Hunyuan Video

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

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

Все примеры можно запускать на GPU-серверах, арендуемых через CLORE.AI Marketplace.

Аренда на CLORE.AI

1. Посетите 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

• GitHub: Tencent/HunyuanVideo

• Статья: Статья о HunyuanVideo

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:

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

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

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

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

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

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

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

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

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:

# 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

Недостаточно памяти

• 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 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