Stable Diffusion AnimateDiff | 最稳定的基于文本生成视频的方法！

今天给大伙分享一下目前来看比较稳定的文本生视频的插件AnimateDiff。

之前虽然小视频生成比较火，不过出的视频都不太稳定，目前来看AnimateDiff是相对比较稳定的，而且能同时支持和其他插件一起使用。

一 AnimateDiff 介绍

AnimateDiff 使用控制模块来影响
Stable Diffusion 模型。它通过各种短视频剪辑进行训练。控制模块可以对图像生成过程进行调节，以生成一系列看起来像它学习的视频剪辑的图像。

简单来说，SD 模型的训练是通过大量的图片进行训练。而 AnimateDiff 则是通过大量的短视频来进行训练图片之间的衔接（视频帧的流畅性）

结合 SD 模型，在出图的时候就可以通过 AnimateDiff 模型对生成出的每一张图进行微调，最后拼接成短视频。

二 安装

使用 AnimateDiff 需要安装 SD 插件和 AnimateDiff 模型。

插件安装

如果你能科学上网，那么可以直接在扩展->从网址安装 中填入https://github.com/continue-revolution/sd-webui-animatediff.git

如果你没办法通过网站安装，安装包也给大家准备好了，公众号回复插件获取sd-webui-animatediff压缩包，解压到你的 SD 安装目录下的stable-diffusion-webui/extensions/

模型下载

安装好插件之后，将 AnimateDiff 模型下载放到stable-diffusion-webui/extensions/sd-webui-animatediff/model/

下载链接：https://huggingface.co/guoyww/animatediff/resolve/main/mm_sd_v15_v2.ckpt

同样如果没办法下载的话，公众号回复模型找到mm_sd_v15_v2.ckpt放到本地的目录中即可。

安装成功之后，重启 Stable Diffusion，在文生图页面可以看到 AnimateDiff 插件配置

三 视频生成

第一步：先填写基础信息

模型：majicmixRealistic_v6 
提示词：((pure white background )),Best quality,masterpiece,ultra high res,raw photo,beautiful and aesthetic,(photorealistic:1.4),1girl,full-body composition,striking perspective

Danceing,

high-waisted shorts,,ruffled blouse
反向提示词：FastNegativeV2 EasyNegative

其它的先使用默认的

第二步：配置AnimateDiff

先介绍几个基础参数：

·Motion Module：AnimateDiff 使用的模型了，也就是前面下载的

·Enable AnimateDiff：启用

·FPS：每秒的帧数（每一帧一张图片）

·Number of frames：总帧数。总帧数/FPS = 视频的长度，上面的例子最后就会生成4秒钟的视频

第三步：生成视频

直接点击生成看看效果。

通过中间效果图来能看出来，一共生成了32张图（总帧数）

喝个咖啡☕️等待一会儿...

emmm.... 发现效果还是比较差的，连续性也一般般，虽然不会出现闪烁，不过这个画质、脸部细节太糟糕了。

下面接着做一些优化

四 细节优化

脸部细节优化

前面我们说了 AnimateDiff 支持结合其它插件一起使用，前面的文章我们讲过了使用
adetail 来解决崩脸问题，这我们可以直接开启使用

连续性优化

启用 AnimateDiff 的Frame Interpolation，将Frame Interpolation设置为 FILM，将Interp X设置为 FPS 的乘数。例如，将其设置为 5 会使 8 FPS 视频达到 40 FPS。

也可以启动反向帧Add Reverse Frame，相当于是把视频正着播放一遍，在反着播放一遍（实际上只会看着更加流畅了）

调整完再生成一次看看效果

效果是不是嘎嘎上来了。脸部细节、连续性都有提升。

只要你的GPU扛得住，也可以直接启用高清修复，让画面更加清晰！

拉大FPS让视频的连续性更好！

五 坑坑坑

提示词长度问题

提示词的长度不能超过75。如果超过的话，那么最后的视频就会被切割然拼接。

多次生成视频时报错

如果多次生成视频的时候出现下面的错误信息

Expected weight to be a vector of size equal to the number of channels in input, but got weight of shape [1280] and input of shape [16, 2560, 9, 9]

那么你需要在启动SD的时候删除掉--xformers参数。

在留个坑，后面在填。目前只是基于文生生成最基础的视频，后面我们再结合 ControlNet 和原视频生成新视频以及视频换脸功能。

出自：https://mp.weixin.qq.com/s/baRRNS9_7aOGtuKqDKeYtw