> 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 с помощью ИИ: он может создавать видео длиной до 2 минут, используя **всего 6 ГБ VRAM**. Построенный на архитектуре HunyuanVideo, ключевая инновация FramePack — эффективная упаковка кадров, благодаря чему объём памяти GPU остаётся постоянным независимо от длины видео. Это делает генерацию видео с помощью ИИ доступной на бюджетных GPU, которые раньше были слишком ограничены.

## Ключевые особенности

* **Минимум 6 ГБ VRAM**: Работает на RTX 3060, RTX 3070, даже GTX 1060!
* **Видео длиной до 2 минут**: Постоянное использование VRAM независимо от длины видео
* **Изображение в видео**: Анимируйте любое изображение с текстовым промптом
* **Веб-интерфейс включён**: Интерфейс на базе Gradio для удобного использования
* **Построен на HunyuanVideo**: Использует архитектуру видео-диффузии Tencent
* **Открытый исходный код**: GitHub с активной разработкой

## Требования

| Компонент | Минимум       | Рекомендуется |
| --------- | ------------- | ------------- |
| GPU       | GTX 1060 6 ГБ | RTX 4090 24GB |
| VRAM      | 6 ГБ          | 12 ГБ+        |
| ОЗУ       | 16GB          | 32GB          |
| Диск      | 30 ГБ         | 50 ГБ         |
| CUDA      | 12.8+         | 12.8+         |
| Python    | 3.10+         | 3.11          |

**Рекомендуемая GPU от Clore.ai**: RTX 3080 10 ГБ ($0.05–0.19/ч) — отличное качество при низкой цене!

### Справочник по скорости

| GPU           | Время на кадр | Видео на 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

# Установите PyTorch с CUDA
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128
```

### 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 — веб-интерфейс

Самый простой способ использовать FramePack:

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

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

# Откройте http://localhost:7860
```

**Рабочий процесс веб-интерфейса:**

1. Загрузите исходное изображение (это будет первый кадр)
2. Введите текстовый промпт, описывающий движение ("камера медленно приближает", "человек идёт вперёд")
3. Установите длину видео (количество кадров)
4. Нажмите Generate
5. Скачайте MP4

## Использование

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

### Рабочий процесс веб-интерфейса

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

### Доступ к API через Gradio Client

Вы можете вызывать FramePack программно, используя API Gradio:

```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,                                              # число кадров
    7.5,                                             # scale guidance
    30,                                              # шагов инференса
    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", "мягкий зум камеры с мягким освещением"),
    ("photo2.jpg", "ветер развевает волосы, движущиеся облака"),
    ("photo3.jpg", "медленный отъезд камеры, открывающий 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 |
| 8 ГБ  | 640×640                 | Лучше детализация             |
| 10 ГБ | 512×768                 | Портрет/альбом                |
| 12GB  | 768×768                 | Высокое качество              |
| 24 ГБ | 1024×768                | Лучшее качество               |

## Советы для пользователей Clore.ai

* **Экономичный вариант**: Это одна из немногих моделей видео-ИИ, которая работает на дешёвых GPU ($0.03–0.07/ч для RTX 3060!)
* **Используйте `--low-vram` флаг**: Обязательно для GPU с 6–8 ГБ — автоматически включает выгрузку в CPU
* **512×512 вполне достаточно**: Для социальных сетей (TikTok, Reels) 512 px — это совершенно приемлемо
* **Дольше ≠ больше VRAM**: В отличие от других видеомоделей, FramePack сохраняет постоянный объём VRAM — свободно генерируйте более длинные видео
* **Заранее скачайте модели**: При первом запуске загружается около 15 ГБ. Запустите один раз, и затем в вашей сессии Clore модели будут закэшированы
* **Сочетайте с апскейлингом**: Генерируйте в 512×512, а затем используйте Real-ESRGAN для увеличения до 2K/4K

## Советы по промптам

Хорошие промпты описывают **движение**, а не только внешний вид:

```
✅ "камера медленно панорамирует вправо, открывая горный пейзаж"
✅ "человек моргает и мягко улыбается, ветер движет его волосы"
✅ "медленно отъезжает назад, показывая всё здание"

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

## Устранение неполадок

| Проблема                     | Решение                                                                                    |
| ---------------------------- | ------------------------------------------------------------------------------------------ |
| CUDA out of memory           | Используйте `--low-vram` флаг, уменьшите разрешение до 512×512                             |
| Очень медленная генерация    | Нормально для GPU с 6 ГБ (\~30 сек/кадр). Используйте RTX 4090 для скорости в 4 раза выше  |
| Чёрные/повреждённые кадры    | Обновите PyTorch: `pip install torch --upgrade`                                            |
| Загрузка модели зависает     | Проверьте свободное место на диске (нужно 30 ГБ). Попробуйте `HF_HUB_ENABLE_HF_TRANSFER=1` |
| Веб-интерфейс не запускается | Проверьте, что порт 7860 свободен: `lsof -i :7860`                                         |

## Дополнительное чтение

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


---

# 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.