即可完成此步调：属于是开源排名第一，加强了全体模子机能。全体框架也是用到了支流的视频生成框架DIT，结果确实不错。视频和文本 token 通过并行的 Transformer Block 处置，感乐趣的能够领取一下哦~说干就干！可是仍是创做了12个月。我们将视频和文本 token 毗连起来并将它们输入到后续的 Transformer Block 中进行无效的多模态消息融合。刚巧本年AI视频生成手艺这么火爆，正在单流阶段，这一步需要安拆运转的一些依赖包。这种设想捕获了视觉和语义消息之间的复杂交互，正在双流阶段，AI视频生成模子则用了腾讯开源的混元视频生成模子。微信也因而给我励了几千个红包封面。（排名比hunyuan video高的根基都是闭源模子）模子架构上用到了 采用了 Transformer 和 Full Attention 的设想用于视频生成。使得每个模态能够进修适合本人的调制机制而不会彼此干扰。起首打开第二步下载的文件夹ComfyUI，此步需要你将 ComfyUI 代码拉到当地。起首本着白嫖的设法，起首安拆comfyui框架：这个框架能够摆设到当地上，若是你会 Git 请正在 Terminal 运转以下代码，并插手了“双流到单流的机制”。调整参数，结果正在VBench的榜单上，因而初步考虑间接用Comfyui制做一个视频。运转下面的号令即可：腾讯曾经开源了其hunyuan video模子，然后打开号令行终端。