使用EasyAnimate生成视频

EasyAnimate是阿里云PAI自主研发的DiT的视频生成框架,它提供了完整的高清长视频生成解决方案,包括视频数据预处理、VAE训练、DiT训练、模型推理和模型评测等,可用于文生视频和图生视频推理。本文介绍如何在PAI上使用EasyAnimate,完成模型部署和微调。

方案介绍

本文为您介绍以下两种视频生成的方式:

方式一:使用DSW

方式二:使用Model Gallery

简介

DSW为您云端AI开发IDE或开发机,内置多种开发环境,对熟悉Notebook/VSCode的用户,可以快速开始模型开发。

其中,DSW Gallery提供多种案例。您可以打开案例,一键运行Notebook,来完成EasyAnimate模型的推理和训练。您也可以在此基础上进行二次开发,例如模型微调。

Model Gallery集成了众多开源的优质预训练模型,帮助您零代码,高效快捷地训练和部署大模型。您可以通过Model Gallery一键部署EasyAnimate模型并生成视频,快速体验AI应用。

计费说明

  • 如果您的账号为DSW的新用户,可以免费试用DSW。详情请参见免费试用领取、使用和释放

    说明

    在本教程中,仅支持使用DSW免费资源类型ecs.gn7i-c8g1.2xlarge

    由于免费试用资源存在资源额度限制,因此无法进行模型训练相关操作。

  • 如果您的账号非新用户,使用DSW将产生费用。详情请参见DSW计费说明

Model Gallery封装了DLCEAS,其费用说明如下:

  • 如果您的账号为DLCEAS的新用户,可以免费试用对应产品。详情请参见免费试用领取、使用和释放

    说明

    由于免费试用资源存在资源额度限制,因此无法进行模型训练相关操作。

  • 如果您的账号非新用户,使用DLCEAS会产生相应费用。更多计费详情,请参见DLC计费说明EAS计费说明

前提条件

开通PAI。登录PAI控制台左上角选择开通区域,然后一键开通并创建默认工作空间。建议使用主账号开通产品,以避免权限受限。

方式一:使用DSW

步骤一:创建DSW实例

  1. 进入DSW页面。

    1. 登录PAI控制台

    2. 概览页面选择目标地域。

    3. 在左侧导航栏单击工作空间列表,在工作空间列表页面中单击目标工作空间名称,进入对应工作空间内。

    4. 在工作空间页面的左侧导航栏选择模型开发与训练>交互式建模(DSW),进入DSW页面。

  2. 单击新建实例

  3. 新建实例向导页面,配置以下关键参数,其他参数保持默认即可。

    参数

    说明

    实例名称

    本教程使用的示例值为:AIGC_test_01

    资源类型

    选择公共资源

    资源规格

    选择GPU规格下的ecs.gn7i-c8g1.2xlarge,或其他A10、GU100规格。

    镜像

    选择官方镜像,搜索并选择的easyanimate:1.1.5-pytorch2.2.0-gpu-py310-cu118-ubuntu22.04

  4. 单击确定,创建实例。

步骤二:下载EasyAnimate模型

  1. 单击目标DSW实例操作列下的打开,进入DSW实例的开发环境。

  2. Notebook页签的Launcher页面,单击快速开始区域下的浏览 Gallery,打开DSW Gallery页面。

  3. DSW Gallery页面中,搜索基于EasyAnimateAI视频生成示例 (V5)。单击DSW中打开,即可自动将本教程所需的资源下载至DSW实例中。

    基于EasyAnimateAI视频生成示例有多个版本,本文以V5版本为例进行说明。

    image

  4. 下载EasyAnimate相关代码和模型并进行安装。

    easyanimate的教程文件中,单击image依次运行函数定义下载代码下载模型节点命令。

步骤三:使用WebUI生成视频

  1. 单击image运行模型推理 > UI启动节点的命令,进行模型推理。

  2. 单击生成的链接,进入WebUI界面。

    image

  3. WebUI界面选择预训练模型路径,其它参数按需配置即可。

    image

  4. 单击Generate(生成),等待大约5分钟后,即可在右侧查看或下载生成的视频。

    image

重要

本文使用了公共资源创建DSW实例,计费方式为按量付费。当您不需要使用DSW请停止或删除实例,以免继续扣费image

方式二:使用Model Gallery

场景一:直接部署模型

  1. 进入Model Gallery页面。

    1. 登录PAI控制台

    2. 在左侧导航栏单击工作空间列表,在工作空间列表页面单击目标工作空间名称,进入对应工作空间。

    3. 在左侧导航栏单击快速开始 > Model Gallery

  2. Model Gallery页面,搜索EasyAnimate 高清长视频生成模型,然后单击部署,配置相关参数。

    image

  3. 单击部署 > 确定部署服务。当状态变为运行中时,表示模型部署成功。

  4. 模型部署完成后,您可以使用WebUIAPI两种方式调用服务来生成视频。

    后续查看部署任务详情,您可通过在左侧导航栏单击Model Gallery > 任务管理 > 部署任务,然后再单击服务名称查看。

    WebUI方式

    1. 服务详情页面,单击查看WEB应用

      image

    2. WebUI界面选择预训练的模型路径,其它参数按需配置即可。

      image

    3. 单击Generate(生成),等待大约5分钟后,即可在右侧查看或下载生成的视频。

      image

    API方式

    1. 服务详情页面的资源详情区域,单击查看调用信息,获取调用服务所需的信息。

      image

    2. 通过接口更新Transformer模型,可在DSW实例或本地Python环境中执行。

      如果已经在WebUI中选择模型,则无需发送请求重复调用。如遇请求超时,请在EAS日志中确认模型已加载完毕。加载完成,日志中将提示Update diffusion transformer done

      Python请求示例如下。

      import json
      import requests
      
      
      def post_diffusion_transformer(diffusion_transformer_path, url='http://127.0.0.1:7860', token=None):
          datas = json.dumps({
              "diffusion_transformer_path": diffusion_transformer_path
          })
          head = {
              'Authorization': token
          }
          r = requests.post(f'{url}/easyanimate/update_diffusion_transformer', data=datas, headers=head, timeout=15000)
          data = r.content.decode('utf-8')
          return data
      
      def post_update_edition(edition, url='http://0.0.0.0:7860',token=None):
          head = {
              'Authorization': token
          }
      
          datas = json.dumps({
              "edition": edition
          })
          r = requests.post(f'{url}/easyanimate/update_edition', data=datas, headers=head)
          data = r.content.decode('utf-8')
          return data
        
      if __name__ == '__main__':
          url = '<eas-service-url>'
          token = '<eas-service-token>'
      
          # -------------------------- #
          #  Step 1: update edition
          # -------------------------- #
          edition = "v3"
          outputs = post_update_edition(edition,url = url,token=token)
          print('Output update edition: ', outputs)
      
          # -------------------------- #
          #  Step 2: update edition
          # -------------------------- #
          # 默认路径 (二选一)
          diffusion_transformer_path = "/mnt/models/Diffusion_Transformer/EasyAnimateV3-XL-2-InP-512x512"
          # diffusion_transformer_path = "/mnt/models/Diffusion_Transformer/EasyAnimateV3-XL-2-InP-768x768"
          outputs = post_diffusion_transformer(diffusion_transformer_path, url = url, token=token)
          print('Output update edition: ', outputs)

      其中:

      • <eas-service-url>:替换为步骤a中查询到的服务访问地址。

      • <eas-service-token>:替换为步骤a中查询到的服务Token。

    3. 调用服务,生成视频或图片。

    • 服务输入参数说明

      参数名

      说明

      类型

      默认值

      prompt_textbox

      用户输入的正向提示词。

      string

      必填。无默认值

      negative_prompt_textbox

      用户输入的负向提示词。

      string

      "The video is not of a high quality, it has a low resolution, and the audio quality is not clear. Strange motion trajectory, a poor composition and deformed video, low resolution, duplicate and ugly, strange body structure, long and strange neck, bad teeth, bad eyes, bad limbs, bad hands, rotating camera, blurry camera, shaking camera. Deformation, low-resolution, blurry, ugly, distortion."

      sample_step_slider

      用户输入的步数。

      int

      30

      cfg_scale_slider

      引导系数。

      int

      6

      sampler_dropdown

      采样器类型。

      取值包括:Eluer、EluerA、DPM++、PNDM、DDIM

      string

      Eluer

      width_slider

      生成视频宽度。

      int

      672

      height_slider

      生成视频高度。

      int

      384

      length_slider

      生成视频帧数。

      int

      144

      is_image

      是否是图片。

      bool

      FALSE

      lora_alpha_slider

      LoRA模型参数的权重。

      float

      0.55

      seed_textbox

      随机种子。

      int

      43

      lora_model_path

      额外的LoRA模型路径。

      若有,则会在请求时带上lora。在当次请求后移除。

      string

      none

      base_model_path

      需要更新的transformer模型路径。

      string

      none

      motion_module_path

      需要更新的motion_module模型路径。

      string

      none

      generation_method

      生成类型。包括:Video Generation,Image Generation

      string

      none

    • Python请求示例

      服务返回base64_encoding,为base64结果。

      您可以在/mnt/workspace/demos/easyanimate/目录中查看生成结果。

      import base64
      import json
      import sys
      import time
      from datetime import datetime
      from io import BytesIO
      
      import cv2
      import requests
      import base64
      
      def post_infer(generation_method, length_slider, url='http://127.0.0.1:7860',token=None):
          head = {
              'Authorization': token
          }
      
          datas = json.dumps({
              "base_model_path": "none",
              "motion_module_path": "none",
              "lora_model_path": "none", 
              "lora_alpha_slider": 0.55, 
              "prompt_textbox": "This video shows Mount saint helens, washington - the stunning scenery of a rocky mountains during golden hours - wide shot. A soaring drone footage captures the majestic beauty of a coastal cliff, its red and yellow stratified rock faces rich in color and against the vibrant turquoise of the sea.", 
              "negative_prompt_textbox": "Strange motion trajectory, a poor composition and deformed video, worst quality, normal quality, low quality, low resolution, duplicate and ugly, strange body structure, long and strange neck, bad teeth, bad eyes, bad limbs, bad hands, rotating camera, blurry camera, shaking camera", 
              "sampler_dropdown": "Euler", 
              "sample_step_slider": 30, 
              "width_slider": 672, 
              "height_slider": 384, 
              "generation_method": "Video Generation",
              "length_slider": length_slider,
              "cfg_scale_slider": 6,
              "seed_textbox": 43,
          })
          r = requests.post(f'{url}/easyanimate/infer_forward', data=datas, headers=head, timeout=1500)
          data = r.content.decode('utf-8')
          return data
      
      
      if __name__ == '__main__':
          # initiate time
          now_date    = datetime.now()
          time_start  = time.time()  
          
          url = '<eas-service-url>'
          token = '<eas-service-token>'
      
          # -------------------------- #
          #  Step 3: infer
          # -------------------------- #
          # "Video Generation" and "Image Generation"
          generation_method = "Video Generation"
          length_slider = 72
          outputs = post_infer(generation_method, length_slider, url = url, token=token)
          
          # Get decoded data
          outputs = json.loads(outputs)
          base64_encoding = outputs["base64_encoding"]
          decoded_data = base64.b64decode(base64_encoding)
      
          is_image = True if generation_method == "Image Generation" else False
          if is_image or length_slider == 1:
              file_path = "1.png"
          else:
              file_path = "1.mp4"
          with open(file_path, "wb") as file:
              file.write(decoded_data)
              
          # End of record time
          # The calculated time difference is the execution time of the program, expressed in seconds / s
          time_end = time.time()  
          time_sum = (time_end - time_start) % 60 
          print('# --------------------------------------------------------- #')
          print(f'#   Total expenditure: {time_sum}s')
          print('# --------------------------------------------------------- #')

      其中:

      • <eas-service-url>:替换为步骤a中查询到的服务访问地址。

      • <eas-service-token>:替换为步骤a中查询到的服务Token。

重要

本文使用了公共资源创建模型服务,计费方式为按量付费。当您不需要使用服务时请停止或删除服务,以免继续扣费

image

场景二:微调训练后部署模型

  1. 进入Model Gallery页面。

    1. 登录PAI控制台

    2. 在左侧导航栏单击工作空间列表,在工作空间列表页面单击目标工作空间名称,进入对应工作空间。

    3. 在左侧导航栏单击快速开始 > Model Gallery

  2. Model Gallery页面,搜索EasyAnimate 高清长视频生成模型,单击训练进入配置页面。

    image

  3. 资源来源选择公共资源实例规格选择A10及其以上显卡的实例,超参数可以按需配置,其他参数默认即可。

    超参数说明

    参数名称

    类型

    含义

    learning_rate

    float

    学习率。

    adam_weight_decay

    float

    Adam优化器的权重衰减值。

    adam_epsilon

    float

    Adam优化器的epsilon值。

    num_train_epochs

    int

    训练总轮数。

    checkpointing_steps

    int

    保存模型的间隔步数。

    train_batch_size

    int

    训练采样的批大小。

    vae_mini_batch

    int

    训练vae的切片大小。

    image_sample_size

    int

    训练图片分辨率。

    video_sample_size

    int

    训练视频分辨率。

    video_sample_stride

    int

    训练视频采样间隔。

    video_sample_n_frames

    int

    训练视频采样帧数。

    rank

    int

    LoRA rank。

    network_alpha

    int

    LoRA nework_alpha。

    gradient_accumulation_steps

    int

    梯度累计步数。

    dataloader_num_workers

    int

    数据加载的子进程数。

  4. 单击训练 > 确定创建训练任务。训练大约需要40分钟,当任务状态为成功时,代表模型训练成功。

    后续查看训练任务详情,您可通过在左侧导航栏单击Model Gallery > 任务管理 > 训练任务,然后再单击任务名称查看。
  5. 单击右上角的部署部署微调后的模型。当状态变为运行中时,代表模型部署成功。

    image

  6. 服务详情页面,单击页面上方的查看WEB应用

    后续查看服务详情,您可通过在左侧导航栏单击Model Gallery > 任务管理 > 部署任务,然后再单击服务名称查看。
  7. WebUI界面,选择训练完成的LoRA模型进行视频生成。

    image

重要

本文使用了公共资源创建模型服务,计费方式为按量付费。当您不需要使用服务时请停止或删除服务,以免继续扣费

image

相关文档

EAS提供了场景化部署方式,可一键部署基于ComfyUIStable Video Diffusion模型的AI视频生成服务,帮助您完成社交平台短视频内容生成、动画制作等任务。具体操作,请参见AI视频生成-ComfyUI部署