Hunyuan Video

在 Clore.ai 上使用腾讯的 Hunyuan Video 生成高质量视频

使用腾讯开源的 Hunyuan Video 生成高质量视频。

所有示例都可以在通过以下方式租用的 GPU 服务器上运行 CLORE.AI 市场.

在 CLORE.AI 上租用

1. 访问 CLORE.AI 市场

2. 按 GPU 类型、VRAM 和价格筛选

3. 选择 按需 （固定费率）或 竞价 （出价）

4. 配置你的订单：

   • 选择 Docker 镜像

   • 设置端口（SSH 用 TCP，Web UI 用 HTTP）

   • 如有需要，添加环境变量

   • 输入启动命令

5. 选择支付方式： CLORE, BTC，或 USDT/USDC

6. 创建订单并等待部署

访问你的服务器

• 在以下位置查找连接信息 我的订单

• Web 界面：使用 HTTP 端口 URL

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

什么是 Hunyuan Video？

腾讯的 Hunyuan Video 提供：

• 高质量文本生成视频

• 5 秒以上的视频片段

• 720p 分辨率

• 开源且可商用

资源

• 模型： tencent/HunyuanVideo

• GitHub： Tencent/HunyuanVideo

• 论文： HunyuanVideo 论文

推荐硬件

组件	最低	推荐	最佳
GPU	RTX 4090 24GB	A100 40GB	A100 80GB
显存	24GB	40GB	80GB
CPU	8 核	16 核	32 核
内存	32GB	64GB	128GB
存储	100GB NVMe	200GB NVMe	500GB NVMe
网络	500 Mbps	1 Gbps	1 Gbps

在 CLORE.AI 上快速部署

Docker 镜像：

pytorch/pytorch:2.11.0-cuda12.8-cudnn9-devel

端口：

22/tcp
7860/http

命令：

git clone https://github.com/Tencent/HunyuanVideo.git && \
cd HunyuanVideo && \
pip install -r requirements.txt && \
python sample_video.py --prompt "一只猫在花园里散步"

访问你的服务

部署后，找到你的 http_pub URL 在 我的订单:

1. 前往 我的订单 页面

2. 点击你的订单

3. 找到 http_pub URL（例如， abc123.clorecloud.net)

使用 https://YOUR_HTTP_PUB_URL 替代 localhost 在下面的示例中。

安装

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

# 下载模型
python download_models.py

你可以创建什么

营销内容

• 产品展示视频

• 社交媒体短视频

• 宣传动画

创意项目

• 音乐视频概念

• 短片原型

• 艺术装置

教育与培训

• 讲解视频草稿

• 培训材料概念

• 概念可视化

基础用法

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 = "一只雄伟的鹰翱翔在白雪覆盖的群山之上，电影级光照，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)

高级生成

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="花朵绽放的延时摄影，微距摄影，细节丰富的花瓣",
    negative_prompt="模糊、低质量、失真、难看",
    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)

提示词示例

自然与风景

prompts = [
    "极光在冰封湖面上翩翩起舞，延时摄影，空灵",
    "海浪拍打火山黑沙滩，慢动作",
    "麦田上空的雷暴，戏剧性光照，4K",
    "樱花飘落在日本庭园中，春天，宁静"
]

科幻与奇幻

prompts = [
    "一艘宇宙飞船从未来城市发射升空，电影感，细节丰富",
    "巨龙在日落时分穿过云层飞行，史诗感，奇幻",
    "机器人行走在霓虹灯照亮的街道上，赛博朋克，雨中",
    "古老森林中开启的魔法传送门，神秘光芒"
]

抽象与艺术

prompts = [
    "墨滴在水中扩散，微距，色彩斑斓，抽象",
    "几何形状变形与转换，动态图形",
    "黑暗中的光绘，长曝光效果，绚丽"
]

批量生成

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 = [
    "色彩斑斓的鱼群在水下珊瑚礁中游动",
    "夜晚城市交通延时摄影，光轨",
    "蝴蝶破茧而出，自然纪录片"
]

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

for i, prompt in enumerate(prompts):
    print(f"正在生成 {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)

Gradio 界面

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="提示词", lines=3),
        gr.Textbox(label="反向提示词", value="模糊，低质量"),
        gr.Slider(16, 60, value=45, step=1, label="帧数"),
        gr.Slider(20, 100, value=50, step=5, label="步数"),
        gr.Slider(3, 12, value=7, step=0.5, label="引导"),
        gr.Number(value=-1, label="种子")
    ],
    outputs=gr.Video(label="生成的视频"),
    title="Hunyuan Video - CLORE.AI 上的文本生成视频"
)

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

性能

分辨率	帧数	GPU	时间
544x960	45	RTX 4090	~5 分钟
544x960	45	A100 40GB	~3 分钟
544x960	45	A100 80GB	~2 分钟
720x1280	45	A100 80GB	~4 分钟

常见问题与解决方案

内存不足

问题： 24GB GPU 上 CUDA 显存不足

解决方案：

# 启用所有内存优化
pipe.enable_model_cpu_offload()
pipe.enable_sequential_cpu_offload()  # 更激进
pipe.vae.enable_tiling()
pipe.vae.enable_slicing()

# 减少帧数和分辨率
video = pipe(prompt, num_frames=24, height=480, width=720).frames[0]

生成缓慢

问题： 生成耗时过长

解决方案：

• 减少 推理步数 （30-40 仍能获得良好结果）

• 减少 num_frames （24 帧 = 15fps 下 1.6 秒）

• 使用 A100 GPU 以加快处理速度

• 确保你有用于模型加载的 NVMe 存储

视频质量差

问题： 模糊或不连贯的运动

解决方案：

• 增大 推理步数 到 75-100

• 调整 guidance_scale （6-8 效果最佳）

• 编写更详细的提示词

• 添加反向提示词以避免问题

视频伪影

问题： 闪烁或时间一致性问题

解决方案：

• 使用一致的种子以确保可复现

• 避免使用包含快速运动的提示词

• 通过视频稳定化进行后处理

故障排查

内存不足

• Hunyuan 至少需要 24GB+ VRAM

• 使用 A100 40GB/80GB 以获得最佳效果

• 降低视频长度/分辨率

视频生成失败

• 检查所有模型文件是否已正确下载

• 确保有足够的磁盘空间（100GB+）

• 验证 CUDA 与 PyTorch 的兼容性

视频质量差

• 增加推理步数

• 使用更具描述性的提示词

• 检查输入分辨率是否符合预期

生成缓慢

• 视频生成计算开销很大

• 使用 A100/H100 以获得更快结果

• 先考虑较短的片段

成本估算

CLORE.AI 市场常见费率（截至 2024 年）：

GPU	小时费率	日费率	4 小时会话
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

价格因提供商和需求而异。请查看 CLORE.AI 市场 以获取当前费率。

节省费用：

• 使用 竞价 可中断工作市场——约三分之一的服务器将现货价格定得低于按需价格（中位数约优惠 13%），其余则与按需价格持平

• 使用 CLORE 代币支付

• 比较不同提供商的价格

下一步

• CogVideoX - 其他文本生成视频方案

• Wan2.1 Video - 另一种文本生成视频选项

• AnimateDiff - 图像动画