Diffusers documentation
HunyuanVideo-1.5
HunyuanVideo-1.5
HunyuanVideo-1.5, yalnızca 8,3 milyar parametreyle son derece yüksek görsel kalite ve hareket tutarlılığına ulaşan, tüketici sınıfı GPU'larda verimli çıkarım yapılmasını sağlayan hafif ama güçlü bir video üretim modelidir. Bu başarı; titiz veri kürasyonu, seçici ve kayan karolalı dikkat (SSTA) içeren gelişmiş bir DiT mimarisi, glif duyarlı metin kodlaması yoluyla geliştirilmiş iki dilli anlama, kademeli ön eğitim ve son eğitim ile verimli bir video süper çözünürlük ağı gibi çeşitli temel bileşenlere dayanmaktadır. Bu tasarımlardan yararlanarak, birden fazla süre ve çözünürlükte yüksek kaliteli metinden videoya ve görüntüden videoya üretim yapabilecek birleşik bir çerçeve geliştirdik. Kapsamlı deneyler, bu kompakt ve yetkin modelin açık kaynaklı modeller arasında yeni bir son teknoloji (state-of-the-art) standardı belirlediğini göstermektedir.
Tüm orijinal HunyuanVideo checkpoint'lerini Tencent kuruluşu altında bulabilirsiniz.
Daha fazla video üretme görevi örneği için sağ kenar çubuğundaki HunyuanVideo modellerine tıklayın.
Aşağıdaki örnekler, ağırlıkların Diffusers ile uyumlu bir düzeninde saklandığı için hunyuanvideo-community kontrol noktasını kullanır.
Aşağıdaki örnek, bellek veya çıkarım hızı için optimize edilmiş bir video üretmenin nasıl yapılacağını gösterir.
<hfoptions id="usage"> <hfoption id="memory">Çeşitli bellek tasarrufu teknikleri hakkında daha fazla ayrıntı için Bellek kullanımını azaltma kılavuzuna bakın.
import torch
from diffusers import AutoModel, HunyuanVideo15Pipeline
from diffusers.utils import export_to_video
pipeline = HunyuanVideo15Pipeline.from_pretrained(
"HunyuanVideo-1.5-Diffusers-480p_t2v",
dtype=torch.bfloat16,
)
# model-offloading and tiling
pipeline.enable_model_cpu_offload()
pipeline.vae.enable_tiling()
prompt = "A fluffy teddy bear sits on a bed of soft pillows surrounded by children's toys."
video = pipeline(prompt=prompt, num_frames=61, num_inference_steps=30).frames[0]
export_to_video(video, "output.mp4", fps=15)Notlar
HunyuanVideo1.5, değişken uzunluklu dizilerde dikkat maskeleri kullanır. En iyi performans için, dolguyu (padding) verimli bir şekilde işleyen bir dikkat (attention) arka ucunun (backend) kullanılmasını öneririz.
- H100/H800:
_flash_3_hubveya_flash_3_varlen_hub - A100/A800/RTX 4090:
flash_hubveyaflash_varlen_hub - Diğer GPU'lar:
sage_hub
- H100/H800:
Farklı bir arka uç kullanma hakkında daha fazla ayrıntı için Dikkat arka uçları kılavuzuna başvurun.
pipe.transformer.set_attention_backend("flash_hub") # or your preferred backend- HunyuanVideo15Pipeline guider kullanır ve çalışma zamanında
guidance_scaleparametresini kabul etmez.
Varsayılan guider yapılandırmasını pipe.guider kullanarak kontrol edebilirsiniz:
>>> pipe.guider
ClassifierFreeGuidance {
"_class_name": "ClassifierFreeGuidance",
"_diffusers_version": "0.36.0.dev0",
"enabled": true,
"guidance_rescale": 0.0,
"guidance_scale": 6.0,
"start": 0.0,
"stop": 1.0,
"use_original_formulation": false
}
State:
step: None
num_inference_steps: None
timestep: None
count_prepared: 0
enabled: True
num_conditions: 2Guider yapılandırmasını güncellemek için pipe.guider = pipe.guider.new(...) komutunu çalıştırabilirsiniz.
pipe.guider = pipe.guider.new(guidance_scale=5.0)Guider hakkında daha fazla bilgi için buraya bakın.
HunyuanVideo15Pipeline
sınıf diffusers.HunyuanVideo15Pipeline
< source >( text_encoder: Qwen2_5_VLTextModeltokenizer: Qwen2Tokenizertransformer: HunyuanVideo15Transformer3DModelvae: AutoencoderKLHunyuanVideo15scheduler: FlowMatchEulerDiscreteSchedulertext_encoder_2: T5EncoderModeltokenizer_2: ByT5Tokenizerguider: ClassifierFreeGuidance )
Parametreler
- transformer (HunyuanVideo15Transformer3DModel) — Kodlanmış video latentlerini gürültüden arındırmak için kullanılan Koşullu Transformer (MMDiT) mimarisi.
- scheduler (FlowMatchEulerDiscreteScheduler) —
Kodlanmış video latentlerini gürültüden arındırmak için
transformerile birlikte kullanılacak bir zamanlayıcı. - vae (AutoencoderKLHunyuanVideo15) — Video'ları latent temsillere kodlamak ve bu temsillerden çözmek için kullanılan Varyasyonel Oto-Kodlayıcı (VAE) Modeli.
- text_encoder (
Qwen2.5-VL-7B-Instruct) — Qwen2.5-VL-7B-Instruct, özellikle Qwen2.5-VL-7B-Instruct varyantı. - tokenizer (
Qwen2Tokenizer) — [Qwen2Tokenizer] sınıfının tokenizer'ı. - text_encoder_2 (
T5EncoderModel) — T5EncoderModel değişkeni. - tokenizer_2 (
ByT5Tokenizer) — [ByT5Tokenizer] sınıfının tokenizer'ı - guider (ClassifierFreeGuidance) — [ClassifierFreeGuidance]sınıflandırıcı olmadan yönlendirme için.
HunyuanVideo1.5 kullanılarak metinden videoya üretim için Pipeline.
Bu model DiffusionPipeline sınıfından devralır. Tüm pipeline'lar için uygulanan genel yöntemlerin (indirme, kaydetme, belirli bir cihazda çalıştırma vb.) belgelerini üst sınıfın dokümantasyonunda bulabilirsiniz.
__call__
< source >( prompt: str | list[str] = Nonenegative_prompt: str | list[str] = Noneheight: int | None = Nonewidth: int | None = Nonenum_frames: int = 121num_inference_steps: int = 50sigmas: list = Nonenum_videos_per_prompt: int | None = 1generator: typing.Union[torch.Generator, list[torch.Generator], NoneType] = Nonelatents: typing.Optional[torch.Tensor] = Noneprompt_embeds: typing.Optional[torch.Tensor] = Noneprompt_embeds_mask: typing.Optional[torch.Tensor] = Nonenegative_prompt_embeds: typing.Optional[torch.Tensor] = Nonenegative_prompt_embeds_mask: typing.Optional[torch.Tensor] = Noneprompt_embeds_2: typing.Optional[torch.Tensor] = Noneprompt_embeds_mask_2: typing.Optional[torch.Tensor] = Nonenegative_prompt_embeds_2: typing.Optional[torch.Tensor] = Nonenegative_prompt_embeds_mask_2: typing.Optional[torch.Tensor] = Noneoutput_type: str | None = 'np'return_dict: bool = Trueattention_kwargs: dict[str, typing.Any] | None = None ) → ~HunyuanVideo15PipelineOutput or tuple
Parametreler
- prompt (
strveyalist[str], isteğe bağlı) — Görsel üretimi yönlendirmek için istem veya istemler. Tanımlanmadıysa bunun yerineprompt_embedsparametresinin geçirilmesi gerekir. - negative_prompt (
strveyalist[str], isteğe bağlı) — Görsel üretimini yönlendirmemesi istenen istem veya istemler. Tanımlanmazsa, bunun yerinenegative_prompt_embedsgeçirilmelidir. - height (
int, isteğe bağlı) — Oluşturulan videonun piksel cinsinden yüksekliği. - width (
int, isteğe bağlı) — Oluşturulan videonun piksel cinsinden genişliği. - num_frames (
int, varsayılan121) — Oluşturulan videodaki kare sayısı. - num_inference_steps (
int, varsayılan50) — Gürültü azaltma adım sayısı. Daha fazla gürültü azaltma adımı genellikle daha yavaş çıkarım pahasına daha yüksek kaliteli bir videoya yol açar. - sigmas (
list[float], isteğe bağlı) —set_timestepsyöntemlerindesigmasargümanını destekleyen zamanlayıcılarla gürültü azaltma sürecinde kullanılacak özel sigmalar. Tanımlanmamışsa,num_inference_stepsgeçirildiğinde varsayılan davranış kullanılır. - num_videos_per_prompt (
int, isteğe bağlı, varsayılan 1) — Her prompt için üretilecek video sayısı. - generator (
torch.Generatorveyalist[torch.Generator], isteğe bağlı) — Üretimi deterministik hale getirmek için kullanılan birtorch.Generator. - latents (
torch.Tensor, isteğe bağlı) — Gaussian dağılımdan örneklenen, video üretimi için girdi olarak kullanılacak önceden oluşturulmuş gürültülü latents. Farklı istemlerle aynı üretimi ayarlamak için kullanılabilir. Sağlanmazsa, sağlanan rastgelegeneratorkullanılarak örneklemeye dayalı bir latents tensörü oluşturulur. - prompt_embeds (
torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş metin gömme değerleri. Metin girdilerini kolayca ayarlamak (istifade ağırlıklandırma) için kullanılabilir. Sağlanmazsa, metin gömme değerleripromptgirdi argümanından üretilir. - prompt_embeds_mask (
torch.Tensor, isteğe bağlı) — İstem gömme vektörleri için önceden oluşturulmuş maske. - negative_prompt_embeds (
torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş negatif metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir, ör. istem ağırlıklandırması. Sağlanmazsa, negative_prompt_embeds,negative_promptgirdi argümanından oluşturulur. - negative_prompt_embeds_mask (
torch.Tensor, isteğe bağlı) — Negatif prompt gömme verileri için önceden oluşturulmuş maske. - prompt_embeds_2 (
torch.Tensor, isteğe bağlı) — İkinci metin kodlayıcısından önceden oluşturulmuş metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir. - prompt_embeds_mask_2 (
torch.Tensor, isteğe bağlı) — İkinci metin kodlayıcısından gelen prompt gömme değerleri için önceden oluşturulmuş maske. - negative_prompt_embeds_2 (
torch.Tensor, isteğe bağlı) — İkinci metin kodlayıcısından önceden oluşturulmuş negatif metin gömme değerleri. - negative_prompt_embeds_mask_2 (
torch.Tensor, isteğe bağlı) — İkinci metin kodlayıcısından gelen negatif prompt gömme değerleri için önceden oluşturulmuş maske. - output_type (
str, isteğe bağlı, varsayılan"np") — Oluşturulan videonun çıktı biçimi. “np”, “pt” veya “latent” arasında seçim yapın. - return_dict (
bool, isteğe bağlı, varsayılanTrue) — Düz bir tuple yerineHunyuanVideo15PipelineOutputdöndürülüp döndürülmemesi. - attention_kwargs (
dict, isteğe bağlı) — Belirtilirse, diffusers.models.attention_processor içindekiself.processoraltında tanımlananAttentionProcessor'a iletilen bir kwargs sözlüğü.
Dönüş değeri
~HunyuanVideo15PipelineOutput veya tuple
return_dict True ise HunyuanVideo15PipelineOutput döndürülür, aksi halde ilk öğesi üretilen videoları içeren bir liste olan bir tuple döndürülür.
Üretim için pipeline'ın çağrı fonksiyonu.
Örnekler:
>>> import torch
>>> from diffusers import HunyuanVideo15Pipeline
>>> from diffusers.utils import export_to_video
>>> model_id = "hunyuanvideo-community/HunyuanVideo-1.5-480p_t2v"
>>> pipe = HunyuanVideo15Pipeline.from_pretrained(model_id, torch_dtype=torch.float16)
>>> pipe.vae.enable_tiling()
>>> pipe.to("cuda")
>>> output = pipe(
... prompt="A cat walks on the grass, realistic",
... num_inference_steps=50,
... ).frames[0]
>>> export_to_video(output, "output.mp4", fps=15)encode_prompt
< source >( prompt: str | list[str]device: typing.Optional[torch.device] = Nonedtype: typing.Optional[torch.dtype] = Nonebatch_size: int = 1num_videos_per_prompt: int = 1prompt_embeds: typing.Optional[torch.Tensor] = Noneprompt_embeds_mask: typing.Optional[torch.Tensor] = Noneprompt_embeds_2: typing.Optional[torch.Tensor] = Noneprompt_embeds_mask_2: typing.Optional[torch.Tensor] = None )
Parametreler
- prompt (
strveyalist[str], isteğe bağlı) — kodlanacak prompt - device — (
torch.device): torch cihazı - batch_size (
int) — İstemlerin batch boyutu, varsayılan olarak 1 - num_videos_per_prompt (
int) — her istem başına oluşturulacak görüntü sayısı - prompt_embeds (
torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş metin gömme değerleri. Sağlanmazsa, metin gömme değerleripromptgirdi argümanından oluşturulur. - prompt_embeds_mask (
torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş metin maskesi. Sağlanmazsa, metin maskesipromptgirdi argümanından oluşturulur. - prompt_embeds_2 (
torch.Tensor, isteğe bağlı) — ByT5'ten önceden oluşturulmuş glif metin gömme değerleri. Sağlanmazsa,promptgirdi argümanından self.tokenizer_2 ve self.text_encoder_2 kullanılarak oluşturulur. - prompt_embeds_mask_2 (
torch.Tensor, isteğe bağlı) — ByT5'ten önceden oluşturulmuş glif metin maskesi. Sağlanmazsa,promptgirdi argümanından self.tokenizer_2 ve self.text_encoder_2 kullanılarak oluşturulur.
prepare_cond_latents_and_mask
< source >( latentsdtype: typing.Optional[torch.dtype]device: typing.Optional[torch.device] ) → tuple
t2v üretimi için koşullu latentleri ve maskeyi hazırlar.
HunyuanVideo15ImageToVideoPipeline
sınıf diffusers.HunyuanVideo15ImageToVideoPipeline
< source >( text_encoder: Qwen2_5_VLTextModeltokenizer: Qwen2Tokenizertransformer: HunyuanVideo15Transformer3DModelvae: AutoencoderKLHunyuanVideo15scheduler: FlowMatchEulerDiscreteSchedulertext_encoder_2: T5EncoderModeltokenizer_2: ByT5Tokenizerguider: ClassifierFreeGuidanceimage_encoder: SiglipVisionModelfeature_extractor: SiglipImageProcessorPil )
Parametreler
- transformer (HunyuanVideo15Transformer3DModel) — Kodlanmış video latentlerini gürültüden arındırmak için kullanılan Koşullu Transformer (MMDiT) mimarisi.
- scheduler (FlowMatchEulerDiscreteScheduler) —
Kodlanmış video latentlerini gürültüden arındırmak için
transformerile birlikte kullanılacak bir zamanlayıcı. - vae (AutoencoderKLHunyuanVideo15) — Video'ları latent temsillere kodlamak ve bu temsillerden çözmek için kullanılan Varyasyonel Oto-Kodlayıcı (VAE) Modeli.
- text_encoder (
Qwen2.5-VL-7B-Instruct) — Qwen2.5-VL-7B-Instruct, özellikle Qwen2.5-VL-7B-Instruct varyantı. - tokenizer (
Qwen2Tokenizer) — [Qwen2Tokenizer] sınıfının tokenizer'ı. - text_encoder_2 (
T5EncoderModel) — T5EncoderModel değişkeni. - tokenizer_2 (
ByT5Tokenizer) — [ByT5Tokenizer] sınıfının tokenizer'ı - guider (ClassifierFreeGuidance) — [ClassifierFreeGuidance]sınıflandırıcı olmadan yönlendirme için.
- image_encoder (
SiglipVisionModel) — SiglipVisionModel değişkeni. - feature_extractor (
SiglipImageProcessor) — SiglipImageProcessor değişkeni.
HunyuanVideo1.5 kullanarak görüntüden videoya üretim için Pipeline.
Bu model DiffusionPipeline sınıfından devralır. Tüm pipeline'lar için uygulanan genel yöntemlerin (indirme, kaydetme, belirli bir cihazda çalıştırma vb.) belgelerini üst sınıfın dokümantasyonunda bulabilirsiniz.
__call__
< source >( image: Imageprompt: str | list[str] = Nonenegative_prompt: str | list[str] = Nonenum_frames: int = 121num_inference_steps: int = 50sigmas: list = Nonenum_videos_per_prompt: int | None = 1generator: typing.Union[torch.Generator, list[torch.Generator], NoneType] = Nonelatents: typing.Optional[torch.Tensor] = Noneprompt_embeds: typing.Optional[torch.Tensor] = Noneprompt_embeds_mask: typing.Optional[torch.Tensor] = Nonenegative_prompt_embeds: typing.Optional[torch.Tensor] = Nonenegative_prompt_embeds_mask: typing.Optional[torch.Tensor] = Noneprompt_embeds_2: typing.Optional[torch.Tensor] = Noneprompt_embeds_mask_2: typing.Optional[torch.Tensor] = Nonenegative_prompt_embeds_2: typing.Optional[torch.Tensor] = Nonenegative_prompt_embeds_mask_2: typing.Optional[torch.Tensor] = Noneoutput_type: str | None = 'np'return_dict: bool = Trueattention_kwargs: dict[str, typing.Any] | None = None ) → ~HunyuanVideo15PipelineOutput or tuple
Parametreler
- image (
PIL.Image.Image) — Video üretimini koşullandırmak için girdi olarak kullanılan görüntü. - prompt (
strveyalist[str], isteğe bağlı) — Video üretimini yönlendirmek için istem veya istemler. Tanımlanmadıysa bunun yerineprompt_embedsparametresinin geçirilmesi gerekir. - negative_prompt (
strveyalist[str], isteğe bağlı) — Video üretimini yönlendirmemek için kullanılan istem veya istemler. Tanımlanmazsa, bunun yerinenegative_prompt_embedsparametresinin geçirilmesi gerekir. - num_frames (
int, varsayılan121) — Oluşturulan videodaki kare sayısı. - num_inference_steps (
int, varsayılan50) — Gürültü azaltma adım sayısı. Daha fazla gürültü azaltma adımı genellikle daha yavaş çıkarım pahasına daha yüksek kaliteli bir videoya yol açar. - sigmas (
list[float], isteğe bağlı) —set_timestepsyöntemlerindesigmasargümanını destekleyen zamanlayıcılarla gürültü azaltma sürecinde kullanılacak özel sigmalar. Tanımlanmamışsa,num_inference_stepsgeçirildiğinde varsayılan davranış kullanılır. - num_videos_per_prompt (
int, isteğe bağlı, varsayılan 1) — Her prompt için üretilecek video sayısı. - generator (
torch.Generatorveyalist[torch.Generator], isteğe bağlı) — Üretimi deterministik hale getirmek için kullanılan birtorch.Generator. - latents (
torch.Tensor, isteğe bağlı) — Gaussian dağılımdan örneklenen, video üretimi için girdi olarak kullanılacak önceden oluşturulmuş gürültülü latents. Farklı istemlerle aynı üretimi ayarlamak için kullanılabilir. Sağlanmazsa, sağlanan rastgelegeneratorkullanılarak örneklemeye dayalı bir latents tensörü oluşturulur. - prompt_embeds (
torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş metin gömme değerleri. Metin girdilerini kolayca ayarlamak (istifade ağırlıklandırma) için kullanılabilir. Sağlanmazsa, metin gömme değerleripromptgirdi argümanından üretilir. - prompt_embeds_mask (
torch.Tensor, isteğe bağlı) — İstem gömme vektörleri için önceden oluşturulmuş maske. - negative_prompt_embeds (
torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş negatif metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir, ör. istem ağırlıklandırması. Sağlanmazsa, negative_prompt_embeds,negative_promptgirdi argümanından oluşturulur. - negative_prompt_embeds_mask (
torch.Tensor, isteğe bağlı) — Negatif prompt gömme verileri için önceden oluşturulmuş maske. - prompt_embeds_2 (
torch.Tensor, isteğe bağlı) — İkinci metin kodlayıcısından önceden oluşturulmuş metin gömme değerleri. Metin girdilerini kolayca ayarlamak için kullanılabilir. - prompt_embeds_mask_2 (
torch.Tensor, isteğe bağlı) — İkinci metin kodlayıcısından gelen prompt gömme değerleri için önceden oluşturulmuş maske. - negative_prompt_embeds_2 (
torch.Tensor, isteğe bağlı) — İkinci metin kodlayıcısından önceden oluşturulmuş negatif metin gömme değerleri. - negative_prompt_embeds_mask_2 (
torch.Tensor, isteğe bağlı) — İkinci metin kodlayıcısından gelen negatif prompt gömme değerleri için önceden oluşturulmuş maske. - output_type (
str, isteğe bağlı, varsayılan"np") — Oluşturulan videonun çıktı biçimi. “np”, “pt” veya “latent” arasında seçim yapın. - return_dict (
bool, isteğe bağlı, varsayılanTrue) — Düz bir tuple yerineHunyuanVideo15PipelineOutputdöndürülüp döndürülmemesi. - attention_kwargs (
dict, isteğe bağlı) — Belirtilirse, diffusers.models.attention_processor içindekiself.processoraltında tanımlananAttentionProcessor'a iletilen bir kwargs sözlüğü.
Dönüş değeri
~HunyuanVideo15PipelineOutput veya tuple
return_dict True ise HunyuanVideo15PipelineOutput döndürülür, aksi halde ilk öğesi üretilen videoları içeren bir liste olan bir tuple döndürülür.
Üretim için pipeline'ın çağrı fonksiyonu.
Örnekler:
>>> import torch
>>> from diffusers import HunyuanVideo15ImageToVideoPipeline
>>> from diffusers.utils import export_to_video
>>> model_id = "hunyuanvideo-community/HunyuanVideo-1.5-480p_i2v"
>>> pipe = HunyuanVideo15ImageToVideoPipeline.from_pretrained(model_id, torch_dtype=torch.float16)
>>> pipe.vae.enable_tiling()
>>> pipe.to("cuda")
>>> image = load_image("https://huggingface.co/datasets/YiYiXu/testing-images/resolve/main/wan_i2v_input.JPG")
>>> output = pipe(
... prompt="Summer beach vacation style, a white cat wearing sunglasses sits on a surfboard. The fluffy-furred feline gazes directly at the camera with a relaxed expression. Blurred beach scenery forms the background featuring crystal-clear waters, distant green hills, and a blue sky dotted with white clouds. The cat assumes a naturally relaxed posture, as if savoring the sea breeze and warm sunlight. A close-up shot highlights the feline's intricate details and the refreshing atmosphere of the seaside.",
... image=image,
... num_inference_steps=50,
... ).frames[0]
>>> export_to_video(output, "output.mp4", fps=24)encode_prompt
< source >( prompt: str | list[str]device: typing.Optional[torch.device] = Nonedtype: typing.Optional[torch.dtype] = Nonebatch_size: int = 1num_videos_per_prompt: int = 1prompt_embeds: typing.Optional[torch.Tensor] = Noneprompt_embeds_mask: typing.Optional[torch.Tensor] = Noneprompt_embeds_2: typing.Optional[torch.Tensor] = Noneprompt_embeds_mask_2: typing.Optional[torch.Tensor] = None )
Parametreler
- prompt (
strveyalist[str], isteğe bağlı) — kodlanacak prompt - device — (
torch.device): torch cihazı - batch_size (
int) — İstemlerin batch boyutu, varsayılan olarak 1 - num_videos_per_prompt (
int) — her istem başına oluşturulacak görüntü sayısı - prompt_embeds (
torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş metin gömme değerleri. Sağlanmazsa, metin gömme değerleripromptgirdi argümanından oluşturulur. - prompt_embeds_mask (
torch.Tensor, isteğe bağlı) — Önceden oluşturulmuş metin maskesi. Sağlanmazsa, metin maskesipromptgirdi argümanından oluşturulur. - prompt_embeds_2 (
torch.Tensor, isteğe bağlı) — ByT5'ten önceden oluşturulmuş glif metin gömme değerleri. Sağlanmazsa,promptgirdi argümanından self.tokenizer_2 ve self.text_encoder_2 kullanılarak oluşturulur. - prompt_embeds_mask_2 (
torch.Tensor, isteğe bağlı) — ByT5'ten önceden oluşturulmuş glif metin maskesi. Sağlanmazsa,promptgirdi argümanından self.tokenizer_2 ve self.text_encoder_2 kullanılarak oluşturulur.
prepare_cond_latents_and_mask
< source >( latents: Tensorimage: Imagebatch_size: intheight: intwidth: intdtype: dtypedevice: device ) → tuple
t2v üretimi için koşullu latentleri ve maskeyi hazırlar.
HunyuanVideo15PipelineOutput
sınıf diffusers.pipelines.hunyuan_video1_5.pipeline_output.HunyuanVideo15PipelineOutput
< source >( frames: Tensor )
Parametreler
- frames (
torch.Tensor,np.ndarray, or list[list[PIL.Image.Image]]) — List of video outputs - It can be a nested list of lengthbatch_size,with each sub-list containing denoised PIL image sequences of lengthnum_frames.It can also be a NumPy array or Torch tensor of shape(batch_size, num_frames, channels, height, width).
HunyuanVideo1.5 pipeline'leri için çıktı sınıfı.