Hunyuan Video

Создавайте высококачественные видео с Hunyuan Video от Tencent на Clore.ai

Создавайте высококачественные видео с помощью открытого Hunyuan Video от Tencent.

Все примеры можно запускать на GPU-серверах, арендованных через маркетплейс CLORE.AI.

Аренда на CLORE.AI

1. Перейдите на маркетплейс CLORE.AI

2. Отфильтруйте по типу GPU, объёму VRAM и цене

3. Выберите On-Demand (фиксированная ставка) или Spot (цена ставки)

4. Настройте свой заказ:

   • Выберите Docker-образ

   • Установите порты (TCP для SSH, HTTP для веб-интерфейсов)

   • При необходимости добавьте переменные окружения

   • Введите команду запуска

5. Выберите способ оплаты: CLORE, BTC, или USDT/USDC

6. Создайте заказ и дождитесь развертывания

Получите доступ к своему серверу

• Найдите данные для подключения в Мои заказы

• Веб-интерфейсы: используйте URL HTTP-порта

• SSH: ssh -p <port> root@<proxy-address>

Что такое Hunyuan Video?

Hunyuan Video от Tencent предлагает:

• Высококачественная генерация видео по тексту

• Видеоклипы длительностью более 5 секунд

• Разрешение 720p

• Открытый исходный код и коммерческое использование

Ресурсы

• Модель: tencent/HunyuanVideo

• GitHub: Tencent/HunyuanVideo

• Статья: Статья HunyuanVideo

Рекомендуемое оборудование

Компонент	Минимум	Рекомендуется	Оптимально
GPU	RTX 4090 24GB	A100 40 ГБ	A100 80 ГБ
VRAM	24 ГБ	40 ГБ	80 ГБ
CPU	8 ядер	16 ядер	32 ядра
ОЗУ	32GB	64GB	128 ГБ
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:2.11.0-cuda12.8-cudnn9-devel

Порты:

22/tcp
7860/http

Команда:

git clone https://github.com/Tencent/HunyuanVideo.git && \
cd HunyuanVideo && \
pip install -r requirements.txt && \
python sample_video.py --prompt "Кот, идущий по саду"

Доступ к вашему сервису

После развертывания найдите свой http_pub URL в Мои заказы:

1. Перейдите на Мои заказы страницу

2. Нажмите на свой заказ

3. Найдите http_pub URL (например, abc123.clorecloud.net)

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

Установка

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

# Скачать модели
python download_models.py

Что вы можете создать

Маркетинговый контент

• Видео-презентации продуктов

• Клипы для социальных сетей

• Промо-анимации

Творческие проекты

• Идеи для музыкальных клипов

• Прототипы короткометражных фильмов

• Арт-инсталляции

Образование и обучение

• Черновики объясняющих видео

• Концепции учебных материалов

• Визуализация концепций

Базовое использование

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 орёл парит над заснеженными горами, кинематографическое 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)

Расширенная генерация

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, макросъёмка, детализированные лепестки",
    negative_prompt="размыто, низкое качество, искажённое, некрасивое",
    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 промптов

Природа и пейзажи

prompts = [
    "Северное сияние, танцующее над замёрзшим озером, таймлапс, эфирное",
    "Океанские волны разбиваются о пляж из вулканического чёрного песка, замедленная съёмка",
    "Гроза над пшеничным полем, драматическое освещение, 4K",
    "Лепестки сакуры падают в японском саду, весна, умиротворённо"
]

Научная фантастика и фэнтези

prompts = [
    "Космический корабль стартует из футуристического города, кинематографично, детально",
    "Дракон летит сквозь облака на закате, эпично, фэнтези",
    "Робот идёт по улицам, освещённым неоном, киберпанк, дождь",
    "В древнем лесу открывается магический портал, мистические огни"
]

Абстрактное и художественное

prompts = [
    "Капли чернил, растекающиеся в воде, макро, красочно, абстрактно",
    "Геометрические фигуры, изменяющие форму и трансформирующиеся, motion graphics",
    "Светопись в темноте, эффект длинной выдержки, ярко"
]

Пакетная генерация

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 разноцветными рыбами",
    "Таймлапс ночного городского трафика, световые следы",
    "Бабочка, выходящая из кокона, документальный фильм о природе"
]

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

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

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="Запрос", lines=3),
        gr.Textbox(label="Негативный запрос", 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="Направляющий коэффициент"),
        gr.Number(value=-1, label="Зерно")
    ],
    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 40 ГБ	~3 мин
544x960	45	A100 80 ГБ	~2 мин
720x1280	45	A100 80 ГБ	~4 мин

Распространённые проблемы и решения

Недостаточно памяти

Проблема: Недостаточно памяти CUDA на GPU с 24 ГБ

Решения:

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

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

Медленная генерация

Проблема: Слишком долго генерируется

Решения:

• Уменьшите num_inference_steps (30-40 по-прежнему дают 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 модели

Низкое качество видео

Проблема: Размытое или непоследовательное движение

Решения:

• Увеличьте num_inference_steps до 75–100

• Измените guidance_scale (6–8 работает лучше всего)

• Пишите более подробные запросы

• Добавляйте негативные подсказки, чтобы избежать проблем

Артефакты видео

Проблема: Мерцание или временные несоответствия

Решения:

• Используйте постоянное зерно для воспроизводимости

• Избегайте запросов с быстрым движением

• Выполните постобработку со стабилизацией видео

Устранение неполадок

Не хватает памяти

• Для Hunyuan требуется минимум 24 ГБ VRAM

• Для лучших результатов используйте A100 с 40/80 ГБ

• Уменьшите длительность/разрешение видео

Генерация видео не удаётся

• Проверьте, что все файлы модели загружены корректно

• Убедитесь, что достаточно места на диске (100 ГБ+)

• Проверьте совместимость CUDA и PyTorch

Низкое качество видео

• Увеличьте число шагов вывода

• Используйте более описательные запросы

• Проверьте, что входное разрешение соответствует ожидаемому

Медленная генерация

• Генерация видео требует больших вычислительных ресурсов

• Используйте A100/H100 для более быстрых результатов

• Сначала попробуйте более короткие клипы

Оценка стоимости

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

GPU	Почасовая ставка	Дневная ставка	4-часовая сессия
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 40 ГБ	~$0.17	~$4.00	~$0.70
A100 80 ГБ	~$0.25	~$6.00	~$1.00

Цены зависят от провайдера и спроса. Проверьте маркетплейс CLORE.AI актуальные тарифы.

Сэкономьте деньги:

• Используйте Spot рынок для прерываемых задач — примерно треть серверов оценивает spot-цены ниже on-demand (медиана ~13% скидки), остальные совпадают с ними

• Платите CLORE токенами

• Сравните цены у разных провайдеров

Дальнейшие шаги

• CogVideoX — альтернатива T2V

• Wan2.1 Video — ещё один вариант T2V

• AnimateDiff — анимация изображений