe.enable_attention_slicing()

# Уменьшить количество кадров
num_frames = 14  # Вместо 25
```

### Декодирование по частям

```python
frames = pipe(
    image,
    decode_chunk_size=2,  # Декодировать по 2 кадра за раз
    num_frames=25,
).frames[0]
```

## Преобразование вывода

### GIF в MP4

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

### Последовательность кадров в видео

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

### Добавить аудио

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

## Производительность

| Модель      | GPU      | Кадры | Время   |
| ----------- | -------- | ----- | ------- |
| SVD-XT      | RTX 3090 | 25    | \~120 с |
| SVD-XT      | RTX 4090 | 25    | \~80 с  |
| SVD-XT      | A100     | 25    | \~50 с  |
| AnimateDiff | RTX 3090 | 16    | \~30с   |
| CogVideoX   | A100     | 49    | \~180 с |

## Оценка стоимости

Типичные ставки на маркетплейсе CLORE.AI (по состоянию на 2024):

| GPU       | Почасовая ставка | Дневная ставка | Сессия 4 часа |
| --------- | ---------------- | -------------- | ------------- |
| 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       |

*Цены варьируются в зависимости от провайдера и спроса. Проверьте* [*CLORE.AI Marketplace*](https://clore.ai/marketplace) *для текущих тарифов.*

**Экономьте деньги:**

* Используйте **Spot** рынок для гибких рабочих нагрузок (часто на 30–50% дешевле)
* Платите с помощью **CLORE** токенов
* Сравнивайте цены у разных провайдеров

## Устранение неполадок

### Ошибка OOM

* Уменьшить num\_frames
* Включить выгрузку на CPU
* Использовать меньший decode\_chunk\_size

### Мерцающее видео

* Увеличить num\_inference\_steps
* Попробовать другой motion\_bucket\_id
* Использовать интерполяцию кадров

### Плохое качество

* Использовать вход с более высоким разрешением (SVD)
* Лучшие подсказки (AnimateDiff)
* Увеличить guidance\_scale


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-ru/generaciya-video/ai-video-generation.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.