チュートリアルの紹介

该教程至少需要 NVIDIA RTX A6000 48GB 启动。

Allegroは、Rhymes AIが2024年に開発した最先端のテキスト動画生成モデルです。基本的なテキスト入力を高解像度の動画コンテンツに変換する機能を備えており、具体的には720pの解像度、毎秒15フレームの滑らかな動画再生、最大6秒の動画再生を実現しています。関連研究論文も公開されています。 Allegro: 商用レベルのビデオ生成モデルのブラック ボックスを開く このモデルは、動画合成において卓越した性能を発揮し、品質と時間的一貫性の両方において優れています。説明文から動的なビジュアルコンテンツを迅速に生成することで、コンテンツ制作者に柔軟かつ制御可能な動画制作アプローチを提供します。ユーザー調査では、Allegroモデルは既存のオープンソースモデルやほとんどの商用モデルよりも優れた性能を示しました。さらに、Allegroは、モデル拡張、キュー改良の適応性、動画セグメンテーション設計など、強化された基本機能に関する詳細な洞察とガイダンスを提供します。これらの機能強化により、入力テキストの物語の詳細に基づいて複雑な動画コンテンツを生成するモデルの能力が向上します。

このチュートリアルはモデル推論チュートリアルです。モデルのビデオ生成には時間がかかるため、このチュートリアルでは 5 秒のビデオしか生成できません (所要時間は約 40 分)。

ステップの実行

コンテナーを複製して起動した後、API アドレスをクリックして Web インターフェイスに入ります。

1. テキストからビデオへの生成

• テキスト プロンプトの単語を入力し、[送信] をクリックします (起動時にモデルをロードするのに約 30 秒かかります。その後、進行状況バーが表示され、ビデオの生成が開始されます。5 つのメッセージを生成するには約 40 分かかります)。 2番目のビデオなのでしばらくお待ちください）

以下に示すように

• ビデオの生成が完了すると、進行状況バーが再生用のビデオに自動的に変わります。

以下に示すように

2.ビデオのダウンロード

• 動画の右側にあるダウンロードボタンをクリックして動画をダウンロードします。

以下に示すように

交流とディスカッション

🖌️ 高品質のプロジェクトを見つけたら、メッセージを残してバックグラウンドで推奨してください。さらに、チュートリアル交換グループも設立しました。お友達はコードをスキャンして [SD チュートリアル] に参加し、さまざまな技術的な問題について話し合ったり、アプリケーションの効果を共有したりできます。