> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-ru/generaciya-video/framepack.md).

# Генерация видео FramePack

FramePack — это прорыв в генерации видео на ИИ: он может создавать видео длительностью до 2 минут, используя **всего 6 ГБ видеопамяти**. Построенный на архитектуре HunyuanVideo, ключевая инновация FramePack — эффективная упаковка кадров, так что память GPU остается постоянной независимо от длины видео. Это делает генерацию видео на ИИ доступной на бюджетных видеокартах, которые ранее были слишком ограничены.

## Ключевые особенности

* **Минимум 6 ГБ VRAM**: Работает на RTX 3060, RTX 3070, даже GTX 1060!
* **Видео до 2 минут**: Постоянное использование видеопамяти независимо от длины видео
* **Изображение в видео**: Анимируйте любое изображение с помощью текстового промпта
* **Включен Web UI**: Интерфейс на базе Gradio для простого использования
* **Построен на HunyuanVideo**: Использует архитектуру диффузии видео от Tencent
* **Открытый исходный код**: Репозиторий на GitHub с активной разработкой

## Требования

| Компонент | Минимум      | Рекомендуется |
| --------- | ------------ | ------------- |
| GPU       | GTX 1060 6GB | RTX 4090 24GB |
| VRAM      | 6 ГБ         | 12ГБ+         |
| ОЗУ       | 16GB         | 32GB          |
| Диск      | 30GB         | 50GB          |
| CUDA      | 11.8+        | 12.0+         |
| Python    | 3.10+        | 3.11          |

**Рекомендуемый GPU на Clore.ai**: RTX 3080 10GB (\~$0.2–0.5/день) — отличное качество при низкой стоимости!

### Справка по скорости

| GPU           | Время на кадр | Видео из 60 кадров (\~2 с при 30 fps) |
| ------------- | ------------- | ------------------------------------- |
| RTX 3060 12GB | \~30 сек      | \~30 мин                              |
| RTX 3080 10GB | \~18 сек      | \~18 мин                              |
| RTX 4080 16GB | \~12 с        | \~12 мин                              |
| RTX 4090 24GB | \~8 с         | \~8 мин                               |
| RTX 5090 32GB | \~5 сек       | \~5 мин                               |

## Установка

```bash
# Клонировать репозиторий
git clone https://github.com/lllyasviel/FramePack.git
cd FramePack

# Создать conda-окружение (рекомендуется)
conda create -n framepack python=3.11 -y
conda activate framepack

# Установить зависимости
pip install -r requirements.txt

# Установить PyTorch с CUDA
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
```

### Настройка Docker

```bash
docker run --gpus all -p 7860:7860 \
  -v ~/.cache/huggingface:/root/.cache/huggingface \
  -v ./outputs:/app/outputs \
  ghcr.io/lllyasviel/framepack:latest
```

## Быстрый старт — Web UI

Самый простой способ использовать FramePack:

```bash
cd FramePack
python app.py --port 7860

# Для низкой видеопамяти (6 ГБ):
python app.py --port 7860 --low-vram

# Доступно по адресу http://localhost:7860
```

**Рабочий процесс Web UI:**

1. Загрузите исходное изображение (первый кадр)
2. Введите текстовый промпт, описывающий движение ("камера медленно приближается", "человек идет вперед")
3. Установите длительность видео (количество кадров)
4. Нажмите «Generate»
5. Скачайте MP4

## Использование

FramePack — это **веб-приложение Gradio**, а не библиотека Python. Основной интерфейс — веб UI.

### Рабочий процесс Web UI

1. Откройте `http://localhost:7860` после запуска
2. Загрузите исходное изображение (будет первым кадром)
3. Введите текстовый промпт, описывающий желаемое движение
4. Установите число кадров (больше = дольше видео)
5. Нажмите **Сгенерировать** → ждите → скачайте MP4

### Доступ к API через Gradio Client

Вы можете вызвать FramePack программно, используя Gradio API:

```python
from gradio_client import Client

# Подключиться к запущенному экземпляру FramePack
client = Client("http://localhost:7860")

# Сгенерировать видео из изображения + промпта
result = client.predict(
    "input_photo.jpg",                              # исходное изображение
    "the person smiles and turns their head slowly", # промпт
    60,                                              # количество кадров
    7.5,                                             # коэффициент руководства (guidance scale)
    30,                                              # шаги вывода (inference steps)
    42,                                              # seed
    api_name="/generate"
)
print(f"Видео сохранено в: {result}")
```

### Пакетная обработка с Gradio Client

```python
from gradio_client import Client
import glob

client = Client("http://localhost:7860")

prompts = [
    ("photo1.jpg", "легкое приближение камеры с мягким освещением"),
    ("photo2.jpg", "ветер развевает волосы, облака движутся"),
    ("photo3.jpg", "медленное отдаление, показывающее всю сцену"),
]

for img_path, prompt in prompts:
    result = client.predict(img_path, prompt, 60, 7.5, 30, -1, api_name="/generate")
    print(f"Готово: {img_path} → {result}")
```

## Руководство по разрешению

| VRAM  | Максимальное разрешение | Качество                      |
| ----- | ----------------------- | ----------------------------- |
| 6 ГБ  | 512×512                 | Подходит для социальных сетей |
| 8GB   | 640×640                 | Лучше детализация             |
| 10GB  | 512×768                 | Портрет/ландшафт              |
| 12GB  | 768×768                 | Высокое качество              |
| 24 ГБ | 1024×768                | Лучшее качество               |

## Советы для пользователей Clore.ai

* **Бюджетный вариант**: Это одна из немногих моделей видео на ИИ, которая работает на дешевых видеокартах ($0.15–0.3/день для RTX 3060!)
* **Используйте `--low-vram` флаг**: Необходим для видеокарт 6–8 ГБ — автоматически включает выгрузку на CPU
* **512×512 — нормально**: Для социальных сетей (TikTok, Reels) 512px вполне приемлемо
* **Длиннее ≠ больше VRAM**: В отличие от других видео-моделей, FramePack сохраняет VRAM постоянной — генерируйте более длинные видео свободно
* **Предварительно скачивайте модели**: При первом запуске скачивается \~15 ГБ. Запустите один раз, затем в вашей сессии Clore модели кэшируются
* **Совместите с апскейлингом**: Генерируйте в 512×512, затем используйте Real-ESRGAN для апскейла до 2K/4K

## Советы по промптам

Хорошие промпты описывают **движение**, а не только внешность:

```
✅ "камера медленно панорамирует вправо, открывая горный пейзаж"
✅ "человек моргает и мягко улыбается, ветер играет их волосами"
✅ "медленно отдаляться, показывая всё здание"

❌ "красивый закат" (движение не описано)
❌ "высокое качество, 4K, детализированно" (стилевые слова мало помогают)
```

## Устранение неполадок

| Проблема                   | Решение                                                                                     |
| -------------------------- | ------------------------------------------------------------------------------------------- |
| CUDA — недостаточно памяти | Используйте `--low-vram` флаг, уменьшите разрешение до 512×512                              |
| Очень медленная генерация  | Нормально для 6 ГБ GPU (\~30 с/кадр). Для ускорения в 4 раза используйте RTX 4090           |
| Чёрные/повреждённые кадры  | Обновите PyTorch: `pip install torch --upgrade`                                             |
| Загрузка модели зависла    | Проверьте место на диске (нужно 30 ГБ свободного). Попробуйте `HF_HUB_ENABLE_HF_TRANSFER=1` |
| Web UI не запускается      | Проверьте, что порт 7860 свободен: `lsof -i :7860`                                          |

## Дополнительное чтение

* [Репозиторий на GitHub](https://github.com/lllyasviel/FramePack)
* [HunyuanVideo (базовая модель)](https://github.com/Tencent/HunyuanVideo)
* [Сравнение GPU Clore.ai](/guides/guides_v2-ru/nachalo-raboty/gpu-comparison.md) — найдите самую дешевую видеокарту для ваших нужд


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## 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, and the optional `goal` query parameter:

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

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

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.