> 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/hunyuan-video.md).

# Hunyuan Video

Генерируйте видео высокого качества с помощью открытого проекта Hunyuan Video от Tencent.

{% 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>`

## Что такое Hunyuan Video?

Hunyuan Video от Tencent предлагает:

* Высококачественную генерацию из текста в видео
* Клипы длительностью более 5 секунд
* Разрешение 720p
* Открытый исходный код и коммерческое использование

## Ресурсы

* **Модель:** [tencent/HunyuanVideo](https://huggingface.co/tencent/HunyuanVideo)
* **GitHub:** [Tencent/HunyuanVideo](https://github.com/Tencent/HunyuanVideo)
* **Статья:** [Статья о HunyuanVideo](https://arxiv.org/abs/2412.03603)

## Рекомендованное оборудование

| Компонент | Минимум       | Рекомендуется | Оптимально  |
| --------- | ------------- | ------------- | ----------- |
| GPU       | RTX 4090 24GB | A100 40GB     | A100 80GB   |
| VRAM      | 24 ГБ         | 40GB          | 80GB        |
| CPU       | 8 ядер        | 16 ядер       | 32 ядра     |
| ОЗУ       | 32GB          | 64GB          | 128GB       |
| Хранилище | 100GB NVMe    | 200 ГБ NVMe   | 500 ГБ NVMe |
| Интернет  | 500 Мбит/с    | 1 Гбит/с      | 1 Гбит/с    |

## Быстрое развертывание на CLORE.AI

**Docker-образ:**

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

**Порты:**

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

**Команда:**

```bash
git clone https://github.com/Tencent/HunyuanVideo.git && \
cd HunyuanVideo && \
pip install -r requirements.txt && \
python sample_video.py --prompt "Кошка гуляет в саду"
```

## 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.

## Установка

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

# Скачайте модели
python download_models.py
```

## Что вы можете создать

### Маркетинговый контент

* Видео для демонстрации продукта
* Клипы для социальных сетей
* Рекламная анимация

### Творческие проекты

* Концепции музыкальных видео
* Прототипы короткометражек
* Инсталляции в сфере искусства

### Образование и обучение

* Черновики объясняющих видео
* Концепции учебных материалов
* Визуализация идей

## Базовое использование

```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 = "Величественный орел, витает над заснеженными горами, киношное освещение, 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)
```

## Продвинутая генерация

```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="Таймлапс распускающегося цветка, макросъемка, детализированные лепестки",
    negative_prompt="размыто, низкое качество, искажено, уродливо",
    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)
```

## Примеры подсказок

### Природа и пейзажи

```python
prompts = [
    "Северное сияние танцует над замерзшим озером, таймлапс, эфирно",
    "Океанские волны разбиваются о черный вулканический пляж, замедленная съемка",
    "Гроза над пшеничным полем, драматическое освещение, 4K",
    "Падают цветы сакуры в японском саду, весна, спокойно"
]
```

### Научная фантастика и фэнтези

```python
prompts = [
    "Космический корабль взлетает из футуристического города, киношно, детализировано",
    "Дракон летит сквозь облака на закате, эпично, фэнтези",
    "Робот идет по неоновым улицам, киберпанк, дождь",
    "Магический портал открывается в древнем лесу, мистические огни"
]
```

### Абстрактное и художественное

```python
prompts = [
    "Капли чернил рассеиваются в воде, макро, красочно, абстрактно",
    "Геометрические формы морфируют и трансформируются, моушн-графика",
    "Световая живопись в темноте, эффект длительной выдержки, ярко"
]
```

## Пакетная генерация

```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 = [
    "Подводный коралловый риф с плавающими разноцветными рыбами",
    "Таймлапс городского трафика ночью, световые следы",
    "Бабочка появляется из куколки, природный документальный фильм"
]

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

for i, prompt in enumerate(prompts):
    print(f"Генерация {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)
```

## Интерфейс Gradio

```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="Подсказка (Prompt)", lines=3),
        gr.Textbox(label="Негативная подсказка", value="размыто, низкое качество"),
        gr.Slider(16, 60, value=45, step=1, label="Кадры"),
        gr.Slider(20, 100, value=50, step=5, label="Шаги"),
        gr.Slider(3, 12, value=7, step=0.5, label="Направление (Guidance)"),
        gr.Number(value=-1, label="Seed")
    ],
    outputs=gr.Video(label="Сгенерированное видео"),
    title="Hunyuan Video - Текст в видео на CLORE.AI"
)

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

## Производительность

| Разрешение | Кадры | GPU       | Время   |
| ---------- | ----- | --------- | ------- |
| 544x960    | 45    | RTX 4090  | \~5 мин |
| 544x960    | 45    | A100 40GB | \~3 мин |
| 544x960    | 45    | A100 80GB | \~2 мин |
| 720x1280   | 45    | A100 80GB | \~4 мин |

## Распространённые проблемы и решения

### Недостаточно памяти

**Проблема:** Недостаточно памяти CUDA на 24 ГБ GPU

**Решения:**

```python

# Включить все оптимизации памяти
pipe.enable_model_cpu_offload()
pipe.enable_sequential_cpu_offload()  # Более агрессивно
pipe.vae.enable_tiling()
pipe.vae.enable_slicing()

# Уменьшите количество кадров и разрешение
video = pipe(prompt, num_frames=24, height=480, width=720).frames[0]
```

### Медленная генерация

**Проблема:** Генерация занимает слишком много времени

**Решения:**

* Уменьшите `num_inference_steps` (30-40 по-прежнему дает хорошие результаты)
* Уменьшите `num_frames` (24 кадра = 1.6 с при 15 fps)
* Используйте GPU A100 для более быстрой обработки
* Убедитесь, что у вас есть NVMe-накопитель для загрузки моделей

### Плохое качество видео

**Проблема:** Размытость или непоследовательное движение

**Решения:**

* Увеличьте `num_inference_steps` до 75-100
* Отрегулируйте `guidance_scale` (6-8 работает лучше всего)
* Пишите более подробные подсказки
* Добавляйте негативные подсказки, чтобы избежать проблем

### Артефакты в видео

**Проблема:** Мерцание или временные несоответствия

**Решения:**

* Используйте один и тот же seed для воспроизводимости
* Избегайте подсказок с быстрым движением
* Постобработка с помощью стабилизации видео

## Устранение неполадок

{% hint style="danger" %}
**Недостаточно памяти**
{% endhint %}

* Hunyuan требует минимум 24 ГБ VRAM
* Используйте A100 40GB/80GB для наилучших результатов
* Уменьшите длину/разрешение видео

### Генерация видео не удалась

* Проверьте, что все файлы модели загружены корректно
* Убедитесь, что достаточно места на диске (100 ГБ+)
* Проверьте совместимость CUDA и PyTorch

### Плохое качество видео

* Увеличьте количество шагов инференса
* Используйте более описательные подсказки
* Проверьте, что входное разрешение соответствует ожидаемому

### Медленная генерация

* Генерация видео требует больших вычислительных ресурсов
* Используйте A100/H100 для более быстрых результатов
* Рассмотрите сначала более короткие клипы

## 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

## Дальнейшие шаги

* CogVideoX - Альтернатива T2V
* Wan2.1 Video - Еще один вариант T2V
* AnimateDiff - Анимация изображений


---

# 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/hunyuan-video.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.